仝新順

（鄭州輕工業(yè)學(xué)院 經(jīng)濟(jì)與管理學(xué)院，河南 鄭州 450002）

1 引言

近年來煙草企業(yè)信息化發(fā)展迅速，諸如CRM、GIS等系統(tǒng)的應(yīng)用，使得配送量和配送效率有了較大的提高。在業(yè)務(wù)進(jìn)行和以上各系統(tǒng)運(yùn)行的過程中會(huì)產(chǎn)生與倉(cāng)儲(chǔ)、分揀和配送等環(huán)節(jié)有關(guān)的大量數(shù)據(jù)。企業(yè)只是關(guān)注這些數(shù)據(jù)中對(duì)決策者決策和判斷有價(jià)值的部分，而不需要查看這些冗雜的數(shù)據(jù)?？扇绾螐闹屑皶r(shí)發(fā)現(xiàn)有用的信息呢？數(shù)據(jù)挖掘技術(shù)提供了一條可行之道。

2 數(shù)據(jù)挖掘技術(shù)

2.1 數(shù)據(jù)挖掘的概述

數(shù)據(jù)挖掘(Data Mining,DM)主要用于從大量、不完全和隨機(jī)的數(shù)據(jù)中，找到事先可能未知但又對(duì)決策有用的信息。在這一過程中，還可以根據(jù)已經(jīng)掌握的信息對(duì)未發(fā)生的行為進(jìn)行結(jié)果預(yù)測(cè)。數(shù)據(jù)挖掘的理論體系涵蓋了數(shù)理統(tǒng)計(jì)、并行計(jì)算、可視化、數(shù)據(jù)庫(kù)理論和人工智能，是一個(gè)多學(xué)科的交叉領(lǐng)域。數(shù)據(jù)挖掘在20世紀(jì)90年代產(chǎn)生以來得到快速發(fā)展，廣泛應(yīng)用于信息管理、過程控制、查詢優(yōu)化和決策支持等。

2.2 數(shù)據(jù)挖掘的功能

數(shù)據(jù)挖掘的功能包括兩個(gè)方面，即預(yù)測(cè)和描述。預(yù)測(cè)是指利用已知的數(shù)據(jù)預(yù)測(cè)我們所關(guān)心數(shù)據(jù)和變量的值；描述是通過找出可以解釋其模式的過程[1]。數(shù)據(jù)挖掘的功能可歸納如下[2]：

（1）關(guān)聯(lián)分析。若在兩個(gè)或者多個(gè)的數(shù)據(jù)值之間存在重復(fù)出現(xiàn)的現(xiàn)象，而且這種出現(xiàn)頻率很高時(shí)便可認(rèn)為這些數(shù)據(jù)之間存在關(guān)聯(lián)，此時(shí)可利用數(shù)據(jù)挖掘技術(shù)挖掘出數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。例如，在超市購(gòu)物中，存在一條關(guān)聯(lián)規(guī)則：買面包的顧客中有80%的同時(shí)還購(gòu)買了牛奶。因此超市可以將面包和牛奶放在一起或進(jìn)行捆綁促銷，以增加銷量。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})是屬性等值形式。關(guān)聯(lián)規(guī)則X→Y表示“滿足X的條件的同時(shí)也滿足Y的條件”。關(guān)聯(lián)可分為簡(jiǎn)單、因果和時(shí)序等。

（2）分類。分類是應(yīng)用最多的任務(wù)之一，分類是指以確定的概念來描述一個(gè)類，即該類別的內(nèi)涵描述。分類首先要事先知道訓(xùn)練樣本標(biāo)簽，然后將屬于不同類別樣品的標(biāo)簽利用數(shù)據(jù)挖掘分開，最后可以利用分類模型預(yù)測(cè)使用所得樣品屬于哪一類。

