關聯(lián)規(guī)則挖掘技術(shù)在物流企業(yè)信息管理中的應用

關聯(lián)規(guī)則挖掘技術(shù)在物流企業(yè)信息管理中的應用

一、基于數(shù)據(jù)挖掘的深入分析技術(shù)隨著物流業(yè)的快速發(fā)展和物流信息的現(xiàn)代化水平的提高，物流數(shù)據(jù)信息也在不斷增長。傳統(tǒng)的處理方法通常很難詳細分析這些巨大的數(shù)據(jù)信息。關聯(lián)規(guī)則和其他挖掘挖掘技術(shù)是解決這些問題的好途徑。把關聯(lián)規(guī)則挖掘技術(shù)應用到物流領域,對海量物流信息進行分析,挖掘出這些信息的潛在價值,有利于第三方物流企業(yè)(Third-partyLogisticsEnterprises)管理層及時發(fā)現(xiàn)內(nèi)在關聯(lián)規(guī)律,為進行市場營銷等經(jīng)營決策提供科學指導。二、對基本概念的預測數(shù)據(jù)挖掘(DataMining),又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)。貝里和利諾夫(Berry&Linoff)認為,數(shù)據(jù)挖掘就是針對大量的數(shù)據(jù),利用自動化或半自動的方式作分析,以找出有意義的關系或法則。瓜佩等人(Guape&Owrang)則認為,數(shù)據(jù)挖掘是從現(xiàn)存數(shù)據(jù)中剖析出新事實及發(fā)現(xiàn)專家們尚未知曉的新關系。法耶茲(Fayyad)等學者把數(shù)據(jù)挖掘定義為,數(shù)據(jù)挖掘為依據(jù)使用者需求自數(shù)據(jù)庫中選擇合適數(shù)據(jù),加以處理、轉(zhuǎn)換、探勘至評估的一連串過程,期望能找出真實世界運行時隱含于其內(nèi)的運作規(guī)律,以輔助解決問題之用。綜上所述,數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中,抽取出潛在的、有價值的知識(模型或規(guī)則)的過程。關聯(lián)規(guī)則(AssociationRule)是數(shù)據(jù)挖掘的常用技術(shù)之一,它能夠有效地發(fā)現(xiàn)數(shù)據(jù)間的聯(lián)系,根據(jù)已有數(shù)據(jù)預測未來發(fā)展趨勢,在企業(yè)客戶關系管理、營銷策略制定方面有著廣泛的用途。隨著物流信息化水平的提高,通過數(shù)據(jù)挖掘技術(shù)分析貨物流向?qū)τ谖锪髌髽I(yè)或者物流用戶都有著至關重要的意義。借助關聯(lián)規(guī)則挖掘技術(shù)可以在不增加成本的情況下預測出客戶可能會感興趣的產(chǎn)品,有針對性地推廣產(chǎn)品。應用關聯(lián)規(guī)則挖掘技術(shù)對客戶的發(fā)貨數(shù)據(jù)進行分析,從中可找到客戶發(fā)貨去向之間的關聯(lián),以及發(fā)貨去向與發(fā)貨種類之間的關聯(lián)。企業(yè)則可以根據(jù)挖掘結(jié)果內(nèi)在的關聯(lián)規(guī)律作出市場營銷分析決策報告,列出潛在目標客戶群,有針對性地拓展業(yè)務,推銷客戶所需的服務,提高業(yè)務營銷的成功率,創(chuàng)造更大的經(jīng)濟效益。1994年,阿格拉瓦爾(Agrawal)等人提出著名的Apriori算法。Apriori算法是發(fā)現(xiàn)關聯(lián)規(guī)則所需頻繁項目集的有效算法,至今仍然作為經(jīng)典算法被廣泛應用。它通過掃描數(shù)據(jù)庫,先產(chǎn)生候選集C1,然后生成頻繁1-項目集L1,接著是C2、L2,如此不斷循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁k-項目集為止。三、物流網(wǎng)絡布局的分析第三方物流(3PL)企業(yè)遠成集團在全國各省會城市及經(jīng)濟發(fā)達的二、三線城市有著較完整的物流網(wǎng)絡布局?，F(xiàn)對其部分業(yè)務數(shù)據(jù)作一些試探性分析,從中找出客戶發(fā)貨去向之間的關聯(lián),以及發(fā)貨去向與發(fā)貨種類之間的關聯(lián),為公司制定營銷決策提供支持。