DM科技在物流方面的運(yùn)用

DM科技在物流方面的運(yùn)用1引言近年來(lái)，隨著現(xiàn)代信息和通信技術(shù)的發(fā)展，以互聯(lián)網(wǎng)為代表的信息技術(shù)為物流發(fā)展提供了強(qiáng)有力的信息技術(shù)支持。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(kù)化和代碼、物流信息處理的電子化和計(jì)算機(jī)化，物流企業(yè)提高物流服務(wù)過(guò)程中都積累了大量的“粗糙”數(shù)據(jù)，這些數(shù)據(jù)和其所蘊(yùn)含的信息是企業(yè)的財(cái)富。但是，面對(duì)如此海量的數(shù)據(jù)，企業(yè)很難對(duì)這些數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的收集和及時(shí)處理，因此也就很難幫助決策者做出快速、準(zhǔn)確地決策。目前，物流管理信息系統(tǒng)多數(shù)只是發(fā)揮著信息的收集、挑選、重組和轉(zhuǎn)發(fā)的“中轉(zhuǎn)站”作用。想要充分利用物流企業(yè)在運(yùn)營(yíng)中收集到的數(shù)據(jù)，挖掘蘊(yùn)藏在這些海量數(shù)據(jù)中的潛在的和有價(jià)值的信息，就需要適應(yīng)這些數(shù)據(jù)特點(diǎn)的數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘(DataMining，DM)是在20世紀(jì)末剛剛興起的數(shù)據(jù)智能分析技術(shù)，它可以從數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)，以及其他各種大量數(shù)據(jù)類(lèi)型中，抽取或發(fā)現(xiàn)有用的信息和知識(shí)，又稱(chēng)為數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)，是一種基于計(jì)算智能的知識(shí)獲取過(guò)程的一個(gè)主要步驟［1］。1996年，戴姆勒克萊斯勒公司、SPSS、NCR三個(gè)公司設(shè)想、構(gòu)思了CRISP－DM，并于之后成了相應(yīng)的委員會(huì)。CRISP－DM的全稱(chēng)是crossing－industrystandardprocessfordatamining，即跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)過(guò)程。根據(jù)CRISP－DM標(biāo)準(zhǔn)，通常數(shù)據(jù)挖掘的基本步驟包括:業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、評(píng)價(jià)、實(shí)施等六個(gè)步驟［2］。通過(guò)實(shí)踐，以上數(shù)據(jù)挖掘的六個(gè)步驟過(guò)程并非完全按照CRISP－DM標(biāo)準(zhǔn)，要取得好的結(jié)果往往需要不斷重復(fù)這些步驟，或者根據(jù)需要重新組合合適的步驟。2數(shù)據(jù)挖掘技術(shù)概述數(shù)據(jù)挖掘所用的技術(shù)方法很多，包括了統(tǒng)計(jì)分析方法、遺傳算法、粗集方法、決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、規(guī)則歸納、聚類(lèi)分析和模式識(shí)別等。其所實(shí)現(xiàn)的功能主要是:關(guān)聯(lián)規(guī)則、序列模式、分類(lèi)和預(yù)測(cè)、聚類(lèi)、趨勢(shì)分析和偏差檢測(cè)。根據(jù)我國(guó)學(xué)者朱明的說(shuō)法，數(shù)據(jù)挖掘的技術(shù)方法類(lèi)型主要有:定性與對(duì)比、關(guān)聯(lián)分析、分類(lèi)與預(yù)測(cè)、聚類(lèi)分析、異類(lèi)分析、演化分析等六類(lèi)［3］。