（3）聚類。聚類是一種探索性分析過程，首先，數(shù)據(jù)庫(kù)中的數(shù)據(jù)被劃分成一系列的有意義的數(shù)字類別。在分類過程中，并不存在事先給定的分類標(biāo)準(zhǔn)。然后從這些相同類別的數(shù)據(jù)集中進(jìn)一步挖掘，可以得到相應(yīng)的分類預(yù)測(cè)模型或?qū)W習(xí)規(guī)則。最后，使用聚類分析通過不斷地重復(fù)獲得聚類組，及初始數(shù)據(jù)集合的層次模型。聚類分析能夠從樣本數(shù)據(jù)出發(fā)，自動(dòng)進(jìn)行分類（在同一類別中的個(gè)體之間距離較小，不同類別的個(gè)體之間的距離較大）。聚類加深了人們認(rèn)識(shí)客觀現(xiàn)實(shí)的程度。

（4）異常挖掘。在一些應(yīng)用中，小概率事件或數(shù)據(jù)的發(fā)生，有時(shí)候會(huì)比發(fā)生更頻繁的事件更有挖掘價(jià)值。對(duì)這些異常情況或者孤立點(diǎn)進(jìn)行跟蹤、分析，可以減少潛在的損失的發(fā)生。對(duì)異類數(shù)據(jù)的分析處理通常稱為異類分析方法。

2.3 數(shù)據(jù)挖掘的主要技術(shù)

數(shù)據(jù)挖掘主要應(yīng)用的技術(shù)有決策樹、近鄰算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)等。

（1）決策樹。決策樹是一種典型的自頂向下策略的貪婪分類算法，是一種含有內(nèi)部節(jié)點(diǎn)和分支流程圖的樹結(jié)構(gòu)算法。決策樹算法的核心是在存放標(biāo)號(hào)的樹葉節(jié)點(diǎn)選取要測(cè)試的屬性，對(duì)決策樹進(jìn)行剪枝。

（2）近鄰算法。近鄰算法是以人們思維方式相似的方式檢測(cè)和匹配最近的樣本，并將每一對(duì)相鄰的樣本進(jìn)行歸類的方法。近鄰算法在自動(dòng)化運(yùn)算方面有很好的性能表現(xiàn)，是一種較容易理解和使用的算法。

（3）遺傳算法。遺傳算法是基于進(jìn)化理論發(fā)展起來的高效隨機(jī)搜索和優(yōu)化的方法，主要解決非線性、多峰值以及全局優(yōu)化等復(fù)雜度較高的問題。遺傳算法綜合了定向和隨機(jī)搜索的優(yōu)點(diǎn)，以適應(yīng)值函數(shù)為依據(jù)，對(duì)群體內(nèi)個(gè)體結(jié)構(gòu)進(jìn)行優(yōu)化和重組，從而得到全局范圍內(nèi)的最優(yōu)值。遺傳算法同時(shí)也起到產(chǎn)生優(yōu)良后代的作用。

（4）神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦結(jié)構(gòu)模型，用于聚類、分類、特征挖掘和模式識(shí)別的數(shù)據(jù)挖掘方法。神經(jīng)網(wǎng)絡(luò)方法仿照動(dòng)物腦神經(jīng)元結(jié)構(gòu)的非線形預(yù)測(cè)模型，建立分布式矩陣，輸入數(shù)據(jù)進(jìn)行學(xué)習(xí)，通過反復(fù)迭代和累加計(jì)算發(fā)現(xiàn)數(shù)據(jù)中的模式。

神經(jīng)網(wǎng)絡(luò)為解決具有上百個(gè)參數(shù)、復(fù)雜度大的問題提供了比較簡(jiǎn)單有效的方法，其應(yīng)用非常廣泛。

2.4 數(shù)據(jù)挖掘的過程

（1）確定業(yè)務(wù)對(duì)象：了解要解決業(yè)務(wù)中的實(shí)際問題，確定數(shù)據(jù)挖掘的目的。但要預(yù)見到最后的挖掘挖掘結(jié)果可能是不可預(yù)測(cè)的，所以不要帶有盲目性去探索問題。

