- 相關(guān)推薦
淺談現(xiàn)代企業(yè)物流管理中的數(shù)據(jù)挖掘技術(shù)
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(wèn)題，分析了將數(shù)據(jù)挖掘技術(shù)引入現(xiàn)代企業(yè)物流管理中的意義與應(yīng)用前景，并對(duì)相關(guān)的數(shù)據(jù)挖掘技術(shù)的應(yīng)用的難點(diǎn)進(jìn)行了歸納總結(jié)。
[關(guān)鍵詞]物流 物流管理 數(shù)據(jù)挖掘
現(xiàn)代物流管理是一項(xiàng)科學(xué)的系統(tǒng)管理方法。隨著科學(xué)技術(shù)和新思想、新方法運(yùn)用于企業(yè)經(jīng)營(yíng)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(qiáng)了企業(yè)應(yīng)變市場(chǎng)的能力，成為支撐企業(yè)發(fā)展壯大的核心競(jìng)爭(zhēng)力。
隨著自動(dòng)化技術(shù)和計(jì)算機(jī)科學(xué)的發(fā)展，物流也從人工管理向自動(dòng)化管理演變，如自動(dòng)存儲(chǔ)、提取系統(tǒng)等的應(yīng)用，以及計(jì)算機(jī)管理與物流控制系統(tǒng)的出現(xiàn)，標(biāo)志著“現(xiàn)代企業(yè)物流”時(shí)代的來(lái)臨。從此，企業(yè)物流變成了新的利潤(rùn)源。它不僅可以降低生產(chǎn)和銷售成本、提高服務(wù)水平，還有助于整個(gè)社會(huì)資源的合理配置與優(yōu)化。
一、目前物流管理的現(xiàn)狀和問(wèn)題分析
“全球化時(shí)代”與“信息化時(shí)代”帶給企業(yè)機(jī)會(huì)的同時(shí)，也帶來(lái)日益激烈的市場(chǎng)競(jìng)爭(zhēng)。為贏得競(jìng)爭(zhēng)，企業(yè)紛紛實(shí)施回歸戰(zhàn)略——“集中優(yōu)勢(shì)資源，培育核心競(jìng)爭(zhēng)力”。
在該戰(zhàn)略指導(dǎo)下，企業(yè)致力于走集約化道路，降低運(yùn)營(yíng)成本。物流也越來(lái)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(guó)企業(yè)長(zhǎng)期以來(lái)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(duì)物流在經(jīng)濟(jì)發(fā)展和在企業(yè)中的作用和地位缺乏足夠認(rèn)識(shí)和重視：
1.缺乏“現(xiàn)代企業(yè)物流是獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的重要源泉”的理念。隨著生產(chǎn)機(jī)械化、自動(dòng)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(shù)趨同性的增強(qiáng)，人們開(kāi)始把競(jìng)爭(zhēng)的焦點(diǎn)從生產(chǎn)領(lǐng)域轉(zhuǎn)向非生產(chǎn)領(lǐng)域，包括采購(gòu)、運(yùn)輸、儲(chǔ)存、包裝、裝卸、流通加工、分銷、售后服務(wù)等物資流通活動(dòng)以及相關(guān)的信息活動(dòng)，這些即構(gòu)成了企業(yè)物流的基本內(nèi)容。
在我國(guó)，至今仍有許多企業(yè)沒(méi)有將物流看成是優(yōu)化生產(chǎn)過(guò)程、強(qiáng)化市場(chǎng)經(jīng)營(yíng)的關(guān)鍵，而是將物流置于附屬地位。企業(yè)的物流不但沒(méi)有形成利潤(rùn)源泉，反而成為企業(yè)的負(fù)擔(dān)。
2.傳統(tǒng)的會(huì)計(jì)核算掩蓋了物流成本的真面目。一般情況下，企業(yè)會(huì)計(jì)科目中，只把支付給外部運(yùn)輸、倉(cāng)儲(chǔ)企業(yè)的費(fèi)用列入成本，實(shí)際上，物流基礎(chǔ)建設(shè)費(fèi)和自有車輛運(yùn)輸、庫(kù)房保管、包裝裝卸等費(fèi)用都沒(méi)有列入物流費(fèi)用科目?jī)?nèi)，掩蓋了物流費(fèi)用的真面目，無(wú)法喚起企業(yè)對(duì)物流的重視。
