數(shù)據(jù)挖掘在物流管理中的應(yīng)用研究

1.65萬字
我自己原創(chuàng)的畢業(yè)論文，僅在本站獨家提交，大家放心使用

摘要 隨著信息技術(shù)的飛速發(fā)展, 物流企業(yè)積累了大量的歷史數(shù)據(jù)，但由于缺乏有力的數(shù)據(jù)分析工具和完善的數(shù)據(jù)分析與決策系統(tǒng)，使得重要的決策常常不是基于數(shù)據(jù)庫中豐富的數(shù)據(jù),而是基于決策者的直覺, 因此建立決策支持系統(tǒng)以提高數(shù)據(jù)分析能力, 從而為決策者提供科學(xué)合理的依據(jù)所做的研究就十分重要。傳統(tǒng)的數(shù)據(jù)庫管理信息系統(tǒng)不能夠很好地利用、分析數(shù)據(jù)庫中積累的大量數(shù)據(jù),而數(shù)據(jù)挖掘技術(shù)是近幾年發(fā)展起來的數(shù)據(jù)組織和分析的新技術(shù)，它與數(shù)據(jù)倉庫技術(shù)的結(jié)合則可以很好地解決這一問題。

關(guān)鍵詞 數(shù)據(jù)挖掘，數(shù)據(jù)倉庫，物流管理，CRM

The application of data mining in logistics management

Abstract With the rapid development of information technology, logistics enterprises have accumulated a large amount of historical data, but due to the lack of powerful data analysis tools and sophisticated data analysis and decision-making system, making the important decisions are often not based on a wealth of data in the database, but on intuitive decision-makers, so build decision support systems to improve data analysis capabilities to provide a scientific basis for rational decision-makers on the importance of research done. Traditional database management information system is not able to make good use of analysis of large amounts of data accumulated in the database, and data mining technology is developed in recent years for data organization and analysis of new technology, which combines data warehouse technology can be very a good solution to this problem.

Keyword data mining, data warehousing, logistics management, Customer Relationship Management


目 錄
第一章 緒 論 1
1.1 課題的研究背景及意義 1
1.1.1選題背景 1
1.1.2研究目的及意義 1
1.2 國內(nèi)外研究與應(yīng)用現(xiàn)狀 2
1.2.1國外研究現(xiàn)狀 2
1.2.2國內(nèi)研究現(xiàn)狀 2
1.3本文主要研究內(nèi)容 3
第二章 數(shù)據(jù)挖掘及物流信息系統(tǒng) 4
2.1 相關(guān)理論與概念 4
2.2 數(shù)據(jù)挖掘 4
2.2.1數(shù)據(jù)挖掘概述 4
2.2.2數(shù)據(jù)挖掘與數(shù)據(jù)倉庫 4
2.2.3數(shù)據(jù)挖掘的主要方法和技術(shù) 5
2.2.4數(shù)據(jù)挖掘的常用工具 6
2.3物流信息系統(tǒng) 7
2.3.1物流信息系統(tǒng)概述 7
2.3.2物流信息系統(tǒng)的內(nèi)涵與特點 7
2.3.3物流信息系統(tǒng)所要解決的主要問題 8
第三章 數(shù)據(jù)挖掘在物流管理中的應(yīng)用 9
3.1 應(yīng)用背景 9
3.2 在客戶關(guān)系管理中的應(yīng)用 9
3.2.1發(fā)掘新客戶 10
3.2.2挖掘現(xiàn)有客戶的價值 11
3.2.3留住老客戶 11
3.3 在物流配送中的應(yīng)用 12
3.3.1物流配送問題描述 12
3.3.2物流配送問題數(shù)學(xué)模型的構(gòu)建 12
3.3.3物流配送問題的數(shù)學(xué)求解 14
第四章 數(shù)據(jù)挖掘在物流管理中存在的問題及其解決辦法 16
4.1 數(shù)據(jù)挖掘在物流管理中存在的問題 16
4.1.1缺少第三方物流公共服務(wù)平臺開發(fā)的智能分析系統(tǒng) 16
4.1.2對物流數(shù)據(jù)的整合程度不高 16
4.1.3數(shù)據(jù)的私有性及安全性 16
4.1.4相關(guān)技術(shù)人員的缺乏 16
4.2 加強數(shù)據(jù)挖掘在物流管理中應(yīng)用的解決辦法 16
4.2.1 面向第三方物流公共服務(wù)平臺的智能分析系統(tǒng)的設(shè)計 16
4.2.2 對物流數(shù)據(jù)的整合 16
4.2.3確保數(shù)據(jù)的私有性和安全性 17
總結(jié)與展望 18
參考文獻(xiàn) 20