葉敏

【摘要】本文通過(guò)從數(shù)據(jù)挖掘技術(shù)的研究歷程開(kāi)始，介紹了幾種常用的數(shù)據(jù)挖掘的技術(shù)，以及數(shù)據(jù)挖掘的過(guò)程；重點(diǎn)說(shuō)明了數(shù)據(jù)挖掘技術(shù)在物流企業(yè)決策系統(tǒng)、倉(cāng)儲(chǔ)管理以及電子商務(wù)中的應(yīng)用，同時(shí)指出數(shù)據(jù)挖掘技術(shù)存在的問(wèn)題。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù) 物流企業(yè)

一、數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀

（一）數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining）是從海量的噪聲數(shù)據(jù)中識(shí)別提取具有應(yīng)用價(jià)值的數(shù)據(jù)的過(guò)程。這里的數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的。

（二）國(guó)外研究現(xiàn)狀

世界上對(duì)數(shù)據(jù)挖掘的正式研究開(kāi)始于1989年8月舉行的第一屆KDD國(guó)際學(xué)術(shù)會(huì)議，數(shù)據(jù)庫(kù)中的知識(shí)的發(fā)現(xiàn)（Konwledge Dis-covery in Database）在這次會(huì)議中第一次被提出。研究重點(diǎn)逐漸從發(fā)現(xiàn)方法轉(zhuǎn)向系統(tǒng)應(yīng)用，并且注重多種策略和技術(shù)的集成和多種學(xué)科的相互滲透。國(guó)外在應(yīng)用方面發(fā)明了多款用于數(shù)據(jù)挖據(jù)的軟件，如spss model等，并開(kāi)發(fā)了hadoop和spark等支持?jǐn)?shù)據(jù)挖掘的框架，使得數(shù)據(jù)挖掘技術(shù)的發(fā)展空間更為寬廣。

（三）國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)對(duì)數(shù)據(jù)挖掘的研究相對(duì)國(guó)外較晚，1993年國(guó)家自然科學(xué)基金首次支持中科院合肥分校對(duì)該領(lǐng)域的研究項(xiàng)目，目前進(jìn)行的大多數(shù)研究是由政府資助進(jìn)行，如863計(jì)劃、“九五”計(jì)劃等。

在數(shù)據(jù)挖掘軟件平臺(tái)上，MSMiner平臺(tái)是由中科院計(jì)算技術(shù)研究所智能信息處理實(shí)驗(yàn)室開(kāi)發(fā)的。

二、數(shù)據(jù)挖掘常用的技術(shù)

（一）人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)從信息處理方面對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象簡(jiǎn)單的模型，它為解決大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方法。神經(jīng)網(wǎng)絡(luò)可以很容易的解決具有上百個(gè)參數(shù)的問(wèn)題。

（二）決策樹

決策樹是一種樹形結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)表示一個(gè)屬性的測(cè)試值，每個(gè)分支代表一個(gè)測(cè)試輸出，每個(gè)葉節(jié)點(diǎn)代表一種類別。

