首页 > 文章中心 > 物流与供应链管理

物流与供应链管理

物流与供应链管理

物流与供应链管理范文第1篇

论文摘要:在全球化经营和顾客需求多样化条件下,企业要获得竞争优势,仅靠整合内部资源是不够的。本文在探究传统企业管理模式缺陷的基础上,提出了供应链管理的概念、特点、模型以及与物流管理的关系,并认为供应链管理将成为21世纪重要的管理模式。 论文关键词:供应链;集成化;物流管理;新模式 供应链管理的概念 供应链管理是在全球制造出现之后,在企业经营集团和国际化的形势下提出的,它是物流的延伸。从系统的观点出发,物流管理通过对市场到企业及其生产作业直到供应商的整个过程中物资与资金流、信息流的协调来满足顾客的需要。供应链包含于一体化物流,又超越了物流本身,它向着物流、商流、信息流、媒介流的方向同时发展,形成了一整套独立的体系。传统的物流管理主要涉及实物资源在组织内部最优化的流动,而从供应链管理的角度来看,只有组织内部的合作是不够的。 对于供应链的概念许多学者提出了他们的观点,综合他们的观点我们认为供应链是通过前馈的信息流和反馈的物流和信息流执行原材料采购、中间产品及成品生产、成品销售进而把供应商、制造商、分销商、零售商、最终用户连成一体的功能网链结构模式。供应链有几种常见的体系结构模型: 链状模型。链状模型是供应链体系结构的简单化模式,它研究以一个制造商为核心企业,与其供应商、分销商的链状关系,链状模型是一维结构模型,能较为明了地表现供应链的组织结构关系。 网状模型。由于供应链节点企业同时处于不同的几条供应链上,且其不至一个供应商或分销商,使供应链不再仅表现为一个简单的链状结构,而表现为一个复杂的、相互交错的网状结构。 供应链设计的原则 1、集成和分解相结合的原则。集成是供应链从局部到整体自下而上资源、信息集中的过程,它强调供应链的整合性和一体化物流特征。分解是供应链从全局到局部、由上到下的过程,它强调在全局性战略计划和决策的前提下,通过将供应链整体目标的分解来实现资源的合理配置,并且具体实践供应链的目标。集成和分散是相互依赖、相互促进的关系,共同实现供应链的优化设计,提高整个供应链的竞争力。 2、精炼化原则。柔性是实施供应链管理的出发点和优势所在,设计供应链时,要满足供应链柔性的要求,就必须坚持精炼化原则,通过删除不能带来增值的环节,选择合理的供应商、分销商,设计适宜的供应链节点数,使供应链既功能完备又灵活高效,提高快速反应能力。 3、集优化原则。供应链的形成是通过核心企业将非主营业务外包给专业化企业而形成的,基于业务外包基础上的供应链保证了各节点企业在所从事行业中都是最优秀的,从而实现了强强联合,达到实现资源外用的目的,每个企业只集中精力致力于各自核心的业务过程,就像一个独立的制造单元,这些所谓单元化企业具有自我组织、自我优化、动态运行和充满活力的特点,能够实现供应链业务的快速重组。 4、协作性原则。供应链的设计必须体现协作性原则。建立战略合作伙伴关系是供应链管理的重点,也是集成化供应链管理的核心。供应链管理的关键就在于供应链各节点企业间的联接和合作,以及相互之间在设计、生产、竞争、策略等方面的良好协调。 5、动态性原则。为了适应市场变化、柔性、速度、革新、知识等需要,供应链必须设计为一个动态的网链结构,在这个结构中,不能适应供应链需求的企业将从供应链联盟中被淘汰,从而使供应链成为一个能快速重构的动态组织结构,即集成化供应链动态联盟。联盟是基于一定的市场需求,根据共同的目标而组成的,通过实时信息的共享来实现集成。同步化的、扩展的供应链计划和控制系统是主要工具。 6、创新性原则。供应链管理本身就是创新思维的产物,作为一种新型的管理模式,供应链的设计同样要坚持创新性原则,这也是供应链设计集成化、动态性的要求。这种创新性体现在设计供应链时要敢于突破陈规、大胆质疑现有管理方法,采用新的更先进的管理技术,从新的角度、新的视野审视原有的管理模式和体系,进行创造性地创新设计。 7、战略性原则。供应链虽然是由不同企业合作形成的,但它们之间却有着“一毁俱毁、一荣俱荣”的“双赢”关系,因此只有坚持战略性原则,才能实现企业和整个供应链的长远利益,保证供应链的系统结构发展

