数据挖掘在物流管理中的应用
摘要：随着现代科学技术尤其是因特网的发展，人类积累的数据量正以前所未有的速度增长。物流业和其他行业一样，信息化的物流网络体系产生巨大的数据流，如何准确、及时的收集和分析这些信息就成为一个难题。而数据挖掘技术通过去伪存真、去粗存精、由此及彼、由表及里从海量的信息中挖掘出有效的准确的信息，从而帮助企业迅速的做出决策，制定科学的物流管理方案，提高运作效率，降低运作成本，取得良好的效益。
关键词：数据挖掘；物流管理；信息体系
 
现代物流是一个包含运输、仓储、配送、搬运等多个环节的庞大复杂的系统，其信息流量十分巨大，因此必须及时、准确的对这些海量进行处理，而数据挖掘技术刚好适应了这一要求，数据挖掘技术能够帮助企业从巨大的信息流中筛选出有用的信息，对客户的行为和爱好进行分析，了解市场发展的趋势，从而使得决策者有针对性、目的性的做出各种决策，降低物流成本，提高运输效率，为客户提供满意的产品和服务。
1、数据挖掘概述
数据挖掘就是采用统计、数学等方法，从大量的、模糊的、随机的数据中，提取有效的、新颖的、潜在的、有用的信息的过程。它作为数据库研究中的一个新领域，主要运用人工技能、统计学以及机器学习等技术，对大容量数据以及数据之间的关系进行考察概括总结，提取对人们有用的信息，挖掘出潜在的模式，从而为决策者提供决策支持。
2、数据挖掘在物流管理中的应用
数据挖掘是一个利用各种分析方法和分析工具在大规模海量数据中发现数据间关系和建立模型的过程。下面我们主要从数据挖掘的目标、数据挖掘的方法和数据挖掘的物流信息体系结构来谈谈数据挖掘在物流管理中的应用。
2.1　物流管理中数据挖掘的目标
物流管理中数据挖掘的目标主要包括以下几个方面：
首先，挖掘出顾客的特征。及时准确的了解客户的特征是有效从事物流管理的基础。对生产
物流来讲，客户是影响利润的一个重要因素，所以我们要从不同的层次分析客户，尽量为客户提供满意的产品和服务。顾客的特征主要包括年龄、性别、住址、收入等等。
其次，对客户行为进行分析，分析客户的当前价值和潜在价值，总结出最稳定的消费和“黄金客户”，根据不同客户的档次，采取不同的营销策略，另外，要想方设法的留住“黄金客户”。
再次，对客户的持久性、稳定性进行分析。对于高忠诚度的客户要继续保持，对于低忠诚度的客户要想法设法使其变成高忠诚度客户。
2.2　数据挖掘的方法
数据挖掘的方法有多种，文章主要来讲基本统计分析，相关分析，回归分析，时间序列分析等这几种方法的特征和使用范围。
①基本统计分析方法。基本统计分析方法是物流管理数据挖掘中最常用也是最简便的一种方法。统计分析方法是从总量中抽取一定数量的样本作为检测对象，依据所测出的样本的数据来推断和估计总体特征的方法。统计分析方法可以使各个部门快速的做出决策，为决策的运
行提供检查监督、宏观调控。如今的物流业包含汪洋信息，如果对每个信息都拿出来一一分析，不仅会浪费大量的人力、物力、财力，而且会降低工作效率，影响企业的正常运转。一般的数据库技术无法对这些海量信息进行分析，而统计分析方法通过样本特征来估计总体特征，在某些情况下，不失为一种简捷的方法。
②相关分析。相关分析作为物流管理数据挖掘中的一种重要方法是根据经济现象之间的相关性及其规律性来对物流管理进行预测和控制。世界上的一切事物都处在相互联系之中，同样，物流管理中的各个要素间存在着相互联系、相互依赖、相互制约的关系，概括起来讲主要有两种：一种是反映各要素之间严格的相互依存的函数关系，另一种为相关关系，主要反映变量之间存在的不确定、不严格的依存关系。
物流管理中的相关分析要解决以下问题：
第一，确定物流各个要素之间相关关系的类型。物流各个要素之间的关系类型有多种，譬如正相关关系或负相关关系；直线关系还是曲线相关；对各要素之间的关系类型必须严格确定，从而保证下面程序的顺畅进行。