本文對(duì)數(shù)據(jù)挖掘技術(shù)的探討，基于以上分類(lèi)。定性與對(duì)比就是對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的分析，對(duì)獲得的各種材料進(jìn)行思維加工和比較，從而能揭示內(nèi)在規(guī)律。概念描述是定性與對(duì)比的基本方法，即對(duì)含有大量數(shù)據(jù)的數(shù)據(jù)集合進(jìn)行概述性的總結(jié)并獲得簡(jiǎn)明、準(zhǔn)確的描述。關(guān)聯(lián)分析就是從給定的數(shù)據(jù)集發(fā)現(xiàn)頻繁出現(xiàn)的項(xiàng)集模式知識(shí)(又稱(chēng)為關(guān)聯(lián)規(guī)則)，廣泛用于市場(chǎng)營(yíng)銷(xiāo)、事務(wù)分析等應(yīng)用領(lǐng)域。通常關(guān)聯(lián)規(guī)則具有:X□Y形式，即“A1A2．．．Am→B1B2．．．Bn”;其中Ai(i∈{1，．．．，m})和Bi(i∈{1，．．．，n})均為屬性等值形式。關(guān)聯(lián)規(guī)則X□Y表示“數(shù)據(jù)庫(kù)中滿(mǎn)足X中條件的記錄也一定滿(mǎn)足Y中的條件”。分類(lèi)通常用于預(yù)測(cè)未知數(shù)據(jù)實(shí)例的歸屬類(lèi)別(有限離散值)，但在一些情況下，需要預(yù)測(cè)某數(shù)值屬性的值(連續(xù)數(shù)值)，這樣的分類(lèi)就被稱(chēng)為預(yù)測(cè)，一般是使用預(yù)測(cè)來(lái)表示對(duì)連續(xù)數(shù)值的預(yù)測(cè)，而使用分類(lèi)來(lái)表示對(duì)有限離散值的預(yù)測(cè)。分類(lèi)與預(yù)測(cè)所獲的模型可以采用多種形式加以描述輸出，主要技術(shù)方法有:分類(lèi)規(guī)則、決策樹(shù)、數(shù)學(xué)公式和神經(jīng)網(wǎng)絡(luò)等等。聚類(lèi)分析與分類(lèi)預(yù)測(cè)方法明顯不同，后者所學(xué)習(xí)獲取分類(lèi)預(yù)測(cè)模型所使用的數(shù)據(jù)是已知類(lèi)別歸屬，而聚類(lèi)分析所分析處理的數(shù)據(jù)沒(méi)有事先確定的類(lèi)別歸屬。聚類(lèi)分析中，首先需要將聚類(lèi)分析的數(shù)據(jù)，對(duì)象劃分為若干組。更進(jìn)一步從這些同類(lèi)別數(shù)據(jù)集，又可以通過(guò)分類(lèi)學(xué)習(xí)獲得相應(yīng)的分類(lèi)預(yù)測(cè)模型或規(guī)則。此外通過(guò)反復(fù)不斷地對(duì)所獲得的聚類(lèi)組進(jìn)行聚類(lèi)分析，還可獲得初始數(shù)據(jù)集合的一個(gè)層次結(jié)構(gòu)模型。演化分析就是對(duì)隨時(shí)間變化的數(shù)據(jù)，對(duì)象的變化規(guī)律和趨勢(shì)進(jìn)行建模描述。這一建模手段包括:概念描述、對(duì)比概念描述、關(guān)聯(lián)分析、分類(lèi)分析、時(shí)間相關(guān)數(shù)據(jù)分析。具有演化規(guī)則的遺傳算法、人工神經(jīng)網(wǎng)絡(luò)等方法也可歸入演化分析。異類(lèi)分析則較為特殊，許多數(shù)據(jù)挖掘方法都在正式進(jìn)行數(shù)據(jù)挖掘之前就將這些異類(lèi)作為噪聲或意外而將其排除在數(shù)據(jù)挖掘的分析處理范圍之內(nèi)。但在一些應(yīng)用場(chǎng)合，如各種商業(yè)欺詐行為的自動(dòng)檢測(cè)，小概率發(fā)生的事件或數(shù)據(jù)往往比經(jīng)常發(fā)生的事件或數(shù)據(jù)更有挖掘價(jià)值。