3.企業(yè)物流職能分散，運(yùn)作效率低。大多數(shù)企業(yè)將倉(cāng)儲(chǔ)、運(yùn)輸、采購(gòu)、包裝、配送等物流活動(dòng)分散在不同部門，沒(méi)有系統(tǒng)規(guī)劃和統(tǒng)一運(yùn)作與管理，致使整個(gè)系統(tǒng)的運(yùn)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(yùn)作中缺乏人工智能/專家系統(tǒng)、通信、條碼和掃描等先進(jìn)信息技術(shù)的應(yīng)用，使企業(yè)無(wú)法全面、準(zhǔn)確的把握各方物流信息，無(wú)法實(shí)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(gè)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(guān)系的過(guò)程。
目前，數(shù)據(jù)挖掘技術(shù)在企業(yè)中應(yīng)用的難點(diǎn)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(wù)數(shù)據(jù)往往被存放在缺乏統(tǒng)一設(shè)計(jì)和管理的異構(gòu)環(huán)境中,不易綜合查詢?cè)L問(wèn)，而且還有大量的歷史數(shù)據(jù)處于脫機(jī)狀態(tài),不能在線集中存儲(chǔ)查詢。數(shù)據(jù)挖掘在對(duì)這些數(shù)據(jù)進(jìn)行分析前,必須對(duì)這些數(shù)據(jù)進(jìn)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(jī)事務(wù)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(cāng)庫(kù)正是為了構(gòu)建新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲(chǔ)和組織技術(shù)。實(shí)際上，數(shù)據(jù)倉(cāng)庫(kù)技術(shù)所要研究和解決的問(wèn)題就是從OLTP系統(tǒng)、異構(gòu)分散的外部數(shù)據(jù)源、脫機(jī)的歷史業(yè)務(wù)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(yīng)用服務(wù)。對(duì)海量數(shù)據(jù)的探索式分析的起點(diǎn)是OLAP(On Line Analytical Processing，聯(lián)機(jī)分析處理)。
數(shù)據(jù)挖掘能夠自動(dòng)發(fā)現(xiàn)以前未知的模式，自動(dòng)預(yù)測(cè)未來(lái)趨勢(shì)和行為。因此，數(shù)據(jù)挖掘技術(shù)廣泛用于以下一些領(lǐng)域：零售/市場(chǎng)營(yíng)銷；金融；信用保險(xiǎn)；過(guò)程控制/質(zhì)量監(jiān)督；化工/醫(yī)藥；工程與科學(xué)數(shù)據(jù)分析。
三、數(shù)據(jù)挖掘技術(shù)在物流管理中的應(yīng)用
數(shù)據(jù)挖掘的主要方法包括：基本統(tǒng)計(jì)分析，相關(guān)分析，回歸分析，時(shí)間序列分析，人工神經(jīng)網(wǎng)絡(luò)方法等。不同的分析方法和挖掘工具有其獨(dú)特的特征和使用范圍。
1.基本統(tǒng)計(jì)分析方法：統(tǒng)計(jì)學(xué)研究的對(duì)象是客觀事物的數(shù)量關(guān)系和數(shù)量特征。統(tǒng)計(jì)方法廣泛地運(yùn)用于各個(gè)領(lǐng)域，供各個(gè)部門做出決策、執(zhí)行計(jì)劃、檢查監(jiān)督和宏觀調(diào)控。尤其在物流管理領(lǐng)域，基本統(tǒng)計(jì)方法起著信息咨詢、監(jiān)督、輔助決策的作用。
