【中国广告门户商务服务网】随着信息时代数据量的剧增，深化物流管理的最有效方法是在其中引入数据挖掘技术，充分合理的利用数据挖掘技术，可以进行市场预测和分析，这必将为正确的决策奠定坚实的基础。本文介绍数据挖掘技术的概念及方法，并结合物流企业的管理，阐述数据挖掘技术在物流企业中的具体应用。
1 引言
物流需求的个性化、多样化和集成化，要求物流服务企业必须不断改进和优化企业的运作流程，开发出具有针对性的物流服务，以适应物流市场发展的变化。数据挖掘技术，以其强大关联、分类、预测等功能，可将物流企业运营过程中产生的信息数据进行有效整合处理，为物流企业的决策提供依据。
2 数据挖掘技术
数据挖掘又称为基于数据库的知识发现，是从大量的、不完全的、模糊的、随机的实际应用数据中，提取隐含在其中的、潜在有用的信息和知识的过程。它不仅仅局限于对数据的查询和访问，主要在于找出数据之间的潜在联系。从企业角度看，数据挖掘是一种企业信息处理技术，特点是对企业数据库中的数据进行抽取、转换、分析等，从中提取可用于辅助企业决策的关键数据。数据挖掘的目标是从大量数据中，发现隐藏于其后的规律或数据间的关系，从而服务于决策。数据挖掘方法有很多种，其中比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。
（1）关联分析
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之问存在某种规律性，就称为关联。关联分析即利用关联规则进行数据挖掘，而关联规则是描述事物之间同时出现的规律的知识模式，关联分析的目的是为挖掘出隐藏在数据间的相互关系。
（2）序列模式分析
序列模式分析和关联分析相似，他把数据之问的关联性与时间性联系起来，为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件发生的时间。其目的也是为了挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据问的前后或因果关系。
（3）分类分析
分类分析就是分析样本数据库中的数据，为每个类别做出准确的描述建立分析模型或挖掘出分类规则，然后用这个分类规则对其他记录进行分类，能够把数据集中的数据映射到某个给定的类上，其输入集是一组记录集合和几种标记。
（4）聚类分析
与分类分析不同，聚类分析法的输入集是一组未标定的记录，也就是说此时输入的记录还没有进行任何分类。其目的是根据一定的规则，合理地划分记录集合，使组之间的差别尽可能大，组内的差别尽可能小。
3 数据挖掘技术在物流企业中的应用
现代物流信息系统是一个庞大复杂的系统，特别是全程物流，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。以往物流企业主要利用信息的有效沟通、快速传达、物流运作调控和辅助决策的功能，而很少挖掘信息中的有用数据。
[1] [2] [3] 下一页
 |
|
发 表 评 论 |
- 企业推广
- 企业服务
