- 相關推薦
淺談現(xiàn)代企業(yè)物流管理中的數(shù)據(jù)挖掘技術
畢業(yè)論文 [摘要]本文基于現(xiàn)代企業(yè)物流管理現(xiàn)狀中存在的問題，分析了將數(shù)據(jù)挖掘技術引入現(xiàn)代企業(yè)物流管理中的意義與應用前景，并對相關的數(shù)據(jù)挖掘技術的應用的難點進行了歸納總結。
[關鍵詞]物流 物流管理 數(shù)據(jù)挖掘
現(xiàn)代物流管理是一項科學的系統(tǒng)管理方法。隨著科學技術和新思想、新方法運用于企業(yè)經(jīng)營的戰(zhàn)略規(guī)劃和管理作業(yè)中，物流管理在企業(yè)管理中獲得了巨大的成就，增強了企業(yè)應變市場的能力，成為支撐企業(yè)發(fā)展壯大的核心競爭力。
隨著自動化技術和計算機科學的發(fā)展，物流也從人工管理向自動化管理演變，如自動存儲、提取系統(tǒng)等的應用，以及計算機管理與物流控制系統(tǒng)的出現(xiàn)，標志著“現(xiàn)代企業(yè)物流”時代的來臨。從此，企業(yè)物流變成了新的利潤源。它不僅可以降低生產(chǎn)和銷售成本、提高服務水平，還有助于整個社會資源的合理配置與優(yōu)化。
一、目前物流管理的現(xiàn)狀和問題分析
“全球化時代”與“信息化時代”帶給企業(yè)機會的同時，也帶來日益激烈的市場競爭。為贏得競爭，企業(yè)紛紛實施回歸戰(zhàn)略——“集中優(yōu)勢資源，培育核心競爭力”。
在該戰(zhàn)略指導下，企業(yè)致力于走集約化道路，降低運營成本。物流也越來越成為企業(yè)總體戰(zhàn)略中不可分割的組成部分。但是，我國企業(yè)長期以來受“重商流”、“輕物流”的理論和思想影響，發(fā)展一體化物流存在著各種瓶頸，對物流在經(jīng)濟發(fā)展和在企業(yè)中的作用和地位缺乏足夠認識和重視：
1.缺乏“現(xiàn)代企業(yè)物流是獲取競爭優(yōu)勢的重要源泉”的理念。隨著生產(chǎn)機械化、自動化程度不斷提高和生產(chǎn)工藝日趨程序化、規(guī)范化，以及技術趨同性的增強，人們開始把競爭的焦點從生產(chǎn)領域轉(zhuǎn)向非生產(chǎn)領域，包括采購、運輸、儲存、包裝、裝卸、流通加工、分銷、售后服務等物資流通活動以及相關的信息活動，這些即構成了企業(yè)物流的基本內(nèi)容。
在我國，至今仍有許多企業(yè)沒有將物流看成是優(yōu)化生產(chǎn)過程、強化市場經(jīng)營的關鍵，而是將物流置于附屬地位。企業(yè)的物流不但沒有形成利潤源泉，反而成為企業(yè)的負擔。
2.傳統(tǒng)的會計核算掩蓋了物流成本的真面目。一般情況下，企業(yè)會計科目中，只把支付給外部運輸、倉儲企業(yè)的費用列入成本，實際上，物流基礎建設費和自有車輛運輸、庫房保管、包裝裝卸等費用都沒有列入物流費用科目內(nèi)，掩蓋了物流費用的真面目，無法喚起企業(yè)對物流的重視。
3.企業(yè)物流職能分散，運作效率低。大多數(shù)企業(yè)將倉儲、運輸、采購、包裝、配送等物流活動分散在不同部門，沒有系統(tǒng)規(guī)劃和統(tǒng)一運作與管理，致使整個系統(tǒng)的運作效率非常低下。
4.物流管理方式落后。在物流管理上，很多企業(yè)在物流運作中缺乏人工智能/專家系統(tǒng)、通信、條碼和掃描等先進信息技術的應用，使企業(yè)無法全面、準確的把握各方物流信息，無法實現(xiàn)內(nèi)、外部物流一體化以尋求物流系統(tǒng)的最優(yōu)化和合理化。
二、數(shù)據(jù)挖掘
數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在大規(guī)模海量數(shù)據(jù)中建立模型和發(fā)現(xiàn)數(shù)據(jù)間關系的過程。
