摘 要 隨著大數(shù)據(jù)時(shí)代的到來(lái)，企業(yè)信息處理流程的優(yōu)化，變得至關(guān)重要。很多企業(yè)在分析信息處理流程的方法上還是相當(dāng)簡(jiǎn)單，采用類(lèi)似于分析實(shí)物制造流程的方法。但是在實(shí)際的推行過(guò)程中，由于缺乏對(duì)信息流程處理的多樣性和變動(dòng)性的特點(diǎn)了解，只是憑簡(jiǎn)單分析和個(gè)人經(jīng)驗(yàn)抓問(wèn)題發(fā)生點(diǎn)，所以出現(xiàn)抓不住重點(diǎn)和看不全面的兩大問(wèn)題。本文利用數(shù)據(jù)挖掘的方法，對(duì)N公司的進(jìn)口報(bào)關(guān)流程進(jìn)行了分析和改善，通過(guò)建立價(jià)值流程圖，找出最有改善價(jià)值的流程段，然后運(yùn)用決策樹(shù)模型，針對(duì)若干流程薄弱點(diǎn)提出具體建議。

【關(guān)鍵詞】進(jìn)口報(bào)關(guān) 時(shí)間優(yōu)化 數(shù)據(jù)挖掘

1 引言

信息雖給出了數(shù)據(jù)中一些有一定意義的東西，但它往往和人們所從事的任務(wù)沒(méi)有什么關(guān)聯(lián)，還不能作為判斷、決策和行動(dòng)的依據(jù)。對(duì)信息進(jìn)行再加工，進(jìn)行深入洞察，才能獲得更有用的信息，即知識(shí)。從數(shù)據(jù)到知識(shí)，要經(jīng)過(guò)分析加工、處理精煉的過(guò)程。我們可以把知識(shí)從低到高區(qū)分為四個(gè)等級(jí)：數(shù)據(jù)、信息、知識(shí)與智慧。數(shù)據(jù)是原始素材；信息是可以對(duì)比且具有相關(guān)背景資料的數(shù)據(jù)；知識(shí)是可用于指導(dǎo)行動(dòng)的信息；智慧是為達(dá)到特定目標(biāo)而運(yùn)用知識(shí)的能力。

數(shù)據(jù)挖掘，又稱(chēng)數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)，是數(shù)據(jù)庫(kù)技術(shù)的進(jìn)一步擴(kuò)展，所謂的數(shù)據(jù)挖掘是非瑣碎的過(guò)程，揭示了隱含的、未知的從數(shù)據(jù)庫(kù)中大量數(shù)據(jù)和信息的潛在價(jià)值，使得人們收集數(shù)據(jù)的能力大大提高。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它是基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)、高度自動(dòng)化企業(yè)數(shù)據(jù)分析，歸納推理，發(fā)掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。

2 N公司進(jìn)口報(bào)關(guān)流程的狀況

2.1 進(jìn)口報(bào)關(guān)的方式

進(jìn)口報(bào)關(guān)應(yīng)該分為一般貿(mào)易進(jìn)口和進(jìn)料加工企業(yè)這兩個(gè)方法。

2.2 進(jìn)行報(bào)關(guān)的程序

在正常情況下，進(jìn)口報(bào)關(guān)分為4個(gè)步驟，：聲明、查檢、納稅和釋放。

2.3 流程結(jié)構(gòu)圖

如圖1。

3 利用數(shù)據(jù)挖掘處理問(wèn)題的整體策略

3.1 制作價(jià)值流程圖

3.1.1 描述個(gè)人職能

進(jìn)口報(bào)關(guān)流程不同于傳統(tǒng)的制造業(yè)，是個(gè)信息處理的過(guò)程，每個(gè)人的職能比制造業(yè)更加復(fù)雜，明確每個(gè)人的職能，才能知道價(jià)值流程圖的每個(gè)子流程。每個(gè)企業(yè)的進(jìn)口報(bào)關(guān)有著自己的特性，所以在分析前，必須重新梳理他們的職能。每個(gè)人的職能描述可以分以下5個(gè)方面：

（1）來(lái)源：他的前道是誰(shuí)，他們分別會(huì)提交過(guò)來(lái)什么任務(wù)，是信息還是實(shí)物。

（2）處理規(guī)則：對(duì)于每個(gè)任務(wù)，處理的規(guī)則是什么。

（3）任務(wù)目標(biāo)：每個(gè)任務(wù)最終會(huì)達(dá)到什么效果。

（4）等待機(jī)制：不同于實(shí)物制造流水線工人的職能單一，進(jìn)口報(bào)關(guān)流程中的每個(gè)人往往有其他無(wú)關(guān)的任務(wù)，所以清楚任務(wù)所面臨的可能等待，是清楚某些任務(wù)出現(xiàn)不正常的延遲的必要事件。

（5）錯(cuò)誤處理：因?yàn)轭?lèi)似的信息處理任務(wù)的非標(biāo)準(zhǔn)特質(zhì)，所以出錯(cuò)率較高，錯(cuò)誤處理機(jī)制的好壞往往決定著任務(wù)處理時(shí)間分布。

