摘 要：隨著經濟的發(fā)展，物流發(fā)展會越來越被人們所關注，在激烈的市場競爭下，企業(yè)必須以客戶為中心，滿足客戶多樣化的需求，而面對如此巨大的客戶數據，運用數據挖掘技術能有效的挖掘客戶信息，為物流企業(yè)提供準確的決策信息，促進物流企業(yè)的發(fā)展。本文則詳細分析基礎數據挖掘技術下的物流企業(yè)管理策略。

關鍵詞：基礎數據挖掘技術；物流企業(yè)；管理

現代物理管理是一項科學的、系統的管理概念，隨著經濟的不斷發(fā)展，物流需求的個性化、多樣化以及集成化特點，要求物流企業(yè)必須不斷的改進企業(yè)的運作流程，不斷的創(chuàng)新物流服務，適應市場發(fā)展的變化。數據挖掘技術以其強大的關聯、分類、預測等功能，將物流信息數據進行有效的整理，為物流企業(yè)決策項目提供準確的依據。

一、物流企業(yè)管理中存在的問題

進入21世紀以后，人們開始跨入全球化與信息化時代，各個企業(yè)間的競爭越來越激烈，在給企業(yè)帶來機遇的同時也給企業(yè)帶來很大的挑戰(zhàn)。特別是物流企業(yè)，在面對競爭如此激烈的市場，更應該積極改變管理策略，集中資源優(yōu)勢，提高自身競爭力。

1.現代企業(yè)物流觀念淡薄。我國很多企業(yè)長期在“重商流、輕物流”的理念下經營，對發(fā)展一體化物流意識比較淡薄，沒有對物流在企業(yè)發(fā)展中的作用給予足夠的重視。隨著我國加入WTO，國際間的合作不斷擴大，以及生產機械化、自動化技術的發(fā)展，企業(yè)必須走集約化道路，降低運營成本，提高經濟效益。把競爭的焦點從生產領域轉向非非生產領域，包括采購、運輸、儲存、加工、分銷、售后等各個程序，這就是物流企業(yè)的基本內容。而我國仍有很多企業(yè)將物流置于附屬地位，致使物流很難起到優(yōu)化生產的作用。

2.不合理的會計核算掩蓋了物流成本。在我國的企業(yè)財務管理中，企業(yè)會計科目僅僅把支付給外部運輸、倉儲企業(yè)的費用列入到企業(yè)成本中，忽略了物流基礎建設費、庫房保管、包裝、裝卸費等物流費用。沒有統計完整的物流費用，掩蓋了物流費用的真面目，也無法使企業(yè)領導從根本上重視物流。

3.企業(yè)物流運作效率低下。很多企業(yè)把物流中倉儲、運輸、采購、包裝、配送等環(huán)節(jié)分散在不同的部分，沒有對物流進行系統的規(guī)劃與統一的管理，很難提高整個物流系統的運作效率。

4.物流管理方式落后。我國很多企業(yè)在物流管理中缺乏對新技術的應用，比如對人工智能、通信、條碼、掃描等先進的信息技術運用比較落后，致使物流企業(yè)不能實現內、外部物流一體化進行，不利于物流系統化發(fā)展。

二、數據挖掘技術的應用模式

數據挖掘是建立在傳統數據分析基礎上的一種高層次的數據分析方法，它主要是利用統計學、人工智能等技術進行自動化分析數據然后對數據節(jié)能型相應的推理，從中挖掘出潛在的信息，進而利用這些信息對未來的情況作出較為準確的預測，輔助決策者評估企業(yè)風險。數據挖掘解決的問題主要可以分為以下幾個模式：

1.分類分析。數據挖掘的這種分析方式是找出一組可以描述數據集合典型特征的函數，用于對未知數據進行整理、歸納。物流企業(yè)在進行客戶關系管理中可以利用數據挖掘技術對商場銷售商品情況進行挖掘，依據商品要素對顧客的影響程度，分析顧客對于商品的感覺，進而可以預測顧客對商品的感覺的分類規(guī)則，幫助企業(yè)管理者展開商業(yè)活動。

2.聚類分析。聚類分析是一種對具有共同趨勢和模式的數據進行的分組，組與組之間存在差別，但是組內記錄具有相似性，在物流企業(yè)客戶管理中，聚類分析主要應用與客戶細分中，能有效的分析客戶類型與偏好。

