近年來，數據在經濟社會發展中扮演著舉足輕重的角色，是國家基礎性戰略資源，是21世紀的“鉆石礦”。黨中央、國務院高度重視大數據在經濟社會發展中的作用，黨的十八屆五中全會提出“實施國家大數據戰略”，國務院印發《促進大數據發展行動綱要》，全面推進大數據發展，加快建設數據強國[1]。數據正在快速堆積與存儲，人們越來越認識到數據對于國家、政府、企業及個人的重要作用。因此，如何從海量的數據中提取出有價值的信息，就成了各國學者研究的焦點問題。數據挖掘技術就是在這樣的背景下應運而生。數據挖掘技術是指在海量的、未知的、模糊的、不確定的數據中，尋找到可以給經濟社會帶來價值的、有用的信息的技術。換言之，數據挖掘技術就是從原始積累的大量數據中發現其隱藏的信息和規律。現階段數據挖掘技術已經在交通運輸、金融保險、批發零售、醫療衛生、工業工程等行業中發揮著關鍵性作用。我國現代物流起步較晚，欠發達地區的物流企業仍然沿用傳統的物流運營模式，不利于我國建設南北物流大通道。為了打造區域經濟大走廊，發展“一帶一路”絲綢之路經濟帶的建設，越來越多的人將目光轉向了數據挖掘技術在物流工程領域的應用�，F代物流企業在物流、資金流、信息流之間具有相互作用、相互制約的特點，而數據挖掘技術能夠更加精準的、高效的從海量的物流數據中搜尋到準確、有價值的信息，提高物流企業的運作效率，降低企業由于物流信息閉塞導致的損失;除此之外，還能夠使企業運營者可以快速決策，更加科學地制定出物流決策方案，提高企業收益[2]。

　　1數據挖掘

　　1.1數據挖掘理論概述

　　在信息大爆炸的時代中，人們經常面臨著持有海量數據而缺少有用信息的困擾。由于數據資料的復雜性，傳統的檢索分析方法已經難以滿足現代人從龐大的數據中提取有價值信息的強烈需求，人們急切地希望能夠得到一種更加準確的數據分析與處理方法，從這些海量的數據中抽取出有價值的信息，從而更好地滿足人類經濟社會發展的需求。數據挖掘技術就是在這樣的背景下應運而生的。數據挖掘(DataMining)是指從大量數據中，分析并且檢索出隱藏有價值信息的技術，是一門多學科交叉研究的邊緣性綜合類的學科。其中，涉及機器語言學習、算法設計、模塊化識別、數據庫、神經網絡和數據處理分析等多門學科。數據挖掘是一種新的處理數據分析方法，對分析海量的數據集和統計傳統數據都具有重要的現實意義[3]。與傳統的數據分析方法相比，是在傳統的數據分析方法基礎上，加入當前復雜的算法，獲取有用信息的過程。

　　1.2數據挖掘的主要技術

　　數據挖掘技術可以分為統計類數據挖掘和知識類數據挖掘。統計類數據挖掘技術的應用領域廣泛且研究較為成熟，其主要包含聚集與度量技術、各種回歸技術、聚類挖掘技術和最近鄰技術等[4]。知識類挖掘技術則是靠知識驅動的一種把數據庫中挖掘業務模式的知識發現技術，與統計類相比，其不需要借助分析人員的介入驅動，在短時間內找到有用知識，因此，在現在的數據處理中較為常見，主要包括關聯分析、遺傳算法、神經網絡、粗糙集和決策樹。①關聯分析:關聯分析又稱為關聯規則，主要是從給定的數據集中發現隱藏在其中的必然規律，其規律也許是群體法則的，也有可能是自然法則。關聯規則特別適用于從相互關系中挖掘知識，如市場營銷、事務分析等應用領域。②遺傳算法:就是模擬人工優良育種的思路，從某一個初始種群開始，進行一系列不間斷的隨機選擇、交叉和變異過程，產生新一代的種群，將群體進化到搜索區域中越來越好的領域，最后收斂于最為適應的群體。③神經網絡:從結構上是模仿生物的神經網絡，是通過一定的訓練去學習非線性的一種預測模型，其基本單元構成是模仿人腦神經元，稱之為節點;并且通過鏈接進行連接節點，類似于人體大腦中個神經元之間的連接。神經網路的優點是在預測的過程中實現精準預測，而缺點就是難以理解，容易受到過度訓練的影響。④粗糙集:是一個處理模棱兩可問題的新型數學分析工具，在處理數據的過程中可以不利用相關問題的先驗知識，可以自動地尋找出內在的聯系。近年來，粗糙集已經發展成為人工智能領域中決策分析與模糊識別的一個重要方向，也成為數據挖掘技術中最重要的方法之一。⑤決策樹:主要是應用于分類與預測之中，展示出了一種在假設條件下會得到相應數值的方法。通常一個決策樹表示一系列問題，每個分支表示不同條件下解決問題所能得到的值。決策樹方法也可以理解為利用圖形解析的方法展示出訓練集中的數據收到不同變量而變化的預測的模型。數據挖掘中的決策樹是一種經常采用的技術，常用的算法有CART、CHAID、ID3和C5.0等。

