1 引言
隨著物流企業(yè)信息化建設(shè)和應(yīng)用的普遍推廣，其日常物流服務(wù)中產(chǎn)生并積累了大量的數(shù)據(jù)和信息。由于物流企業(yè)普遍缺乏對(duì)于業(yè)務(wù)數(shù)據(jù)分析和模式挖掘的戰(zhàn)略重視，再加上傳統(tǒng)分析手段的局限性，使礙物流企業(yè)的決策者在日常經(jīng)營(yíng)和重大抉擇問(wèn)題上的判斷缺乏準(zhǔn)確詳細(xì)的業(yè)務(wù)數(shù)據(jù)作為支撐。因此研究和探索一個(gè)適應(yīng)物流企業(yè)龐大業(yè)務(wù)數(shù)據(jù)分析和決策支持的方法和模式，成為了物流企業(yè)十分關(guān)注和重視的問(wèn)題。數(shù)據(jù)挖掘即Data Mining，是計(jì)算機(jī)領(lǐng)域中一種十分強(qiáng)大的數(shù)據(jù)分析和業(yè)務(wù)模式識(shí)別工具和方法，能夠支持物流企業(yè)在龐大的業(yè)務(wù)數(shù)據(jù)庫(kù)中進(jìn)行基于決策導(dǎo)向的業(yè)務(wù)模式辨識(shí)、診斷和改進(jìn)，并能從中發(fā)現(xiàn)與發(fā)掘?qū)τ谖锪髌髽I(yè)服務(wù)創(chuàng)新具有重要作用的業(yè)務(wù)知識(shí)、規(guī)律和內(nèi)在關(guān)聯(lián)機(jī)制，從而幫助物流企業(yè)了解把握物流服務(wù)運(yùn)行現(xiàn)狀，并對(duì)未來(lái)業(yè)務(wù)方案進(jìn)行預(yù)測(cè)和調(diào)整。
2 挖掘技術(shù)的基本內(nèi)涵、過(guò)程和方法
2.1 內(nèi)涵
早在20世紀(jì)90年代中期的美國(guó)計(jì)算機(jī)年會(huì)上，數(shù)據(jù)挖掘的概念就正式提出了，它是指從大量隨機(jī)模糊有噪聲的數(shù)據(jù)中分析、識(shí)別并提取隱藏在其中的有用知識(shí)、信息和模式的過(guò)程。在大型數(shù)據(jù)存儲(chǔ)中，數(shù)據(jù)挖掘可以基于計(jì)算機(jī)技術(shù)進(jìn)行有用信息的自動(dòng)發(fā)現(xiàn)，可以對(duì)大型業(yè)務(wù)數(shù)據(jù)庫(kù)進(jìn)行偵查，以發(fā)現(xiàn)新的、之前未被發(fā)現(xiàn)的業(yè)務(wù)關(guān)聯(lián)模式。
2.2 過(guò)程
硬件、軟件和用戶構(gòu)成了數(shù)據(jù)挖掘的環(huán)境，硬件一般是指計(jì)算機(jī)部件，其是數(shù)據(jù)挖掘軟件的物質(zhì)載體，軟件執(zhí)行數(shù)據(jù)挖掘任務(wù)，用戶是執(zhí)行數(shù)據(jù)挖掘的主體。數(shù)據(jù)挖掘的過(guò)程一般分為以下四個(gè)階段，即問(wèn)題任務(wù)分析階段、業(yè)務(wù)數(shù)據(jù)準(zhǔn)備階段、業(yè)務(wù)數(shù)據(jù)挖掘階段和挖掘結(jié)果應(yīng)用階段。表1給出了數(shù)據(jù)挖掘的一般過(guò)程及其主要任務(wù)要求。
表1 數(shù)據(jù)挖掘的一般過(guò)程和內(nèi)容
2.3 方法
目前市場(chǎng)上主流的數(shù)據(jù)挖掘方法和軟件主要有微軟的SQL Analysis Services，IBM的Intelligent Miner、SAS、SPSS以及Oracle Darwin等�；谖覈�(guó)物流企業(yè)信息化建設(shè)的現(xiàn)狀以及SQL Analysis Services數(shù)據(jù)挖掘的易用性和直觀性，本文選擇使用其作為物流企業(yè)管理中數(shù)據(jù)挖掘的方法和手段，使用關(guān)系型的數(shù)據(jù)庫(kù)作為業(yè)務(wù)數(shù)據(jù)的基本組織形式。
