1 引言
随着物流企业信息化建设和应用的普遍推广，其日常物流服务中产生并积累了大量的数据和信息。由于物流企业普遍缺乏对于业务数据分析和模式挖掘的战略重视，再加上传统分析手段的局限性，使碍物流企业的决策者在日常经营和重大抉择问题上的判断缺乏准确详细的业务数据作为支撑。因此研究和探索一个适应物流企业庞大业务数据分析和决策支持的方法和模式，成为了物流企业十分关注和重视的问题。数据挖掘即Data Mining，是计算机领域中一种十分强大的数据分析和业务模式识别工具和方法，能够支持物流企业在庞大的业务数据库中进行基于决策导向的业务模式辨识、诊断和改进，并能从中发现与发掘对于物流企业服务创新具有重要作用的业务知识、规律和内在关联机制，从而帮助物流企业了解把握物流服务运行现状，并对未来业务方案进行预测和调整。
2 挖掘技术的基本内涵、过程和方法
2.1 内涵
早在20世纪90年代中期的美国计算机年会上，数据挖掘的概念就正式提出了，它是指从大量随机模糊有噪声的数据中分析、识别并提取隐藏在其中的有用知识、信息和模式的过程。在大型数据存储中，数据挖掘可以基于计算机技术进行有用信息的自动发现，可以对大型业务数据库进行侦查，以发现新的、之前未被发现的业务关联模式。
2.2 过程
硬件、软件和用户构成了数据挖掘的环境，硬件一般是指计算机部件，其是数据挖掘软件的物质载体，软件执行数据挖掘任务，用户是执行数据挖掘的主体。数据挖掘的过程一般分为以下四个阶段，即问题任务分析阶段、业务数据准备阶段、业务数据挖掘阶段和挖掘结果应用阶段。表1给出了数据挖掘的一般过程及其主要任务要求。
表1 数据挖掘的一般过程和内容
2.3 方法
目前市场上主流的数据挖掘方法和软件主要有微软的SQL Analysis Services，IBM的Intelligent Miner、SAS、SPSS以及Oracle Darwin等。基于我国物流企业信息化建设的现状以及SQL Analysis Services数据挖掘的易用性和直观性，本文选择使用其作为物流企业管理中数据挖掘的方法和手段，使用关系型的数据库作为业务数据的基本组织形式。
3 物流企业数据挖掘的定义和作用
3.1 物流企业数据挖掘的定义
物流企业数据挖掘的定义可以表述如下：在物流企业既定运营目标和业务目标的指导下，综合使用各种计算机技术和数据挖掘算法对企业物流服务过程中形成的业务数据仓库或数据集进行分析和处理，以获取业务数据中所隐藏的生产经营知识模型和规律，并基于业务数据挖掘结果进行内部结构、管理机制的优化和完善，从而支撑物流企业经营管理层的重要业务战略决策。
3.2 物流企业数据挖掘的作用
随着现代物流企业的供应链信息化运营，其在各个链条和环节上都产生了持续不断的、结构复杂的业务数据流，对这些海量信息的数据挖掘可以帮助物流企业发现其中的运行规律和业务知识模式，从而提升物流企业的核心竞争力。具体来说，数据挖掘对于物流企业的作用主要有下面三个方面：一是可以促使物流企业的管理更加差异化和人性化；二是可以保证物流企业供应链系统运作更加稳健；三是数据挖掘可以为物流企业业务战略决策提供智能支持。
4 SQL数据挖掘在物流企业中的应用
物流企业生产经营服务的市场竞争环境和物流信息化运作环境，客观上需要将数据分析挖掘技术引入到企业海量业务数据分析中，进而基于物流服务及时响应机制加快业务数据分析速度并提高精准度。客户关系管理(CRM)、供应链管理(SCM)和决策系统是SQL数据挖掘技术在物流企业应用中的主要领域。表2是SQL数据挖掘技术在物流企业CRM、SCM和决策系统中的应用领域项目框架。
表2 SQL数据挖掘技术在物流企业中的应用领域项目框架
4.1 数据挖掘在物流企业客户关系管理(CRM)中的应用
(1)物流客户价值细分。就是使用基于关联规则、分类规则和聚类规则的数据挖掘技术方法，对物流企业的客户进行细分，依据其不同的业务特征和交易行为模式进行分类，从而帮助物流企业制定更具差异性和针对性的营销策略，将更多的资源投入到更具价值或更具价值增长潜力的客户上，从而获取物流企业的利润最优化。
(2)物流客户满意度分析。通过客户对企业物流服务质量反馈情况的分析，寻找不同级别、不同规模、不同资质、不同层次的客户对于物流企业的服务质量各有什么样的偏好，从而使物流企业对于服务项目组合进行调整、增加、修改或者取缔。
(3)物流客户忠诚度分析。对物流客户的交易业务数据进行分析，可以发现某个期间内哪些客户的购买需求比较稳定，哪些客户购买物流企业服务的数量正在增加或减少，并寻找出导致这种结果的原因，从而做出相应策略调整。
(4)物流客户流失分析。对那些断绝业务往来或业务量缩减客户的业务数据进行挖掘，可以发现自身物流服务问题以及竞争对手的竞争策略和产品策略优势，从而帮助物流企业进行正确的市场定位，以稳定、发展更多客户。
