数据挖掘在物流4.0 - Interlake Mecalux

2022年6月15日

数据挖掘大量数据的分析吗识别模式和趋势在组织中,揭示出有价值的信息来支持决策。

数据挖掘可以帮助公司了解其工作过程和操作的行为——包括那些涉及物流决策和改善他们的表现。

什么是数据挖掘?

数据挖掘包含的计算过程识别趋势、规则隐藏模式,和其他有价值的信息通过分析大量的数据。也称为数据库中知识发现(KDD),数据挖掘近年来变得更加相关的数据存储技术(由于增加大数据)、人工智能(人工智能),机器人过程自动化。

在非专家,数据挖掘这个词通常是与大数据技术相混淆。这两个术语指相关但最终截然不同的概念。大数据指的是数据集如此巨大和复杂,他们需要的软件应用程序来处理它们。数据挖掘步骤超出:它包括审查非常大量的数据来检测规则和模式,肉眼是隐藏的。

掌握数据挖掘是如何工作的,至关重要的是要理解之间的关系分析和人工智能等技术和方法机器学习。人工智能和机器学习系统使用数据挖掘技术解释机器行为并创建解决方案的数据确定的模式和规则。事实上,正如表示的出版算法的见解从咨询公司德勤(Deloitte)数据挖掘属于的范畴认知技术,即,那些方便的实现人工智能系统(包括机器学习)。

数据挖掘的过程构成分析和从大量数据中提取隐藏的和可操作的知识资源存储在不同的格式。在他的书数据挖掘:实用机器学习工具和技术计算机科学名誉教授伊恩·威滕说:“数据挖掘的提取隐含的、未知的和潜在的有用的信息从数据。这个想法是建立计算机程序自动筛选数据库,寻求规律或模式。强大的模式,如果发现,将推广作出准确的预测未来的数据。”

数据挖掘使更好的决策在一个组织的所有领域。自动数据提取方法能够组织和过滤信息转换成相关知识,帮助在某些领域检测欺诈(金融)预测需求(销售和营销),识别瓶颈(工业和物流),在许多其他应用程序。

数据挖掘技术在物流中的应用

物流可能的状态中获益最多的地区之一整合的数据挖掘。模式的自动检测等操作的货物收据,挑选,可以提高产品的回报股票需求预测和库存控制。

在他的学术论文回顾供应链数据挖掘的出版物供应链管理和分析,内布拉斯加州大学的教授大卫·l·奥尔森说数据挖掘在供应链已经成为现实:“供应链业务已经由通常的商业数据挖掘分析的分类(包括客户概况和欺诈检测)和预测。这意味着使用标准的数据挖掘方法的逻辑回归、决策树和神经网络分类、预测和回归。”

作者说,数据挖掘在物流的影响会增加:“这台电脑技术的应用产生的测量供应链的重要方面,并分析这些数据做出更好的决策,将会持续增长。”

除了在库存管理决策,数据挖掘可以增加吞吐量等物流阶段货运整合。这反映了研究者布鲁诺Agard和代森锌Aboutalib加拿大蒙特利尔理工的工程学院。在他们的安娜l几个提高货运整合与数据挖掘技术作者说:“关联规则的实现整合的发展策略允许交付的数量减少。这种方法反过来也可能增加数量在同一车辆交付或交付到相同的目的地,从而减少运输成本和碳足迹”。