　　2現代物流業存在的問題

　　2.1市場預測精準性不高

　　市場預測精準性的不高，在一定程度上制約著物流行業的發展。我國發展初期，受當時計劃經濟的影響，許多企業采用傳統經營模式的組織方式。通過企業內部的、專門的采購運輸部門根據國家需求計劃進行原材料采購和成品銷售。隨著我國經濟體制改革，市場在資源配置中起決定性作用，市場需求預測逐漸成為現代企業組織生產的一個重要的參考依據，尤其是港航、鐵路、航空運輸等行業，市場需求預測在一定程度上決定各行業未來的運營投入，決定著企業未來的發展方向。因此，市場的精準預測在一定程度上影響著現代物流業的發展。而現代物流中的精準預測只有在少數的經濟發達地區和一些擁有先進管理經驗的企業中得到發展。在欠發達區域，物流行業還是保持著傳統運營方式，物流一體化、社會化、市場化的程度相對較低，在一定程度影響和限制了高效的企業運營。所以說，市場預測精準性在一定程度上制約著我國現代物流業的快速發展。

　　2.2物流企業管理運營水平較低

　　盡管近年來我國物流業發展勢頭迅猛，但與西方發達國家相比仍然有明顯差距，主要體現在物流管理運營水平上，尤其是倉儲管理水平與客戶分析等方面。由于我國百分之六十左右的物流企業還停留在傳統的運輸和倉儲方面，對物流企業的管理運營水平投入較少，這就導致了我國物流企業規模較小，數量較少，缺少核心競爭力的物流業發展現象。溯其根源主要有兩方面原因:一是我國物流企業集中于車輛運輸方面的投入，倉儲管理投入相對較少，尤其是在倉庫庫位設計，流程優化，揀貨效率，倉容利用率等方面。這造成了倉庫管理缺少企業特色和專業競爭力;二是我國物流企業對潛在客戶分析深度不夠，不善于挖掘深層次客戶需求、開發增值服務、滿足客戶個性化需求。

　　2.3全國物流綜合體系建立不夠完善

　　傳統的物流運營模式常常專注于某一區域或者某一領域的物流活動，尤其體現在物流中心選址時缺乏系統思維，這導致物流行業的發展水平不一致。對于現代物流業而言，物流企業依托物流中心規劃進行企業設計布局，存在一定的局限性，主要體現在路徑規劃方面，由于相對應物流中心特定選址，會出現貨物運輸距離增長，運輸時間加長等問題。因此，這在一定程度上制約著我國綜合物流體系建設。

　　3數據挖掘在物流行業中應用

　　數據挖掘在物流管理中有三大優勢:①物流管理中挖掘信息更加貼合顧客需求;②數據挖掘使物流管理更加準確、科學、高效;③物流決策更加依托數據挖掘技術的支持[5]。計算機網絡信息技術的快速發展，為現代物流的實時交互提供了可能。越來越多的學者將研究的重點由原來單一化逐漸向多元化轉變，這逐漸形成了多學科之間相互滲透的發展趨勢，這也就為現在的數據挖掘技術在物流領域的應用打下了良好的基礎。隨著交叉學科的進一步發展，目前數據挖掘技術在物流領域則主要應用于市場的預測，物流中心選擇，路徑優化，優化倉儲管理，客戶價值分析和物流需求等方面。主要可以歸納為以下三個方面。