（6）去處：成功處理的任務(wù)的下個(gè)處理程序。

3.1.2 分析進(jìn)口報(bào)關(guān)的信息處理流程

以N公司的進(jìn)口報(bào)關(guān)流程的基本情況為例：

（1）從國(guó)外制造商和物流服務(wù)商那獲取報(bào)關(guān)需要的原始憑證：合同，發(fā)票，運(yùn)輸單據(jù)，箱單。

（2）子流程：海運(yùn)過(guò)程，報(bào)關(guān)文檔的預(yù)處理，電子申報(bào)，海關(guān)審核報(bào)關(guān)單據(jù)，現(xiàn)場(chǎng)檢查。

（3）涉及的合作方：國(guó)外制造商，物流服務(wù)提供商，N公司進(jìn)口部門(mén)，報(bào)關(guān)商，海關(guān)。

（4）涉及人員：總共約20人，其中專(zhuān)職本任務(wù)的約10人。

（5）考核指標(biāo)：總的流程時(shí)間，N公司目前的設(shè)定標(biāo)準(zhǔn)天數(shù)為7天。

3.1.3 畫(huà)出價(jià)值流程圖

價(jià)值流程圖（Value Stream Mapping，VSM）是豐田精益制造（Lean Manufacturing）生產(chǎn)系統(tǒng)框架下的一種用來(lái)描述物流和信息流的形象化工具。VSM可以作為管理人員、工程師、生產(chǎn)制造人員、流程規(guī)劃人員、供應(yīng)商以及顧客發(fā)現(xiàn)浪費(fèi)、尋找浪費(fèi)根源的起點(diǎn)。

它在這的主要作用：

（1）幫助數(shù)據(jù)分析人員去理解流程，理解企業(yè)的業(yè)務(wù)數(shù)據(jù)背后的邏輯，從而建立數(shù)據(jù)挖掘的具體模型，運(yùn)用恰當(dāng)?shù)姆治瞿Ｐ汀?/p>

（2）當(dāng)數(shù)據(jù)分析結(jié)果出來(lái)時(shí)，便于把它翻譯為具體的問(wèn)題，這樣提出的改善項(xiàng)目，業(yè)務(wù)人員才能理解這些項(xiàng)目的意義，才能爭(zhēng)取到更多的資源支持。

3.2 數(shù)據(jù)分析

3.2.1 數(shù)據(jù)的前期工作

（1）挑選數(shù)據(jù)。把N公司進(jìn)口報(bào)關(guān)的數(shù)據(jù)記錄整合，結(jié)合對(duì)進(jìn)口報(bào)關(guān)流程的理解，剔除與流程時(shí)間無(wú)關(guān)的記錄要素。

（2）數(shù)據(jù)的預(yù)處理。刪除異常和無(wú)效的數(shù)據(jù)，把所有的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)格式。

（3）數(shù)據(jù)的轉(zhuǎn)換。將把數(shù)據(jù)轉(zhuǎn)換成一個(gè)模型，這個(gè)分析模型是針對(duì)挖掘算法建立的，一個(gè)恰當(dāng)?shù)耐诰蛩惴ǚ治瞿Ｐ褪菙?shù)據(jù)挖掘成功的關(guān)鍵。

3.2.2 列出可能的影響因素

對(duì)整個(gè)流程進(jìn)行分析，根據(jù)第一步的個(gè)人職能描述，從和他們的交流中提煉可能的影響因素，并且區(qū)分哪些是難以改變的，哪些是精益改善的重點(diǎn)，對(duì)于N公司的進(jìn)口報(bào)關(guān)流程，如表1所示。

在后面的數(shù)據(jù)分析中，首先要把整體的的延遲效果分?jǐn)偟矫糠N因素上，區(qū)分不同的因素對(duì)整體的流程時(shí)間造成的影響。因?yàn)檫@些可改善因素是難以記錄，這也是區(qū)別于傳統(tǒng)制造業(yè)的數(shù)據(jù)分析難點(diǎn)，所以本文的思路是，把屬于不可改變因素造成的延遲影響剝離出來(lái)，找出可改善因素在當(dāng)中的影響效果，然后從可能的改善方面去指定改善措施。

3.2.3 篩選最有改善價(jià)值的流程段

這部分主要是比較不同情形下，流程時(shí)間的波動(dòng)情況，引入了改善價(jià)值評(píng)估的3個(gè)屬性：改善空間，改善難度，情形權(quán)重。endprint

在一定的情形下，流程時(shí)間在準(zhǔn)時(shí)和延遲狀況下的分別有兩個(gè)分布。

A：延遲分布的均值-準(zhǔn)時(shí)分布的均值差越大，表示改善空間越大。

B：延遲分布的標(biāo)準(zhǔn)差-準(zhǔn)時(shí)分布的標(biāo)準(zhǔn)差越大，表示當(dāng)中的干擾因素越多，難以去分析波動(dòng)的具體，改善的難度越大。

