随着信息技术的飞速发展,物流企业积累了大量的历史数据,但由于缺乏有力的分析工具,使得重要的决策常常不是基于数据库中丰富的数据,而是基于决策者的直觉,因此建立决策支持系统,提高决策者高效数据分析能力的研究就十分重要。数据挖掘技术是近几年发展起来的数据组织和分析的新技术。如何将数据挖掘技术应用在物流领域正是本文研究的重点问题。 传统的数据库管理信息系统不能够很好地利用、分析数据库中积累的大量数据,数据挖掘与数据仓库技术可以很好地解决这一问题。 本文首先对数据挖掘技术做了简要介绍,探讨了数据挖掘技术的概念以及数据挖掘常用技术、数据挖掘发现知识的分类、数据挖掘流程和数据挖掘工具等,介绍了数据挖掘与数据仓库、联机分析处理、统计学之间的关系,详细论述了数据挖掘如何具体处理数据。 其次重点讨论了物流领域实施数据挖掘项目的应用步骤,分析了数据挖掘技术在物流领域的应用形式,物流业实施数据挖掘项目应该注意的问题。 最后,结合实际工作介绍了一种数据挖掘模型在物流领域的具体应用。这个模型在分析物流行业业务数据库的基础上,用星型架构的方式建模,构造出一个数据仓库的逻辑模型;然后从企业业务数据库中抽取数据,经过转换等处理,把“有价值的、干净”的数据加载到数据仓库中,完成数据仓库的构建。它参照CRISP-DM数据挖掘过程,通过收集企业内部属性等数据;然后采用主成分分析法预处理这些数据,以降低数据之间的相关性和减少变量个数:接着采用决策树方法建模,在建模过程中由系统自动剔除异常点,改善数据质量,最终得到一个货柜分片的模型,并对该模型作了一些解释。