3 物流企業(yè)數(shù)據(jù)挖掘的定義和作用
3.1 物流企業(yè)數(shù)據(jù)挖掘的定義
物流企業(yè)數(shù)據(jù)挖掘的定義可以表述如下：在物流企業(yè)既定運(yùn)營(yíng)目標(biāo)和業(yè)務(wù)目標(biāo)的指導(dǎo)下，綜合使用各種計(jì)算機(jī)技術(shù)和數(shù)據(jù)挖掘算法對(duì)企業(yè)物流服務(wù)過(guò)程中形成的業(yè)務(wù)數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集進(jìn)行分析和處理，以獲取業(yè)務(wù)數(shù)據(jù)中所隱藏的生產(chǎn)經(jīng)營(yíng)知識(shí)模型和規(guī)律，并基于業(yè)務(wù)數(shù)據(jù)挖掘結(jié)果進(jìn)行內(nèi)部結(jié)構(gòu)、管理機(jī)制的優(yōu)化和完善，從而支撐物流企業(yè)經(jīng)營(yíng)管理層的重要業(yè)務(wù)戰(zhàn)略決策。
3.2 物流企業(yè)數(shù)據(jù)挖掘的作用
隨著現(xiàn)代物流企業(yè)的供應(yīng)鏈信息化運(yùn)營(yíng)，其在各個(gè)鏈條和環(huán)節(jié)上都產(chǎn)生了持續(xù)不斷的、結(jié)構(gòu)復(fù)雜的業(yè)務(wù)數(shù)據(jù)流，對(duì)這些海量信息的數(shù)據(jù)挖掘可以幫助物流企業(yè)發(fā)現(xiàn)其中的運(yùn)行規(guī)律和業(yè)務(wù)知識(shí)模式，從而提升物流企業(yè)的核心競(jìng)爭(zhēng)力。具體來(lái)說(shuō)，數(shù)據(jù)挖掘?qū)τ谖锪髌髽I(yè)的作用主要有下面三個(gè)方面：一是可以促使物流企業(yè)的管理更加差異化和人性化；二是可以保證物流企業(yè)供應(yīng)鏈系統(tǒng)運(yùn)作更加穩(wěn)�。蝗菙�(shù)據(jù)挖掘可以為物流企業(yè)業(yè)務(wù)戰(zhàn)略決策提供智能支持。
4 SQL數(shù)據(jù)挖掘在物流企業(yè)中的應(yīng)用
物流企業(yè)生產(chǎn)經(jīng)營(yíng)服務(wù)的市場(chǎng)競(jìng)爭(zhēng)環(huán)境和物流信息化運(yùn)作環(huán)境，客觀上需要將數(shù)據(jù)分析挖掘技術(shù)引入到企業(yè)海量業(yè)務(wù)數(shù)據(jù)分析中，進(jìn)而基于物流服務(wù)及時(shí)響應(yīng)機(jī)制加快業(yè)務(wù)數(shù)據(jù)分析速度并提高精準(zhǔn)度。客戶關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)和決策系統(tǒng)是SQL數(shù)據(jù)挖掘技術(shù)在物流企業(yè)應(yīng)用中的主要領(lǐng)域。表2是SQL數(shù)據(jù)挖掘技術(shù)在物流企業(yè)CRM、SCM和決策系統(tǒng)中的應(yīng)用領(lǐng)域項(xiàng)目框架。
表2 SQL數(shù)據(jù)挖掘技術(shù)在物流企業(yè)中的應(yīng)用領(lǐng)域項(xiàng)目框架
4.1 數(shù)據(jù)挖掘在物流企業(yè)客戶關(guān)系管理(CRM)中的應(yīng)用