C：延遲分布的權(quán)重，表示如果得到改善，它對(duì)整體的影響大小。

改善價(jià)值=A/B*C，通過(guò)計(jì)算不同情形下的改善價(jià)值，企業(yè)可以迅速的定位它應(yīng)該重點(diǎn)分析和改善的地方。

3.2.4 運(yùn)用數(shù)據(jù)挖掘工具具體分析

數(shù)據(jù)挖掘的原理是數(shù)學(xué)統(tǒng)計(jì)和計(jì)算機(jī)編程的相結(jié)合，所以對(duì)于數(shù)據(jù)挖掘的初級(jí)應(yīng)用只需運(yùn)用一些成熟的工具即可，目前較為成熟的數(shù)據(jù)挖掘工具為SAS，SPSS和Minitab，Mat lab，根據(jù)對(duì)N公司的實(shí)際問(wèn)題和數(shù)據(jù)的觀察，采用SPSS較為適合。

3.2.5 數(shù)據(jù)挖掘方法選擇

決策樹(shù)（Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。由于這種決策分支畫(huà)成圖形很像一棵樹(shù)的枝干，故稱(chēng)決策樹(shù)。在機(jī)器學(xué)習(xí)中，決策樹(shù)是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹(shù)中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，而每個(gè)分叉路徑則代表的某個(gè)可能的屬性值，而每個(gè)葉結(jié)點(diǎn)則對(duì)應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示的對(duì)象的值。決策樹(shù)僅有單一輸出，若欲有復(fù)數(shù)輸出，可以建立獨(dú)立的決策樹(shù)以處理不同輸出。數(shù)據(jù)挖掘中決策樹(shù)是一種經(jīng)常要用到的技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來(lái)做預(yù)測(cè)。

決策樹(shù)學(xué)習(xí)也是資料探勘中一個(gè)普通的方法。在這里，每個(gè)決策樹(shù)都表述了一種樹(shù)型結(jié)構(gòu)，它由它的分支來(lái)對(duì)該類(lèi)型的對(duì)象依靠屬性進(jìn)行分類(lèi)。決策樹(shù)同時(shí)也可以依靠計(jì)算條件概率來(lái)構(gòu)造。決策樹(shù)如果依靠數(shù)學(xué)的計(jì)算方法可以取得更加理想的效果。 數(shù)據(jù)庫(kù)已如下所示：

相關(guān)的變量 Y 表示我們嘗試去理解，分類(lèi)或者更一般化的結(jié)果。 其他的變量x1， x2， x3 等則是幫助我們達(dá)到目的的變量。

3.3 提出精益改善項(xiàng)目

（1）決策樹(shù)的結(jié)果以樹(shù)的視圖出現(xiàn)，它的含義基于前面對(duì)決策樹(shù)算法的描述，每一層都是一個(gè)最優(yōu)分類(lèi)：見(jiàn)附圖一

（2）通過(guò)觀察，發(fā)現(xiàn)了9個(gè)節(jié)點(diǎn)異常，清晰的數(shù)據(jù)請(qǐng)見(jiàn)圖2。

（3）進(jìn)一步比較它們的數(shù)據(jù)，做出柱狀圖，見(jiàn)圖3。橫軸為3組國(guó)家，縱軸為流程時(shí)間，

認(rèn)為異常的依據(jù)，因?yàn)樗鼈兊难舆t記錄都屬于其他原因（另外兩個(gè)分類(lèi)為COO延遲和沒(méi)有延遲原因記錄），但是卻發(fā)現(xiàn)對(duì)于不同的國(guó)家，N公司的進(jìn)口報(bào)關(guān)流程的時(shí)間有著明顯的詫異，SPSS自動(dòng)把所有的記錄國(guó)家分為3組：1，VN，MY，IN；2，HK，TH，LK，ID；3，其他一些小批量的國(guó)家。相差的時(shí)間最高達(dá)到了4.55天，即36.4個(gè)工作小時(shí)，這個(gè)值得進(jìn)一步研究挖掘。

而通過(guò)進(jìn)一步與相關(guān)業(yè)務(wù)人員交流，由于決策樹(shù)排除了已知有記錄的客觀因素的干擾，從理論上來(lái)講，同一環(huán)境中，來(lái)自不同國(guó)家的進(jìn)口報(bào)關(guān)單證的處理時(shí)間應(yīng)該接近。

顯然這里是一個(gè)問(wèn)題點(diǎn)，需要進(jìn)一步找出改善措施，遍歷整個(gè)決策樹(shù)，結(jié)和相關(guān)人員的經(jīng)驗(yàn)知識(shí)，提出所有的問(wèn)題點(diǎn)。

