【摘要】本文基于現(xiàn)代企業(yè)物流管理現(xiàn)狀中存在的問題，分析了將數(shù)據(jù)挖掘技術(shù)引入現(xiàn)代企業(yè)物流管理中的意義與應(yīng)用前景，并對相關(guān)的數(shù)據(jù)挖掘技術(shù)的應(yīng)用的難點進(jìn)行了歸納總結(jié)。

　　【關(guān)鍵詞】物流 物流管理 數(shù)據(jù)挖掘

　　現(xiàn)代物流管理是一項科學(xué)的系統(tǒng)管理方法。隨著科學(xué)技術(shù)和新思想、新方法運用于企業(yè)經(jīng)營的戰(zhàn)略規(guī)劃和管理作業(yè)中，物流管理在企業(yè)管理中獲得了巨大的成就，增強了企業(yè)應(yīng)變市場的能力，成為支撐企業(yè)發(fā)展壯大的核心競爭力。

　　隨著自動化技術(shù)和計算機科學(xué)的發(fā)展，物流也從人工管理向自動化管理演變，如自動存儲、提取系統(tǒng)等的應(yīng)用，以及計算機管理與物流控制系統(tǒng)的出現(xiàn)，標(biāo)志著“現(xiàn)代企業(yè)物流”時代的來臨。從此，企業(yè)物流變成了新的利潤源。它不僅可以降低生產(chǎn)和銷售成本、提高服務(wù)水平，還有助于整個社會資源的合理配置與優(yōu)化。

　　一、目前物流管理的現(xiàn)狀和問題分析

　　“全球化時代”與“信息化時代”帶給企業(yè)機會的同時，也帶來日益激烈的市場競爭。為贏得競爭，企業(yè)紛紛實施回歸戰(zhàn)略——“集中優(yōu)勢資源，培育核心競爭力”。

　　在該戰(zhàn)略指導(dǎo)下，企業(yè)致力于走集約化道路，降低運營成本。物流也越來越成為企業(yè)總體戰(zhàn)略中不可分割的組成部分。但是，我國企業(yè)長期以來受“重商流”、“輕物流”的理論和思想影響，發(fā)展一體化物流存在著各種瓶頸，對物流在經(jīng)濟發(fā)展和在企業(yè)中的作用和地位缺乏足夠認(rèn)識和重視：

　　1.缺乏“現(xiàn)代企業(yè)物流是獲取競爭優(yōu)勢的重要源泉”的理念。隨著生產(chǎn)機械化、自動化程度不斷提高和生產(chǎn)工藝日趨程序化、規(guī)范化，以及技術(shù)趨同性的增強，人們開始把競爭的焦點從生產(chǎn)領(lǐng)域轉(zhuǎn)向非生產(chǎn)領(lǐng)域，包括采購、運輸、儲存、包裝、裝卸、流通加工、分銷、售后服務(wù)等物資流通活動以及相關(guān)的信息活動，這些即構(gòu)成了企業(yè)物流的基本內(nèi)容。

　　在我國，至今仍有許多企業(yè)沒有將物流看成是優(yōu)化生產(chǎn)過程、強化市場經(jīng)營的關(guān)鍵，而是將物流置于附屬地位。企業(yè)的物流不但沒有形成利潤源泉，反而成為企業(yè)的負(fù)擔(dān)。

　　2.傳統(tǒng)的會計核算掩蓋了物流成本的真面目。一般情況下，企業(yè)會計科目中，只把支付給外部運輸、倉儲企業(yè)的費用列入成本，實際上，物流基礎(chǔ)建設(shè)費和自有車輛運輸、庫房保管、包裝裝卸等費用都沒有列入物流費用科目內(nèi)，掩蓋了物流費用的真面目，無法喚起企業(yè)對物流的重視。

　　3.企業(yè)物流職能分散，運作效率低。大多數(shù)企業(yè)將倉儲、運輸、采購、包裝、配送等物流活動分散在不同部門，沒有系統(tǒng)規(guī)劃和統(tǒng)一運作與管理，致使整個系統(tǒng)的運作效率非常低下。

　　4.物流管理方式落后。在物流管理上，很多企業(yè)在物流運作中缺乏人工智能/專家系統(tǒng)、通信、條碼和掃描等先進(jìn)信息技術(shù)的應(yīng)用，使企業(yè)無法全面、準(zhǔn)確的把握各方物流信息，無法實現(xiàn)內(nèi)、外部物流一體化以尋求物流系統(tǒng)的最優(yōu)化和合理化。

　　二、數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘是一個利用各種分析方法和分析工具在大規(guī)模海量數(shù)據(jù)中建立模型和發(fā)現(xiàn)數(shù)據(jù)間關(guān)系的過程。