挖掘策略是:先對遠成集團成都公司的數(shù)據(jù)進行分析,以成都公司為基點,找出各種關聯(lián)規(guī)則。1.自然方向從該企業(yè)成都公司數(shù)據(jù)庫抽取2008年某時間段內(nèi)的業(yè)務記錄作為數(shù)據(jù)源,進行如下數(shù)據(jù)處理:(1)發(fā)貨方向歸類。發(fā)貨方向包含了全國各大中城市,為分析方便,歸為6個方向:(1)東北方向:哈爾濱、沈陽等;(2)華北方向:北京、天津、青島、石家莊等;(3)華東方向:上海、無錫、杭州、南京、寧波等;(4)華南方向:廣州、深圳等;(5)西北方向:西安、烏魯木齊等;(6)重慶方向。華中方向因為業(yè)務量較少,沒有符合標準的記錄。(2)發(fā)貨種類歸類。歸為9大類:(1)食品:泡菜、榨菜、淡口菜、大頭菜、竹筍、醪糟、食用油等;(2)調(diào)味品:豆瓣、雞精、火鍋料、花椒油等;(3)酒類:郎酒、全興酒、瀘州老窖等;(4)藥品保健品:三勒漿、中藥材、西藥、獸藥等;(5)紡織品:服裝、棉布、雙宮絲、坯布等;(6)化工原料:PC料、A膠、BZS添加劑、聚磷酸銨等;(7)紙張類產(chǎn)品:白紙、靜電紙、夾板紙、膠版紙、紙漿等;(8)金屬制品:鋅錠、鐵合金、稀土、射釘、皮帶輪、柴油機等;(9)石材:花崗石、大理石等。經(jīng)過發(fā)貨方向和發(fā)貨種類歸類處理后的部分數(shù)據(jù)如表1所示。2.網(wǎng)絡節(jié)點挖掘本實證研究采用Spss公司開發(fā)的數(shù)據(jù)挖掘軟件——Clementine對處理后的數(shù)據(jù)進行分析。執(zhí)行“Apriori”模型,設置支持度為10%,置信度為20%,得到的挖掘結(jié)果如表2所示。Clementine的可視化功能非常強大,通過執(zhí)行“網(wǎng)絡”模型,得到了非常直觀的挖掘結(jié)果,從圖1網(wǎng)絡節(jié)點挖掘結(jié)果可以看出,{紡織品(金屬制品),華東方向}、{食品(調(diào)味品),華南方向}被保留了下來,說明這幾對項目關聯(lián)程度是最大的。執(zhí)行Clementine的兩個模型得到的結(jié)果基本相似,驗證了挖掘關聯(lián)規(guī)則的可行性與準確性。3.評估結(jié)果并制定建議(1)貨物交易記錄表2顯示,調(diào)味品和食品的發(fā)送量中分別有54.55%和47.19%是發(fā)往華南地區(qū)的,占發(fā)往華南地區(qū)貨物總量的29.78%,這表明了華南地區(qū)對食品和調(diào)味品的特殊吸引力。遠成集團華南地區(qū)貨物集散中心——廣州公司到成都的貨源情況如表3所示,其中數(shù)碼產(chǎn)品和家用電器等兩類貨物的交易記錄分別占總量的35%和25%。上述數(shù)據(jù)表明食品、調(diào)味品和數(shù)碼產(chǎn)品、家用電器分別是遠成集團成都公司和廣州公司的主要貨源,應該給予重點關注,調(diào)整營銷策略,加大所在本地區(qū)特色貨源的組織力度,有針對性地挖掘潛在客戶,形成穩(wěn)定的貨源,最大限度地提高運輸車輛的裝載率,確保成都—廣州干線運輸業(yè)務的穩(wěn)定,并促進其增長。(2)遠成集團b.表2顯示,紡織品的發(fā)送量中有88.89%是發(fā)往華東方向的,占發(fā)往華東方向貨物總量的26.84%,這就提醒成都公司在組織華東貨源時,應該特別關注生產(chǎn)服裝和布匹的廠家,提高這類產(chǎn)品營銷的成功率。遠成集團華東地區(qū)貨物集散中心———上海公司到成都的貨源情況如表4所示,其中機械設備的比重最大,占35.48%,其次是化工原料及產(chǎn)品,占25.8%,家用電器的比重排第三,占16.12%。這些數(shù)據(jù)也清晰地為上海公司的營銷策略指明了方向。不過表2顯示成都地區(qū)發(fā)往華東地區(qū)已經(jīng)形成規(guī)模效應的貨源品種單一,除紡織品以外其他種類的貨物都是零散的,這就要求成都公司應該抓住西部大開發(fā)以及災后重建等帶來的巨大市場機會,努力拓寬貨源種類,擴大成都—上海干線運輸?shù)臉I(yè)務量。四、對3l企業(yè)貨幣流量相關信息的挖掘本文通過研究指出在第三方物流(3PL)企業(yè)的信息管理中應用關聯(lián)規(guī)則挖掘技術(shù)進行數(shù)據(jù)挖掘,找尋關聯(lián)信息,為企業(yè)經(jīng)營決策提供支持在技術(shù)上是可行的。實證