数据挖掘在物流管理中的作用及应用

数据挖掘在物流管理中的作用及应用

ID:18932957

大小:48.00 KB

页数:4页

时间:2018-09-26

数据挖掘在物流管理中的作用及应用_第1页
数据挖掘在物流管理中的作用及应用_第2页
数据挖掘在物流管理中的作用及应用_第3页
数据挖掘在物流管理中的作用及应用_第4页
资源描述:

《数据挖掘在物流管理中的作用及应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、数据挖掘在物流管理中的作用及应用【内容摘要】对于物流管理中的海量数据,如何及时、准确,收集和分析各种信息与数据,提高物流企业管理水平和效益,成为物流发展的难题。而通过建立数据仓库,利用数据关联及Q型系统聚类分析法,搭建MIS系统模型,最终让决策者在物流管理方面,提出适合企业需要及经济发展的决策,成为解决此问题的方法。【Abstract】Forthelogisticsmanagementinlargeamountsofdata,howtotimely,accurate,collectandanalyzeinformationanddata,improvethelogistic

2、smanagementlevelandefficiency,thedevelopmentofalogisticsproblem.Throughtheestablishmentofadatawarehouse,usingthedataconnectionandaQ-clusteranalysismethod,tobuildMISsystemmodel,theultimatedecisionmakersinlogisticsmanagement,raisedtheneedforenterpriseandeconomicdevelopmentdecision-making,the

3、solutiontothisproblem.【关键词】数据挖掘物流管理信息系统决策【Key】wordsdatamininglogisticsmanagementinformationsystemdecision-making现代物流是一个庞大复杂的系统,包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节,每个环节信息流量十分巨大。对这些数据要进行及时、准确的处理,显然企业通过普通的数据库技术很难做到。而数据挖掘(DataMining)技术能帮助企业在物流信息系统管理中,及时、准确地收集和分析各种信息,对客户的行为及市场趋势进行有效的分析,了解不同客户的爱好,从而为客户提

4、供有针对性的产品和服务,提高各类客户对企业和产品的满意度。决策者快速、准确地做出决策,提高企业的运作效率,降低物流成本、增加收益。数据挖掘过程就是采用统计、数学和可视化技术,从大量的数据库中识别出有效的、新颖的、潜在的、有用的信息,以及最终挖掘出可理解模式的高级处理过程。具体步骤如下:一.建立物流管理数据仓库首先应将物流诸多环节的海量数据,建立分类、汇总、统计,建立数据仓库(DataWarehouse)。数据仓库之父BillInmon在1991年出版的“BuildingtheDataWarehouse”一书中所提出的定义被广泛接受——数据仓库(DataWarehouse)是

5、一个面向主题的(SubjectOriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化(TimeVariant)的数据集合,用于支持管理决策(DecisionMakingSupport)。物流管理的数据仓库建设,是以现有物流管理系统和大量物流数据的积累为基础。它不是静态的概念,只有把信息及时交给需要这些信息的使用者,供他们做出改善其业务经营的决策,信息才能发挥作用,信息才有意义。而把信息加以整理归纳和重组,并及时提供给相应的物流管理决策人员,是数据仓库的根本任务。因此,从物流管理的角度看,数据仓库建设是一个工程,是一个过程。数

6、据仓库是决策支持系统和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题,其主要特征就是面向主题、集成性、稳定性和时变性。数据仓库是一个过程而不是一个项目,它是一个信息提供平台,在业务处理系统获得数据。主要以星型模型和雪花模型进行数据组织,并为用户提供各种手段从数据中获取信息和知识。可见,数据仓库为企业带来了一些“以数据为基础的知识”,它们主要应用于对市场战略的评价,和为企业发现新的市场商机,同时,也用来控制库存、检查生产方法和定义客户群。基于此,必须将物流管理中的海量数据利用数据库进行整理汇总,为往后的使用奠定科学化的发展基础。二.利用数据关联

7、及Q型系统聚类分析法,搭建MIS系统模型Q型系统聚类分析法(以距离作为聚类统计量)是聚类分析中用的最多的一种,对样本进行聚类,有最长距离法、最短距离法等,经过多次试算,用WARD法聚类得出的结果最为清晰,可分为五类:第一类:粤高速A、五洲交通、重庆路桥、芜湖港、皖通高速、山东高速、天津港、福建高速、S东北高、S楚高速、华北高速、湖南投资、深圳机场、大秦铁路、盐田港、S中北、锦州港、S延边路、强生控股、中海海盛、S粤富华、S北海港、宁波海运、S*ST天海。第二类:海南航空、巴士股份、中信海直、海南高速、亚通股份、捷利

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。