3.4 相應(yīng)的改善措施

上述決策樹(shù)被遍歷后，一共得出9個(gè)問(wèn)題點(diǎn)，它們的位置見(jiàn)附圖2。

上述的這個(gè)問(wèn)題點(diǎn)，最后的改進(jìn)方案為：

第一，改善員工對(duì)其他國(guó)家分類(lèi)下的業(yè)務(wù)處理能力，加強(qiáng)對(duì)員工的技能培訓(xùn)。

第二，重新審視員工對(duì)1條訂單的業(yè)務(wù)處理能力，總結(jié)在此情況下異常的原因。

第三，使用處理軟件，使得處理復(fù)雜單證的時(shí)候，時(shí)間大幅度下降。

3.5 預(yù)計(jì)的效果

以上述的例子問(wèn)題節(jié)點(diǎn)為例，如圖4所示。

假如，能讓所有國(guó)家的報(bào)關(guān)單證按照表現(xiàn)較好的節(jié)點(diǎn)4（VN，MY，IN）的來(lái)，那么（HK，TH，KH，ID）可以短短1.15天，而且決策樹(shù)的結(jié)果提供了這個(gè)節(jié)點(diǎn)的樣本量。所以這個(gè)節(jié)點(diǎn)改善后對(duì)整體的改善效果也可以得知。

某個(gè)節(jié)點(diǎn)的改善空間（天）*權(quán)重=這個(gè)節(jié)點(diǎn)的改善對(duì)整體流程時(shí)間的改善。

再?gòu)牧硗庖粋€(gè)角度看改善效果，其中業(yè)務(wù)人員給出的理論標(biāo)準(zhǔn)時(shí)間為1天，原產(chǎn)地證COO造成的延遲為1.15天，剩下的0.76天是其他的因素造成的延遲，引用圖5。

減少的浪費(fèi)時(shí)間比例=0.46/0.76=61%

如果，N公司的進(jìn)口報(bào)關(guān)流程沒(méi)用進(jìn)行大的流程改革或者技術(shù)提升，即理論標(biāo)準(zhǔn)天數(shù)補(bǔ)天，那么所以通過(guò)改善這9個(gè)問(wèn)題節(jié)點(diǎn)，將可以較少61%的無(wú)效時(shí)間。

4 結(jié)論

本文通過(guò)將前期建立價(jià)值流程圖，中期的數(shù)據(jù)挖掘和最后的多點(diǎn)準(zhǔn)確的精益改善措施，幫助企業(yè)的有效縮短了進(jìn)口報(bào)關(guān)流程的時(shí)間。在沒(méi)有大幅度改變進(jìn)口流程和沒(méi)有投入技術(shù)升級(jí)的情況下，有效找到了進(jìn)口報(bào)關(guān)流程中最薄弱的環(huán)節(jié)，有的放矢的提出相應(yīng)的改善措施，這需要改良者能貫穿進(jìn)口報(bào)關(guān)業(yè)務(wù)，精益和數(shù)據(jù)挖掘，綜合要求較高。

參考文獻(xiàn)

[1]薛躍，盛黨紅.6σ管理法與精益生產(chǎn)整合研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2003（01）.

[2]王立柱.精益生產(chǎn)在亞特公司的應(yīng)用研究[D].北京交通大學(xué).碩士學(xué)位論文，2009.

[3]王萍.基于數(shù)據(jù)挖掘技術(shù)的消費(fèi)者行為研究[C].博士學(xué)位論文，2004.

[4]林慧丹.第三方物流[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2005.

[5]儀玉莉，劉洪彬.高級(jí)物流師[M].北京：人民交通出版社，2004.

[6]劉立，張清檢.物流師實(shí)務(wù)手冊(cè).北京：機(jī)械工業(yè)出版社，2007.

[7]丁朝陽(yáng).企業(yè)信息化規(guī)劃與解決方案研究[D].武漢：華中師范大學(xué)，2004.

[8]楊永鋼.數(shù)據(jù)挖掘在物流領(lǐng)域中的應(yīng)用[D].武漢：武漢理工大學(xué)，2006.

[9]張?jiān)茲徚?商業(yè)智能設(shè)計(jì)、部署與實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2004.

[10]王珊.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)與聯(lián)機(jī)分析處理LM.北京：科學(xué)出版社，1998.

[11]Adrienne Curry，The intranet-an intrinsic component of strategic Information management， International Journal of Information Management，2000.

[12]Agrawal R.，C.Faloutosos，Efficient similarity search in sequence data bases，F(xiàn)oundations of Data Organization and Algorithms，Chicago，Oct，1993.

