現(xiàn)代物流系統(tǒng)是一個龐大復(fù)雜的系統(tǒng)，特別是全程物流，包括運輸、倉儲、配送、搬運、包裝和物流再加工等諸多環(huán)節(jié)，每個環(huán)節(jié)信息流量十分巨大。尤其是現(xiàn)代信息化物流網(wǎng)絡(luò)體系的應(yīng)用使原來數(shù)據(jù)庫的規(guī)模不斷擴(kuò)大，產(chǎn)生巨大的數(shù)據(jù)流，使企業(yè)很難對這些數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的收集和及時處理，以此幫助決策者做出快速、準(zhǔn)確地決策，實現(xiàn)對物流過程的控制，降低整個過程的物流成本。數(shù)據(jù)挖掘技術(shù)能夠幫助企業(yè)在物流信息系統(tǒng)管理中，及時、準(zhǔn)確地收集和分析客戶、市場、銷售及整個企業(yè)內(nèi)部的各種信息，對客戶的行為及市場趨勢進(jìn)行有效的分析，了解不同客戶的愛好，從而可以為客戶提供有針對性的產(chǎn)品和服務(wù)，大大提高各類客戶對企業(yè)和產(chǎn)品的滿意度。 
　　2.數(shù)據(jù)挖掘技術(shù) 
　　數(shù)據(jù)挖掘是一個利用各種分析工具從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘是一種新的信息處理技術(shù)，其主要特點是對企業(yè)數(shù)據(jù)(倉庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助企業(yè)決策的關(guān)鍵性數(shù)據(jù)。因此，數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務(wù)目標(biāo)，對大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。數(shù)據(jù)挖掘的對象可為數(shù)據(jù)庫、文件系統(tǒng)或其他任何組織在一起的數(shù)據(jù)集合。 
　　數(shù)據(jù)挖掘過程一般由3個主要階段組成：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)采集、結(jié)果表達(dá)和解釋。 
　　1�� 數(shù)據(jù)準(zhǔn)備對于數(shù)據(jù)挖掘的成功應(yīng)用至關(guān)重要，數(shù)據(jù)準(zhǔn)備大致分為3步： 數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)化。數(shù)據(jù)集成是從多個異質(zhì)操作性數(shù)據(jù)庫、文件或遺留系統(tǒng)提取并集成數(shù)據(jù)；數(shù)據(jù)選擇是在相關(guān)領(lǐng)域和專家知識的指導(dǎo)下，辨別出需要進(jìn)行分析的數(shù)據(jù)集合，縮小挖掘范圍，避免盲目搜索，提高數(shù)據(jù)挖掘的效率和質(zhì)量；數(shù)據(jù)縮減和轉(zhuǎn)化是選定的數(shù)據(jù)在挖掘前，加以精煉處理，在專家的指導(dǎo)下得到的數(shù)據(jù)。 
　　(2)數(shù)據(jù)采集作為數(shù)據(jù)挖掘技術(shù)的核心，主要是在確定挖掘任務(wù)的基礎(chǔ)上，選擇適當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)和算法，并在此基礎(chǔ)上反復(fù)迭代的搜索，從數(shù)據(jù)集合中抽取隱藏的、新穎的模式。如神經(jīng)元網(wǎng)絡(luò)、決策樹、聚類分析技術(shù)、關(guān)聯(lián)發(fā)現(xiàn)和序列發(fā)現(xiàn)技術(shù)等和ID3算法、BP算法等。 
　　(3)結(jié)果表達(dá)和解釋是對數(shù)據(jù)挖掘發(fā)現(xiàn)的模式進(jìn)行解釋和評價，過濾出有用的知識呈現(xiàn)給用戶。 　　      3.數(shù)據(jù)挖掘在物流信息系統(tǒng)中的應(yīng)用 
　　隨著集成化物流管理信息系統(tǒng)的建立，以及網(wǎng)絡(luò)技術(shù)、EDI、人工智能、條形碼與POS等各種先進(jìn)技術(shù)的應(yīng)用，物流信息的商品化、物流信息收集的數(shù)據(jù)庫化和代碼、物流信息處理的電子化和計算機(jī)化，把挖掘到的規(guī)則與物流管理各方面有機(jī)地結(jié)合，就能極大地提高企業(yè)的競爭力。 物流決策系統(tǒng)是一種結(jié)合了數(shù)據(jù)挖掘技術(shù)和人工智能的新型經(jīng)營決策系統(tǒng)，主要通過人工智能對原料采購、加工生產(chǎn)、分銷配送到商品銷售的各個環(huán)節(jié)的大量信息進(jìn)行采集，并利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)對其進(jìn)行分析處理，并據(jù)此確定相應(yīng)的經(jīng)營策略。 
　　3．1 數(shù)據(jù)倉庫的建立 