（三）數(shù)據(jù)挖掘過(guò)程

數(shù)據(jù)挖掘的過(guò)程一般由三個(gè)主要的階段組成：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)采集、結(jié)果表達(dá)和解釋。①數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)準(zhǔn)備對(duì)數(shù)據(jù)挖掘的成功應(yīng)用至關(guān)重要，如果沒(méi)有對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，那么可能會(huì)得到一些沒(méi)有意義甚至是錯(cuò)誤的結(jié)論.數(shù)據(jù)準(zhǔn)備大致分為3步：數(shù)據(jù)集成，數(shù)據(jù)選擇，數(shù)據(jù)轉(zhuǎn)化。②數(shù)據(jù)采集。作為數(shù)據(jù)挖掘技術(shù)的核心，數(shù)據(jù)采集主要由以下幾部分構(gòu)成：確定數(shù)據(jù)挖掘的類型，確定要實(shí)現(xiàn)的目標(biāo)和任務(wù)的類型情況；選擇對(duì)應(yīng)的技術(shù)來(lái)挖掘數(shù)據(jù)，根據(jù)挖掘任務(wù)來(lái)選擇適合的挖掘數(shù)據(jù)技術(shù)；選擇相應(yīng)的算法：根據(jù)選定的技術(shù)選擇一種具體的算法；挖掘數(shù)據(jù)信息：用選定的算法組合在模式空間中進(jìn)行反復(fù)迭代的搜索，從數(shù)據(jù)中找出有價(jià)值的數(shù)據(jù)信息。③結(jié)果表達(dá)與解釋。通過(guò)對(duì)數(shù)據(jù)挖掘發(fā)現(xiàn)的結(jié)果來(lái)解釋，過(guò)濾掉一些無(wú)用的數(shù)據(jù)，給用戶呈現(xiàn)出具有實(shí)際意義有用的信息。

三、數(shù)據(jù)挖掘技術(shù)在物流企業(yè)中的應(yīng)用

（一）數(shù)據(jù)挖掘技術(shù)在物流決策系統(tǒng)中的應(yīng)用

物流決策系統(tǒng)是一種結(jié)合了數(shù)據(jù)挖掘技術(shù)和人工智能技術(shù)的物流決策系統(tǒng)，通過(guò)人工智能對(duì)原料采購(gòu)、加工生產(chǎn)、分銷配送到商品銷售的各個(gè)環(huán)節(jié)的數(shù)據(jù)進(jìn)行收集，并通過(guò)使用數(shù)據(jù)挖掘等技術(shù)進(jìn)行分析和處理，來(lái)確定制定的決策策略。從物流決策系統(tǒng)來(lái)看主要有以下幾個(gè)方面情況：

（1）人機(jī)界面：人機(jī)界面主要是通過(guò)與公司業(yè)務(wù)營(yíng)銷部門的溝通，以此獲取產(chǎn)品的主生產(chǎn)計(jì)劃和相關(guān)的采購(gòu)要求，通過(guò)采購(gòu)入員反饋的采購(gòu)?fù)瓿蓴?shù)據(jù)輸入和輸出采購(gòu)訂單。

（2）聯(lián)機(jī)分析：根據(jù)采購(gòu)入員反饋的完成情況，結(jié)合局部的知識(shí)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)，為各種物流選出適合的采購(gòu)材料供貨商。

（3）推理機(jī)：推理機(jī)是一個(gè)數(shù)據(jù)挖掘智能決策系統(tǒng)的核心，它是根據(jù)用戶對(duì)采購(gòu)的具體要求，并且結(jié)合了局部數(shù)鋸倉(cāng)庫(kù)中數(shù)據(jù)和知識(shí)庫(kù)中的知識(shí)，以此為決策者提供有價(jià)值的信息，并且對(duì)包含的所有用戶進(jìn)行預(yù)測(cè)分析。

（二）數(shù)據(jù)挖掘技術(shù)在倉(cāng)儲(chǔ)管理中的具體應(yīng)用

（1）倉(cāng)庫(kù)選址問(wèn)題。倉(cāng)庫(kù)的選址問(wèn)題就是求解配送成本、固定成本和變動(dòng)處理成本之和的最小化問(wèn)題。可以通過(guò)用數(shù)據(jù)挖掘技術(shù)中的分類樹的方法來(lái)解決這個(gè)問(wèn)題。通過(guò)這個(gè)分類樹的方法，不僅確定了每年每個(gè)倉(cāng)庫(kù)的配送量，同時(shí)確定了倉(cāng)庫(kù)的位置，使得企業(yè)使用合適的庫(kù)存量，并且減少庫(kù)存資金。

（2）合理安排貨品的儲(chǔ)存位置。對(duì)于貨物的存放，我們?cè)趺春侠戆才咆浧返拇鎯?chǔ)，減少貨物的存儲(chǔ)成本，哪些貨物放在一起可以提高揀選的效率，我們可以通過(guò)使用數(shù)據(jù)挖掘的光聯(lián)模式來(lái)分析這些問(wèn)題。