物流与供应链管理范文第2篇

 

前言:供应链是一个客观存在的事实,但是能够引起人们的注意主要在近几年。伴随着经济市场中竞争局势逐渐激烈,很所企业的运作模式逐渐从内部发展,转移到了企业外部的市场资源运作中。基于这样的市场发展背景,就形成了新的企业也原作模式——供应链运作管理模式。该模式的出现为了社会经济发展带来直接影响,在供应链运作管理模式下,促进企业实现获益。

 

1集成供应链的运作管理模式

 

1.1供应链管理内集成界面的整合分析

 

企业内集成供应链的实际运作,主要在采购运作管理的基础上,分别进行生产运作、分销运作等方面的集成运作。在不同的管理界面中,都包含着战略层面的内容,如管理思想、管理组织、管理方法等。在企业中制定集成战略计划,实际上就是对以上三个管理运作战略的整合。其中管理方法的实际整合,主要在供应链管理思想指导下,以成本、质量、以及创新等方面的相互权衡,来实现精确化的管理。而管理内界面的集成,主要是在采购运作、生产运作以及分销运作管理基础上,进行统一化的整合,该中供应链内界面的融合,是企业供应链战略管理的核心内容。

 

1.2供应链管理界面的介质与实体价值活动的整合分析

 

在供应链管理界面中,包含很多介质,这些介质都是真实存在的,如物质实体、信息以及资金等。对这些实体介质进行相互整合,需要在价值实体下来实现,最为常见的方式就是产品的加工与生产等。对于物质实体的整合,其实际的结果就是产品,通过生产线上的制造,以贯穿于物流体系中的设计,来实现生产计划。已资金流为例,资金流的整合,是在产品订单履行的环节中,将付款以及结账相互融合到物流信息中来,进而促进供应链中资金流的良性循环。

 

1.3管理模式整合

 

企业集成供应链运作管理模式的整合实际上是指对采购运作、生产运作以及分销运作等环节的整合。整合模式主要通过管理思想、管理组织以及管理方法,对管理界面中的各种介质进行分析,针对界面中的非实体活动价值特点,并结合外部供应和销售市场环境中诸多变化,逐渐形成能够适应实际企业集成供应链运作的管理模式。

 

2集成供应链运作中的物流管理分析

 

2.1物流与供应链

 

在很多研究领域中,物流的概念与供应链概念同时出现,在很多情况下,人们往往认为物流就是供应链,在很多领域中将二者交叉使用。实时上,虽然二者之间存在着某些相似之处,但是物流在使用范围上以及使用功能上远不如供应链广泛。学术上关于该方面的研究中,俄亥俄州立大学运输与物流的教授呼吁, “让我们停止称呼物流供应链管理,物流可能在供应链中扮演者关键的角色,但是在供应链体系中所包含的内容更多,同时还需要公司集成供应商与客户,由此可见物流与供应链之间的差别。”供应链在发展形式上并不是一对一的纵向与横向的交易链条,供应链是网状的形式,能够实现集成与管理之间的相互协同。

 

2.2物流与供应链之间的差别

 

在现代科技背景下,物流已经不再是传统社会中的物流,而是被进化了的物流体系,即使是这样,物流也不能被认为供应链。物流与供应链之间依然存在着本质的差别。可以说供应链在内涵上更加的丰富,供应链的优势凸显主要表现在以下几方面:第一,网络结构方面。供应链是一个网络结构,而物流则是一个物流渠道,以低成本为主要的研究对象。第二,业务流程。在供应链中包含客户关系管理、客户服务管理、需求管理、供应商管理、产品开发与市场化、回收管理以及订单履行等。第三,管理部分。在供应链中其管理部分主要包含运作计划、工作结构、组织结构以及管理方法等。物理管理要素则是供应链管理中的重要组成部分。总之,供应链是对不同功能部分的活动关系进行整合,其实际目标就是为了促进客户满意,并保障企业能够有较大的盈利。而与之相对应的物流,所能够发挥出来的全部功能只是供应链中功能的一种,物流系统要想实现客户的满意,需要与市场销售相互合作,并与会计以及财政相互联系。

