浅谈大数据时代的物流信息挖掘与应用

张　超

浅谈大数据时代的物流信息挖掘与应用

张超

（长治职业技术学院山西长治046000）

文章围绕大数据时代的物流信息挖掘应用展开分析，介绍了数据挖掘的概念，分析了物流信息挖掘与应用的意义，以及数据挖掘的相关技术以及物流系统中的数据挖掘过程，提出了数据挖掘在物流信息中的应用。

大数据时代；物流信息；数据挖掘；概念；特征；应用

在物流快速发展的过程当中，只有充分的借助于大数据信息技术，建立网络交流平台，加强对各种物流信息数据的使用，才能够保证物流行业的发展更加迅猛，因此需要充分了解物流挖掘的相关技术，然后充分的应用在物流管理系统当中。通过对各类数据进行有效的挖掘，为物流行业发展提供强力的技术支撑。

1 数据挖掘的概念

在互联网的背景之下，数据非常繁多，尤其是对于物流企业而言，做好数据挖掘工作至关重要。但是由于数据相对量比较多，而且相对多样化，同时数据信息变化也比较快，但是部分信息具有价值，而部分信息没有价值，这就需要进行数据挖掘作业。所谓数据挖掘是指从大量的、模糊的、随机的数据中来提取尽可能有价值的相关知识和信息。

随着数字挖掘技术的不断应用，数据挖掘已经由传统的简单查询升级到了挖掘数据的阶段，不仅能够为决策提供技术保障，而且也能够实现对各类信息的有效处理，从而转换成企业数据库中需要的重要数据，推动企业的发展

2 数据挖掘在物流信息中应用的重要性

经过调查研究发现，当下数据挖掘技术在物流企业中应用主要有以下几方面的作用。

2.1 能够满足企业的多样化需求

随着物流行业竞争日益加剧，只有借助于数据挖掘这种先进的技术，应用大数据相关的平台对各种信息进行收集和整理，才能够真正的选取出有价值的信息，节省空间，能够使得企业更加科学合理的规划相关的物流项目，从而满足企业的多样化需求。

2.2 能够解决当下物流行业发展中存在的问题

通过进行数据挖掘，能够使得数据库内的信息数据更加具有价值，尤其是能够及时的分析和诊断物流企业在推进各项业务时存在的问题和现状，从而为企业决策提供更加有价值的信息[1]。

2.3 能够全面提高企业的运行效益

通过借助于数据挖掘技术能够对物流信息系统的各个模块进行分析和整理，针对于财务管理、运输管理、销售管理以及采购管理等相关的重要管理工作提供技术保障，提供相关的数字依据，从而满足物流企业的基本发展需求，实现更好更快发展。

3 数据挖掘技术分析

数据挖掘技术包括以下几个方面：

3.1 人工神经网络

人工神经网络是指借助于类似人类大脑的系统来进行智能化的操作和应用，通过搭建人工神经网络可以实现对相关模式的识别，也可以进行自主学习，从而实现预测的功能。在物流行业发展中，需要基于人工神经网络技术来搭建计算机网络，从而实现对经济市场的有效预测，同时人工神经网络也可以借助于人类大脑的联想过程对各类信息进行快速有效地处理，从而达到最优解。同时人工神经网络通过利用计算机的快速处理能力，能够搜寻到复杂问题的最优解，因此应用正逐渐扩大[2]。

3.2 遗传算法

遗传算法是模拟了自然选择和遗传中发生的繁殖、交配和基因突变的现象，从任意一个种群中开始进行随机的选择、交叉以及变异等一系列操作，最终形成一个最适应的群体。遗传算法的优点是可以直接搜索到有用的信息，而把没有价值的信息排除在群的范围外。因此遗传算法的应用主要针对于适合度信息，而没有利用导数等相关信息、非线性比较强，应用领域非常的广泛。这种算法可以给出一组优化解，既可以方便物流企业进行多种选择，也避免出现了局部最优解的现象[3]。

3.3 决策树的算法

这种方法相当于分类，可能会寻找到成本最低的解决方法，不仅计算的量小，还可以清晰的、精细的显示出重要的字段。比如，在针对申请贷款时，也会对申请的风险大小作出相关的判断。

