文档介绍：大数据环境中物流信息的挖掘和利用研究
[摘 要]近年来,我国物流行业快速崛起,物流信息化建设也已基本完成,而随着大数据时代的到来,各物流企业掌握的物流信息越来越多,如何有效挖掘与利用这些数据的价值,帮助企业在激烈的物流市场竞争析,可以發现其中的关键性联系,并有针对性地调整和优化客户服务方案,进而在留住老客户的同时,为企业吸纳更多的新客户。当然,在实际操作中,要想从庞大的数据库中准确地定位目标数据,物流企业就需要利用先进的数据挖掘技术对信息数据进行关联分析。
做好数据准备工作
数据准备是数据挖掘的重要前提,一般由数据的集成、选择、预处理三个环节构成。数据集成即从各操作性数据库、文件及遗留系统中提取有用数据,然后对数据进行集成处理;数据选择即在技术人员指导下,收集需要分析的目标数据,剔除其中的冗余信息,以提高数据品质,为后续高效开展数据挖掘工作奠定基础;预处理是数据挖掘之前的最后一道准备工序,也就是通过缩减、转化等方式对选定数据进行进一步的处理。以物流配送的路径选择为例,物流企业需要为每一辆配送车辆规划专门的客户路径,这就要求物流企业在综合考虑车辆利用程度、车辆运输能力、货物规格、运送成本、利润高低等多方面因素的基础上,围绕相关数据进行一系列的集成、选择及预处理操作,这样才能开展后续的数据挖掘工作,达到提高物流配送效率、降低货物运输成本的目的。
选择合适的数据挖掘技术
在确定待挖掘数据源并做好数据准备工作的基础上,便可以根据要解决的具体问题来选择相应的数据挖掘技术,对数据进行迭代挖掘,从中发现隐藏的、新颖的模式。当然,数据挖掘需要先建立相应的数据挖掘模型,建模之后除需要深度挖掘的部分之外,其他部分一般是可以自动完成的。在构建数据挖掘模型时,最关键的工作就是确定学****算法和算法参数,也就是选取合适的挖掘工具及分析方法。例如,在选择和规划仓储位置时,可以采用关联分析法;在选择配送路径时,可以采用演化分析法;在市场调研方面,可以采用聚类分析法;在选择物流中心时,可以使用分类与预测工具。
数据解释及评价
受各方面因素的限制,通过数据挖掘所得到的知识集并非全部都有意义,因此还应根据实际情况,对挖掘出来的信息进行科学的评价、筛选及检验,以确保最终提交给决策者的信息是经得起推敲的有效信息。数据解释及评价就是对数据挖掘得到的结果进行评价和分析,以确定其是否具有存入知识库的价值,一般通过人机交互及专家经验评判的方式完成该过程,具体的评价方法会因采用的数据挖掘技术而异。数据解释及评价是一个不断重复的过程,直到最终得出的数据令人满意为止。
建立知识库
为保证挖掘出来的数据信息得到有效应用,物流企业需要建立相应的知识库,并将上述流程所得到的信息数据存入知识库中。宜采用图表、规则等简单易懂的形式表示知识库中的数据,这样才能确保决策者迅速读懂相关数据,进而为其决策提供参考和依据。
3 数据挖掘技术的具体应用
市场预测
精细化管理是企业重要的生存之道,特别是对数据体量大、来源广、更新快的物流企业来说,通过精细化管理挖掘数据价值,准确预测市场趋势,对物流企业的生存显得尤为重要。物流企业可以通过聚类分析等数据挖掘技术,建立市场预测模型,精准确定自己的