 

2.3供应链模式下的物流管理进化

 

物流管理需要在不断的进化与改革中才能够满足客户需求,物流管理以客户需求为前提,将物流的成本最小化。那么如何提升物流成本是物流管理中的关键,首先对影响物流成本的因素进行分析,其中最为突出的因素就是物流活动。物流活动具有较强的灵活性,因此对物流成本的高低难以控制。一般情况下物流成本还与企业的实际采购、生产、市场策略等息息相关。为了促进物流管理发展,需要在物流管理中,充分结合供应链运作优势,促进物流管理实现进化。

 

在实际的物流管理进化中主要分为三个阶段:第一阶段,在该阶段物流概念刚刚出现,物流只是局限于单一化的运输、货物保管等功能。在该阶段的物流管理所涉及的范围比较小,物流优化比较简单。第二阶段,该阶段中物流功能管理趋向于统一化,与第一阶段相比,管理范围更加的广泛,同时物流空间能够实现优化。同时第二阶段的物流在原来的基础上增加了很多功能,如仓库配置方面、货物装卸以及搬运等。

物流与供应链管理范文第3篇

关键词:物流;供应链;管理

1 企业物流管理与供应链管理的发展

企业物流管理的使命是计划和协调所有活动,以便在达到期望的服务水平和产品质量的同时,尽可能降低成本。因此,物流管理必须作为连接市场和供应的基础。从原料管理到最终产品送货,物流深深渗透到企业中。从下图可以说明这点:

从系统的视角出发,物流管理它要求协调物流和信息流以扩充市场,也要求企业跨过供应商直接进行操作。与传统企业所遇到的典型问题相比,现代企业要想达成横向一体化的目标,需要一套完全不同的定位策略。举例说明,多年来营销和制造在企业中被视为两种截然不同的活动单独存在。制造重视效率:大规模生产、较少的组织结构变化和产品标准化。而营销重视的则是:由多样化带来的竞争优势,包括服务品质和多样化的产品。最好的状况也只能是两者并存,最坏的状况就是两者的矛盾难以调和。在当今变化的市场环境中,营销被广泛地接受了,理解和满足客户需求是企业生存的前提。制造和营销活动再各自为政,就无助于实现企业的总体目标。现代物流提出了物流系统化(或叫总体物流、综合物流),并付诸实施。具体地说,使物流向两头延伸并加入了新的内涵,企业物流包括:供应物流、生产物流、销售物流、回收物流和废弃物流。 因此,从本质上讲, 物流管理就是一体化的概念,这一概念要求从系统的角度审视企业。

供应链管理起源于后勤学管理。后勤学首先使用在军事方面。二战以后,美国公司为了高效地管理材料采购、储藏、交通和设施地点规划,首先将后勤学引进工业领域。在面临今天全球市场的变化,企业必须重新审核进入和流出的供应渠道,以及相应的操作价值和管理策略。有多方面的原因促使企业投资改进供应链管理。高效管理供应网络是对全球市场的顾客需求进行快速反应的前提。

依照传统思想,大多数企业把自身看作一个独立整体,认为必须同其他企业竞争才能生存。这多是受到达尔文“适者生存”概念的影响,然而,如果因竞争反而导致相互间不可预见的合作,那么该理论就不攻自破了?这里因有一个不同的理论,即供应链一体化。

2 企业物流管理与供应链管理的区别

必须认识到供应链的概念不仅是“物流”的简单扩展。物流管理主要涉及企业内部的最优化,而供应链管理则认为仅仅实现内部一体化是远远不够的。下图说明了一体化是如何逐步达成的。

第一阶段,各商业职能如制造、采购等彼此间是孤立的,它们分别完成各自的任务。例如,为了优化制造成本,制造部门在长期生产运作上下功夫,不考虑是否增加库存,不关心库存空间的需求状况,更不在意对运作资金的影响。 第二阶段,企业认识到了相关功能间最为基本的一体化要求,如配送和物料管理或采购和实物控制。很自然的,第三阶段就是要建立和执行端到端的计划框架。第四阶段,是真正意义上的供应链一体化,是第三阶段的进一步扩充。在这一步协调好上游至供应商和下游至消费者的关系。由此可见,物流管理与供应链管理在本质上是不同的。 转贴于