(5)物流业务交叉销售分析。对客户所购买的物流服务产品组合的关联性进行模式挖掘和知识发现，从而找出是哪些关键性因素导致客户做出了购买决策，从而对物流服务模式进行完善和开发。
4.2 数据挖掘在物流企业供应链管理(SCM)中的应用
现代物流企业的竞争在很大程度上是供应链之间的较量，每个供应链节点企业的失误和怠工都会导致整个链条产生损失。供应链物流企业的数据量呈现几何级数的递增，往往使物流企业的数据分析和处理无从应对，而SQL数据挖掘技术的引入很好地解决了这一问题。
(1)物流战略协作伙伴选择。通过对各个物流合作伙伴的历史业务数据和资源实力禀赋情况进行数据挖掘。找出其各自的竞争优势及其与物流企业自身资源的匹配互补状况，从而做出科学、合理、最优的物流战略伙伴选择。
(2)物流联盟运作模式的改进和完善。通过对供应链物流联盟运作的模式和绩效及其相关影响因素的数据挖掘分析，可以对物流企业供应链各个运作环节的运营和协作进行综合诊断和把握，从而对物流联盟供应链的运作模式进行完善和改进。
(3)物流供应链系统风险控制。通过对供应链节点企业历史交易数据的关联分析，可以对这些节点企业在供应链中的作用及其对于供应链运作的不确定性进行客观评估，为相关风险控制提供决策依据，从而实现物流供应链系统运作风险最低。
4.3 数据挖掘在物流企业决策系统中的应用
现代物流企业的业务决策、财务决策、人力资源管理决策以及客户关系管理决策等决策领域里生成的数据，传统的分析方法已经难以有效驾驭，而基于计算机强大分析处理能力的数据挖掘技术，可以从海量数据仓库中提取有用的业务模式知识信息，从而提高决策的科学性和快捷性。
5 案例分析：SQL数据挖掘技术在X物流企业管理中的应用
5.1 X物流企业简介
X物流企业是一家年产值10亿元的大型物流企业，企业在全国各主要区域拥有21个物流配送中心，主要经营货物运输、物流信息服务、仓储、货物配送、融通仓等服务。X物流企业早在2003年便已经跻身国家物流企业100强，并排名34位。X企业目前固定资产规模达到了15.4亿元，资产净值为11.2亿元，在全国有457个物流服务网点，各种大中小型货运汽车7419辆，并拥有全国营业网点联网的计算机信息物流系统，一些关键核心运输设备和网点进行了GPS卫星定位技术改造。随着企业不断发展，业务信息数据急剧增加，这使得传统的数据分析处理方法已经远远不能应付日常决策管理的需求。企业根据研究决定，构建SQL数据挖掘技术为核心的日常管理决策支持系统。
5.2 X物流企业SQL数据挖掘的过程
选择微软的SQL Server 2000工具集作为数据挖掘软件，主要是DTS组件和Anysis Services工具，DTS主要负责由数据源向数据仓库加载转换数据，AS则负责数据挖掘和分析。
(1)分析问题。X物流企业的客户信息数量十分庞大，且地域分布广泛，企业的物流服务项目面临着较大的市场竞争，因此如何根据业务交易服务数据对核心优质客户进行分析并搞清楚其关注的核心内容，对于X企业来说是一个急迫任务。因此，本次数据挖掘的基本任务和目标就是搞清楚影响物流客户购买行为决策的关键因素有哪些，对于关键性显著联系进行重点关注和跟踪，从而对物流客户服务方案进行改进，达到留住老客户、开发新客户的目的。这需要使用数据挖掘的关联分析。
(2)准备数据。经调查发现，X企业信息系统的底层数据库与SQL server 2000是不相兼容的，但它可以将业务数据导出为access的数据库文件，而SQL Server2000的DTS组件支持将access数据库文件导人到SQL数据仓库或数据集市之中，从而为业务数据挖掘准备数据源。
(3)挖掘数据。在SQL Server2000的Analysis Service组件里选择关系数据挖掘模型，同时在挖掘算法中选择决策树挖掘算法。然后对需要参加挖掘的数据使用结构化查询语言及SQL语言进行select选择，并将其作为数据源，即可对符合条件的数据进行挖掘，该模型使用内置算法对数据进行自动分析。
(4)应用结果。根据挖掘结果进行分析，就可以对相关物流业务决策提供必要的数据支持。通过对相关节点的展开和不同视图的浏览可以获得对业务数据的直观认识，根据AS的挖掘参考资料，可以观测出因素之间关联程度的高低。
在客户满意度分析中，通过对客户满意度节点的层层展开，可以发现影响客户满意度的诸多要素其影响度不一。通过本文挖掘结果的实证分析，可以得出货物费用、运输车辆型号、总费用和运输重量四个因素对于客户满意影响较大，因此X物流企业可以基于这四个因素来改进和提高物流客户满意度。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文网址：http://www.toberp.com/html/consultation/1081999908.html
相关文章