　　目前，數(shù)據(jù)挖掘技術(shù)在企業(yè)中應(yīng)用的難點集中在企業(yè)數(shù)據(jù)搜集和提取上：多數(shù)企業(yè)內(nèi)部的數(shù)據(jù)是分散的，業(yè)務(wù)數(shù)據(jù)往往被存放在缺乏統(tǒng)一設(shè)計和管理的異構(gòu)環(huán)境中，不易綜合查詢訪問，而且還有大量的歷史數(shù)據(jù)處于脫機狀態(tài)，不能在線集中存儲查詢。數(shù)據(jù)挖掘在對這些數(shù)據(jù)進(jìn)行分析前，必須對這些數(shù)據(jù)進(jìn)行不同程度的整合和清理，這是數(shù)據(jù)挖掘的首要環(huán)節(jié)，但一般的OLTP（On-line Transaction Processing，聯(lián)機事務(wù)處理）系統(tǒng)的數(shù)據(jù)環(huán)境不具備這種能力。

　　數(shù)據(jù)倉庫正是為了構(gòu)建新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲和組織技術(shù)。實際上，數(shù)據(jù)倉庫技術(shù)所要研究和解決的問題就是從OLTP系統(tǒng)、異構(gòu)分散的外部數(shù)據(jù)源、脫機的歷史業(yè)務(wù)數(shù)據(jù)中獲取數(shù)據(jù)，處理后為數(shù)據(jù)分析和管理決策提供應(yīng)用服務(wù)。對海量數(shù)據(jù)的探索式分析的起點是OLAP（On Line Analytical Processing，聯(lián)機分析處理）。

　　數(shù)據(jù)挖掘能夠自動發(fā)現(xiàn)以前未知的模式，自動預(yù)測未來趨勢和行為。因此，數(shù)據(jù)挖掘技術(shù)廣泛用于以下一些領(lǐng)域：零售/市場營銷；金融；信用保險；過程控制/質(zhì)量監(jiān)督；化工/醫(yī)藥；工程與科學(xué)數(shù)據(jù)分析。

　　三、數(shù)據(jù)挖掘技術(shù)在物流管理中的應(yīng)用

　　數(shù)據(jù)挖掘的主要方法包括：基本統(tǒng)計分析，相關(guān)分析，回歸分析，時間序列分析，人工神經(jīng)網(wǎng)絡(luò)方法等。不同的分析方法和挖掘工具有其獨特的特征和使用范圍。

　　1.基本統(tǒng)計分析方法：統(tǒng)計學(xué)研究的對象是客觀事物的數(shù)量關(guān)系和數(shù)量特征。統(tǒng)計方法廣泛地運用于各個領(lǐng)域，供各個部門做出決策、執(zhí)行計劃、檢查監(jiān)督和宏觀調(diào)控。尤其在物流管理領(lǐng)域，基本統(tǒng)計方法起著信息咨詢、監(jiān)督、輔助決策的作用。

　　統(tǒng)計分析方法從總體中抽取一定數(shù)量的樣本并測出有關(guān)的數(shù)據(jù)以及利用數(shù)據(jù)所提供的關(guān)于總體的信息來推斷關(guān)于總體的結(jié)論。目前企業(yè)內(nèi)部的相關(guān)海量數(shù)據(jù)或分散存儲，或是異構(gòu)數(shù)據(jù)，無法利用基本的統(tǒng)計方法進(jìn)行歸納推理。

　　2.相關(guān)分析：相關(guān)分析法是測定經(jīng)濟現(xiàn)象之間相關(guān)關(guān)系的規(guī)律性，并據(jù)以進(jìn)行預(yù)測和控制的分析方法。物流管理中的各個要素間存在著大量的相互聯(lián)系、相互依賴、相互制約的關(guān)系：一類是函數(shù)關(guān)系，它反映著要素之間嚴(yán)格的依存關(guān)系；另一類為相關(guān)關(guān)系，就是說變量之間存在著不確定、不嚴(yán)格的依存關(guān)系。物流管理中的相關(guān)分析要解決以下問題：

　?。?）確定物流各個要素之間有無相關(guān)關(guān)系以及相關(guān)關(guān)系的類型：正相關(guān)關(guān)系或負(fù)相關(guān)關(guān)系；直線關(guān)系還是曲線相關(guān)；一元相關(guān)還是多元相關(guān)。

　?。?）確定各個要素之間相關(guān)關(guān)系的密切程度，通常是計算相關(guān)系數(shù)。

　?。?）擬合回歸方程，如果要素間相關(guān)關(guān)系密切，就根據(jù)其關(guān)系的類型，建立數(shù)學(xué)模型用相應(yīng)回歸方程來反映這種數(shù)量關(guān)系。