對(duì)異類(lèi)數(shù)據(jù)的分析處理通常就稱(chēng)為異類(lèi)分析方法，由于異類(lèi)分析應(yīng)用較少，本文沒(méi)有進(jìn)行探討。3數(shù)據(jù)挖掘技術(shù)在物流領(lǐng)域中的應(yīng)用3．1應(yīng)用的可行性目前數(shù)據(jù)挖掘技術(shù)正以前所未有的速度發(fā)展，已廣泛應(yīng)用于政府、電力、企業(yè)、電信、金融等行業(yè)部門(mén)，但在物流行業(yè)的應(yīng)用還不是很普遍。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，數(shù)據(jù)挖掘開(kāi)始受到物流業(yè)的更多關(guān)注，數(shù)據(jù)挖掘在物流業(yè)中的應(yīng)用已經(jīng)具備了技術(shù)可行性和行業(yè)的需求性。技術(shù)可行性體現(xiàn)在三方面:首先，業(yè)務(wù)處理的計(jì)算機(jī)化生成大量的現(xiàn)有數(shù)據(jù);第二，數(shù)據(jù)存儲(chǔ)技術(shù)和計(jì)算處理速度的更新;第三，如神經(jīng)網(wǎng)絡(luò)這樣的先進(jìn)新算法的產(chǎn)生。大量數(shù)據(jù)的存在為數(shù)據(jù)庫(kù)市場(chǎng)銷(xiāo)售和數(shù)據(jù)挖掘提供了必需的原料，計(jì)算機(jī)技術(shù)的發(fā)展為企業(yè)存儲(chǔ)和利用數(shù)據(jù)提供了硬件保障，新算法的生成擴(kuò)大了數(shù)據(jù)處理的能力和應(yīng)用范圍。隨著物流信息化水平的提高，信息化物流網(wǎng)絡(luò)體系的應(yīng)用使數(shù)據(jù)規(guī)模不斷擴(kuò)大，產(chǎn)生巨大數(shù)據(jù)流。面對(duì)激烈的外部競(jìng)爭(zhēng)，如果企業(yè)不使用有效的數(shù)據(jù)挖掘技術(shù)，將很難對(duì)這些數(shù)據(jù)進(jìn)行高效的收集和及時(shí)決策。從數(shù)據(jù)中挖掘出的信息可以幫助企業(yè)了解市場(chǎng)的動(dòng)態(tài)，及時(shí)針對(duì)快速變化的環(huán)境做出確認(rèn)和回應(yīng)，并抓住新出現(xiàn)的商機(jī);數(shù)據(jù)挖掘技術(shù)也可通過(guò)更透徹了解客戶(hù)來(lái)改善并強(qiáng)化對(duì)客戶(hù)的服務(wù);數(shù)據(jù)挖掘技術(shù)還能夠有效地促進(jìn)企業(yè)的業(yè)務(wù)處理過(guò)程重組，實(shí)現(xiàn)規(guī)模優(yōu)化經(jīng)營(yíng)。通過(guò)合理使用數(shù)據(jù)資源，企業(yè)可以通過(guò)數(shù)據(jù)挖掘技術(shù)提高自身的競(jìng)爭(zhēng)力，同時(shí)促進(jìn)我國(guó)物流行業(yè)向更高的層次發(fā)展。3．2數(shù)據(jù)挖掘技術(shù)在物流業(yè)中的具體應(yīng)用由于物流企業(yè)中的信息具有數(shù)量大、更新快和來(lái)源多樣化的特點(diǎn)，物流企業(yè)以往主要利用信息的有效溝通、快速傳達(dá)、物流運(yùn)作調(diào)控和輔助決策的功能，而很少顧及信息數(shù)據(jù)的挖掘利用。但隨著市場(chǎng)競(jìng)爭(zhēng)的加劇、企業(yè)精細(xì)化管理愿望的增強(qiáng)以及先進(jìn)技術(shù)方法的開(kāi)發(fā)應(yīng)用，對(duì)信息中的數(shù)據(jù)進(jìn)行挖掘利用已成為物流企業(yè)贏取客戶(hù)、增加利潤(rùn)、提升自身競(jìng)爭(zhēng)力的突破口。不同的物流問(wèn)題，可能需要用不同的數(shù)據(jù)挖掘方法去解決。