基于数据挖掘技术的现代物流管理
毕业论文9.53K
内容摘要:随着信息时代数据量的剧增,深化物流管理的最有效方法是在其中引入数据挖掘技术。本文在系统分析数据挖掘过程及关键技术的基础上,以沃尔玛公司物流管理系统为例,论述了数据挖掘技术在物流管理应用中的优势,指出其必将为企业物流管理决策提供越来越强大的支持功能。 关键词:数据挖掘 物流管理 信息系统
现代物流系统是一个庞大复杂的系统,特别是全程物流,包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节,每个环节信息流量十分巨大。现代信息化物流网络体系的应用使原来数据库的规模不断扩大,产生了巨大的数据流,使企业很难对这些数据进行准确、高效的收集和及时处理,因此也就很难帮助决策者做出快速、准确地决策,实现对物流过程的控制,降低整个过程的物流成本。随着知识经济和现代信息技术的迅猛发展,信息技术特别是网络技术的发展,为物流发展提供了强有力的支撑。物流管理信息系统是企业信息系统和企业信息化的基础,能够利用信息技术对物流中的各种信息进行实时、集中、统一管理。
数据挖掘(Data Mining) 能够挖掘蕴藏在海量数据中大量未知的和有价值的信息,为企业物流管理提供各种决策信息,减轻物流管理者从事低层次信息处理和分析的负担,使他们专注于最需要决策智慧和经验的工作,因此提高了管理和决策的水平。随着信息技术的不断发展,数据挖掘技术将为企业物流管理决策提供越来越强大的支持功能。
数据挖掘过程及关键技术分析
数据挖掘过程
数据挖掘技术就是采用机器学习、统计、数学和可视化技术,从大量的数据库中识别出有效的、新颖的、潜在的、有用的以及最终挖掘出可理解模式的高级处理过程。有时人们也称它为数据库中的`知识发现(KDD)。它利用数据库技术对数据进行前端处理,而利用人工智能的方法从处理后的数据中提取有用的知识。其挖掘过程可分为四个步骤:数据准备、数据挖掘、结果的解释和评价、用户界面。
数据准备:包括3个子步骤,数据集成、数据选择、数据预处理。在这个阶段中,需要搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据;研究数据的质量,为进一步分析做准备,并确定将要进行的挖掘操作的类型;将数据转换成一个分析模型,这个分析模型是针对挖掘算法建立的,建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。数据准备需要占用整个数据挖掘过程的60%工作量,这也说明了数据挖掘对数据的严格要求。
数据挖掘:对所得到的经过转换的数据进行挖掘,除了进一步完善挖掘算法外,其余一切工作都能自动完成。数据挖掘一般有两种方式,发现型的数据挖掘和验证型的数据挖掘。前者是让数据挖掘系统为用户产生假设,后者是用户自己对于数据库中可能包含的知识提出假设。
解释和评价:解释并评估结果,其使用的分析方法一般应视不同的数据挖掘操作而定。根据最终用户的决策目的对提取的信息进行分析,把最有价值的信息区分出来,并且通过决策支持工具提交给决策者,因此这一步骤任务不仅是把结果表达出来,还要对信息进行过滤处理,如果不能令决策者满意,需要重复以上数据挖掘过程。
用户界面:通常会用到可视化技术。选择合适的可视化工具,通过使用者证实发现的知识的可靠性。如果不能令使用者满意,需要重复以上数据挖掘过程。否则可以将分析所得到的知识集成到业务信息系统的组织结构中去。
关键技术分析
基于数据挖掘的物流管理信息系统的关键技术主要包括数据仓库、数据挖掘、数据分析工具等。
数据仓库技术。数据仓库是来自多个源的数据的存储库,它可通过Internet将不同的数据库连接起来,并将数据全部或部分复制到一个数据存储中心。数据仓库倾向于一个逻辑的概念,它建立在一定数量的数据库之上,这些数据库在物理上是可以分开的。数据仓库通过Internet打破地域界限,将它们合成一个逻辑整体,把一个海量的数据库展现在用户面前。数据仓库管理系统的一项重要工作是实现对传统数据库进行提取、清理和转载到数据仓库中。
现代物流系统是一个庞大复杂的系统,特别是全程物流,包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节,每个环节信息流量十分巨大。现代信息化物流网络体系的应用使原来数据库的规模不断扩大,产生了巨大的数据流,使企业很难对这些数据进行准确、高效的收集和及时处理,因此也就很难帮助决策者做出快速、准确地决策,实现对物流过程的控制,降低整个过程的物流成本。随着知识经济和现代信息技术的迅猛发展,信息技术特别是网络技术的发展,为物流发展提供了强有力的支撑。物流管理信息系统是企业信息系统和企业信息化的基础,能够利用信息技术对物流中的各种信息进行实时、集中、统一管理。