（2）數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)的準(zhǔn)備包括三個(gè)步驟。①數(shù)據(jù)的選擇：搜索與業(yè)務(wù)對(duì)象相關(guān)的所有內(nèi)部和外部的數(shù)據(jù)信息，通過篩選這些數(shù)據(jù)，選取適用于數(shù)據(jù)挖掘的部分。②數(shù)據(jù)的預(yù)處理：檢查數(shù)據(jù)的一致性和完整性情況，即通過研究數(shù)據(jù)的質(zhì)量，對(duì)于冗余的數(shù)據(jù)進(jìn)行刪除，對(duì)缺失的數(shù)據(jù)進(jìn)行補(bǔ)充，使之成為格式標(biāo)準(zhǔn)統(tǒng)一的形式，為下一步的分析做準(zhǔn)備。同時(shí)要確定將要進(jìn)行的數(shù)據(jù)挖掘數(shù)據(jù)的類型。③數(shù)據(jù)的轉(zhuǎn)換：利用挖掘算法理論建立相應(yīng)的分析模型。

（3）數(shù)據(jù)挖掘：通過選擇適當(dāng)?shù)臄?shù)據(jù)挖掘工具，對(duì)上面所得到預(yù)處理數(shù)據(jù)進(jìn)行挖掘，從中選取有價(jià)值的、潛在的結(jié)果或趨勢(shì)。數(shù)據(jù)挖掘的工具選擇要由數(shù)據(jù)挖掘的任務(wù)和數(shù)據(jù)特征去決定。

（4）結(jié)果評(píng)價(jià)：根據(jù)用戶的決策需求，解釋并評(píng)估數(shù)據(jù)挖掘的結(jié)果。需要結(jié)合實(shí)際問題，避免挖掘出的無意義的知識(shí)，有針對(duì)性地對(duì)挖掘結(jié)果進(jìn)行評(píng)價(jià)和驗(yàn)證，提煉出最有價(jià)值的信息提交給決策者。解釋并評(píng)估結(jié)果，通常會(huì)用到相關(guān)的可視化技術(shù)。

（5）知識(shí)的同化：將通過分析得到的知識(shí)和結(jié)論應(yīng)用到業(yè)務(wù)系統(tǒng)的組織和結(jié)構(gòu)中。

通常情況下，數(shù)據(jù)挖掘的過程不是線性的，要得到理想的結(jié)果可能要重復(fù)上面的步驟。

3 數(shù)據(jù)挖掘技術(shù)在煙草物流管理中的應(yīng)用

3.1 應(yīng)用的可行性

煙草物流由于自身的發(fā)展和需要，已經(jīng)開始關(guān)注數(shù)據(jù)挖掘的應(yīng)用，而且數(shù)據(jù)挖掘在煙草物流中已具備了技術(shù)可行性。這體現(xiàn)在兩方面：首先，數(shù)據(jù)存儲(chǔ)技術(shù)和計(jì)算速度的不斷增長(zhǎng)；第二，先進(jìn)的新算法，比如神經(jīng)網(wǎng)絡(luò)等的出現(xiàn)。煙草物流日常業(yè)務(wù)產(chǎn)生的大量數(shù)據(jù)的為數(shù)據(jù)挖掘提供了豐富的數(shù)據(jù)原料，而計(jì)算機(jī)技術(shù)的發(fā)展為煙草物流企業(yè)提供了硬件保障，同時(shí)新算法的出現(xiàn)增加了數(shù)據(jù)處理的能力和應(yīng)用的范圍。

3.2 數(shù)據(jù)挖掘技術(shù)在煙草物流中的具體應(yīng)用

數(shù)據(jù)挖掘技術(shù)在煙草物流企業(yè)中可以應(yīng)用在以下幾方面[6-7]:

（1）客戶分析。對(duì)客戶的分析主要包括以下幾個(gè)方面的內(nèi)容：

①客戶細(xì)分分析。利用數(shù)據(jù)挖掘聚類或分類的方法進(jìn)行客戶分類，通過對(duì)目標(biāo)市場(chǎng)客戶的細(xì)分分析，對(duì)客戶進(jìn)行分類別的服務(wù)和管理。通過細(xì)分分析對(duì)客戶的購(gòu)買需求、消費(fèi)特點(diǎn)、價(jià)值傾向等進(jìn)行調(diào)查與掌握，有助于幫助煙草企業(yè)獲得與客戶有關(guān)的更多相關(guān)信息，對(duì)于進(jìn)一步的客戶分析具有意義重要。

