地理商业智能服务在物流领域中的作用

2017-11-08 17:45:54 来源: 未知

地理商业智能服务在物流领域中的作用
 

  商业智能的概念
  商业智能的作用是将企业现有的数据转化为知识,帮助企业做出正确明智的经营决策。在当今现代化的物流企业操作的过程中,通常会产生大量的数据,比如:定单、库存、往来账目、顾客等等。如何利用这些数据来增进对企业业务、供应链合作伙伴、顾客行为等状况的了解,预测企业业务发展趋势,并做出及时正确的判断呢?
  这些问题都可以通过建立有效的商业智能系统来解决。商业智能系统能够为使用者提供两个基本的效益:一是提供从数据中发现新关系的能力;二是加强战术和战略决策以及决策过程的精确性。
  复杂的商业智能系统能够适应来自不同数据资源的各种各样的数据类型,使用者在决策过程中,能够从大量细微、难懂的数据中挖掘和识别出有用的知识。
  商业智能在物流领域应用的必要性和紧迫性
  过去的几年里,物流行业发生了许多巨大的变化,如何管理物流也随之成为企业战略的一个重要环节。同时,随着竞争的不断加剧,物流管理所面临的任务也越来越繁重。为了将收集到的大量的各方数据转变为有价值、可操作的信息,企业所花的代价也越来越大。
  而商业智能技术的优势正是在将企业现有的数据转化为可操作的知识。因此,无论在物流企业的运输管理、仓储管理、增强供应链可见性、供需预测还是在衡量企业关键运营指标、人力资源管理等诸多方面,商业智能技术都大有可为。
  
商业智能系统的构造和相关技术
  商业智能系统的架构
  体系结构是指一整套的为一系统或产品的整体设计提供的规则和结构。而商业智能的体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业中的应用过程来提供商业智能系统应用的主框架。图1展示了一个完整的商业智能系统。通常来说,商业智能系统的建立,要遵守以下步骤:
  (1)识别和确定数据源。商业智能的数据来自于多种数据源,企业内部或企业外部的。 如:订单信息、顾客信息、产品信息、库存信息、财务信息等;
  (2)进行数据集成和存储管理;
  (3)数据分析和建模。商业智能建立的根本目的是获得高投资回报率。运用商业智能系统所提供的数据分析工具,通过数据分析、建模将数据转化为信息和知识。
  商业智能的相关技术
  从建立商业智能系统的技术角度来看,所需要的技术主要有以下几种;
  (1) 数据仓库技术。数据仓库出现在20世纪80年代中期,它是一个面向主题的、集成的、稳定的、包含历史数据的数据集合,它应用于支持管理中的决策制定过程(W.H.Inmon)。商业智能系统的核心是解决商业应用问题,通过把数据处理技术与商务规则相结合以提高商业利润,减少企业运营风险。
  (2) 数据挖掘技术。它主要用于从大量的数据中发现隐藏的规律或关系。通常采用机器自动识别的方式,而不需要太多的人工干预。数据挖掘中常用的数据模型有:分类模型,根据商业数据的属性将数据分派到不同的组中;关联模型,描述一组数据的密切度和关系;顺序模型,用于分析数据仓库中的某类同时间相关的数据,并发现某时间段内数据的相关处理模型;聚簇模型,按照某种相近程度量方法将用户数据分成互不相同的一些分组,组中的数据相近,组之间的数据相差较大。
  (3)联机分析处理(OLAP)。主要通过多位的方式对数据进行分析、查询和报表处理。OLAP主要对用户当前及历史数据进行分析、辅助领导决策。
  商业智能在物流领域的应用是相当重要和广泛的,当然要建立一个距离短、时间少、整合好、质量高、费用省、环保型的物流不是仅仅运用商业智能就可以做到的,而是必须强调物流五大环节(运输、保管、装卸、包装和信息)的系统性,做到五大环节的协调性、一致性、关联性、互动性和平衡性。