統(tǒng)計(jì)分析方法從總體中抽取一定數(shù)量的樣本并測(cè)出有關(guān)的數(shù)據(jù)以及利用數(shù)據(jù)所提供的關(guān)于總體的信息來(lái)推斷關(guān)于總體的結(jié)論。目前企業(yè)內(nèi)部的相關(guān)海量數(shù)據(jù)或分散存儲(chǔ)，或是異構(gòu)數(shù)據(jù)，無(wú)法利用基本的統(tǒng)計(jì)方法進(jìn)行歸納推理。
2.相關(guān)分析：相關(guān)分析法是測(cè)定經(jīng)濟(jì)現(xiàn)象之間相關(guān)關(guān)系的規(guī)律性，并據(jù)以進(jìn)行預(yù)測(cè)和控制的分析方法。物流管理中的各個(gè)要素間存在著大量的相互聯(lián)系、相互依賴、相互制約的關(guān)系：一類是函數(shù)關(guān)系，它反映著要素之間嚴(yán)格的依存關(guān)系；另一類為相關(guān)關(guān)系，就是說(shuō)變量之間存在著不確定、不嚴(yán)格的依存關(guān)系。
物流管理中的相關(guān)分析要解決以下問(wèn)題：
(1)確定物流各個(gè)要素之間有無(wú)相關(guān)關(guān)系以及相關(guān)關(guān)系的類型：正相關(guān)關(guān)系或負(fù)相關(guān)關(guān)系；直線關(guān)系還是曲線相關(guān)；一元相關(guān)還是多元相關(guān)。
(2)確定各個(gè)要素之間相關(guān)關(guān)系的密切程度,通常是計(jì)算相關(guān)系數(shù)。
(3)擬合回歸方程，如果要素間相關(guān)關(guān)系密切，就根據(jù)其關(guān)系的類型，建立數(shù)學(xué)模型用相應(yīng)回歸方程來(lái)反映這種數(shù)量關(guān)系。
(4)判斷回歸分析的可靠性，只有通過(guò)檢驗(yàn)的回歸方程才能用于預(yù)測(cè)和控制。
(5)根據(jù)回歸方程進(jìn)行預(yù)測(cè)和控制。如果變量數(shù)量比較多，并且變量之間無(wú)法用線性關(guān)系來(lái)表示，那么相關(guān)分析就不能很好的反映出各變量之間的關(guān)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(xué)關(guān)系式，建立回歸方程，對(duì)回歸方程進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并能進(jìn)行預(yù)測(cè)�；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(guān)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(yīng)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(guān)系式，并估計(jì)其中的未知參數(shù)。估計(jì)參數(shù)的常用方法是最小二乘法。
(2)對(duì)這些關(guān)系式的可信度進(jìn)行檢驗(yàn)。
(3)在多自變量共同影響一個(gè)因變量的關(guān)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(guān)系式對(duì)物流需求或是其他物流管理相關(guān)內(nèi)容進(jìn)行預(yù)測(cè)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(méi)有考慮到變量之間由于時(shí)間等因素產(chǎn)生的不確定關(guān)系，這使得回歸分析，特別是線性分析，對(duì)于時(shí)間不敏感變量的檢驗(yàn)結(jié)果是可信的，對(duì)于時(shí)間敏感的變量的變化規(guī)律不能很好的表示。
4.時(shí)間序列分析：對(duì)按時(shí)間順序的一組數(shù)字序列應(yīng)用數(shù)理統(tǒng)計(jì)方法加以處理，以預(yù)測(cè)未來(lái)事物的發(fā)展。
