数据挖掘技术在物流企业管理的应用研究

来源:用户上传      作者: 李桂春

　　[摘要]本文针对物流领域的实际业务流程、业务需要以及实际拥有的数据进行了研究，论述了物流企业管理中数据挖掘的目标、算法和操作。阐述了数据挖掘技术及其在物流领域管理中的应用。
　　[关键词]物流；管理；数据仓库；数据挖掘
　　[中图分类号]F252　[文献标识码]A　[文章编号]1005-6432(2008)49-0048-02
　　物流是现代商品流通系统的重要组成部分，物流业的发展程度，反映了一个国家和地区经济的综合配套能力与社会化服务程度，是其经济发展水平的集中体现。作为继劳动力和自然资源之后的“第三利润源泉”，现代物流产业的发展已经成为拉动我国经济发展的新增长点。如今国内大部分物流企业都相继引入了客户关系管理对商业事务以及客户进行管理。如何将企业中积累的大量的原始客户数据转化成有用的信息为决策者提供决策支持，已经成为数据库研究中一个很有应用价值的新领域，数据挖掘技术由此应运而生。数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘具有统计分析、联机事务处理和联机分析处理等数据分析工具无可比拟的优点。数据挖掘的支持。使客户关系管理的理念和目标得以实现，满足了现代物流的需求和挑战。
　　
　　1 物流企业管理中数据挖掘的目标
　　
　　(1)数据挖掘的第一步就是挖出顾客的特征描述。企业在了解客户信息方面永不满足，要想方设法了解顾客的地址、年龄、性别、收入、职业、教育程度等基本信息，对企业状况、管理者的喜好等的收集也应该不遗余力。
　　(2)通过客户行为分析，归类出消费额最高、最为稳定的客户群，确定为“黄金客户”。针对不同的客户档次，确定相应的营销投入。对于“黄金客户”，还需要制定个性化营销策略，以求留住高利润客户。
　　(3)通过与客户接触，收集大量客户消费行为信息，经过分析得出客户最关注的方面，从而有针对性地进行营销活动。
　　(4)得出客户持久性、牢固性及稳定性分析。对于高忠诚度客户，要注意保持其良好印象，对于低忠诚度客户，要么不要浪费钱财，要么就下大工夫把他们培养成忠诚客户。
　　
　　2　物流企业管理中数据挖掘的算法
　　
　　数据挖掘是一门边缘学科，它的解决方案和研究方法使用了诸如统计学、人工智能、机器学习和数据仓库查询处理等许多技术。根据数据挖掘致力于解决的各种问题，可将其分成三种模式。
　　(1)分类分析。分类分析就是找出一组能够描述数据集合典型特征的模型或函数，以便能够分类识别未知数据的归属或类别。在客户关系管理系统中，利用分类挖掘技术对商场销售商品情况进行挖掘，根据商品要素对顾客的影响程度，分析顾客对于商品的感觉是属于积极、一般或消极，从而获得利用商品特征来预测顾客对其感觉的分类知识及规则，帮助企业的主管更有效地开展商业活动运作。
　　(2)聚类分析。聚类是一种对具有共同趋势和模式的数据元组进行分组的方法。分组后，组与组之间被认为是相异的，而组内记录被认为具有相似性。聚类分析在物流企业客户关系管理中的典型应用是客户细分。
　　(3)关联分析。即利用规则归纳方法进行数据挖掘，目的是挖掘隐藏在数据间的未知的相互联系，是指从产品目录或是零售店的销售数据中导出与产品关联的商用信息的过程。关联分析的目的是发现规则。数据库中所有可能的规则都要被系统地抽取出来，然后再评估它们的正确性和重要性以判断规则令人信服的程度有多高，再次出现的可能性有多大。目前大多数的关联分析都基于“支持度一置信度”的框架，置信度高表示规则比较可靠。规则能够带来潜在的商业利益。
　　
　　3　物流企业管理中数据挖掘的操作
　　
　　(1)定义商业问题。每一个客户关系管理应用程序都有一个或多个商业目标，为此需要建立恰当的有针对性的模型。在数据挖掘之前，应从企业的营销角度分析要达到的需求和目标，将营销目标转换成数据挖掘目标，给出数据挖掘问题的定义，并设计一个达到目标的初步计划。
　　(2)建立行销数据库。因为操作性数据库和共同的数据仓库常常没有提供所需格式的数据，因此需要建立一个行销数据库。建立行销数据库时，要对它进行净化。因为需要的数据可能在不同的数据库中，所以需要集成和合并数据到单一的行销数据库中，并协调来自多个数据源的数据在数值上的差异。
　　(3)为建模准备数据。根据已确定的挖掘目标，选择挖掘的数据源，一般包括企业客户数据库、业务数据库、外部数据库，对取得的各种数据源进行预处理，检查数据的完整性和一致性。
　　(4)数据挖掘模型的构建。模型建立是一个迭代的过程，需要研究可供选择的模型，从中找出最能解决企业商业问题的一个。根据确定的挖掘目标，选择适合的挖掘模型和挖掘算法，对数据挖掘库中数据进行处理，对模型的参数进行调整，可综合运用几种挖掘模型，然后再对结果进行分析。
　　(5)模型评估。要及时对建立的模型进行解释和评估。企业的客户关系管理人员根据挖掘的结果和先确立的挖掘目标进行解释和评价，过滤出要呈现给用户的知识，并将有意义的知识以图形或逻辑可视化的形式表现出来，易于让用户理解。如果跟挖掘目标有出入，需要重新对数据建模、改进和完善。
　　(6)将数据挖掘运用到客户关系管理方案中。在建立客户关系管理应用时，数据挖掘常常是整个产品中很小的但意义重大的一部分。通过数据挖掘而得出的预测模式可以和各个领域的专家知识结合在一起，构成一个可供不同类型的人使用的应用程序。
　　我国物流企业现阶段总体上还处于向现代物流转型的时期，在客户关系管理方面，虽然企业对客户十分关注，并积累了一定的客户信息，但仍然存在着许多问题。虽然客户关系管理逐步得到应用，但在客户关系管理中积累下来的海量数据并没有得到企业决策层的足够的认识，尚未完全挖掘出这些数据中蕴藏的有用信息。客户关系管理以其先进理念，为提高企业核心竞争力创造了条件，数据挖掘以其强大的数据分析能力，为切实落实物流企业的客户管理计划提供了可能。随着经济的不断发展，数据挖掘技术与物流企业客户关系管理的结合，将为物流企业客户关系管理带来更好的应用前景和市场价值。

转载注明来源:https://www.xzbu.com/2/view-381782.htm