物流4.0中的數據挖掘

2022年6月15日

數據挖掘是對大量數據的分析識別模式和趨勢這揭示了有價值的信息以支持組織的決策。

數據挖掘可以幫助公司了解其流程和操作的行為- 包括與物流有關的人，並做出改善其績效的決策。

什麼是數據挖掘？

數據挖掘包括通過分析大量數據來識別趨勢，規則，隱藏模式和其他有價值的信息。Also known as knowledge discovery in databases (KDD), data mining has become much more relevant in recent years due to the increase in data storage technologies (大數據），人工智能（AI）和機器人過程自動化。

在非專家中，術語數據挖掘通常與大數據技術混淆。這兩個術語都涉及相關但最終不同的概念。大數據是指如此龐大和複雜的數據集，以至於他們需要軟件應用程序來處理它們。數據挖掘邁出了一步：它涉及審查大量數據以檢測隱藏在肉眼身上的規則和模式。

要掌握數據挖掘的工作原理，必須了解這種分析方法與AI和等技術之間的關係機器學習。AI和機器學習係統使用數據挖掘技術解釋機器行為並從數據中確定的模式和規則創建解決方案。實際上，如出版物算法見解從谘詢公司Deloitte，數據挖掘屬於認知技術，即促進AI係統（包括機器學習）的實施的人。

數據挖掘構成了分析和從以不同格式存儲的大數據源中分析和提取隱藏和可行的知識的過程。在他的書數據挖掘：實用的機器學習工具和技術，現實的計算機科學教授伊恩·維滕（Ian Witten）說：“數據挖掘是提取的隱式，以前未知以及來自數據的潛在有用信息。這個想法是構建可以自動篩選數據庫的計算機程序，以尋求規律性或模式。強大的模式（如果發現）可能會推廣到對未來數據的準確預測。”

數據挖掘可以在組織的所有領域中更好地決策。自動數據提取方法使組織和過濾信息成為可能，以將其轉換為相關知識，這些知識有助於某些領域檢測欺詐（金融），預測需求（銷售和營銷），以及識別瓶頸（行業和物流），以及許多其他應用。

數據挖掘在物流中的應用

物流可能是從中受益最大的領域之一數據挖掘的合並。自動檢測運營中的模式，例如收據，訂單拾取和產品收益，可以增強股票需求預測和庫存控製。

在他的學術報紙供應鏈數據挖掘出版物的審查內布拉斯加州大學的供應鏈管理和分析教授David L. Olson說供應鏈中的數據挖掘已經是現實：“供應鏈操作得到了通常的業務數據挖掘分析（包括客戶分析和欺詐檢測）和預測的支持。這意味著使用邏輯回歸，決策樹和神經網絡的標準數據挖掘方法進行分類以及預測回歸。”

作者說，數據挖掘在物流中的影響將增加：“該計算機技術在生成供應鏈重要方麵的測量以及對分析這些數據以做出更好的決定，將繼續增長。”

除了庫存管理中的決策之外，數據挖掘還可以增加物流階段的吞吐量，例如貨運合並。這是由加拿大理工學院蒙特利爾工程學校的研究人員布魯諾·阿加德（Bruno Agard）和Zineb的研究反映的。在他們的分析通過數據挖掘技術改善貨運合並作者說：“合並策略發展的關聯規則允許交付數量減少。反過來，這種方法還可以增加在同一車輛中交付的數量或運送到同一目的地，從而降低運輸成本和碳足跡。”