《数据挖掘在物流管理中的作用及应用》由会员分享，可在线阅读，更多相关《数据挖掘在物流管理中的作用及应用（4页珍藏版）》请在金锄头文库上搜索。
1、精品范文模板 可修改删除撰写人：_日 期：_数据挖掘在物流管理中的作用及应用【内容摘要】对于物流管理中的海量数据，如何及时、准确，收集和分析各种信息与数据，提高物流企业管理水平和效益，成为物流发展的难题。而通过建立数据仓库，利用数据关联及Q型系统聚类分析法，搭建MIS系统模型，最终让决策者在物流管理方面，提出适合企业需要及经济发展的决策，成为解决此问题的方法。 【Abstract】 For the logistics management in large amounts of data, how to timely, accurate, collect and analyze informa
2、tion and data, improve the logistics management level and efficiency, the development of a logistics problem. Through the establishment of a data warehouse, using the data connection and a Q-cluster analysis method, to build MIS system model, the ultimate decision makers in logistics management, rai
3、sed the need for enterprise and economic development decision-making, the solution to this problem.【关键词】数据挖掘 物流管理 信息系统 决策【Key】 words data mining logistics management information system decision-making现代物流是一个庞大复杂的系统，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，每个环节信息流量十分巨大。对这些数据要进行及时、准确的处理，显然企业通过普通的数据库技术很难做到。而数据挖掘（Da
4、ta Mining）技术能帮助企业在物流信息系统管理中，及时、准确地收集和分析各种信息，对客户的行为及市场趋势进行有效的分析，了解不同客户的爱好，从而为客户提供有针对性的产品和服务，提高各类客户对企业和产品的满意度。决策者快速、准确地做出决策，提高企业的运作效率，降低物流成本、增加收益。数据挖掘过程就是采用统计、数学和可视化技术，从大量的数据库中识别出有效的、新颖的、潜在的、有用的信息，以及最终挖掘出可理解模式的高级处理过程。具体步骤如下：一建立物流管理数据仓库首先应将物流诸多环节的海量数据，建立分类、汇总、统计，建立数据仓库（Data Warehouse）。数据仓库之父Bill Inmon在
5、1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。物流管理的数据仓库建设，是以现有物流管理系统和大量物流数据的积累为基础。它不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归
6、纳和重组，并及时提供给相应的物流管理决策人员，是数据仓库的根本任务。因此，从物流管理的角度看，数据仓库建设是一个工程，是一个过程。数据仓库是决策支持系统和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题，其主要特征就是面向主题、集成性、稳定性和时变性。数据仓库是一个过程而不是一个项目，它是一个信息提供平台，在业务处理系统获得数据。主要以星型模型和雪花模型进行数据组织，并为用户提供各种手段从数据中获取信息和知识。可见，数据仓库为企业带来了一些“以数据为基础的知识”，它们主要应用于对市场战略的评价，和为企业发现新的市场商机，同时，也用来控制库存、检查生产方法和定义客户
7、群。基于此，必须将物流管理中的海量数据利用数据库进行整理汇总，为往后的使用奠定科学化的发展基础。二利用数据关联及Q型系统聚类分析法，搭建MIS系统模型Q型系统聚类分析法（以距离作为聚类统计量）是聚类分析中用的最多的一种，对样本进行聚类，有最长距离法、最短距离法等，经过多次试算，用WARD法聚类得出的结果最为清晰，可分为五类：第一类：粤高速A、五洲交通、重庆路桥、芜湖港、皖通高速、山东高速、天津港、福建高速、S东北高、S楚高速、华北高速、湖南投资、深圳机场、大秦铁路、盐田港、S中北、锦州港、S延边路、强生控股、中海海盛、S粤富华、S北海港、宁波海运、S*ST天海。第二类：海南航空、巴士股份、中信
8、海直、海南高速、亚通股份、捷利股份、中国国航、S南航、交运股份、中储股份、漳州发展、重庆港九、S川路桥、白云机场、深高速、宁沪高速、海越股份、上海航运。第三类：上港集团、大众交通、上海机场、招商地产、厦门空港、厦门港务、外运发展、营口港、中海发展、中运航空、深赤湾A、现代投资。第四类：南京水运、江西长运、铁龙物流、中原高速、赣粤高速。第五类：S东航、ST长运、北京巴士。聚类结果和前面的排序基本相符，结果是可信的。通过主成分分析和聚类分析可以看出，整个物流业上市公司业绩较好，属于业绩较差的上市公司只有三家，占整个62家的4.8%。基于以上聚类分析，搭建MIS系统：1采购进货管理系统。主要功能是面