但是，對(duì)于同一個(gè)物流問(wèn)題，可能有多種方法，也需要預(yù)先評(píng)估和測(cè)算。各種方法均有一定的優(yōu)點(diǎn)，也有不足。幾種技術(shù)并不是單一的使用，而是根據(jù)實(shí)際情況綜合加以應(yīng)用，本文僅僅是對(duì)于最主要的應(yīng)用加以探討。結(jié)合數(shù)據(jù)挖掘的技術(shù)類(lèi)型，數(shù)據(jù)挖掘技術(shù)在物流企業(yè)中可以應(yīng)用在以下幾方面:(1)客戶(hù)分析———定性與對(duì)比的應(yīng)用客戶(hù)分析就是根據(jù)各種關(guān)于客戶(hù)的信息和數(shù)據(jù)來(lái)了解客戶(hù)需要，分析客戶(hù)特征，評(píng)估客戶(hù)價(jià)值，從而為客戶(hù)制訂相應(yīng)的營(yíng)銷(xiāo)策略與資源配置計(jì)劃。通過(guò)定性與對(duì)比的應(yīng)用，通過(guò)對(duì)客戶(hù)特征進(jìn)行準(zhǔn)確的概念描述，物流企業(yè)能夠充分挖掘客戶(hù)價(jià)值。如果企業(yè)已經(jīng)建立了較為完備的CRM系統(tǒng)，結(jié)合數(shù)據(jù)挖掘的定性與對(duì)比，將對(duì)客戶(hù)價(jià)值分析起到立竿見(jiàn)影的效果;如果企業(yè)沒(méi)有CRM系統(tǒng)，也可以通過(guò)數(shù)據(jù)挖掘技術(shù)初步建立自己的客戶(hù)管理體系。(2)合理安排貨品的倉(cāng)儲(chǔ)位置———關(guān)聯(lián)分析的應(yīng)用如何合理安排貨品的存儲(chǔ)、壓縮貨品的存儲(chǔ)成本正成為現(xiàn)代物流管理者不斷思考的問(wèn)題。對(duì)于貨品的存放問(wèn)題，哪些貨品放在一起可以提高揀貨效率?哪些貨品放在一起卻達(dá)不到這樣的效果呢?物流企業(yè)可以利用以往的商品流動(dòng)數(shù)據(jù)，采取數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)模式來(lái)解決這個(gè)問(wèn)題。關(guān)聯(lián)模式分析的目的就是為了挖掘出隱藏在數(shù)據(jù)間的相互關(guān)系。例如，有A、B兩類(lèi)產(chǎn)品，描述A類(lèi)產(chǎn)品的出現(xiàn)對(duì)B類(lèi)產(chǎn)品的出現(xiàn)有多大影響，可以用四個(gè)屬性來(lái)描述關(guān)聯(lián)規(guī)則:可信度———在產(chǎn)品集A出現(xiàn)的前提下，B出現(xiàn)的概率;支持度———產(chǎn)品集A、B同時(shí)出現(xiàn)的概率;期望可信度———產(chǎn)品集B出現(xiàn)的概率;作用度可信度———對(duì)期望可信度的比值。通過(guò)上述關(guān)聯(lián)分析可以得出一個(gè)關(guān)于貨品的簡(jiǎn)單規(guī)則，從而來(lái)決定這兩種貨品在貨架上的配置，可以戰(zhàn)略性地布置貨品在倉(cāng)庫(kù)中的位置。(3)物流中心的選擇———分類(lèi)與預(yù)測(cè)的應(yīng)用(分類(lèi)樹(shù)方法)物流中心(流通中心、配送中心、倉(cāng)庫(kù)等)選址問(wèn)題即求解運(yùn)輸成本、變動(dòng)處理成本和固定成本等之和為最小的最小化問(wèn)題。物流中心選址，需要考慮到中心點(diǎn)數(shù)量和中心點(diǎn)如何分布等情況。針對(duì)這一問(wèn)題，可以用數(shù)據(jù)挖掘技術(shù)中的分類(lèi)樹(shù)方法來(lái)加以解決。分類(lèi)樹(shù)(classification)的目標(biāo)是連續(xù)的劃分?jǐn)?shù)據(jù)，使依賴(lài)變量的差別最大。分類(lèi)樹(shù)的真正的目的是將數(shù)據(jù)分類(lèi)到不同組或分支中，在依賴(lài)變量的值上建立最強(qiáng)劃分。