作者簡(jiǎn)介

張園園（1982-），女，安徽省濉溪縣人?，F(xiàn)為合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院在讀碩士。系安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院實(shí)驗(yàn)師。主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)。

作者單位

1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 安徽省合肥市 230000

2.安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 安徽省合肥市 230000endprint

在一定的情形下，流程時(shí)間在準(zhǔn)時(shí)和延遲狀況下的分別有兩個(gè)分布。

A：延遲分布的均值-準(zhǔn)時(shí)分布的均值差越大，表示改善空間越大。

B：延遲分布的標(biāo)準(zhǔn)差-準(zhǔn)時(shí)分布的標(biāo)準(zhǔn)差越大，表示當(dāng)中的干擾因素越多，難以去分析波動(dòng)的具體，改善的難度越大。

C：延遲分布的權(quán)重，表示如果得到改善，它對(duì)整體的影響大小。

改善價(jià)值=A/B*C，通過(guò)計(jì)算不同情形下的改善價(jià)值，企業(yè)可以迅速的定位它應(yīng)該重點(diǎn)分析和改善的地方。

3.2.4 運(yùn)用數(shù)據(jù)挖掘工具具體分析

數(shù)據(jù)挖掘的原理是數(shù)學(xué)統(tǒng)計(jì)和計(jì)算機(jī)編程的相結(jié)合，所以對(duì)于數(shù)據(jù)挖掘的初級(jí)應(yīng)用只需運(yùn)用一些成熟的工具即可，目前較為成熟的數(shù)據(jù)挖掘工具為SAS，SPSS和Minitab，Mat lab，根據(jù)對(duì)N公司的實(shí)際問(wèn)題和數(shù)據(jù)的觀察，采用SPSS較為適合。

3.2.5 數(shù)據(jù)挖掘方法選擇

決策樹(shù)（Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。由于這種決策分支畫(huà)成圖形很像一棵樹(shù)的枝干，故稱(chēng)決策樹(shù)。在機(jī)器學(xué)習(xí)中，決策樹(shù)是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹(shù)中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，而每個(gè)分叉路徑則代表的某個(gè)可能的屬性值，而每個(gè)葉結(jié)點(diǎn)則對(duì)應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示的對(duì)象的值。決策樹(shù)僅有單一輸出，若欲有復(fù)數(shù)輸出，可以建立獨(dú)立的決策樹(shù)以處理不同輸出。數(shù)據(jù)挖掘中決策樹(shù)是一種經(jīng)常要用到的技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來(lái)做預(yù)測(cè)。

決策樹(shù)學(xué)習(xí)也是資料探勘中一個(gè)普通的方法。在這里，每個(gè)決策樹(shù)都表述了一種樹(shù)型結(jié)構(gòu)，它由它的分支來(lái)對(duì)該類(lèi)型的對(duì)象依靠屬性進(jìn)行分類(lèi)。決策樹(shù)同時(shí)也可以依靠計(jì)算條件概率來(lái)構(gòu)造。決策樹(shù)如果依靠數(shù)學(xué)的計(jì)算方法可以取得更加理想的效果。 數(shù)據(jù)庫(kù)已如下所示：

相關(guān)的變量 Y 表示我們嘗試去理解，分類(lèi)或者更一般化的結(jié)果。 其他的變量x1， x2， x3 等則是幫助我們達(dá)到目的的變量。

3.3 提出精益改善項(xiàng)目

（1）決策樹(shù)的結(jié)果以樹(shù)的視圖出現(xiàn)，它的含義基于前面對(duì)決策樹(shù)算法的描述，每一層都是一個(gè)最優(yōu)分類(lèi)：見(jiàn)附圖一

（2）通過(guò)觀察，發(fā)現(xiàn)了9個(gè)節(jié)點(diǎn)異常，清晰的數(shù)據(jù)請(qǐng)見(jiàn)圖2。

（3）進(jìn)一步比較它們的數(shù)據(jù)，做出柱狀圖，見(jiàn)圖3。橫軸為3組國(guó)家，縱軸為流程時(shí)間，

認(rèn)為異常的依據(jù)，因?yàn)樗鼈兊难舆t記錄都屬于其他原因（另外兩個(gè)分類(lèi)為COO延遲和沒(méi)有延遲原因記錄），但是卻發(fā)現(xiàn)對(duì)于不同的國(guó)家，N公司的進(jìn)口報(bào)關(guān)流程的時(shí)間有著明顯的詫異，SPSS自動(dòng)把所有的記錄國(guó)家分為3組：1，VN，MY，IN；2，HK，TH，LK，ID；3，其他一些小批量的國(guó)家。相差的時(shí)間最高達(dá)到了4.55天，即36.4個(gè)工作小時(shí)，這個(gè)值得進(jìn)一步研究挖掘。

而通過(guò)進(jìn)一步與相關(guān)業(yè)務(wù)人員交流，由于決策樹(shù)排除了已知有記錄的客觀因素的干擾，從理論上來(lái)講，同一環(huán)境中，來(lái)自不同國(guó)家的進(jìn)口報(bào)關(guān)單證的處理時(shí)間應(yīng)該接近。

顯然這里是一個(gè)問(wèn)題點(diǎn)，需要進(jìn)一步找出改善措施，遍歷整個(gè)決策樹(shù)，結(jié)和相關(guān)人員的經(jīng)驗(yàn)知識(shí)，提出所有的問(wèn)題點(diǎn)。