(1)物流客戶價(jià)值細(xì)分。就是使用基于關(guān)聯(lián)規(guī)則、分類規(guī)則和聚類規(guī)則的數(shù)據(jù)挖掘技術(shù)方法，對(duì)物流企業(yè)的客戶進(jìn)行細(xì)分，依據(jù)其不同的業(yè)務(wù)特征和交易行為模式進(jìn)行分類，從而幫助物流企業(yè)制定更具差異性和針對(duì)性的營(yíng)銷策略，將更多的資源投入到更具價(jià)值或更具價(jià)值增長(zhǎng)潛力的客戶上，從而獲取物流企業(yè)的利潤(rùn)最優(yōu)化。
(2)物流客戶滿意度分析。通過(guò)客戶對(duì)企業(yè)物流服務(wù)質(zhì)量反饋情況的分析，尋找不同級(jí)別、不同規(guī)模、不同資質(zhì)、不同層次的客戶對(duì)于物流企業(yè)的服務(wù)質(zhì)量各有什么樣的偏好，從而使物流企業(yè)對(duì)于服務(wù)項(xiàng)目組合進(jìn)行調(diào)整、增加、修改或者取締。
(3)物流客戶忠誠(chéng)度分析。對(duì)物流客戶的交易業(yè)務(wù)數(shù)據(jù)進(jìn)行分析，可以發(fā)現(xiàn)某個(gè)期間內(nèi)哪些客戶的購(gòu)買需求比較穩(wěn)定，哪些客戶購(gòu)買物流企業(yè)服務(wù)的數(shù)量正在增加或減少，并尋找出導(dǎo)致這種結(jié)果的原因，從而做出相應(yīng)策略調(diào)整。
(4)物流客戶流失分析。對(duì)那些斷絕業(yè)務(wù)往來(lái)或業(yè)務(wù)量縮減客戶的業(yè)務(wù)數(shù)據(jù)進(jìn)行挖掘，可以發(fā)現(xiàn)自身物流服務(wù)問(wèn)題以及競(jìng)爭(zhēng)對(duì)手的競(jìng)爭(zhēng)策略和產(chǎn)品策略優(yōu)勢(shì)，從而幫助物流企業(yè)進(jìn)行正確的市場(chǎng)定位，以穩(wěn)定、發(fā)展更多客戶。
(5)物流業(yè)務(wù)交叉銷售分析。對(duì)客戶所購(gòu)買的物流服務(wù)產(chǎn)品組合的關(guān)聯(lián)性進(jìn)行模式挖掘和知識(shí)發(fā)現(xiàn)，從而找出是哪些關(guān)鍵性因素導(dǎo)致客戶做出了購(gòu)買決策，從而對(duì)物流服務(wù)模式進(jìn)行完善和開(kāi)發(fā)。
4.2 數(shù)據(jù)挖掘在物流企業(yè)供應(yīng)鏈管理(SCM)中的應(yīng)用
現(xiàn)代物流企業(yè)的競(jìng)爭(zhēng)在很大程度上是供應(yīng)鏈之間的較量，每個(gè)供應(yīng)鏈節(jié)點(diǎn)企業(yè)的失誤和怠工都會(huì)導(dǎo)致整個(gè)鏈條產(chǎn)生損失。供應(yīng)鏈物流企業(yè)的數(shù)據(jù)量呈現(xiàn)幾何級(jí)數(shù)的遞增，往往使物流企業(yè)的數(shù)據(jù)分析和處理無(wú)從應(yīng)對(duì)，而SQL數(shù)據(jù)挖掘技術(shù)的引入很好地解決了這一問(wèn)題。
(1)物流戰(zhàn)略協(xié)作伙伴選擇。通過(guò)對(duì)各個(gè)物流合作伙伴的歷史業(yè)務(wù)數(shù)據(jù)和資源實(shí)力稟賦情況進(jìn)行數(shù)據(jù)挖掘。找出其各自的競(jìng)爭(zhēng)優(yōu)勢(shì)及其與物流企業(yè)自身資源的匹配互補(bǔ)狀況，從而做出科學(xué)、合理、最優(yōu)的物流戰(zhàn)略伙伴選擇。
(2)物流聯(lián)盟運(yùn)作模式的改進(jìn)和完善。通過(guò)對(duì)供應(yīng)鏈物流聯(lián)盟運(yùn)作的模式和績(jī)效及其相關(guān)影響因素的數(shù)據(jù)挖掘分析，可以對(duì)物流企業(yè)供應(yīng)鏈各個(gè)運(yùn)作環(huán)節(jié)的運(yùn)營(yíng)和協(xié)作進(jìn)行綜合診斷和把握，從而對(duì)物流聯(lián)盟供應(yīng)鏈的運(yùn)作模式進(jìn)行完善和改進(jìn)。