数据挖掘(Data Mining) 能够挖掘蕴藏在海量数据中大量未知的和有价值的信息,为企业物流管理提供各种决策信息,减轻物流管理者从事低层次信息处理和分析的负担,使他们专注于最需要决策智慧和经验的工作,因此提高了管理和决策的水平。随着信息技术的不断发展,数据挖掘技术将为企业物流管理决策提供越来越强大的支持功能。
数据挖掘过程及关键技术分析
数据挖掘过程
数据挖掘技术就是采用机器学习、统计、数学和可视化技术,从大量的数据库中识别出有效的、新颖的、潜在的、有用的以及最终挖掘出可理解模式的高级处理过程。有时人们也称它为数据库中的`知识发现(KDD)。它利用数据库技术对数据进行前端处理,而利用人工智能的方法从处理后的数据中提取有用的知识。其挖掘过程可分为四个步骤:数据准备、数据挖掘、结果的解释和评价、用户界面。
数据准备:包括3个子步骤,数据集成、数据选择、数据预处理。在这个阶段中,需要搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据;研究数据的质量,为进一步分析做准备,并确定将要进行的挖掘操作的类型;将数据转换成一个分析模型,这个分析模型是针对挖掘算法建立的,建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。数据准备需要占用整个数据挖掘过程的60%工作量,这也说明了数据挖掘对数据的严格要求。
数据挖掘:对所得到的经过转换的数据进行挖掘,除了进一步完善挖掘算法外,其余一切工作都能自动完成。数据挖掘一般有两种方式,发现型的数据挖掘和验证型的数据挖掘。前者是让数据挖掘系统为用户产生假设,后者是用户自己对于数据库中可能包含的知识提出假设。
解释和评价:解释并评估结果,其使用的分析方法一般应视不同的数据挖掘操作而定。根据最终用户的决策目的对提取的信息进行分析,把最有价值的信息区分出来,并且通过决策支持工具提交给决策者,因此这一步骤任务不仅是把结果表达出来,还要对信息进行过滤处理,如果不能令决策者满意,需要重复以上数据挖掘过程。
用户界面:通常会用到可视化技术。选择合适的可视化工具,通过使用者证实发现的知识的可靠性。如果不能令使用者满意,需要重复以上数据挖掘过程。否则可以将分析所得到的知识集成到业务信息系统的组织结构中去。
关键技术分析
基于数据挖掘的物流管理信息系统的关键技术主要包括数据仓库、数据挖掘、数据分析工具等。
数据仓库技术。数据仓库是来自多个源的数据的存储库,它可通过Internet将不同的数据库连接起来,并将数据全部或部分复制到一个数据存储中心。数据仓库倾向于一个逻辑的概念,它建立在一定数量的数据库之上,这些数据库在物理上是可以分开的。数据仓库通过Internet打破地域界限,将它们合成一个逻辑整体,把一个海量的数据库展现在用户面前。数据仓库管理系统的一项重要工作是实现对传统数据库进行提取、清理和转载到数据仓库中。
-
高中音乐教学对学生鉴赏能力的培养
音乐鉴赏需要学生发自内心去感受与品评,让学生明白不同领域都有其自身的魅力与吸引力,高中音乐鉴赏教学的初衷也不例外。【摘要】音乐教学是高中阶段的基础课程之一,通过音乐教学学生可以拓宽知识面,从多角度去认知和了解中华民族的音乐发展历程,并掌握音乐鉴赏能力...
-
企业网站翻译研究现状与发展新方向论文
摘要:以中国企业网站的英译为主要讨论对象,将其置身于目前飞速发展的语言服务大背景下,结合传统的网站文本翻译与网站本地化的过程,讨论在语言服务行业发展背景下企业网站翻译的三大趋势,为我国“走出去”进程中的企业网站建设和翻译提供启示和借鉴。关键词:企业网站...
-
试论文化传播视野中的学报质量诉求
论文摘要:文化的创新发展,在一定意义上是传播方式和传播速度起着重要作用。文化传播有赖于作者提供高质量的信息,学报质量的优劣,作者是一个重要因素,其精髓体现在作者文稿的学术价值。编辑是传播的主体,要旗帜鲜明地表明提倡什么,不提倡什么,同等对待每篇文稿,不偏名家...
-
初中美术教学中师生合作学习策略
初中美术教学实施师生合作学习的策略,既能帮助学生对美术加深理解,在课堂上提高学习效率,还能对美术这门学科形成独特的观点和看法,这对于培养学生的独立思考能力和审美能力有很大的帮助。摘要:随着我国新课改要求的发布,各个科目都需要对教学方式和手段进行改进,对于...