【內容摘要】隨著信息時代數據量的劇增，深化物流管理的最有效方法是在其中引入數據挖掘技術。本文在系統分析數據挖掘過程及關鍵技術的基礎上，以沃爾瑪公司物流管理系統為例，論述了數據挖掘技術在物流管理應用中的優勢，指出其必將為企業物流管理決策提供越來越強大的支持功能。 
　　【關鍵詞】數據挖掘 物流管理 信息系統 
　　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。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，產生了巨大的數據流，使企業很難對這些數據進行準確、高效的收集和及時處理，因此也就很難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。隨著知識經濟和現代信息技術的迅猛發展，信息技術特別是網絡技術的發展，為物流發展提供了強有力的支撐。物流管理信息系統是企業信息系統和企業信息化的基礎，能夠利用信息技術對物流中的各種信息進行實時、集中、統一管理。 
　　數據挖掘（Data Mining） 能夠挖掘蘊藏在海量數據中大量未知的和有價值的信息，為企業物流管理提供各種決策信息，減輕物流管理者從事低層次信息處理和分析的負擔，使他們專注于最需要決策智慧和經驗的工作，因此提高了管理和決策的水平。隨著信息技術的不斷發展，數據挖掘技術將為企業物流管理決策提供越來越強大的支持功能。 
　　數據挖掘過程及關鍵技術分析 
　　數據挖掘過程數據挖掘技術就是采用機器學習、統計、數學和可視化技術，從大量的數據庫中識別出有效的、新穎的、潛在的、有用的以及最終挖掘出可理解模式的高級處理過程。有時人們也稱它為數據庫中的知識發現（KDD）。它利用數據庫技術對數據進行前端處理，而利用人工智能的方法從處理后的數據中提取有用的知識。其挖掘過程可分為四個步驟：數據準備、數據挖掘、結果的解釋和評價、用戶界面。 
　　數據準備：包括3個子步驟，數據集成、數據選擇、數據預處理。在這個階段中，需要搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據；研究數據的質量，為進一步分析做準備，并確定將要進行的挖掘操作的類型；將數據轉換成一個分析模型，這個分析模型是針對挖掘算法建立的，建立一個真正適合挖掘算法的分析模型是數據挖掘成功的關鍵。數據準備需要占用整個數據挖掘過程的60%工作量，這也說明了數據挖掘對數據的嚴格要求。 
　　數據挖掘：對所得到的經過轉換的數據進行挖掘，除了進一步完善挖掘算法外，其余一切工作都能自動完成。數據挖掘一般有兩種方式，發現型的數據挖掘和驗證型的數據挖掘。前者是讓數據挖掘系統為用戶產生假設，后者是用戶自己對于數據庫中可能包含的知識提出假設。 
　　解釋和評價：解釋并評估結果，其使用的分析方法一般應視不同的數據挖掘操作而定。根據最終用戶的決策目的對提取的信息進行分析，把最有價值的信息區分出來，并且通過決策支持工具提交給決策者，因此這一步驟任務不僅是把結果表達出來，還要對信息進行過濾處理，如果不能令決策者滿意，需要重復以上數據挖掘過程。 
　　用戶界面：通常會用到可視化技術。選擇合適的可視化工具，通過使用者證實發現的知識的可靠性。如果不能令使用者滿意，需要重復以上數據挖掘過程。否則可以將分析所得到的知識集成到業務信息系統的組織結構中去。 
　　關鍵技術分析基于數據挖掘的物流管理信息系統的關鍵技術主要包括數據倉庫、數據挖掘、數據分析工具等。 
　　數據倉庫技術。數據倉庫是來自多個源的數據的存儲庫，它可通過Internet將不同的數據庫連接起來，并將數據全部或部分復制到一個數據存儲中心。數據倉庫傾向于一個邏輯的概念，它建立在一定數量的數據庫之上，這些數據庫在物理上是可以分開的。數據倉庫通過Internet打破地域界限，將它們合成一個邏輯整體，把一個海量的數據庫展現在用戶面前。數據倉庫管理系統的一項重要工作是實現對傳統數據庫進行提取、清理和轉載到數據倉庫中。 