3 物流管理与供应链管理的基础理论

伴随供应链竞争时代的来临,出现了很多指导管理者的理论。总结起来,就是“4R”——快速响应(Responsiveness)、可靠性(Reliability)、弹性(Resilience)和互相关系(Reliationsships)。

快速响应:在这个要求“及时制”的世界,能以较短的时间窗响应客户需求是企业一项重要能力。为了企业必须以需求推动生产而不是依靠预测进行生产,及应依靠敏捷来进行交易。要做到这一点,需要努力的就不只是公司自身,而是整个供应链。

可靠性:提高物流可靠性的要点之一是提高供应链可视性。设法令供应链更开放,使端到端一路清晰可视。

弹性:当今市场的特点之一是多变。商业和经济环境既不确定又不连续。结果是,供应链容易中断,商业的连续性受到威胁。以往,供应链的设计的主要出发点是成本最小化或服务最优,现在则是“弹性”。弹性具有更好应对不确定环境的能力。富有弹性的供应链有许多特征,其中最主要是在它最易受到伤害的地方投入更多的关注。

相互关系:竞争优势可以来自一种双赢的模式,既同供应商建立长期合作的良好关系。相互之间的依存度越高,竞争者就越无法打破它们的链条。

快速响应、可靠性、弹性、互相关系的四个理论为成功的物流管理和供应链管理提供了基础。

4 优化的物流管理与供应链管理

供应链管理通过Internet、电子商务把过去分离的业务过程集成起来,覆盖了从供应商到客户的全部过程,包括原材料供应商、外协加工和组装、生产制造、销售分销与运输、批发商、零售商、仓储和客户服务等,实现了从生产领域到流通领域一步到位的全业务过程。这需要在供应链的每一个阶段都选择最优秀的公司并与之合伙,还需要建立新的商业系统和流程以使得产品、信息和资金的流动更为有效。在公司的内部供应链关系被理顺后,被调查的公司将迅速与关键顾客和供应商建立牢固的合作关系。建立供应链和物流等方面的评估体系,对服务与质量进行评价。为公司的发展作出相应的计划与策略。日本企业取得成功的一个主要原因就在于将供应链中的各环节进行协调、集成。比如在企业内部,采用TQM(全面质量管理)、JIT(准时制管理)等强调各部门合作来降低成本、提高质量。在企业外部,采用外包制并减少零部件供应商数目,并与它们建立合作伙伴关系以达到共同提高质量、降低成本;另外,将顾客需求纳入企业管理系统内部,采用柔性制造系统(FMS),提高企业应变能力和服务水平。

供应链及物流管理的全部目的在于,保证供应链成本增幅较小的,同时,按客户要求提供服务。以市场制定物流战略,要能够用持久的、成本效益高的方式实现“服务完美度”。

只有事先确定好标准,才能有效地控制服务绩效。从根本上讲,服务标准只有一个,就是100%满足客户期望。为此供应商需要清楚、客观地理解客户需求,同时要使客户期望的服务形象化。也就是说,供应商所愿提供、所能提供的服务应与客户期望完全匹配。

由客户指定的标准最为有效。因此需要进行客户调查和竞争性标杆研究,以便设计出每一种市场细分的客户服务标准。某些重要领域必需制定标准:订单周期、库存可得性、订单规模限制、订单便捷性、送货频率、送货可靠性、文档质量、索赔程序、订单完美性、技术支持、订单状态信息。每一项标准都可定量衡量客户需求。不仅如此,它们也都用于与竞争性绩效比较。

5 对未来物流与供应链管理者的启示

要成为成功的物流和供应链管理者,对7种商业转变应具备管理技能。下表列举了管理者对7种商业转变所应具备的技能。

这些虽然只是一些代表性的技能,但它也充分说明,在信息系统和变革管理等领域,企业建立正规的教育和培训已经势在必行。因为这些技能不是仅仅依靠经验和自身慢慢地融会贯通就可以获取的,而必须通过适当的管理教育项目的培训才能牢固掌握。