3.關聯分析。關聯分析是利用數學上的規(guī)則歸納法進行的數據挖掘，對過對數據的分析、歸納，挖掘隱藏在數據間的相互聯系，這個數據的挖掘主要是從產品目錄中導出與產品有關的商用信息，從這些信息中發(fā)現商品銷售規(guī)則，從而評估規(guī)則的正確性。關聯信息的置信度越高，規(guī)則越可靠，也就代表此商品的商業(yè)價值越高。

三、基礎數據挖掘技術在物流企業(yè)管理中的應用

現代物流信息系統環(huán)節(jié)繁多、流程復雜、數據雜亂，信息流量巨大，傳統的單純利用信息的溝通、傳遞、調控功能而決策的形式已經不能滿足現代物流的發(fā)展，現代物流必須挖掘信息中的有效數據，建立數據倉庫，對數據庫中的數據進行分析、挖掘，從而協助企業(yè)管理者做出正確的決策。數據庫在物流企業(yè)中的應用可以從以下幾個方面進行分析。

1.市場預測。從產品銷售規(guī)則來看，一種商品進入市場都要經歷四個階段：導入期、增長期、成熟期、衰退期，不同的發(fā)展階段，產品的生產、銷售策略也不同。比如在導入期，產品逐步得到市場的肯定，銷售會逐漸增多，這是需要提前安排生產計劃、庫存、倉儲以及運輸策略等，根據具體的信息，合理控制物流各個環(huán)節(jié)。在這里數據挖掘可以預測市場需求變化，從而為決策者提供重要的依據。

2.物流中心的選擇。物流中心的選址要考慮中心點放在什么位置能使物流成本最小化，通過數據挖掘中的分類樹方法可以解決這個問題。利用分類樹連續(xù)劃分數據的功能，將數據分類到不同的分支中，建立最強劃分標準，然后一一挖掘四個方面的數據，他們分別是：中心點的位置、中心點的業(yè)務需求量、備選點的位置；中心點與備選點的距離。通過這些分析，確定中心點的位置以及各個地址間產品的運輸量，從而保障產品的銷售量，從而減少成本。

3.優(yōu)化配送路徑。合理的配送路徑能有效的提高物流企業(yè)的配送效率，物流的配送需要考慮車輛路徑問題，比如車輛的承載能力、路徑長短問題、車輛的運輸能力以及貨品的規(guī)格大小等。通過數據挖掘技術可以解決路徑選擇問題，通過非遺傳算法模型，把得到的信息用來決策輸出，根據內次配送數量、顧客的位置、訂單量、輸出本次送貨線路車輛調度的動態(tài)優(yōu)化方案。

4.物流需求預測。物流企業(yè)規(guī)劃物流活動，需要在估計供應鏈中產品和服務數量的基礎上進行控制分析。數據挖掘可以對物流活動中產品和服務類型以及它的發(fā)展規(guī)律建立模型，通過相應的模型分析，確定需要開發(fā)商品的類型以及重點發(fā)展的區(qū)域，這些問題的分析有利于物流企業(yè)的長遠發(fā)展。

四、物流企業(yè)管理中數據挖掘重點技術

數據挖掘技術屬于是一項借助于及其實施學習、統計、數學的可視化技術，在數據庫大量的數據中識別有效數據，并對其實施高級處理的過程。其也被成為是數據庫中的知識發(fā)現。其能夠對相關數據采用數據庫技術對其實施前端處理，從而對數據中的有用數據實施人工智能提取。其步驟可以分成四個，分別是：

1.前期準備：其可以被分成三部分，分別是數據集成、數據選擇以及數據預處理。在這一過程之中與其業(yè)務對象有關的數據信息，不管是內部的還是外部的均需要進行搜索，在其中選擇出能夠被數據挖掘應用的數據；對選取的數據質量詳細分析研究，將其做好進一步講實施分析的準備，明確其挖掘操作具體類型；最后針對挖掘算法將這些數據全部都轉換成一個分析模型，選擇和數據挖掘真正適應的算法，是確保數據挖掘成功的一個重點。在這一過程中主要就是實施數據準備，其占到整個工作量的60%，從這一點可以明確看出其數據挖掘對于數據的要求非常嚴格。

2.數據挖掘：在將所有準備好的數據實施轉換之后，即可以對其實施挖掘，不但要對其挖掘算法進一步完善，同時也應該將其他工作自動完成。數據挖掘通常有兩種方式，分別是驗證型數據挖掘以及發(fā)現型數據挖掘，其中發(fā)現性數據挖掘是采用數據挖掘系統為用戶產生假設，驗證型數據挖掘則是對于數據苦衷可能包含的知識，由用戶自己提出假設。