用分類(lèi)樹(shù)的方法解決這個(gè)問(wèn)題時(shí)，通常需要以下四個(gè)方面的數(shù)據(jù):1)中心點(diǎn)的位置;2)每個(gè)中心點(diǎn)的業(yè)務(wù)需求量;3)備選點(diǎn)的位置;4)在中心點(diǎn)和備選點(diǎn)之間的距離。通過(guò)分類(lèi)樹(shù)的方法，不僅確定了中心點(diǎn)的位置，同時(shí)也確定每年各個(gè)地址問(wèn)物品的運(yùn)輸量，使整個(gè)企業(yè)必要的銷(xiāo)售量得到保證，企業(yè)的長(zhǎng)期折現(xiàn)的總成本也會(huì)達(dá)到最小值。(4)市場(chǎng)預(yù)測(cè)———聚類(lèi)分析的應(yīng)用產(chǎn)品是有生命周期的，即導(dǎo)入期、增長(zhǎng)期、成熟期和衰退期。一種產(chǎn)品進(jìn)入市場(chǎng)后，它的銷(xiāo)售量和利潤(rùn)都會(huì)隨時(shí)間推移而改變，呈現(xiàn)一個(gè)由少到多由多到少的過(guò)程。在不同階段，產(chǎn)品的生產(chǎn)、配送、銷(xiāo)售策略是不同的。這就需要提前的生產(chǎn)計(jì)劃、生產(chǎn)作業(yè)安排以及適合的庫(kù)存和運(yùn)輸策略。物流企業(yè)要注重商品的生命周期，合理地控制庫(kù)存和安排運(yùn)輸。企業(yè)可將需要分析的商品對(duì)象數(shù)據(jù)劃分為若干組，從這些同類(lèi)別數(shù)據(jù)集建立相應(yīng)的預(yù)測(cè)模型或規(guī)則。物流企業(yè)可以通過(guò)聚類(lèi)分析作為市場(chǎng)預(yù)測(cè)的手段，為決策提供依據(jù)。(5)優(yōu)化配送路徑———演化分析的應(yīng)用(遺傳算法)配送路徑是個(gè)典型的非線性問(wèn)題，它影響著物流企業(yè)配送效率的提高。在許多配送體系中，管理人員需要采取有效的配送策略以提高服務(wù)水平、降低貨運(yùn)費(fèi)用。其中要考慮車(chē)輛的路徑問(wèn)題，車(chē)輛路徑問(wèn)題是為一些車(chē)輛確定一些客戶(hù)的路徑，每一客戶(hù)只能被一次，且每條路徑上的客戶(hù)需求量之和不能超過(guò)車(chē)輛的承載能力。其次還應(yīng)考慮到車(chē)輛的利用能力，如果車(chē)輛在運(yùn)輸過(guò)程中的空載率過(guò)高或整車(chē)的承載力未完全利用，這些無(wú)疑會(huì)增加企業(yè)的運(yùn)輸成本;另外涉及到車(chē)輛的運(yùn)輸能力，就必須考慮到貨品的規(guī)格大小和利潤(rùn)價(jià)值的大小。遺傳算法為配送路徑的優(yōu)化提供了新的工具，它可以把在局部?jī)?yōu)化時(shí)的最優(yōu)路線繼承下來(lái)，應(yīng)用于整體，而其他剩余的部分則結(jié)合區(qū)域周?chē)氖Ｓ嗖糠?即非遺傳的部分)進(jìn)行優(yōu)化，輸出送貨線路車(chē)輛調(diào)度的動(dòng)態(tài)優(yōu)化方案［4］。3．3運(yùn)用數(shù)據(jù)挖掘技術(shù)時(shí)應(yīng)注意的問(wèn)題在物流決策過(guò)程中，數(shù)據(jù)挖掘技術(shù)不能解決所有物流領(lǐng)域的問(wèn)題，也不是所有的數(shù)據(jù)挖掘技術(shù)都能解決物流領(lǐng)域上的問(wèn)題的。如果不能將特殊領(lǐng)域的物流業(yè)邏輯與數(shù)據(jù)挖掘技術(shù)結(jié)合起來(lái)，數(shù)據(jù)挖掘的分析效果和效益就不可能達(dá)到最佳值?？