参考文献

物流与供应链管理范文第4篇

随着现代工业企业的发展与日益国际化市场竞争,许多产品利润浓缩到微利竞争,企业管理效益在每个环节都很重要,为了提高采购、仓储、运输、库存分析、生产物料管理等相关人员的现代企业岗位基础管理知识,提高岗位综合效益,促进工作上水平,企业供应链与物流管理成为创造经济效益的不可或缺的基础环节,人员的培训和系统认识是该环节的突破口。

企业供应链与物流管理也是人才的管理,首要是人的综合平衡的管理,人的因素是客观与主观的结合。科技是社会的第一生产力,人与技术是企业生产的综合因子,企业的管理归结于人的综合管理,创造或亏损财富的是人,设施是过程中的介体,人与设施的投入需要适宜的成本控制,选择一定学历(即基础知识)和经验(即实际技能积累),二者的结合是根据岗位性质的不同,有不同的人的基本要求。铲车工、装卸工经验成为主要,不需要大学生去培养,生产物料管理即调度员综合素质要求能掌握一定工艺、统计学、简单预测等技能,需要一定的经验。而采购作为企业供应链与物流管理的最基础、最具效益的部门,更具有特殊性,根据采购内容及个人职能的不同而不同,采购经理需要有高度的信息流、市场波动的预测与决策、谈判策略,筹划供应链的长效性、稳定性与市场效益的结合,采购资金运作的主动性效应等,供应商的合理评审、采购员的专业知识与市场信息交流的能力与合理性价比的定位是其基本业务能力的体现,采购可以创造或亏损大量的财富,是许多企业致力于不断提高采购部门综合人员素质的高度目标。

物流的环节控制是经济效益的基础,物流同样存在PDCA的全过程循环,由计划开始,严格的根据销售计划、生产计划、采购计划进行计划实施,调查效果、总结经验、优化过程。采购是物流环节的中心,合理采购量、库存量并适时调整,并不断的对市场价格、数量做分析是保证物流过程得以可持续改进的基础,采购端正过程中的矛盾体,避免矛盾的积累,库存不足影响生产进度,库存过剩会出现大量无效运输,产生库存浪费、人的浪费,工作有效性下降,这就要求批量采购的控制适宜性,供应关系的优化,合理的占用资金、合理的保持供应商的数量和供应比例,使企业的利益和部门效率得以保证。

物流供应链的绩效管理是推动物流创造效益、降低成本的标准,主要通过供应链整体的可靠性、反应性、成本、资本运营效率等具体内容指标,涉及相关采购、生产、库存、仓储、运输等部门进行绩效考核。并对物流活动分析及库存的联动效应,物流成本的分析来透射出物流的效益,使物流过程中人的因素、事的因素进行互动,达到有效降低企业物流环节的浪费,降低过程成本,实现基础控制和利润最大化。

物流与供应链管理范文第5篇

[关键词]:数据挖掘、物流与供应链管理、应用

1引言

现代物流系统是一个庞大复杂的系统,特别是全程物流,它包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节,每个环节的信息流量都十分巨大。同时,信息化物流网络体系的应用也使得数据库规模不断扩大,巨大的数据流使企业难以对其进行准确、高效的收集和及时处理。为了帮助决策者快速、准确地作出决策,实现对物流过程的控制,提高企业的运作效率,降低整个过程的物流成本,增加收益,就需要一种新的数据分析技术来处理数据。

2数据挖掘技术的内涵

数据挖掘(Data Mining),就是从海量数据中挖掘出隐含在其中的知识。数据挖掘的概念应该分为狭义的和广义的两种。

一般认为,广义的数据挖掘又称数据库中的知识发现(Knowledge Discovery in Database),简称知识发现(KDD)。它是从大量的、不完整的、有噪声的、模糊的和随机的数据中,提取隐含在其中的、人们事先不知道的、但又是可信的、潜在的和有价值的信息和知识的过程。

这个概念包含以下几层含义:

(1)作为数据挖掘的数据源,其数据必须是海量的、含有噪声的。

(2)挖掘出来的模式是可理解的、易描述的、有用的。

(3)通过数据挖掘发现的知识是用户感兴趣的。所谓感兴趣,是指知识的可信度、新颖性、潜在作用性和可理解性的综合。

(4)通过数据挖掘发现的知识不是放之四海而皆准的真理,也不是要去发现崭新的自然科学定理和纯数学公式,更不是什么机器定理证明,数据挖掘发现的知识是相对的,是有特定的条件约束的,面向特定领域的。