第二，确定各个要素之间相关关系是否密切以及密切到什么程度，以便计算相关系数。
第三，建立数学模型。依据各要素间的密切程度，建立数学模型并用相应函数来反映这种数量关系。
第四，判断回归分析的可靠性，只有通过检验的回归函数方程才能用于预测和控制。
第五，预测和控制。根据回归方程来预测和控制经济发展的趋势。
③回归分析。回归分析是指分析变量之间的数量变化规律，根据数量变化规律确定自变量和因变量之间的数学关系，最终建立回归方程，对回归方程进行各种统计检验，并能进行预测的过程。
④时间序列分析。时间序列分析是把数据之间的关联性和时间性联系起来，重点确定事件发生的时间，以预测未来事物的发展。时间序列分析作为定量预测方法之一，根据过去的变化预测未来的发展趋势，突出了时间在预测中的重要性，因而容易造成预测误差，当外界发生较大变化，预测往往会有较大偏差，所以，中短期预测比较适合用时间序列分析。
2.3　数据挖掘物流信息的体系结构
数据挖掘物流信息的体系结构主要由以下几部分组成：
①采购进货管理系统。采购进货管理系统是数据挖掘物流信息体系的重要组成部分，是物流管理的起始阶段，包括向厂商发出订购信息、接收厂商的发货、采购决策、存货控制、采购价格管理等信息管理子系统。在对采购进货管理系统进行数据挖掘时应主要采用基本统计分析方法，依据现有样本的数量接受厂商的发货，依据样本价格估计总体价格。
②销货出货管理系统。销货出货管理系统主要负责对客户的需求类型及爱好进行收集、整理，记录好客户的购买情况以及各种类型的销售情况，确定好合理的销售价格，处理好应收货款及退款等。回归分析在销货出货管理系统中应用的最为广泛，分析客户的需求及爱好，根据客户的购买情况确立销货出货与收货款及退款的关系，确立回归方程，利用回归方程对相关内容进行分析。
③库存储位管理系统。库存储位管理系统包括储存货管理、进货订货管理等功能子系统，根据货存情况及时作出决策，保证货品的供应量以及流通加工的顺利进行。
④财务管理系统。财务管理系统主要功能是对采货、进货以及销售管理所形成的应付、应收账进行会计操作，对整个物流中心的资金进行平衡、测算和分析，编制财务报表，做好银行转账工作，保证资金周转以及整个物流管理顺利进行。
⑤运输配送管理系统。运输配送管理系统主要包括出货配送管理、运输调度计划、分配计划等功能子系统。
⑥物流分析系统。其主要功能是应用相关技术对整个物流运作模式进行分析，完善物流运输方案。
⑦物流决策支持系统。物流决策支持系统的功能主要是在深入了解内部各系统业务信息和外部信息的基础上编制各种报告，提供分析图表。通过建立决策支持系统，及时地了解和掌握商流、物流、资金流和信息流所产生的信息，综合运用数据挖掘工具对历史数据从多角度、多方位进行分析，实现对物流中心的资源的综合管理。物流决策支持系统应综合利用相关分析与时间序列分析两种方法，根据内部信息和外部信息综合分析物流的运作情况，对物流运作的历史数据进行全面分析，根据过去预测未来，实现物流的顺畅运作。
3、结　语
随着科学技术尤其是计算机技术的迅速发展，越来越多的新思想、新方法以及新的经营策略运用于物流管理当中，数据挖掘技术是其中之一。在物流管理中充分利用数据挖掘技术，可物流管理系统
以为决策者提供决策支持和指导，使物流企业能够及时了解市场的动向并根据市场的变化及时调整经营策略，提高运作效率，降低管理成本，增强物流企业的竞争力，实现物流管理的可持续发展。
参考文献：
[1]晓华，数据挖掘在物流业中的应用[J]，中国市场，2007，(8)
[2]陆澎，樊重俊，李文，现代企业物流管理中的数据挖掘技术[J]商场现代化，2009，(3)
[3]刘同明，数据挖掘技术及其应用[M]北京：国防工业出版社，2009

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。