時(shí)間序列分析是定量預(yù)測(cè)方法之一，它的基本原理：一是承認(rèn)事物發(fā)展的延續(xù)性，根據(jù)過(guò)去的變化趨勢(shì)預(yù)測(cè)未來(lái)的發(fā)展，前提是假定過(guò)去會(huì)同樣延續(xù)到未來(lái)；二是突出了時(shí)間因素在預(yù)測(cè)中的作用，因而存在預(yù)測(cè)誤差。當(dāng)外界發(fā)生較大變化，預(yù)測(cè)往往會(huì)有較大偏差，為此要利用加權(quán)平均法對(duì)歷史數(shù)據(jù)進(jìn)行處理。
時(shí)間序列預(yù)測(cè)法簡(jiǎn)單易行，便于掌握，中短期預(yù)測(cè)比長(zhǎng)期預(yù)測(cè)的效果好。
5.人工神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一個(gè)由很多節(jié)點(diǎn)通過(guò)方向性連接組成的一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，是基于模仿人的大腦的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能而建立的一種具有學(xué)習(xí)能力的信息處理系統(tǒng)。ANN通過(guò)從過(guò)去的知識(shí)中學(xué)習(xí)、概括和抽取解決問(wèn)題的經(jīng)驗(yàn)知識(shí)，可以將這些知識(shí)進(jìn)行運(yùn)用。
ANN的優(yōu)點(diǎn)是：并行處理；非線性映射；自學(xué)習(xí)功能；高速尋找優(yōu)化解的能力。由于具有這些優(yōu)點(diǎn)，ANN具有高度的非線性和極強(qiáng)的模糊推理能力，這是傳統(tǒng)數(shù)學(xué)分析方法無(wú)法比擬的。物流過(guò)程涉及的因素比較多，若僅用推理和建立數(shù)學(xué)模型的方法來(lái)解決物流管理中出現(xiàn)的問(wèn)題是不夠的，還需依靠經(jīng)驗(yàn)和某些難以用公式表達(dá)的知識(shí)，因此，ANN比較適合于解決復(fù)雜的物流管理問(wèn)題。
四、結(jié)語(yǔ)
隨著科學(xué)技術(shù)的發(fā)展，越來(lái)越多的新思想、新方法運(yùn)用于企業(yè)經(jīng)營(yíng)的戰(zhàn)略規(guī)劃和管理作業(yè)，增強(qiáng)了企業(yè)應(yīng)變市場(chǎng)的能力。在所有改進(jìn)企業(yè)經(jīng)營(yíng)管理的措施當(dāng)中，現(xiàn)代企業(yè)物流技術(shù)合理高效地參與，正成為企業(yè)贏得市場(chǎng)優(yōu)勢(shì)的重要手段。很明顯，數(shù)據(jù)挖掘技術(shù)為企業(yè)從戰(zhàn)略高度把物流系統(tǒng)與營(yíng)銷戰(zhàn)略以及企業(yè)的總體戰(zhàn)略有機(jī)地結(jié)合起來(lái)，科學(xué)地做出物流決策提供了有效的工具和手段。
參考文獻(xiàn):
[1]郭獻(xiàn)山樂(lè)業(yè):我國(guó)企業(yè)物流發(fā)展現(xiàn)狀及對(duì)策的思考[J].集團(tuán)經(jīng)濟(jì)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(shù)及其應(yīng)用[M].北京國(guó)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(shù)】相關(guān)文章：
基于數(shù)據(jù)挖掘技術(shù)的現(xiàn)代物流管理03-25
數(shù)據(jù)挖掘技術(shù)在企業(yè)知識(shí)管理中的應(yīng)用03-19
數(shù)據(jù)挖掘技術(shù)在ＣＲＭ中的應(yīng)用03-22
數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用12-09
電子商務(wù)中數(shù)據(jù)挖掘方法淺談03-01
數(shù)據(jù)挖掘技術(shù)在飯店?duì)I銷中的運(yùn)用03-28
談數(shù)據(jù)挖掘技術(shù)在第三方物流企業(yè)的應(yīng)用03-20