目前，數(shù)據(jù)挖掘技術在企業(yè)中應用的難點集中在企業(yè)數(shù)據(jù)搜集和提取上:多數(shù)企業(yè)內(nèi)部的數(shù)據(jù)是分散的,業(yè)務數(shù)據(jù)往往被存放在缺乏統(tǒng)一設計和管理的異構環(huán)境中,不易綜合查詢訪問，而且還有大量的歷史數(shù)據(jù)處于脫機狀態(tài),不能在線集中存儲查詢。數(shù)據(jù)挖掘在對這些數(shù)據(jù)進行分析前,必須對這些數(shù)據(jù)進行不同程度的整合和清理，這是數(shù)據(jù)挖掘的首要環(huán)節(jié),但一般的OLTP(On-line Transaction Processing，聯(lián)機事務處理)系統(tǒng)的數(shù)據(jù)環(huán)境不具備這種能力。
數(shù)據(jù)倉庫正是為了構建新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲和組織技術。實際上，數(shù)據(jù)倉庫技術所要研究和解決的問題就是從OLTP系統(tǒng)、異構分散的外部數(shù)據(jù)源、脫機的歷史業(yè)務數(shù)據(jù)中獲取數(shù)據(jù)，處理后為數(shù)據(jù)分析和管理決策提供應用服務。對海量數(shù)據(jù)的探索式分析的起點是OLAP(On Line Analytical Processing，聯(lián)機分析處理)。
數(shù)據(jù)挖掘能夠自動發(fā)現(xiàn)以前未知的模式，自動預測未來趨勢和行為。因此，數(shù)據(jù)挖掘技術廣泛用于以下一些領域：零售/市場營銷；金融；信用保險；過程控制/質(zhì)量監(jiān)督；化工/醫(yī)藥；工程與科學數(shù)據(jù)分析。
三、數(shù)據(jù)挖掘技術在物流管理中的應用
數(shù)據(jù)挖掘的主要方法包括：基本統(tǒng)計分析，相關分析，回歸分析，時間序列分析，人工神經(jīng)網(wǎng)絡方法等。不同的分析方法和挖掘工具有其獨特的特征和使用范圍。
1.基本統(tǒng)計分析方法：統(tǒng)計學研究的對象是客觀事物的數(shù)量關系和數(shù)量特征。統(tǒng)計方法廣泛地運用于各個領域，供各個部門做出決策、執(zhí)行計劃、檢查監(jiān)督和宏觀調(diào)控。尤其在物流管理領域，基本統(tǒng)計方法起著信息咨詢、監(jiān)督、輔助決策的作用。
統(tǒng)計分析方法從總體中抽取一定數(shù)量的樣本并測出有關的數(shù)據(jù)以及利用數(shù)據(jù)所提供的關于總體的信息來推斷關于總體的結論。目前企業(yè)內(nèi)部的相關海量數(shù)據(jù)或分散存儲，或是異構數(shù)據(jù)，無法利用基本的統(tǒng)計方法進行歸納推理。
2.相關分析：相關分析法是測定經(jīng)濟現(xiàn)象之間相關關系的規(guī)律性，并據(jù)以進行預測和控制的分析方法。物流管理中的各個要素間存在著大量的相互聯(lián)系、相互依賴、相互制約的關系：一類是函數(shù)關系，它反映著要素之間嚴格的依存關系；另一類為相關關系，就是說變量之間存在著不確定、不嚴格的依存關系。
物流管理中的相關分析要解決以下問題：
(1)確定物流各個要素之間有無相關關系以及相關關系的類型：正相關關系或負相關關系；直線關系還是曲線相關；一元相關還是多元相關。
(2)確定各個要素之間相關關系的密切程度,通常是計算相關系數(shù)。
(3)擬合回歸方程，如果要素間相關關系密切，就根據(jù)其關系的類型，建立數(shù)學模型用相應回歸方程來反映這種數(shù)量關系。
(4)判斷回歸分析的可靠性，只有通過檢驗的回歸方程才能用于預測和控制。
(5)根據(jù)回歸方程進行預測和控制。如果變量數(shù)量比較多，并且變量之間無法用線性關系來表示，那么相關分析就不能很好的反映出各變量之間的關系。