傮w來(lái)看，物流行業(yè)在應(yīng)用數(shù)據(jù)挖掘技術(shù)時(shí)，應(yīng)該考慮三個(gè)方面的因素:一是“人”，要有合適的數(shù)據(jù)挖掘人才，能夠準(zhǔn)確快速地選擇合適的技術(shù)方法進(jìn)行工作;二是“機(jī)”，要建立適合企業(yè)實(shí)際的、和已有系統(tǒng)集成的數(shù)據(jù)挖掘系統(tǒng)，要選擇合適的數(shù)據(jù)挖掘工具;三是“料”，要從大量的業(yè)務(wù)數(shù)據(jù)中獲得有價(jià)值的信息，需要保證數(shù)據(jù)質(zhì)量。具體來(lái)說(shuō)，應(yīng)該注意以下幾個(gè)方面的問(wèn)題:(1)系統(tǒng)集成問(wèn)題數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取有價(jià)值的信息，而數(shù)據(jù)一般存儲(chǔ)在數(shù)據(jù)庫(kù)中。物流企業(yè)進(jìn)行信息化建設(shè)的前期一般己經(jīng)選用了數(shù)據(jù)庫(kù)產(chǎn)品，如許多企業(yè)建立了CRM系統(tǒng)作為物流企業(yè)管理系統(tǒng)軟件［5］。因此，應(yīng)用數(shù)據(jù)挖掘技術(shù)首先考慮數(shù)據(jù)挖掘系統(tǒng)與其他系統(tǒng)的集成問(wèn)題，便于利用企業(yè)已有的數(shù)據(jù)庫(kù)。這樣，才能有利于企業(yè)降低成本，達(dá)到最大效益。(2)數(shù)據(jù)挖掘工具的選擇目前一些流行的數(shù)據(jù)挖掘工具，如IBM公司開(kāi)發(fā)的QUEST系統(tǒng)、SGI公司開(kāi)發(fā)的Mineset系統(tǒng)等，大多是國(guó)外的舶來(lái)品，不可能完全適合國(guó)內(nèi)企業(yè)。引進(jìn)這些外國(guó)產(chǎn)品的時(shí)候企業(yè)要考慮定制問(wèn)題，只有適合并能正確反映企業(yè)具體經(jīng)營(yíng)狀況的工具才能夠發(fā)揮作用。(3)技術(shù)人員的影響數(shù)據(jù)挖掘技術(shù)人員所選用的技術(shù)和優(yōu)化方法會(huì)對(duì)模型的準(zhǔn)確度和生成速度產(chǎn)生很大影響，其專(zhuān)業(yè)素養(yǎng)和能力對(duì)于數(shù)據(jù)挖掘的實(shí)施至關(guān)重要。因此，這類(lèi)技術(shù)人員首先要有良好的計(jì)算機(jī)、統(tǒng)計(jì)等相關(guān)知識(shí)，其次要懂得物流行業(yè)的基本流程和運(yùn)作理念。物流業(yè)中一般不具備這種技術(shù)人員，企業(yè)決策者應(yīng)該重視引進(jìn)人才、培養(yǎng)人才、留住人才。(4)數(shù)據(jù)質(zhì)量的影響國(guó)內(nèi)很多物流企業(yè)都有不同的業(yè)務(wù)系統(tǒng)，同時(shí)伴隨著一個(gè)比較龐大的數(shù)據(jù)中心。但這種面向事務(wù)而產(chǎn)生的數(shù)據(jù)在質(zhì)量、完整性和一致性上都存在著很多問(wèn)題，這就使得數(shù)據(jù)挖掘技術(shù)人員很難集中精神去建立模型，而是投入太多的精力和時(shí)間去解決數(shù)據(jù)的抽取、凈化和處理。如何保證數(shù)據(jù)質(zhì)量，是企業(yè)成功實(shí)施數(shù)據(jù)挖掘的一個(gè)技術(shù)關(guān)鍵點(diǎn)［6］。4結(jié)語(yǔ)數(shù)據(jù)挖掘技術(shù)已經(jīng)在商業(yè)、金融業(yè)、保險(xiǎn)業(yè)、電信業(yè)等多個(gè)領(lǐng)域開(kāi)始得到應(yīng)用，取得了令人滿(mǎn)意的效果。隨著數(shù)據(jù)挖掘應(yīng)用研究的深入開(kāi)展，以及物流企業(yè)追求運(yùn)營(yíng)績(jī)效愿望的增強(qiáng)，將會(huì)有越來(lái)越多的物流企業(yè)引入數(shù)據(jù)挖掘技術(shù)。我國(guó)學(xué)者王道平等認(rèn)為，數(shù)據(jù)挖掘作為一種新興的信息技術(shù)，能夠挖掘蘊(yùn)藏在海量