(3)物流供應(yīng)鏈系統(tǒng)風(fēng)險(xiǎn)控制。通過(guò)對(duì)供應(yīng)鏈節(jié)點(diǎn)企業(yè)歷史交易數(shù)據(jù)的關(guān)聯(lián)分析，可以對(duì)這些節(jié)點(diǎn)企業(yè)在供應(yīng)鏈中的作用及其對(duì)于供應(yīng)鏈運(yùn)作的不確定性進(jìn)行客觀評(píng)估，為相關(guān)風(fēng)險(xiǎn)控制提供決策依據(jù)，從而實(shí)現(xiàn)物流供應(yīng)鏈系統(tǒng)運(yùn)作風(fēng)險(xiǎn)最低。
4.3 數(shù)據(jù)挖掘在物流企業(yè)決策系統(tǒng)中的應(yīng)用
現(xiàn)代物流企業(yè)的業(yè)務(wù)決策、財(cái)務(wù)決策、人力資源管理決策以及客戶關(guān)系管理決策等決策領(lǐng)域里生成的數(shù)據(jù)，傳統(tǒng)的分析方法已經(jīng)難以有效駕馭，而基于計(jì)算機(jī)強(qiáng)大分析處理能力的數(shù)據(jù)挖掘技術(shù)，可以從海量數(shù)據(jù)倉(cāng)庫(kù)中提取有用的業(yè)務(wù)模式知識(shí)信息，從而提高決策的科學(xué)性和快捷性。
5 案例分析：SQL數(shù)據(jù)挖掘技術(shù)在X物流企業(yè)管理中的應(yīng)用
5.1 X物流企業(yè)簡(jiǎn)介
X物流企業(yè)是一家年產(chǎn)值10億元的大型物流企業(yè)，企業(yè)在全國(guó)各主要區(qū)域擁有21個(gè)物流配送中心，主要經(jīng)營(yíng)貨物運(yùn)輸、物流信息服務(wù)、倉(cāng)儲(chǔ)、貨物配送、融通倉(cāng)等服務(wù)。X物流企業(yè)早在2003年便已經(jīng)躋身國(guó)家物流企業(yè)100強(qiáng)，并排名34位。X企業(yè)目前固定資產(chǎn)規(guī)模達(dá)到了15.4億元，資產(chǎn)凈值為11.2億元，在全國(guó)有457個(gè)物流服務(wù)網(wǎng)點(diǎn)，各種大中小型貨運(yùn)汽車7419輛，并擁有全國(guó)營(yíng)業(yè)網(wǎng)點(diǎn)聯(lián)網(wǎng)的計(jì)算機(jī)信息物流系統(tǒng)，一些關(guān)鍵核心運(yùn)輸設(shè)備和網(wǎng)點(diǎn)進(jìn)行了GPS衛(wèi)星定位技術(shù)改造。隨著企業(yè)不斷發(fā)展，業(yè)務(wù)信息數(shù)據(jù)急劇增加，這使得傳統(tǒng)的數(shù)據(jù)分析處理方法已經(jīng)遠(yuǎn)遠(yuǎn)不能應(yīng)付日常決策管理的需求。企業(yè)根據(jù)研究決定，構(gòu)建SQL數(shù)據(jù)挖掘技術(shù)為核心的日常管理決策支持系統(tǒng)。
5.2 X物流企業(yè)SQL數(shù)據(jù)挖掘的過(guò)程
選擇微軟的SQL Server 2000工具集作為數(shù)據(jù)挖掘軟件，主要是DTS組件和Anysis Services工具，DTS主要負(fù)責(zé)由數(shù)據(jù)源向數(shù)據(jù)倉(cāng)庫(kù)加載轉(zhuǎn)換數(shù)據(jù)，AS則負(fù)責(zé)數(shù)據(jù)挖掘和分析。