（三）數(shù)據(jù)挖掘技術(shù)在電子商務(wù)領(lǐng)域中的應(yīng)用

電子商務(wù)在營(yíng)運(yùn)過(guò)程中積累的巨大的數(shù)據(jù)量，這些數(shù)據(jù)中有挖掘的價(jià)值需求，并且隨著電子商務(wù)的迅猛發(fā)展，數(shù)據(jù)的安全性和保密性要求也越來(lái)越高，這也對(duì)數(shù)據(jù)挖掘技術(shù)提出了更高的要求。

（四）數(shù)據(jù)挖掘技術(shù)在零售業(yè)中應(yīng)用

在零售業(yè)中，數(shù)據(jù)挖掘技術(shù)可以根據(jù)銷售，顧客、產(chǎn)品、時(shí)間和地區(qū)進(jìn)行多維度分析，基于有效數(shù)據(jù)挖掘的數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)和構(gòu)造進(jìn)行分析，數(shù)據(jù)挖掘技術(shù)可以分析促銷活動(dòng)的有效性可以顧客忠誠(chéng)度，以及對(duì)產(chǎn)品推銷和產(chǎn)品的交叉推動(dòng)的關(guān)聯(lián)性進(jìn)行分析，對(duì)各類關(guān)聯(lián)度高的產(chǎn)品進(jìn)行重新下布局，從而提高顧客購(gòu)買力。

四、數(shù)據(jù)挖掘技術(shù)存在的問(wèn)題

（一）數(shù)據(jù)模型的可靠性

數(shù)據(jù)模型包括物理模型、邏輯數(shù)據(jù)模型等。目前的很多數(shù)據(jù)挖掘模型都不是很成熟，都有各自的優(yōu)缺點(diǎn)。數(shù)據(jù)的可靠性很關(guān)鍵，因?yàn)椴煌臄?shù)據(jù)模型使用不同的方法，可能產(chǎn)生不同的結(jié)果。

（二）數(shù)據(jù)趨勢(shì)的預(yù)測(cè)

如何在數(shù)據(jù)挖掘過(guò)程中發(fā)現(xiàn)規(guī)律信息，做出合理的趨勢(shì)預(yù)測(cè)，這是數(shù)據(jù)挖掘難點(diǎn)。電子商務(wù)大量的數(shù)據(jù)信息，表現(xiàn)了電子商務(wù)一定的趨勢(shì)情況，這些數(shù)據(jù)的趨勢(shì)預(yù)測(cè)十分重要，特別是對(duì)于客戶信息和產(chǎn)品信息，有效的預(yù)測(cè)分析可以幫助企業(yè)有效決策，可以獲得更大的利潤(rùn)。

（三）數(shù)據(jù)挖掘結(jié)果的不確定性

數(shù)據(jù)挖掘結(jié)果具有不確定性的特點(diǎn)，因?yàn)閿?shù)據(jù)挖掘的目的不同，最終的結(jié)果也會(huì)出現(xiàn)各種情況，對(duì)此我們需要與數(shù)據(jù)挖掘的目標(biāo)相結(jié)合，來(lái)做出理性的判斷，使得企業(yè)做出正確的決策選擇，進(jìn)而達(dá)到提高企業(yè)經(jīng)濟(jì)效益，獲得更多利潤(rùn)的目的。

五、結(jié)論與展望

數(shù)據(jù)挖掘技術(shù)在物流企業(yè)決策系統(tǒng)、倉(cāng)儲(chǔ)管理以及電子商務(wù)中的成功應(yīng)用的同時(shí)，也存在一些問(wèn)題。隨著數(shù)據(jù)挖掘技術(shù)的不斷進(jìn)步，這些問(wèn)題也會(huì)逐漸迎刃而解。