狭义的数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程,是知识发现过程中的一个步骤。

数据挖掘是一门诞生时间不长却飞速发展的计算机分析技术,其方法有很多种,其中比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。它的常用算法有:统计分析方法、决策树方法、遗传算法、运筹学等。除此之外还有关联规则、神经网络、小波分析方法等。

3数据挖掘在物流与供应链管理领域的主要应用

3.1 选址决策

3.1.1 概述

物流供应链选址决策主要是物流中心的选址问题,它是指在一个具有若干供应网点及若干需求网点的经济区域内,选取一个或多个地址来设置物流中心的规划过程。最佳的物流配送中心选址方案使商品通过物流中心汇集、中转、分发,直至输送到需求网点的全过程的效益最好。如果选址不当,将产生极大的负面影响甚至付出沉重的代价。

3.1.2 数据挖掘技术的应用

在物流中心选址时,基于以上的考虑因素,使用数据挖掘技术来找出自然环境、经营环境、基础设施状况、物流费用等指标,然后建立模型,对其分析,得出最终的选址方案。

目前运用决策树方法对其进行研究,它的主要步骤为:

(1)选择目标数据,预处理和数据转换

对影响供应链选址的因素如交通便利等进行数据收集,再按公式进行统一数据转换,如转换为百分制,以便于选址评价。

(2)建立决策树

根据选址评价样本数据集,利用公式得出各属性的信息增益,信息增益最大的属性作为决策树的根,再对其属性值分别引出一个分支,重复上述步骤,最后生成决策树。

(3)结果评价,选址

3.2 库存仓储决策

3.2.1概述

物流中的仓储是包括储备、库存在内的广义的仓储概念,它是以改变“物”的时间状态为目的的活动,是与运输并列的两大主要功能要素。仓储是社会物质生产的必要条件,可创造“时间效用”,即调节生产的不均衡、消费的不均衡、价格的不均衡。仓储成本与服务水平紧密相关,例如:为了降低成本而减少库存,很可能会造成客户等待时间过长,服务质量下降。在进行仓储决策时,应考虑存储成本、生产准备(生产变化)成本、订购成本、短缺成本和所需物料的市场成本。

3.2.2库存仓储的数据挖掘过程

1.确定数据挖掘的目的

进行数据挖掘必须有清晰业务对象和明确的挖掘对象,由此确定数据挖掘的目的。应以企业内部、 外部相关的数据记录作为数据挖掘的对象,目的是更好地控制库存的数量与质量,为企业节约资金和时间成本。

2.数据整理

1) 数据清理:清除噪声数据或不一致数据,对缺失数据及异常数据进行处理,筛选掉不希望包括进来的观测值。

2) 数据集成:数据的来源越广泛,则包含有效数据的可能性就越大。对企业内部而言,涉及到企业ERP的各个方面和PDM(产品数据管理)的相关数据。而对企业外部的数据,则包括供应链上各个企业的信息、 企业营销反馈信息、 企业网站、BBS论坛等服务相关信息。

3) 数据选择:搜索所有与业务对象有关的内部和外部数据信息,辨别出需要进行分析并适用于数据挖掘应用的数据集合,缩小挖掘范围,避免盲目搜索。若数据量太大,则可采用取样技术,这样最终得到的数据来源,才能充分反映出数据挖掘对象的特性,实现数据挖掘的目的。

3. 数据转换:根据具体问题建立相应的数学模型后,针对某一个挖掘算法需要将数据转换成适用于挖掘算法使用的范围或格式,然后将转换后的值作为新的变量存放在样本数据中。转换目的是使数据更好地和将来要建立的模型拟合。

4. 建立数据挖掘库:对于大型企业,可以通过上述步骤建立数据仓库,在数据挖掘的同时进行联机分析(OLAP),这需要有专用的数据仓库服务器支持,对中小企业而言,没有大规模投入的情况下,也可以通过上面的步骤建立数据挖掘库,直接用于数据挖掘。

3.3 配送决策

3.3.1 概述

在现代物流企业中,物流配送过程是关系到企业经营业绩的重要环节,通过对配送需求的预测可以保证合理的资源配置和降低配送费用。企业在经营活动中,积累了大量的数据,如销售数据、历史配送数据、库存数据、商品结构数据、地区数据、客户数据、市场数据等,这些数据蕴涵着宝贵的信息,如能充分利用,对企业的发展极为有利。