3.4 相應(yīng)的改善措施

上述決策樹(shù)被遍歷后，一共得出9個(gè)問(wèn)題點(diǎn)，它們的位置見(jiàn)附圖2。

上述的這個(gè)問(wèn)題點(diǎn)，最后的改進(jìn)方案為：

第一，改善員工對(duì)其他國(guó)家分類(lèi)下的業(yè)務(wù)處理能力，加強(qiáng)對(duì)員工的技能培訓(xùn)。

第二，重新審視員工對(duì)1條訂單的業(yè)務(wù)處理能力，總結(jié)在此情況下異常的原因。

第三，使用處理軟件，使得處理復(fù)雜單證的時(shí)候，時(shí)間大幅度下降。

3.5 預(yù)計(jì)的效果

以上述的例子問(wèn)題節(jié)點(diǎn)為例，如圖4所示。

假如，能讓所有國(guó)家的報(bào)關(guān)單證按照表現(xiàn)較好的節(jié)點(diǎn)4（VN，MY，IN）的來(lái)，那么（HK，TH，KH，ID）可以短短1.15天，而且決策樹(shù)的結(jié)果提供了這個(gè)節(jié)點(diǎn)的樣本量。所以這個(gè)節(jié)點(diǎn)改善后對(duì)整體的改善效果也可以得知。

某個(gè)節(jié)點(diǎn)的改善空間（天）*權(quán)重=這個(gè)節(jié)點(diǎn)的改善對(duì)整體流程時(shí)間的改善。

再?gòu)牧硗庖粋€(gè)角度看改善效果，其中業(yè)務(wù)人員給出的理論標(biāo)準(zhǔn)時(shí)間為1天，原產(chǎn)地證COO造成的延遲為1.15天，剩下的0.76天是其他的因素造成的延遲，引用圖5。

減少的浪費(fèi)時(shí)間比例=0.46/0.76=61%

如果，N公司的進(jìn)口報(bào)關(guān)流程沒(méi)用進(jìn)行大的流程改革或者技術(shù)提升，即理論標(biāo)準(zhǔn)天數(shù)補(bǔ)天，那么所以通過(guò)改善這9個(gè)問(wèn)題節(jié)點(diǎn)，將可以較少61%的無(wú)效時(shí)間。

4 結(jié)論

本文通過(guò)將前期建立價(jià)值流程圖，中期的數(shù)據(jù)挖掘和最后的多點(diǎn)準(zhǔn)確的精益改善措施，幫助企業(yè)的有效縮短了進(jìn)口報(bào)關(guān)流程的時(shí)間。在沒(méi)有大幅度改變進(jìn)口流程和沒(méi)有投入技術(shù)升級(jí)的情況下，有效找到了進(jìn)口報(bào)關(guān)流程中最薄弱的環(huán)節(jié)，有的放矢的提出相應(yīng)的改善措施，這需要改良者能貫穿進(jìn)口報(bào)關(guān)業(yè)務(wù)，精益和數(shù)據(jù)挖掘，綜合要求較高。

參考文獻(xiàn)

[1]薛躍，盛黨紅.6σ管理法與精益生產(chǎn)整合研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2003（01）.

[2]王立柱.精益生產(chǎn)在亞特公司的應(yīng)用研究[D].北京交通大學(xué).碩士學(xué)位論文，2009.

[3]王萍.基于數(shù)據(jù)挖掘技術(shù)的消費(fèi)者行為研究[C].博士學(xué)位論文，2004.

[4]林慧丹.第三方物流[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2005.

[5]儀玉莉，劉洪彬.高級(jí)物流師[M].北京：人民交通出版社，2004.

[6]劉立，張清檢.物流師實(shí)務(wù)手冊(cè).北京：機(jī)械工業(yè)出版社，2007.

[7]丁朝陽(yáng).企業(yè)信息化規(guī)劃與解決方案研究[D].武漢：華中師范大學(xué)，2004.

[8]楊永鋼.數(shù)據(jù)挖掘在物流領(lǐng)域中的應(yīng)用[D].武漢：武漢理工大學(xué)，2006.

[9]張?jiān)茲?，龔?商業(yè)智能設(shè)計(jì)、部署與實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2004.

[10]王珊.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)與聯(lián)機(jī)分析處理LM.北京：科學(xué)出版社，1998.

[11]Adrienne Curry，The intranet-an intrinsic component of strategic Information management， International Journal of Information Management，2000.

[12]Agrawal R.，C.Faloutosos，Efficient similarity search in sequence data bases，F(xiàn)oundations of Data Organization and Algorithms，Chicago，Oct，1993.