(1)分析問(wèn)題。X物流企業(yè)的客戶信息數(shù)量十分龐大，且地域分布廣泛，企業(yè)的物流服務(wù)項(xiàng)目面臨著較大的市場(chǎng)競(jìng)爭(zhēng)，因此如何根據(jù)業(yè)務(wù)交易服務(wù)數(shù)據(jù)對(duì)核心優(yōu)質(zhì)客戶進(jìn)行分析并搞清楚其關(guān)注的核心內(nèi)容，對(duì)于X企業(yè)來(lái)說(shuō)是一個(gè)急迫任務(wù)。因此，本次數(shù)據(jù)挖掘的基本任務(wù)和目標(biāo)就是搞清楚影響物流客戶購(gòu)買行為決策的關(guān)鍵因素有哪些，對(duì)于關(guān)鍵性顯著聯(lián)系進(jìn)行重點(diǎn)關(guān)注和跟蹤，從而對(duì)物流客戶服務(wù)方案進(jìn)行改進(jìn)，達(dá)到留住老客戶、開(kāi)發(fā)新客戶的目的。這需要使用數(shù)據(jù)挖掘的關(guān)聯(lián)分析。
(2)準(zhǔn)備數(shù)據(jù)。經(jīng)調(diào)查發(fā)現(xiàn)，X企業(yè)信息系統(tǒng)的底層數(shù)據(jù)庫(kù)與SQL server 2000是不相兼容的，但它可以將業(yè)務(wù)數(shù)據(jù)導(dǎo)出為access的數(shù)據(jù)庫(kù)文件，而SQL Server2000的DTS組件支持將access數(shù)據(jù)庫(kù)文件導(dǎo)人到SQL數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市之中，從而為業(yè)務(wù)數(shù)據(jù)挖掘準(zhǔn)備數(shù)據(jù)源。
(3)挖掘數(shù)據(jù)。在SQL Server2000的Analysis Service組件里選擇關(guān)系數(shù)據(jù)挖掘模型，同時(shí)在挖掘算法中選擇決策樹(shù)挖掘算法。然后對(duì)需要參加挖掘的數(shù)據(jù)使用結(jié)構(gòu)化查詢語(yǔ)言及SQL語(yǔ)言進(jìn)行select選擇，并將其作為數(shù)據(jù)源，即可對(duì)符合條件的數(shù)據(jù)進(jìn)行挖掘，該模型使用內(nèi)置算法對(duì)數(shù)據(jù)進(jìn)行自動(dòng)分析。
(4)應(yīng)用結(jié)果。根據(jù)挖掘結(jié)果進(jìn)行分析，就可以對(duì)相關(guān)物流業(yè)務(wù)決策提供必要的數(shù)據(jù)支持。通過(guò)對(duì)相關(guān)節(jié)點(diǎn)的展開(kāi)和不同視圖的瀏覽可以獲得對(duì)業(yè)務(wù)數(shù)據(jù)的直觀認(rèn)識(shí)，根據(jù)AS的挖掘參考資料，可以觀測(cè)出因素之間關(guān)聯(lián)程度的高低。
在客戶滿意度分析中，通過(guò)對(duì)客戶滿意度節(jié)點(diǎn)的層層展開(kāi)，可以發(fā)現(xiàn)影響客戶滿意度的諸多要素其影響度不一。通過(guò)本文挖掘結(jié)果的實(shí)證分析，可以得出貨物費(fèi)用、運(yùn)輸車輛型號(hào)、總費(fèi)用和運(yùn)輸重量四個(gè)因素對(duì)于客戶滿意影響較大，因此X物流企業(yè)可以基于這四個(gè)因素來(lái)改進(jìn)和提高物流客戶滿意度。
核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/
本文標(biāo)題：SQL數(shù)據(jù)挖掘技術(shù)在物流企業(yè)管理ERP中的應(yīng)用
本文網(wǎng)址：http://www.oesoe.com/html/consultation/1081999908.html
相關(guān)文章