　　3.1物流決策問題

　　現代物流活動中，由于涉及到三種源流的相互影響，在各個環節中都會產生大量的物流數據，增加了物流企業的決策難度，使企業決策存在更多的隨機性、復雜性以及不確定性，尤其體現在路徑優化、物流中心選址等方面。由于物流中心選址是綜合物流體系構建過程中最為重要的部分，直接決定著總成本(運輸成本、固定成本和變動成本)最小化的問題。因此，在選址時需要考慮中心點分布情況和數量，特別是構建區域物流綜合體系時，多中心選址問題更為復雜，需要涉及到路徑優化、交通運輸條件、地理條件、顧客分布和中心點分布情況等一系列問題。這些問題中路徑優化又直接影響到運輸成本的高低，這無疑就增加了物流決策的難度。而數據挖掘可以利用分類樹法和遺傳算法求解多目標的優化方法進行解決。這在一定程度上為決策者提供了參考依據。

　　3.2需求預測問題

　　國內學者對需求預測的研究始于二十世紀初，物流預測主要集中在市場供應與需求情況、經濟、運輸等方面。其主要原因是市場競爭加劇，從而迫使物流企業深度挖掘可用數據資源拓展業務、開發客戶、提高利潤、增強核心競爭力。根據產品特性制定合理的庫存方法和運輸策略，建立相應預測模型并進行精準預測，可達到提前預測市場的目的。在我國大型港航運輸類企業中，需求預測就顯得更為重要，港口企業可以根據近年數據建立適當的回歸預測模型，例如，王錫淮等針對上海港集裝箱吞吐量預測年度數據預測利用基于徑向基函數的神經網絡預測模型，使預測精度有了進一步提升[6]。樂美龍等提出了一個新的非線性系統預測方法是基于遺傳規劃方法的集裝箱吞吐量預測模型，并將該模型運用于寧波港集裝箱吞吐量的預測中，利用寧波港的集裝箱歷史數據訓練和檢測樣本、預測寧波港未來九年的集裝箱發展趨勢[7]。根據預測結果進行港口發展戰略部署，為我國成為航運強國奠定堅實基礎。

　　3.3運營管理方面

　　數據挖掘在現代物流業的應用的一個重要方面集中于運營管理方面，特別是客戶分析和倉儲管理等方面�，F代物流企業需要完善新的運營管理模式以提高企業新的利潤增長點。而客戶價值分析就通過交叉銷售、客戶忠誠滿意度、客戶價值細分以及客戶流失等方面分析，制定個性化方案去滿足客戶特定需求。一般可以利用決策樹對客戶關系進行細分，發現其中潛在規律，更好地針對不同客戶群體進行定制化服務，從而建立并維持客戶關系，增加企業的利潤。同時，根據挖掘大客戶數據，了解個性需求，然后根據大客戶的需求優化倉庫管理模式，實施固定貨位預留，減少第三方租賃倉庫租金，優先中轉貨物等舉措，增強客戶粘稠度，培養固定客戶群體，拓展新的業務模式。還可以利用數據挖掘技術中的關聯分析法優化倉庫儲存，運用合理安排普通客戶的商品儲存、擺放位置、提高貨物分揀效率，壓縮商品存貨成本等措施吸引普通客戶群體。因此，將大客戶與普通客戶進行價值分析，完善運營管理模式可以進一步的提高物流企業利潤增長點，提升核心競爭力，促進現代物流業的發展。

　　4結論

　　數據挖掘技術已經在商業、金融、通信、施工等領域廣泛應用，并取得了較為滿意的結果。隨著我國現代物流業的發展，數據挖掘技術將會應用在物流運營的各個環節之中。大數據的時代已經到來，傳統的數據處理模式已經不能滿足現代物流業的發展，這就需要物流企業根據自身情況，從基本的數據挖掘應用方面著手，不斷地開展新的領域的應用，促進現代物流業的發展。

　　《數據挖掘對物流工程的應用》來源：《物流工程與管理》，作者：鄭詩禹 李莉