9、对供货商的作业，包括向厂商发出订购信息或接收厂商的出货信息、采购决策、存货控制、采购价格管理等信息管理子系统。 2销货出货管理系统。其功能是收集客户需求信息、记录客户购买信息、管理销售价格、处理应收货款及退款等。 3库存储位管理系统。该系统包括储存管理、进出货管理、机械设备管理、流通加工等功能子系统，负责相关信息的处理。 4财务管理和结算系统。财务管理系统主要功能是对销售管理系统和采购系统所形成的应付、应收帐进行会计操作，同时对物流中心的整个业务与资金进行平衡、测算和分析，编制财务报表，并与银行进行转帐。结算系统主要功能是利用现有的业务信息管理系统和计算机处理能力，自动为客户提供各类业务费用信
10、息，为广大物流企业的自动结算提供一套完整的解决方案。 5运输配送管理系统。该系统包括出货配送管理、运输调度计划、分配计划等功能子系统。 6物流分析系统。其主要功能是应用技术与运筹决策模型，完善物流分析技术。 7物流决策支持系统。此系统的功能获取内部各系统业务信息，取得外部信息，并结合内部和外部信息编制各种报告，提供分析图表。通过建立决策支持系统，及时地掌握商流、物流、资金流和信息流所产生的信息并加以利用，在数据仓库技术、运筹学模型的基础上，运用数据挖掘工具对历史数据进行多角度、立体的分析，实现对物流中心的资源的综合管理，为决策提供科学决策的依据。三进行数据分析与决策决策管理人员在日常管理业务中
11、收集并存储了大量的数据，但却很难掌握到所希望得到的信息，这是因为一方面缺乏足够的信息来支持科学的决策，另一方面，积累的丰富数据没有发挥应有的作用。这是由于涉及的数据量大，且来源广泛，传统的操作型数据库已无法支持生产物流管理系统的分析功能。搭建的系统模型可有效的为决策者提供强有力的数据，以便于进行最终的决策，而使企业立于不败之地。沃尔玛公司就是一个成功应用数据挖掘技术的大公司。一个典型例子，是客户的菜篮子分析，从客户购买的记录中得出客户会同时购买哪些产品。其中最著名的结论是，一个生病的消费者的购买篮包括橙汁和咳嗽糖浆如果一个消费者购买了咳嗽糖浆，他就有30%的可能会同时购买橙汁。这些结论可以战略
12、性的布置货品在仓库中的位置，以促进交叉销售和某类交易模式。很显然这正是库存储位管理系统所表现出来的强劲的说服力。由此可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。这样通过对数据分析，可以制定出有利于企业发展的战略决策，使其立于不改之地。此外，还可得出以下决策过程中的结论：客户发展分析：对于生产物流来说，客户是影响利润的一个重要因素，所以从不同层次分析客户，提供更加快捷
13、、周全的服务来增加新客户，以提供生产效率和利润。 市场竞争分析：通过对市场占有率、竞争对手情况等分析来为决策人员提供科学的信息，以提高自身在市场竞争中的地位。 部门绩效分析：将生产物流管理策略转化为企业内部各个部门的执行力，通过制定各个部门，包括财务、仓储、配送、生产等方面的考核指标，在统计分析的基础之上形成各个部门的绩效考核体系，通过分析掌握和了解各个部门的执行力度以及效率等情况。 生产利润分析：分析各种产品的产出与投入之比以及发展趋势等。客户价值分析：根据客户与企业之间的关系，衡量客户对整个企业生产效率的贡献度进行分析，包括客户当前价值分析和潜在价值分析等。 业务发展分析：在现有业务的基础
14、之上，如何通过改善管理来发展业务，譬如说如何根据生产节拍，使仓库的供货和库存达到一个平衡，同时也使生产线的排队达到平衡，从而提高物流效率，为进一步业务发展提供科学的依据。 供应商信用度分析：对供应商供应的商品进行质量、时效、质量价格比等进行分析，是衡量供应商供货好坏的一个标准，也是企业选择合作伙伴的一个重要参考指标。引入数据仓库技术，在分析其系统体系结构的基础上，提出基于数据仓库的生产物流决策管理系统，解决基于传统操作型数据库的决策管理系统存在的问题，将分散的、标准不同的、逻辑关系不一致的数据经过分析、抽取、转换、整合到统一的数据仓库中，通过多维分析和数据挖掘，形成生产物流决策管理人员所需要的
15、信息和数据，从而有利于生产物流决策管理人员做出科学的决策，提高自身在市场竞争中的地位。在现代物流管理系统中充分利用基于数据挖掘技术的物流体系，为物流企业决策者提供决策支持，有利于提升物流企业的核心竞争力，使企业能够及时、准确地调整经营策略，适应市场的变化，有效的拓展市场，扩大生存空间，实现可持续发展，在激烈的市场竞争中立于不败之地。【参考文献】1中国市场物流与采购研究2007年第三期 数据挖掘在物流业中的应用 刘晓华2陆澎 樊重俊李文现代企业物流管理中的数据挖掘技术 中国论文下载中心 09-03-21 16:14:00 3. 4 我国物流业上市公司盈利状况综合分析 王德华 河南财经学院5 基于数据仓库的生产物流决策管理系统研究 中国论文网第 1 页 共 1 页免责声明：图文来源于网络搜集，版权归原作者所以若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