3.4关联规则

关联规则是利用了信度因子衡量关联对大数据进行计算，从而形成一个大数据集，然后利用相关的规则对大数据集进行进一步的分类和数据挖掘。

3.5 其他方法

当下数字挖掘技术还有一些其他的方法，比如利用定量化方法来为物流企业的决策者提供相关的科学依据。包括的技术也比较多，比如统筹技术、动态规划技术、非线性规划技术等等。再比如，近邻算法是指对数据集合中的每一个相邻记录进行归类，进一步掌握了数据的规律，便于使用和理解[4]。

4 数据挖掘在物流管理中的挖掘过程分析

在运用数据挖掘技术是需要经过一系列的流程，主要包括以下几个方面。

4.1 待挖掘的数据源

由于物流企业的客户信息量大，而且地域分布也相对较广，面临竞争日益激烈的现状，需要对一些待挖掘的数据源进行有效的数据分析。而待挖掘的数据源中要寻找出影响到物流客户购买行为决策的一些关键因素，这就需要关注和跟踪关键性的联系，然后修改相关的服务方案，从而留住老客户，吸引新客户。这就需要对待挖掘的数据源进行收集，以备整理各类信息。

4.2 准备数据

准备数据阶段也是数据挖掘的一个关键环节，具体包括了数据集成、数据选择和数据预处理三个关键步骤。数据集成是指从多个不同的操作性数据库文件中抽取一些数据进行集成。数据预处理是指在挖掘之前对于限定的数据要进一步的缩减和转化。比如在进行配送路径选择时，路径直接影响到了企业的配送效率，这就需要充分的考虑到车辆的路径以及客户的路径，同时也要考虑车辆的利用能力。总之要进行全面分析，准备各类数据[5]。

4.3 要确定合适的数据挖掘技术

由于数据挖掘技术比较多，应该结合物流企业的实际需求选择恰当的数据挖掘技术，才能找到数据中最隐秘、最具有价值的相关信息。在建立挖掘模型之后要通过对已经转换的数据进行进一步的挖掘。可以利用不同的分析方法以及挖掘工具的特征来进行选定。

4.4 解释与评价

通过解释与评价环节能够了解不同的分析方式方法所产生的效果和作用。通过对挖掘的结果进行评价、筛选能够将最重要的信息保存下来。

4.5 数据库

通过进行数据挖掘之后，形成对于物流企业具有帮助的数据知识库，为企业领导者做出重要的依据。数据库中要包括图表、规则，但是一定要保证通俗易懂，便于领导者进行决策。

5 小结

面临物流行业快速发展的现状，只有借助于大数据技术才能够获得长远的发展。所谓数据挖掘是指对多样化的、量大的、价值高的信息进行有效的寻找，从而为物流行业发展提供数字依据。在进行数据挖掘时需要借助一些数据挖掘的技术，包括人工神经网络、遗传算法、决策树、关联原则和其他方法。在对数据进行使用时需要对数据进行分析，包括待挖掘的数据源、然后进行数据的准备工作，最后确定出合适的数据，然后通过评价从而充分地运用在物流系统中，形成相关的数据库。通过进行数据挖掘能够满足物流企业的多样化的需求，并且能够保证数据更加精准，从而推动物流企业做强做大。

[1]于晶.大数据时代的数据挖掘及应用探究[J].科技与创新,2018(24):89-90.

[2]刘铭,吕丹,安永灿.大数据时代下数据挖掘技术的应用[J].科技导报,2018(9):73-83.

[3]王慧.大数据时代物流信息平台构建与建设对策研究[J].信息记录材料,2019(5):109-111.

[4]阳柳, YangLiu.大数据时代的物流信息挖掘与应用[J].物流技术,2018(23):414-416.

[5]田志民,梁品超,任艳红,等.大数据时代下数据挖掘技术与应用[J].当代教育实践与教学研究,2019(10):10-11.

TP311.13

A

2095-1205(2019)11-53-02

10.3969/j.issn.2095-1205.2019.11.30