试谈基础数据挖掘技术物流企业管理

论文导读：
摘 要：随着经济的发展，物流发展会越来越被人们所关注，在激烈的市场竞争下，企业必须以客户为中心，满足客户多样化的需求，而面对如此巨大的客户数据，运用数据挖掘技术能有效的挖掘客户信息，为物流企业提供准确的决策信息，推动物流企业的发展。本文则详细分析基础数据挖掘技术下的物流企业管理策略。
关键词：基础数据挖掘技术；物流企业；管理
现代物理管理是一项科学的、系统的管理概念，随着经济的不断发展，物流需求的个性化、多样化以及集成化特点，要求物流企业必须不断的改善企业的运作流程，不断的创新物流服务，适应市场发展的变化。数据挖掘技术以其强大的关联、分类、预测等功能，将物流信息数据进行有效的整理，为物流企业决策项目提供准确的依据。

一、物流企业管理中存在的理由

进入21世纪以后，人们开始跨入全球化与信息化时代，各个企业间的竞争越来越激烈，在给企业带来机遇的同时也给企业带来很大的挑战。特别是物流企业，在面对竞争如此激烈的市场，更应该积极转变管理策略，集中资源优势，提高自身竞争力。
1.现代企业物流观念淡薄。我国很多企业长期在“重商流、轻物流”的理念下经营，对发展一体化物流意识比较淡薄，没有对物流在企业发展中的作用给予足够的重视。随着我国加入WTO，国际间的合作不断扩大，以及生产机械化、自动化技术的发展，企业必须走集约化道路，降低运营成本，提高经济效益。把竞争的焦点从生产领域转向非非生产领域，包括采购、运输、储存、加工、分销、售后等各个程序，这就是物流企业的基本内容。而我国仍有很多企业将物流置于附属地位，致使物流很难起到优化生产的作用。
2.不合理的会计核算掩盖了物流成本。在我国的企业财务管理中，企业会计科目仅仅把支付给外部运输、仓储企业的费用列入到企业成本中，忽略了物流基础建设费、库房保管、包装、装卸费等物流费用。没有统计完整的物流费用，掩盖了物流费用的真面目，也无法使企业领导从根本上重视物流。
3.企业物流运作效率低下。很多企业把物流中仓储、运输、采购、包装、配送等环节分散在不同的部分，没有对物流进行系统的规划与统一的管理，很难提高整个物流系统的运作效率。
4.物流管理方式落后。我国很多企业在物流管理中缺乏对新技术的应用，比如对人工智能、通信、条码、扫描等先进的信息技术运用比较落后，致使物流企业不能实现内、外部物流一体化进行，不利于物流系统化发展。

二、数据挖掘技术的应用模式

数据挖掘是建立在传统数据分析基础上的一种高层次的数据分析策略，它主要是利用统计学、人工智能等技术进行自动化分析数据然后对数据节能型相应的推理，从中挖掘出潜在的信息，进而利用这些信息对未来的情况作出较为准确的预测，辅助决策者评估企业风险。数据挖掘解决的理由主要可以分为以下几个模式：
1.分类分析。数据挖掘的这种分析方式是找出一组可以描述数据集合典型特征的函数，用于对未知数据进行整理、归纳。物流企业在进行客户关系管理中可以利用数据挖掘技术对商场销售商品情况进行挖掘，依据商品要素对顾客的影响程度，分析顾客对于商品的感觉，进而可以预测顾客对商品的感觉的分类规则，帮助企业管理者展开商业活动。
2.聚类分析。聚类分析是一种对具有共同趋势和模式的数据进行的分组，组与组之间存在差别，但是组内记录具有相似性，在物流企业客户管理中，聚类分析主要应用与客户细分中，能有效的分析客户类型与偏好。
3.关联分析。关联分析是利用数学上的规则归纳法进行的数据挖掘，对过对数据的分析、归纳，挖掘隐藏在数据间的相互联系，这个数据的挖掘主要是从产品目录中导出与产品有关的商用信息，从这些信息中发现商品销售规则，从而评估规则的正确性。关联信息的置信度越高，规则越可靠，也就代表此商品的商业价值越高。

三、基础数据挖掘技术在物流企业管理中的应用

现代物流信息系统环节繁多、流程复杂、数据杂乱，信息流量巨大，传统的单纯利用信息的沟通、传递、调控功能而决策的形式已经不能满足现代物流的发展，现代物流必须挖掘信息中的有效数据，建立数据仓库，对数据库中的数据进行分析、挖掘，从而协助企业管理者做出正确的决策。数据库在物流企业中的应用可以从以下几个方面进行分析。
1.市场预测。从产品销售规则来看，一种商品进入市场都要经历四个阶段：导入期、增长期、成熟期、衰退期，不同的发展阶段，产品的生产、销售策略也不同。比如在导入期，产品逐步得到市场的肯定，销售会逐渐增加，这是需要提前安排生产计划、库存、仓储以及运输策略等，根据具体的信息，合理制约物流各个环节。在这里数据挖掘可以预测市场需求变化，从而为决策者提供重要的依据。
2.物流中心的选择。物流中心的选址要考虑中心点放在什么位置能使物流成本最小化，通过数据挖掘中的分类树策略可以解决这个理由。利用分类树连续划分数据的功能，将数据分类到不同的分支中，建立最强划分标准，然后一一挖掘四个方面的数据，他们分别是：中心点的位置、中心点的业务需求量、备选点的位置；中心点与备选点的距离。通过这些分析，确定中心点的位置以及各个地址间产品的运输量，从而保障产品的销售量，从而减少成本。
3.优化配送路径。合理的配送路径能有效的提高物流企业的配送效率，物流的配送需要考虑车辆路径理由，比如车辆的承载能力、路径长短理由、车辆的运输能力以及货品的规格大小等。通过数据挖掘技术可以解决路径选择理由，通过非遗传算法模型，把得到的信息用来决策输出，根据内次配送数量、顾客的位置、订单量、输出本次送货线路车辆调度的动态优化方案。
4.物流需求预测。物流企业规划物流活动，需要在估计供应链中产品和服务数量的基础上进行制约分析。数据挖掘可以对物流活动中产品和服务类型以及它的发展规律建立模型，通过相应的模型分析，确定需要开发商品的类型以及重点发展的区域，这些理由的分析有利于物流企业的长远发展。 全文地址：www.7ctime.com/dwllw/lw46526.html上一论文：分析仓储管理仿真在物流课程教学中的应用及效果评价