　　數(shù)據(jù)倉庫作為數(shù)據(jù)挖掘的基礎(chǔ)，不同于傳統(tǒng)的聯(lián)機(jī)事務(wù)處理系統(tǒng)，它具有面向主題的、集成的、不可更新以及隨時間變化的特性。各個聯(lián)機(jī)事務(wù)處理系統(tǒng)作為數(shù)據(jù)倉庫的原始數(shù)據(jù)源，以文件方式提供企業(yè)在日�；顒又惺占�的包括定貨單、存貨單、應(yīng)付帳、交易條款、客戶情況等在內(nèi)的大量數(shù)據(jù)資料和報表，同時還有大量的外部信息等數(shù)據(jù)。數(shù)據(jù)倉庫通過ETL過程(抽取、轉(zhuǎn)換和加載處理這些接口文件，并且按不同的主題域組織、存儲和管理這些客戶數(shù)據(jù)。通過數(shù)據(jù)倉庫接口，對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析和數(shù)據(jù)挖掘。在建立完成企業(yè)級的信息數(shù)據(jù)倉庫之后，可以基于這個數(shù)據(jù)倉庫平臺進(jìn)行數(shù)據(jù)挖掘工作。 
　　3．2 基于數(shù)據(jù)挖掘的物流信息系統(tǒng)的體系結(jié)構(gòu) 
　　基于數(shù)據(jù)挖掘的物流信息的體系結(jié)構(gòu)主要由以下幾部分組成： 
　�、� 物流信息收集與處理：記錄物流管理活動中的各類信息，對物流活動的各種信息進(jìn)行采集、處理、傳輸，并按照統(tǒng)一的格式存入到數(shù)據(jù)倉庫。 
　　⑵ 數(shù)據(jù)挖掘的物流信息管理系統(tǒng)：把收集得到的數(shù)據(jù)匯總到數(shù)據(jù)倉庫，再根據(jù)數(shù)據(jù)挖掘送來的數(shù)據(jù)，為管理決策人員提供最新的和最有價值的信息或知識，幫助其快速、正確地做出決策。 
　�、� 數(shù)據(jù)挖掘：根據(jù)決策者提出的問題特點，確定挖掘的任務(wù)或目的，對數(shù)據(jù)倉庫中的相關(guān)數(shù)據(jù)進(jìn)行精簡和預(yù)處理，再從精簡后的數(shù)據(jù)中挖掘出新的、有效的新知識，提供給數(shù)據(jù)挖掘的物流信息管理系統(tǒng)，由它給決策者提供有效的知識。 
　�、� 知識庫：包括基于部門的數(shù)據(jù)倉庫的組成結(jié)構(gòu)、隸屬函數(shù)等知識。 
　�、� 開發(fā)人員和專家接口：開發(fā)人員和專家通過這個接口對知識庫中的知識進(jìn)行定義和維護(hù)。 
　�、� 數(shù)據(jù)倉庫：主要存儲涉及物流管理的各種數(shù)據(jù)。 
　　該系統(tǒng)將原材料、采購、運輸、配送、儲存、包裝、定單處理、庫存控制等環(huán)節(jié)聯(lián)合起來，真正實現(xiàn)貨物從生產(chǎn)流水線到客戶這一完整暢通的流通過程，為用戶提供高質(zhì)量的服務(wù)。 
　　3．3 基于數(shù)據(jù)挖掘的物流信息系統(tǒng)的特點 
　　與傳統(tǒng)的物流管理信息系統(tǒng)相比，基于數(shù)據(jù)挖掘的物流信息系統(tǒng)具有以下特點。 
　�、� 傳統(tǒng)的物流管理系統(tǒng)一般按功能分為許多功能模塊，信息的共享范圍與物流信息管理，特別是與供應(yīng)鏈管理要求的信息高透明度和快速反應(yīng)相距甚遠(yuǎn)。而基于數(shù)據(jù)挖掘技術(shù)的物流管理信息系統(tǒng)，采用數(shù)據(jù)倉庫技術(shù)來組織管理數(shù)據(jù)，能完整一致地刻畫各個分析對象所涉及的企業(yè)的各項數(shù)據(jù)，從而將企業(yè)各部門及上游制造商、下游零售等信息聯(lián)結(jié)在一起，最大限度地實現(xiàn)信息共享。 
　�、� 一般的數(shù)據(jù)庫為了提高系統(tǒng)的效率，往往盡可能少地保留歷史信息。而數(shù)據(jù)倉庫具有一個重要的特征，就是一般具有長時間的歷史數(shù)據(jù)存儲。存儲長時間歷史數(shù)據(jù)的目的就是進(jìn)行數(shù)據(jù)長期趨勢的分析，預(yù)測未來一段時間內(nèi)的庫存量變化，實現(xiàn)前瞻性調(diào)撥，增強適應(yīng)突發(fā)因素的能力，為決策者的長期決策行為提供有力的數(shù)據(jù)支持。 
　　⑶ 在傳統(tǒng)的系統(tǒng)中，模型庫和知識庫往往被獨立地設(shè)計和實現(xiàn)，缺乏內(nèi)在的統(tǒng)一性。知識模型來源于專家，更新困難。基于數(shù)據(jù)挖掘的系統(tǒng)，分離了知識發(fā)現(xiàn)者和知識使用者這兩類角色，決策人員無需對決策系統(tǒng)有深刻的理解，也不需要深入學(xué)習(xí)數(shù)據(jù)倉庫、數(shù)據(jù)挖掘等相關(guān)知識。而專業(yè)人員則可以通過ＴＣＰＩＰ協(xié)議隨時訪問有關(guān)的服務(wù)器，對系統(tǒng)進(jìn)行管理、維護(hù)、知識庫擴(kuò)展等。 
　　4.結(jié)束語 
　　隨著物流信息化水平的提高，物流戰(zhàn)略已從內(nèi)部一體化向外部一體化轉(zhuǎn)變�煿�應(yīng)鏈管理已成為競爭戰(zhàn)略中非常重要的組成部分。數(shù)據(jù)挖掘方法有效地促進(jìn)企業(yè)的業(yè)務(wù)處理過程重組，改善并強化對客戶的服務(wù)，強化企業(yè)的資產(chǎn)／ 負(fù)債管理，促進(jìn)市場優(yōu)化，加速資金周轉(zhuǎn)，實現(xiàn)企業(yè)規(guī)模優(yōu)化，有效地提高企業(yè)的競爭力。