②客戶流失預(yù)測(cè)。采用數(shù)據(jù)挖掘聚類和關(guān)聯(lián)規(guī)則分析技術(shù)，重視那些偏離聚點(diǎn)的數(shù)據(jù)對(duì)象，即“孤立點(diǎn)”，警惕這些客戶的流失。

③客戶價(jià)值分析。分析客戶對(duì)煙草企業(yè)卷煙業(yè)務(wù)量的貢獻(xiàn)值。按照“二八原則”，先找出重點(diǎn)客戶。分析方法是在預(yù)先不知道特征目標(biāo)的情況下，先將重點(diǎn)客戶的銷售量等數(shù)據(jù)進(jìn)行聚類分析，通過對(duì)企業(yè)不同層次的客戶對(duì)業(yè)務(wù)量所作的貢獻(xiàn)來界定客戶價(jià)值的大小，然后根據(jù)客戶價(jià)值的大小，在進(jìn)行營(yíng)銷時(shí)可以對(duì)產(chǎn)品營(yíng)銷目標(biāo)客戶群，實(shí)施差異化服務(wù)。

④客戶行為分析。找到重點(diǎn)客戶之后，對(duì)其行為進(jìn)行分析。根據(jù)不同客戶類型的銷售量、銷售額實(shí)際數(shù)據(jù)，確定為煙草企業(yè)創(chuàng)造高利潤(rùn)的重點(diǎn)客戶、增長(zhǎng)較快的客戶群體以及發(fā)現(xiàn)流失或者即將流失的客戶等信息。進(jìn)一步分析和研究客戶偏好，挖掘潛在的煙草市場(chǎng)，為客戶營(yíng)銷和市場(chǎng)開拓提供決策支持。例如將占重點(diǎn)客戶銷售量50%以上的卷煙產(chǎn)品或者增長(zhǎng)較快的客戶群體主要消費(fèi)的卷煙產(chǎn)品作為目標(biāo)類，確定客戶偏好。同時(shí)也可以對(duì)不同客戶群體之間進(jìn)行交叉挖掘分析，發(fā)現(xiàn)數(shù)據(jù)庫(kù)中客戶組的演變特征和變化趨勢(shì)，找到客戶群體的變化規(guī)律。通過利用數(shù)據(jù)挖掘?qū)Σ煌蛻舻淖R(shí)別以及客戶行為規(guī)律的發(fā)現(xiàn)，制定煙草企業(yè)相應(yīng)的營(yíng)銷策略。

（2）倉(cāng)儲(chǔ)管理

①卷煙貨品儲(chǔ)位的合理化安排。煙草儲(chǔ)位的不合理會(huì)導(dǎo)致倉(cāng)儲(chǔ)成本增加、倉(cāng)儲(chǔ)利用率低下。利用數(shù)據(jù)挖掘技術(shù)，煙草企業(yè)可以建立以往的卷煙流動(dòng)數(shù)據(jù)庫(kù)，分析卷煙歷次出貨的時(shí)間、品種、數(shù)量、需求者以及關(guān)聯(lián)度等數(shù)據(jù)，利用數(shù)據(jù)挖掘中的關(guān)聯(lián)模式可以解決卷煙的最佳儲(chǔ)存位置和儲(chǔ)存方式等問題。例如，有A、B兩類卷煙，描述A對(duì)B的關(guān)聯(lián)度—卷煙A的出現(xiàn)對(duì)卷煙B的影響程度，可以用可信度、支持度、期望可信度和作用可信度四個(gè)屬性來描述關(guān)聯(lián)規(guī)則。通過關(guān)聯(lián)分析可以得出兩種卷煙的簡(jiǎn)單規(guī)則，為這兩種卷煙在貨架上的配置提供決策建議，戰(zhàn)略性地布置卷煙在倉(cāng)庫(kù)中的位置。