3.解釋和評價：對其結果實施解釋和評價，關于其具體的使用分析方法，則需要依照不同數據挖掘操作確定。依照用戶的決策目的，對其挖掘出來的信息實施分析，區(qū)分出最有價值的信息，采用決策指出工具將其傳遞給決策者，在此步驟之中不但可以表達出挖掘結果，同時還能夠對相關信息實施過濾處理，如果其挖掘結果決策者不滿意，則也就需要對之上數據挖掘步驟重新進行。

4.用戶界面：這里需要用到可視化技術，使用者能夠借助于可視化工具對其所發(fā)現知識的可靠性進行證實，如果證實結果不滿意則重新實施數據挖掘；如果滿意則也就可以將其所得到的知識，全部集合在業(yè)務信息系統之中。

在現代物理企業(yè)管理中數據挖掘技術的重點包括數據倉庫、數據挖掘以及數據分析工具。其中數據倉庫技術，是將多個源數據存儲在一起的數據庫，其可以把不同數據庫采用因特網連接在一起，并將之中存儲的數據全部或者一部分復制到一個數據存儲中心。在數據倉庫中其屬于是邏輯概念，必須要建立在一定數量數據庫基礎上，基于物理角度來看可以將這些數據分開。數據倉庫則可以采用Internet將這些數據之間的地域界限打破，組成成一個邏輯整體，能夠在用戶面前呈現出一個海量數據庫。其主要工作就是提取、清理以及轉載傳統數據庫。數據挖掘技術，這則是數據處理系統中的重點和難點，需要涉及到很多模式模型以及挖掘算法?，F今已經有很多數據挖掘技術，其中包括數據總結、關聯規(guī)則發(fā)現、依賴關系、數據聚類等等。這些技術在應用中有各自的優(yōu)勢也有各自的劣勢，因此在實際應用中可以將多項技術結合應用，目前流行的也就是將多種技術結合應用，比如SGI公司開發(fā)的MineSer系統則也就屬于是多模式挖掘技術。數據分析工具，在數據倉庫中存在有很多數據，想要找到能夠提供輔助決策的信息，則也就必須要對其分析工具加以應用。其工具包括有統計分析、查詢優(yōu)化工具以及聯機分析處理工具等等。工具本身的性能能夠直接影響到管理決策的有效性?，F目前已經有具有智能功能的強大數據分析工具的出現，其不但可以在系統運行對數據實施采集和處理，并且也能夠對其他系統數據采集提供支持。

對于物流企業(yè)來講，信息是企業(yè)發(fā)展的重要資源，只有最大化的提高信息利用率，才能夠確保企業(yè)的健康發(fā)展，在對基礎數據挖掘技術應用過程中，必須要根據物流企業(yè)的實際情況，決定其具體的數據挖掘技術應用方法，從而提高數據挖掘技術應用合理性和有效性，并且為企業(yè)發(fā)展決策提供切實有效的數據信息。

五、結語

隨著全球化經濟的發(fā)展，物流業(yè)逐漸發(fā)展壯大，再加上電子商務的迅速發(fā)展，第三方物流異軍突起，促進了物流業(yè)的發(fā)展壯大。隨著物流業(yè)的發(fā)展壯大以及信息技術的發(fā)展，傳統的物流管理模式已經不能適應現代物流管理的需要，面對大量的產品信息和客戶關系，必須建立新的信息管理模式，提高管理效率?；A數據挖掘技術的應用，能夠對新時期物流企業(yè)管理需求進行滿足，因此這一技術在現代物流管理中具有廣闊應用前景。以上本文主要談論基礎數據挖掘技術在物流企業(yè)管理中的應用，以供參考。

參考文獻：

[1]陳奕寧.略論數據挖掘技術在物流企業(yè)管理中的一般應用[J].廣西政法管理干部學院學報2011（2）：128-129.

[2]劉曉洪，裴素萍.數據挖掘技術在物流管理中的應用[J].物流技術，2012（9）：201-202.

[3]葉玉萍.數據挖掘技術在物流業(yè)中的應用研究[J].福建電腦，2009（5）：102-103.

[4]劉世平.SQL數據挖掘技術在物流企業(yè)管理中的應用[J].物流技術，2013（3）：209-211.

[5]陸澎，樊重俊，李文.現代企業(yè)物流管理中的數據挖掘技術[J].商場現代化2009（3）：131-132

[6]陳頻.數據挖掘技術在物流決策支持系統中的應用研究[J].數字技術與應用，2009（7）：175-176.

作者簡介：高明浩（1981.10- ），女，碩士研究生，研究方向：物流管理、企業(yè)管理