3.回歸分析：考察變量之間的數(shù)量變化規(guī)律，確定自變量和因變量之間的數(shù)學關系式，建立回歸方程，對回歸方程進行各種統(tǒng)計檢驗，并能進行預測�；貧w分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。
在物流管理中回歸分析應用的主要內(nèi)容為：
(1)從一組數(shù)據(jù)出發(fā)確定某些變量之間的定量關系式，并估計其中的未知參數(shù)。估計參數(shù)的常用方法是最小二乘法。
(2)對這些關系式的可信度進行檢驗。
(3)在多自變量共同影響一個因變量的關系中，判斷并將影響顯著的自變量選入模型中，而剔除影響不顯著的變量，通常用逐步回歸、向前回歸和向后回歸等方法。
(4)利用所求的關系式對物流需求或是其他物流管理相關內(nèi)容進行預測或控制。
回歸分析僅考慮到變量之間的數(shù)量變化規(guī)律，沒有考慮到變量之間由于時間等因素產(chǎn)生的不確定關系，這使得回歸分析，特別是線性分析，對于時間不敏感變量的檢驗結果是可信的，對于時間敏感的變量的變化規(guī)律不能很好的表示。
4.時間序列分析：對按時間順序的一組數(shù)字序列應用數(shù)理統(tǒng)計方法加以處理，以預測未來事物的發(fā)展。
時間序列分析是定量預測方法之一，它的基本原理：一是承認事物發(fā)展的延續(xù)性，根據(jù)過去的變化趨勢預測未來的發(fā)展，前提是假定過去會同樣延續(xù)到未來；二是突出了時間因素在預測中的作用，因而存在預測誤差。當外界發(fā)生較大變化，預測往往會有較大偏差，為此要利用加權平均法對歷史數(shù)據(jù)進行處理。
時間序列預測法簡單易行，便于掌握，中短期預測比長期預測的效果好。
5.人工神經(jīng)網(wǎng)絡：人工神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)是一個由很多節(jié)點通過方向性連接組成的一個網(wǎng)絡結構，是基于模仿人的大腦的神經(jīng)網(wǎng)絡的結構和功能而建立的一種具有學習能力的信息處理系統(tǒng)。ANN通過從過去的知識中學習、概括和抽取解決問題的經(jīng)驗知識，可以將這些知識進行運用。
ANN的優(yōu)點是：并行處理；非線性映射；自學習功能；高速尋找優(yōu)化解的能力。由于具有這些優(yōu)點，ANN具有高度的非線性和極強的模糊推理能力，這是傳統(tǒng)數(shù)學分析方法無法比擬的。物流過程涉及的因素比較多，若僅用推理和建立數(shù)學模型的方法來解決物流管理中出現(xiàn)的問題是不夠的，還需依靠經(jīng)驗和某些難以用公式表達的知識，因此，ANN比較適合于解決復雜的物流管理問題。
四、結語
隨著科學技術的發(fā)展，越來越多的新思想、新方法運用于企業(yè)經(jīng)營的戰(zhàn)略規(guī)劃和管理作業(yè)，增強了企業(yè)應變市場的能力。在所有改進企業(yè)經(jīng)營管理的措施當中，現(xiàn)代企業(yè)物流技術合理高效地參與，正成為企業(yè)贏得市場優(yōu)勢的重要手段。很明顯，數(shù)據(jù)挖掘技術為企業(yè)從戰(zhàn)略高度把物流系統(tǒng)與營銷戰(zhàn)略以及企業(yè)的總體戰(zhàn)略有機地結合起來，科學地做出物流決策提供了有效的工具和手段。
參考文獻:
[1]郭獻山樂業(yè):我國企業(yè)物流發(fā)展現(xiàn)狀及對策的思考[J].集團經(jīng)濟研究,2006(12月下旬刊):122～123
[2]劉同明等編著:數(shù)據(jù)挖掘技術及其應用[M].北京國防工業(yè)出版社,2001:8～9
【淺談現(xiàn)代企業(yè)物流管理中的數(shù)據(jù)挖掘技術】相關文章：
基于數(shù)據(jù)挖掘技術的現(xiàn)代物流管理03-25
數(shù)據(jù)挖掘技術在企業(yè)知識管理中的應用03-19
數(shù)據(jù)挖掘技術在客戶關系管理中的應用12-09
談數(shù)據(jù)挖掘技術在第三方物流企業(yè)的應用03-20