②制定合理的庫(kù)存策略，降低庫(kù)存成本。卷煙儲(chǔ)位的合理安排是為了找到最佳儲(chǔ)存位置以快速滿足卷煙分揀的需要，同樣卷煙的庫(kù)存策略也要防止卷煙缺貨和大量卷煙囤積占用資金和庫(kù)位等情況的發(fā)生。利用數(shù)據(jù)挖掘制定合理的庫(kù)存策略提高卷煙倉(cāng)儲(chǔ)效率并降低庫(kù)存成本。利用數(shù)據(jù)挖掘中的分類算法通過對(duì)卷煙的存儲(chǔ)序號(hào)、卷煙的存儲(chǔ)數(shù)量、卷煙的單價(jià)以及所有庫(kù)存卷煙數(shù)量的百分比、占卷煙總價(jià)值的百分比等數(shù)據(jù)進(jìn)行分析，確定不同卷煙的合理的庫(kù)存策略。

（3）煙草配送管理。煙草配送管理包括配送計(jì)劃的制定和配送線路的設(shè)計(jì)優(yōu)化，其中首要解決的就是配送線路的問題。

配送路徑是典型的VRP（Vehicle Routing Problem）。煙草公司需要對(duì)數(shù)以千計(jì)的客戶的卷煙訂單進(jìn)行配送，在現(xiàn)有資源的基礎(chǔ)上如何合理調(diào)配車輛和線路，從而在降低成本的同時(shí)又能滿足客戶的需求。配送線路優(yōu)化是提高煙草配送服務(wù)質(zhì)量和降低配送成本的重要手段。煙草配送在整個(gè)煙草物流管理中占有重要的部分，將遺傳算法等數(shù)據(jù)挖掘技術(shù)運(yùn)用到煙草配送中解決運(yùn)輸線路選擇等問題，利于有效利用現(xiàn)有資源和提高運(yùn)輸效率。

4 結(jié)語

數(shù)據(jù)挖掘是一門涉及多學(xué)科領(lǐng)域知識(shí)的新興技術(shù)，目前在煙草物流中的實(shí)際應(yīng)用取得的成就有目共睹，為煙草企業(yè)帶來了可觀的效益。數(shù)據(jù)挖掘技術(shù)可以把煙草企業(yè)的營(yíng)銷策略、庫(kù)存策略和總體規(guī)劃結(jié)合起來，很好地幫助管理決策層做出科學(xué)的決策。

[1]張應(yīng)征.數(shù)據(jù)挖掘技術(shù)在物流管理信息中的應(yīng)用[J].科技信息,2009,(35):470-472.

[2]丁必榮,屈新懷.基于數(shù)據(jù)倉(cāng)庫(kù)的生產(chǎn)物流決策管理系統(tǒng)研究[J].物流科技,2008,(1):56-58.

[3]李臘元,李春林.計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)[M].北京:國(guó)防工業(yè)出版社,2004.

[4]王俊珺,夏華麗,田源.物流配送路線規(guī)劃中的最短路徑研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2007,(5):60-62.

[5]周程.物流配送路徑優(yōu)化策略研究[J].武漢理工大學(xué)學(xué)報(bào),2005,29(5):798-800.

[6]陳曉杰，許振華，張婭鋒.數(shù)據(jù)挖掘在煙草物流綜合管理系統(tǒng)中的應(yīng)用[J].硅谷,2009,(1):98-99.

[7]劉娜.數(shù)據(jù)挖掘技術(shù)在煙草公司供應(yīng)鏈管理中的應(yīng)用研究[D].鄭州:鄭州大學(xué),2010.

[8]李廷佳.基于數(shù)據(jù)挖掘技術(shù)的物流信息系統(tǒng)的研究與實(shí)現(xiàn)[D].北京:北京郵電大學(xué),2008.

[9]袁溪.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[J].科技資訊,2010,(4):21-22.