作者簡(jiǎn)介

張園園（1982-），女，安徽省濉溪縣人?，F(xiàn)為合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院在讀碩士。系安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院實(shí)驗(yàn)師。主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)。

作者單位

1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 安徽省合肥市 230000

2.安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 安徽省合肥市 230000endprint

在一定的情形下，流程時(shí)間在準(zhǔn)時(shí)和延遲狀況下的分別有兩個(gè)分布。

A：延遲分布的均值-準(zhǔn)時(shí)分布的均值差越大，表示改善空間越大。

B：延遲分布的標(biāo)準(zhǔn)差-準(zhǔn)時(shí)分布的標(biāo)準(zhǔn)差越大，表示當(dāng)中的干擾因素越多，難以去分析波動(dòng)的具體，改善的難度越大。

C：延遲分布的權(quán)重，表示如果得到改善，它對(duì)整體的影響大小。

改善價(jià)值=A/B*C，通過(guò)計(jì)算不同情形下的改善價(jià)值，企業(yè)可以迅速的定位它應(yīng)該重點(diǎn)分析和改善的地方。

3.2.4 運(yùn)用數(shù)據(jù)挖掘工具具體分析

數(shù)據(jù)挖掘的原理是數(shù)學(xué)統(tǒng)計(jì)和計(jì)算機(jī)編程的相結(jié)合，所以對(duì)于數(shù)據(jù)挖掘的初級(jí)應(yīng)用只需運(yùn)用一些成熟的工具即可，目前較為成熟的數(shù)據(jù)挖掘工具為SAS，SPSS和Minitab，Mat lab，根據(jù)對(duì)N公司的實(shí)際問(wèn)題和數(shù)據(jù)的觀察，采用SPSS較為適合。

3.2.5 數(shù)據(jù)挖掘方法選擇

決策樹(shù)（Decision Tree）是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。由于這種決策分支畫(huà)成圖形很像一棵樹(shù)的枝干，故稱(chēng)決策樹(shù)。在機(jī)器學(xué)習(xí)中，決策樹(shù)是一個(gè)預(yù)測(cè)模型，他代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹(shù)中每個(gè)節(jié)點(diǎn)表示某個(gè)對(duì)象，而每個(gè)分叉路徑則代表的某個(gè)可能的屬性值，而每個(gè)葉結(jié)點(diǎn)則對(duì)應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示的對(duì)象的值。決策樹(shù)僅有單一輸出，若欲有復(fù)數(shù)輸出，可以建立獨(dú)立的決策樹(shù)以處理不同輸出。數(shù)據(jù)挖掘中決策樹(shù)是一種經(jīng)常要用到的技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來(lái)做預(yù)測(cè)。

決策樹(shù)學(xué)習(xí)也是資料探勘中一個(gè)普通的方法。在這里，每個(gè)決策樹(shù)都表述了一種樹(shù)型結(jié)構(gòu)，它由它的分支來(lái)對(duì)該類(lèi)型的對(duì)象依靠屬性進(jìn)行分類(lèi)。決策樹(shù)同時(shí)也可以依靠計(jì)算條件概率來(lái)構(gòu)造。決策樹(shù)如果依靠數(shù)學(xué)的計(jì)算方法可以取得更加理想的效果。 數(shù)據(jù)庫(kù)已如下所示：

相關(guān)的變量 Y 表示我們嘗試去理解，分類(lèi)或者更一般化的結(jié)果。 其他的變量x1， x2， x3 等則是幫助我們達(dá)到目的的變量。

3.3 提出精益改善項(xiàng)目

（1）決策樹(shù)的結(jié)果以樹(shù)的視圖出現(xiàn)，它的含義基于前面對(duì)決策樹(shù)算法的描述，每一層都是一個(gè)最優(yōu)分類(lèi)：見(jiàn)附圖一

（2）通過(guò)觀察，發(fā)現(xiàn)了9個(gè)節(jié)點(diǎn)異常，清晰的數(shù)據(jù)請(qǐng)見(jiàn)圖2。

（3）進(jìn)一步比較它們的數(shù)據(jù)，做出柱狀圖，見(jiàn)圖3。橫軸為3組國(guó)家，縱軸為流程時(shí)間，

認(rèn)為異常的依據(jù)，因?yàn)樗鼈兊难舆t記錄都屬于其他原因（另外兩個(gè)分類(lèi)為COO延遲和沒(méi)有延遲原因記錄），但是卻發(fā)現(xiàn)對(duì)于不同的國(guó)家，N公司的進(jìn)口報(bào)關(guān)流程的時(shí)間有著明顯的詫異，SPSS自動(dòng)把所有的記錄國(guó)家分為3組：1，VN，MY，IN；2，HK，TH，LK，ID；3，其他一些小批量的國(guó)家。相差的時(shí)間最高達(dá)到了4.55天，即36.4個(gè)工作小時(shí)，這個(gè)值得進(jìn)一步研究挖掘。

而通過(guò)進(jìn)一步與相關(guān)業(yè)務(wù)人員交流，由于決策樹(shù)排除了已知有記錄的客觀因素的干擾，從理論上來(lái)講，同一環(huán)境中，來(lái)自不同國(guó)家的進(jìn)口報(bào)關(guān)單證的處理時(shí)間應(yīng)該接近。

顯然這里是一個(gè)問(wèn)題點(diǎn)，需要進(jìn)一步找出改善措施，遍歷整個(gè)決策樹(shù)，結(jié)和相關(guān)人員的經(jīng)驗(yàn)知識(shí)，提出所有的問(wèn)題點(diǎn)。