　　數據挖掘技術。這是整個系統的難點和重點，主要涉及模式模型和挖掘算法。目前，己形成了多種數據挖掘方法，如分類知識發現、數據總結、數據聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常發現、趨勢預測等。各種方法均有它一定的優點，也有它的不足。幾種技術并不是單一的使用，而是根據實際情況綜合的加以應用。現在一些流行的數據挖掘工具一般都包括了幾種方法。如IBM公司Almaden研究中心開發的QUEST系統，SGI公司開發的MineSet系統都是多模式的挖掘工具。 
　　數據分析工具。數據倉庫雖然存有大量數據，但提供輔助決策的信息需要利用各種分析工具，如聯機分析處理（OLAP）工具、統計分析和查詢優化工具等。這些工具的性能對管理決策的效果有著重要的影響。目前已出現具有智能功能的強大的數據分析工具，這些分析工具不僅能在系統運行時采集和處理數據，同時也支持對其他業務系統的數據進行采集。 
　　數據挖掘技術在物流管理中的應用 
　　信息是企業最重要的有效資源，最大限度地提高信息的利用率是企業經營成敗的關鍵。沃爾瑪公司是現代物流管理在商業運用最好的例證。沃爾瑪擁有由信息系統、供應商伙伴關系、可靠的運輸及先進的全自動配送中心組成的完整物流配送系統，可以及時保證貨品從倉庫運送到任何一家商店的時間不超過48小時，相對于其他同業商店平均兩周補貨一次來說，沃爾瑪可保證分店貨架平均一周補兩次。通過迅速的信息傳遞與先進的電腦跟蹤系統，沃爾瑪可以在全美國范圍內快速地輸送貨物，使各分店即使只維持極少存貨也能保持正常銷售，從而大大節省了存貯空間和存貨成本。沃爾瑪的物流高效率是因為他們運用了最先進的數據挖掘技術，據統計，沃爾瑪公司專門從事物流信息系統工作的科技人員有1200多人，每年投入信息的資金約6億美元。 
　　利用數據倉庫和數據挖掘技術，沃爾瑪對商品進行市場分組分析，即分析哪些商品顧客最有希望一起購買。沃爾瑪數據倉庫里集中了各個商店一年多的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用自動數據挖掘工具對這些數據進行分析和挖掘。沃爾瑪公司近年來用大容量的數據倉庫來進行數據挖掘和客戶關系管理，對其3000多家零售店的8萬種產品時刻把握住利潤最高的商品品種和數量。他們在從事由數據變信息，由信息變知識的知識挖掘工作，通過全球全集團、全方位、全過程、全天候的自動數據采集技術，改變傳統的依靠假設和推斷來確定訂貨的方式，從數據的不斷積累過程中以小時為單位動態地運行決策模型，導出數億個品種的最佳訂貨量與最佳商品組合分配，降價以及商品陳列等。 
　　數據挖掘技術在銀行、生物工程、市場營銷等領域有許多成功的應用案例。數據挖掘將是未來對企業產生深遠影響的關鍵技術，并且還將成為未來投資的焦點。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。 
　　隨著信息時代的數據量的劇增，深化物流信息管理最有效的方法是在其中引進數據挖掘技術，數據挖掘可以從數據中發現趨勢和模式，人們通過數據挖掘得到的回報就是將這些新發現的知識轉變為經營上的成果，如增加顧客購買欲望，減少信用卡欺詐的數量等。充分合理的利用數據挖掘技術，可以進行市場預測和分析，這必將為正確的決策奠定堅實的基礎。邁向21世紀的物流管理技術，不僅是企業戰略的“商務物流”，而且是向整個社會實現物資供給的“社會物流”，進而在全球化市場的激烈競爭中形成多元化網絡所必需的“全球物流”。 
　　參考文獻：
　　1.蔡少華。網絡空間物流信息系統的分析與探討[J].地球信息科學，2002（3） 
　　2.董泉源。基于Web的物流管理系統LH的設計與實現[J].計算機應用研究，2002（8）