　?。?）判斷回歸分析的可靠性，只有通過檢驗的回歸方程才能用于預(yù)測和控制。

　　（5）根據(jù)回歸方程進(jìn)行預(yù)測和控制。如果變量數(shù)量比較多，并且變量之間無法用線性關(guān)系來表示，那么相關(guān)分析就不能很好的反映出各變量之間的關(guān)系。

　　3.回歸分析：考察變量之間的數(shù)量變化規(guī)律，確定自變量和因變量之間的數(shù)學(xué)關(guān)系式，建立回歸方程，對回歸方程進(jìn)行各種統(tǒng)計檢驗，并能進(jìn)行預(yù)測?；貧w分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。

　　在物流管理中回歸分析應(yīng)用的主要內(nèi)容為：

　　（1）從一組數(shù)據(jù)出發(fā)確定某些變量之間的定量關(guān)系式，并估計其中的未知參數(shù)。估計參數(shù)的常用方法是最小二乘法。

　　（2）對這些關(guān)系式的可信度進(jìn)行檢驗。

　　（3）在多自變量共同影響一個因變量的關(guān)系中，判斷并將影響顯著的自變量選入模型中，而剔除影響不顯著的變量，通常用逐步回歸、向前回歸和向后回歸等方法。

　?。?）利用所求的關(guān)系式對物流需求或是其他物流管理相關(guān)內(nèi)容進(jìn)行預(yù)測或控制。

　　回歸分析僅考慮到變量之間的數(shù)量變化規(guī)律，沒有考慮到變量之間由于時間等因素產(chǎn)生的不確定關(guān)系，這使得回歸分析，特別是線性分析，對于時間不敏感變量的檢驗結(jié)果是可信的，對于時間敏感的變量的變化規(guī)律不能很好的表示。

　　4.時間序列分析：對按時間順序的一組數(shù)字序列應(yīng)用數(shù)理統(tǒng)計方法加以處理，以預(yù)測未來事物的發(fā)展。

　　時間序列分析是定量預(yù)測方法之一，它的基本原理：一是承認(rèn)事物發(fā)展的延續(xù)性，根據(jù)過去的變化趨勢預(yù)測未來的發(fā)展，前提是假定過去會同樣延續(xù)到未來；二是突出了時間因素在預(yù)測中的作用，因而存在預(yù)測誤差。當(dāng)外界發(fā)生較大變化，預(yù)測往往會有較大偏差，為此要利用加權(quán)平均法對歷史數(shù)據(jù)進(jìn)行處理。

　　時間序列預(yù)測法簡單易行，便于掌握，中短期預(yù)測比長期預(yù)測的效果好。

　　5.人工神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）是一個由很多節(jié)點通過方向性連接組成的一個網(wǎng)絡(luò)結(jié)構(gòu)，是基于模仿人的大腦的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能而建立的一種具有學(xué)習(xí)能力的信息處理系統(tǒng)。ANN通過從過去的知識中學(xué)習(xí)、概括和抽取解決問題的經(jīng)驗知識，可以將這些知識進(jìn)行運用。

　　ANN的優(yōu)點是：并行處理；非線性映射；自學(xué)習(xí)功能；高速尋找優(yōu)化解的能力。由于具有這些優(yōu)點，ANN具有高度的非線性和極強的模糊推理能力，這是傳統(tǒng)數(shù)學(xué)分析方法無法比擬的。物流過程涉及的因素比較多，若僅用推理和建立數(shù)學(xué)模型的方法來解決物流管理中出現(xiàn)的問題是不夠的，還需依靠經(jīng)驗和某些難以用公式表達(dá)的知識，因此，ANN比較適合于解決復(fù)雜的物流管理問題。

　　四、結(jié)語

　　隨著科學(xué)技術(shù)的發(fā)展，越來越多的新思想、新方法運用于企業(yè)經(jīng)營的戰(zhàn)略規(guī)劃和管理作業(yè)，增強了企業(yè)應(yīng)變市場的能力。在所有改進(jìn)企業(yè)經(jīng)營管理的措施當(dāng)中，現(xiàn)代企業(yè)物流技術(shù)合理高效地參與，正成為企業(yè)贏得市場優(yōu)勢的重要手段。很明顯，數(shù)據(jù)挖掘技術(shù)為企業(yè)從戰(zhàn)略高度把物流系統(tǒng)與營銷戰(zhàn)略以及企業(yè)的總體戰(zhàn)略有機地結(jié)合起來，科學(xué)地做出物流決策提供了有效的工具和手段。

　　參考文獻(xiàn)：

　　[1]郭獻(xiàn)山樂業(yè)：我國企業(yè)物流發(fā)展現(xiàn)狀及對策的思考[J].集團經(jīng)濟研究，2006（12月下旬刊）：122～123

　　[2]劉同明等編著：數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[M].北京國防工業(yè)出版社，2001