3.4 相應(yīng)的改善措施

上述決策樹(shù)被遍歷后，一共得出9個(gè)問(wèn)題點(diǎn)，它們的位置見(jiàn)附圖2。

上述的這個(gè)問(wèn)題點(diǎn)，最后的改進(jìn)方案為：

第一，改善員工對(duì)其他國(guó)家分類(lèi)下的業(yè)務(wù)處理能力，加強(qiáng)對(duì)員工的技能培訓(xùn)。

第二，重新審視員工對(duì)1條訂單的業(yè)務(wù)處理能力，總結(jié)在此情況下異常的原因。

第三，使用處理軟件，使得處理復(fù)雜單證的時(shí)候，時(shí)間大幅度下降。

3.5 預(yù)計(jì)的效果

以上述的例子問(wèn)題節(jié)點(diǎn)為例，如圖4所示。

假如，能讓所有國(guó)家的報(bào)關(guān)單證按照表現(xiàn)較好的節(jié)點(diǎn)4（VN，MY，IN）的來(lái)，那么（HK，TH，KH，ID）可以短短1.15天，而且決策樹(shù)的結(jié)果提供了這個(gè)節(jié)點(diǎn)的樣本量。所以這個(gè)節(jié)點(diǎn)改善后對(duì)整體的改善效果也可以得知。

某個(gè)節(jié)點(diǎn)的改善空間（天）*權(quán)重=這個(gè)節(jié)點(diǎn)的改善對(duì)整體流程時(shí)間的改善。

再?gòu)牧硗庖粋€(gè)角度看改善效果，其中業(yè)務(wù)人員給出的理論標(biāo)準(zhǔn)時(shí)間為1天，原產(chǎn)地證COO造成的延遲為1.15天，剩下的0.76天是其他的因素造成的延遲，引用圖5。

減少的浪費(fèi)時(shí)間比例=0.46/0.76=61%

如果，N公司的進(jìn)口報(bào)關(guān)流程沒(méi)用進(jìn)行大的流程改革或者技術(shù)提升，即理論標(biāo)準(zhǔn)天數(shù)補(bǔ)天，那么所以通過(guò)改善這9個(gè)問(wèn)題節(jié)點(diǎn)，將可以較少61%的無(wú)效時(shí)間。

4 結(jié)論

本文通過(guò)將前期建立價(jià)值流程圖，中期的數(shù)據(jù)挖掘和最后的多點(diǎn)準(zhǔn)確的精益改善措施，幫助企業(yè)的有效縮短了進(jìn)口報(bào)關(guān)流程的時(shí)間。在沒(méi)有大幅度改變進(jìn)口流程和沒(méi)有投入技術(shù)升級(jí)的情況下，有效找到了進(jìn)口報(bào)關(guān)流程中最薄弱的環(huán)節(jié)，有的放矢的提出相應(yīng)的改善措施，這需要改良者能貫穿進(jìn)口報(bào)關(guān)業(yè)務(wù)，精益和數(shù)據(jù)挖掘，綜合要求較高。

參考文獻(xiàn)

[1]薛躍，盛黨紅.6σ管理法與精益生產(chǎn)整合研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2003（01）.

[2]王立柱.精益生產(chǎn)在亞特公司的應(yīng)用研究[D].北京交通大學(xué).碩士學(xué)位論文，2009.

[3]王萍.基于數(shù)據(jù)挖掘技術(shù)的消費(fèi)者行為研究[C].博士學(xué)位論文，2004.

[4]林慧丹.第三方物流[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2005.

[5]儀玉莉，劉洪彬.高級(jí)物流師[M].北京：人民交通出版社，2004.

[6]劉立，張清檢.物流師實(shí)務(wù)手冊(cè).北京：機(jī)械工業(yè)出版社，2007.

[7]丁朝陽(yáng).企業(yè)信息化規(guī)劃與解決方案研究[D].武漢：華中師范大學(xué)，2004.

[8]楊永鋼.數(shù)據(jù)挖掘在物流領(lǐng)域中的應(yīng)用[D].武漢：武漢理工大學(xué)，2006.

[9]張?jiān)茲徚?商業(yè)智能設(shè)計(jì)、部署與實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2004.

[10]王珊.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)與聯(lián)機(jī)分析處理LM.北京：科學(xué)出版社，1998.

[11]Adrienne Curry，The intranet-an intrinsic component of strategic Information management， International Journal of Information Management，2000.

[12]Agrawal R.，C.Faloutosos，Efficient similarity search in sequence data bases，F(xiàn)oundations of Data Organization and Algorithms，Chicago，Oct，1993.

作者簡(jiǎn)介

張園園（1982-），女，安徽省濉溪縣人?，F(xiàn)為合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院在讀碩士。系安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院實(shí)驗(yàn)師。主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)。

作者單位

1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 安徽省合肥市 230000

2.安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 安徽省合肥市 230000endprint