数据挖掘技术在物流业中的应用分析中文摘要：随着信息时代数据量的剧增，深化物流管理的最有效方法是在其中引入数据挖掘技术，充分合理的利用数据挖掘技术，可以进行市场预测和分析。这必将为正确的决策奠定坚实的基础。本文介绍数据挖掘技术的概念及方法，并结合物流企业的管理，阐述数据挖掘技术在物流企业中的具体应用。英文摘要：Withtheinformationage,therapidincreaseintheamountofdata,deepeninglogisticsmanagementisthemosteffectivewaysinwhichtheintroductionofdataminingtechniques,adequateandreasonableuseofdataminingtechniques,canbeforecastandmarketanalysis.Thisistherightdecisionwilllayasolidfoundation.Thispaperintroducestheconceptofdataminingtechniquesandmethods,combinedwithlogisticsmanagement,dataminingtechniquesdescribedinthelogisticsbusinessinthespecificapplication.关键词：数据挖掘。物流企业，信息数据，关联分析引言、物流需求的个性化、多样化和集成化．要求物流服务企业必须不断改进和优化企业的运作流程．开发出具有针对性的物流服务，以适应物流市场发展的变化。数据挖掘技术，以其强大关联、分类、预测等功能。可将物流企业运营过程中产生的信息数据进行有效整合处理，为物流企业的决策提供依据。一、1．数据挖掘技术数据挖掘又称为基于数据库的知识发现，是从大量的、不完全的、模糊的、随机的实际应用数据中，提取隐含在其中的、潜在有用的信息和知识的过程。它不仅仅局限于对数据的查询和访问，主要在于找出数据之间的潜在联系。从企业角度看。数据挖掘是一种企业信息处理技术．特点是对企业数据库中的数据进行抽取、转换、分析等。从中提取可用于辅助企业决策的关键数据。数据挖掘的目标是从大量数据中，发现隐藏于其后的规律或数据间的关系，从而服务于决策。数据挖掘方法有很多种。其中比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。关联分析数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之问存在某种规律性。就称为关联。关联分析即利用关联规则进行数据挖掘。而关联规则是描述事物之间同时出现的规律的知识模式．关联分析的目的是为挖掘出隐藏在数据间的相互关系。序列模式分析序列模式分析和关联分析相似．他把数据之问的关联性与时间性联系起来，为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件发生的时间。其目的也是为了挖掘数据之间的联系．但序列模式分析的侧重点在于分析数据问的前后或因果关系。2．分类分析分类分析就是分析样本数据库中的数据。为每个类别做出准确的描述建立分析模型或挖掘出分类规则．然后用这个分类规则对其他记录进行分类．能够把数据集中的数据映射到某个给定的类上，其输入集是一组记录集合和几种标记。3．聚类分析与分类分析不同．聚类分析法的输入集是一组未标定的记录，也就是说此时输入的记录还没有进行任何分类。其目的是根据一定的规则，合理地划分记录集合。使组之间的差别尽可能大．组内的差别尽可能小。4．．数据挖掘技术在物流企业中的应用现代物流信息系统是一个庞大复杂的系统．特别是全程物流，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节．每个环节信息流量十分巨大。以往物流企业主要利用信息的有效沟通、快速传达、物流运作调控和辅助决策的功能．而很少挖掘信息中的有用数据。但随着市场竞争的加剧、企业精细化管理愿望的增强以及先进技术方法的开发应用．对信息中的数据进行挖掘利用已成为物流企业赢取客户、增加利润、提升自身竞争力的有效途径。数据仓库的建立数据仓库作为数据挖掘的基础．不同于传统的联机事务处理系统，它具有面向主题的、集成的、不可更新以及随时间变化的特性。各个联机事务处理系统作为数据仓库的原始数据源。以文件方式提供企业在日常活动中收集的包括定货单、存货单、应付帐、交易条款、客户情况等在内的大量数据资料和报表。同时还有大量的外部信息等数据。数据仓库通过ＥＴＬ过程（抽取、转换和加载１处理这些接口文件。并且按不同的主题域组织、存储和管理这...