基于數據挖掘的物流信息系統的分析和設計
2008-3-3 1:19:00 來源:物流天下 編輯:56885 關注度:摘要:... ...
現代物流系統是一個龐大復雜的系統,特別是全程物流,包括運輸、倉儲、配送、搬運、包裝和物流再加工等諸多環節,每個環節信息流量十分巨大。尤其是現代信息化物流網絡體系的應用使原來數據庫的規模不斷擴大,產生巨大的數據流,使企業很難對這些數據進行準確、高效的收集和及時處理,以此幫助決策者做出快速、準確地決策,實現對物流過程的控制,降低整個過程的物流成本。數據挖掘技術能夠幫助企業在物流信息系統管理中,及時、準確地收集和分析客戶、市場、銷售及整個企業內部的各種信息,對客戶的行為及市場趨勢進行有效的分析,了解不同客戶的愛好,從而可以為客戶提供有針對性的產品和服務,大大提高各類客戶對企業和產品的滿意度。
2.數據挖掘技術
數據挖掘是一個利用各種分析工具從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘是一種新的信息處理技術,其主要特點是對企業數據(倉庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理,從中提取輔助企業決策的關鍵性數據。因此,數據挖掘可以描述為:按企業既定業務目標,對大量的企業數據進行探索和分析,揭示隱藏的、未知的或驗證已知的規律性,并進一步將其模型化的先進有效的方法。數據挖掘的對象可為數據庫、文件系統或其他任何組織在一起的數據集合。
數據挖掘過程一般由3個主要階段組成:數據準備、數據采集、結果表達和解釋。
1 數據準備對于數據挖掘的成功應用至關重要,數據準備大致分為3步: 數據集成、數據選擇、數據轉化。數據集成是從多個異質操作性數據庫、文件或遺留系統提取并集成數據;數據選擇是在相關領域和專家知識的指導下,辨別出需要進行分析的數據集合,縮小挖掘范圍,避免盲目搜索,提高數據挖掘的效率和質量;數據縮減和轉化是選定的數據在挖掘前,加以精煉處理,在專家的指導下得到的數據。
(2)數據采集作為數據挖掘技術的核心,主要是在確定挖掘任務的基礎上,選擇適當的數據挖掘技術和算法,并在此基礎上反復迭代的搜索,從數據集合中抽取隱藏的、新穎的模式。如神經元網絡、決策樹、聚類分析技術、關聯發現和序列發現技術等和ID3算法、BP算法等。
(3)結果表達和解釋是對數據挖掘發現的模式進行解釋和評價,過濾出有用的知識呈現給用戶。 3.數據挖掘在物流信息系統中的應用
隨著集成化物流管理信息系統的建立,以及網絡技術、EDI、人工智能、條形碼與POS等各種先進技術的應用,物流信息的商品化、物流信息收集的數據庫化和代碼、物流信息處理的電子化和計算機化,把挖掘到的規則與物流管理各方面有機地結合,就能極大地提高企業的競爭力。 物流決策系統是一種結合了數據挖掘技術和人工智能的新型經營決策系統,主要通過人工智能對原料采購、加工生產、分銷配送到商品銷售的各個環節的大量信息進行采集,并利用數據倉庫和數據挖掘技術對其進行分析處理,并據此確定相應的經營策略。
3.1 數據倉庫的建立
數據倉庫作為數據挖掘的基礎,不同于傳統的聯機事務處理系統,它具有面向主題的、集成的、不可更新以及隨時間變化的特性。各個聯機事務處理系統作為數據倉庫的原始數據源,以文件方式提供企業在日;顒又惺占陌ǘㄘ泦、存貨單、應付帳、交易條款、客戶情況等在內的大量數據資料和報表,同時還有大量的外部信息等數據。數據倉庫通過ETL過程(抽取、轉換和加載處理這些接口文件,并且按不同的主題域組織、存儲和管理這些客戶數據。通過數據倉庫接口,對數據倉庫中的數據進行聯機分析和數據挖掘。在建立完成企業級的信息數據倉庫之后,可以基于這個數據倉庫平臺進行數據挖掘工作。
3.2 基于數據挖掘的物流信息系統的體系結構
基于數據挖掘的物流信息的體系結構主要由以下幾部分組成:
、 物流信息收集與處理:記錄物流管理活動中的各類信息,對物流活動的各種信息進行采集、處理、傳輸,并按照統一的格式存入到數據倉庫。
、 數據挖掘的物流信息管理系統:把收集得到的數據匯總到數據倉庫,再根據數據挖掘送來的數據,為管理決策人員提供最新的和最有價值的信息或知識,幫助其快速、正確地做出決策。
、 數據挖掘:根據決策者提出的問題特點,確定挖掘的任務或目的,對數據倉庫中的相關數據進行精簡和預處理,再從精簡后的數據中挖掘出新的、有效的新知識,提供給數據挖掘的物流信息管理系統,由它給決策者提供有效的知識。
、 知識庫:包括基于部門的數據倉庫的組成結構、隸屬函數等知識。
⑸ 開發人員和專家接口:開發人員和專家通過這個接口對知識庫中的知識進行定義和維護。
、 數據倉庫:主要存儲涉及物流管理的各種數據。
該系統將原材料、采購、運輸、配送、儲存、包裝、定單處理、庫存控制等環節聯合起來,真正實現貨物從生產流水線到客戶這一完整暢通的流通過程,為用戶提供高質量的服務。
3.3 基于數據挖掘的物流信息系統的特點
與傳統的物流管理信息系統相比,基于數據挖掘的物流信息系統具有以下特點。
、 傳統的物流管理系統一般按功能分為許多功能模塊,信息的共享范圍與物流信息管理,特別是與供應鏈管理要求的信息高透明度和快速反應相距甚遠。而基于數據挖掘技術的物流管理信息系統,采用數據倉庫技術來組織管理數據,能完整一致地刻畫各個分析對象所涉及的企業的各項數據,從而將企業各部門及上游制造商、下游零售等信息聯結在一起,最大限度地實現信息共享。
、 一般的數據庫為了提高系統的效率,往往盡可能少地保留歷史信息。而數據倉庫具有一個重要的特征,就是一般具有長時間的歷史數據存儲。存儲長時間歷史數據的目的就是進行數據長期趨勢的分析,預測未來一段時間內的庫存量變化,實現前瞻性調撥,增強適應突發因素的能力,為決策者的長期決策行為提供有力的數據支持。
、 在傳統的系統中,模型庫和知識庫往往被獨立地設計和實現,缺乏內在的統一性。知識模型來源于專家,更新困難;跀祿诰虻南到y,分離了知識發現者和知識使用者這兩類角色,決策人員無需對決策系統有深刻的理解,也不需要深入學習數據倉庫、數據挖掘等相關知識。而專業人員則可以通過TCPIP協議隨時訪問有關的服務器,對系統進行管理、維護、知識庫擴展等。
4.結束語
隨著物流信息化水平的提高,物流戰略已從內部一體化向外部一體化轉變供應鏈管理已成為競爭戰略中非常重要的組成部分。數據挖掘方法有效地促進企業的業務處理過程重組,改善并強化對客戶的服務,強化企業的資產/ 負債管理,促進市場優化,加速資金周轉,實現企業規模優化,有效地提高企業的競爭力。