在这些海量数据的基础上,构建全新结构的数据仓库,以数据挖掘为手段,面向不同的主题,重新组织这些数据,从多方面进行深入的分析,可以分析和挖掘得出有价值的经验和规则,为企业的物流配送提供辅助决策。

3.3.2配送过程中数据挖掘的内容

在物流配送业务中,主要关注的问题是货物的调配与运输费用。通过对运输时间、配送车辆的选择、配送货物种类和数量进行分析,我们可以得到很多重要的信息。主要从车辆维度、时间维度和货物维度三个方面来考虑:

(1)车辆维度的类别:全部车辆、车辆类型、单车

物流配送企业常常要考察车辆的载货量、行驶速度等指标,通过对不同类型的车辆进行对比,可以全面掌握各种车辆的运载能力。这样,可以针对不同的客户需求制定合理的配送决策方案,达到企业资源的最优化配置。

(2)时间维度的类别:全部时间、年、月、日、时、分

物流配送企业在时间的观测角度与一般的销售企业有很大的不同。一般的销售企业主要是对每天、每月、每季度、每年的销售情况就行统计分析,而物流配送企业重点关注的是如何满足每次配送任务中客户对时间的要求。从这个角度观察时间,主要是对每次配送任务中,车辆的运输时间段的观察。通过多次不同的配送任务记录的积累,寻找影响车辆运输时间的因素。同时,对运输时间与运输线路的分析,可以对每次配送任务寻找到最优化的配送顺序,达到提高运送效率,降低运送成本的目的。

根据上面配送系统的要求,将时间维的类别设计为全部时间、年、月、日、时、分六个类别。在物流配送日汇总表中,有配送日期字段,可以通过这个字段知道配送任务发生的日期,在此基础上,进而确定本次配送任务的执行时间段。

(3)货物维度的类别:全部货物、货物分类、单个品种

物流配送企业的货物实际上可以看作是销售企业的商品,对货物而言,企业关心的是货物的库存数量与在途数量,这就要对全部货物进行分析。在物流配送企业中,仓库中的货物流动量越大,说明该物流配送企业的经营状况越好。同时,可以为其供货商提供相关的市场信息。

将货物维设计分为全部货物、货物分类、单个品种三个层次,编码字段货物基本信息表的货物编码字段、货物分类目录表的货物分类编码字段和货物分类级别字段等相关字段组合起来可以提供所需要的信息。

3.4 数据挖掘在物流客户关系管理中的应用

3.4.1概述

随着物流企业管理信息系统不断完善,企业积累了大量的客户信息和产品数据。如何充分利用这些数据,提高第三方物流企业的服务水平是摆在众多企业家面前的难题。数据挖掘技术可以从海量的数据中挖掘出需要的信息,为解决这个难题带来了希望。物流领域客户关系管理主要包括客户需求分析、客户忠诚度分析、客户等级评估分析、产品销售分析等。

3.4.2 数据挖掘过程

有约束的关联规则数据挖掘的实施过程如下:

理解业务问题

如“客户食用分析”,“客户流失分析”等

2.建立数据仓库

建立数据仓库时对数据进行预处理,根据待决策的问题对运营数据进行选择,清洗,转换,装载的操作,以得到更好的模型。数据挖掘的数据可能驻留在多个业务数据库中,如客户数据库,产品数据库,交易数据库,ERP数据库等。需要将其整合。

3.分析数据

在建模之前必须很好的理解数据。取各种数据的特征,包括统计量的描述如平均值,标准方差等。

4.准备建模数据

5.建立预测模型

6.模型评价

7.模型应用

3.5数据挖掘在物流平台中的应用

现代物流管理平台是国家十一五支撑计划课题“现代物流综合管理关键术及平台”中的成果之一。该平台主要以增强物流系统的信息辐射和集聚效为目标,研究物流信息资源共享机制,以减少物流系统中的不确定性、降低营成本、缩短运转周期、增强物流系统柔性为目标,以第三方物流企业和区域物流为示范对象,综合应用物流系统优化设计、业务过程监控、资源整合与业务协同和信息共享与集成等现代物流系统关键技术,推动物流服务功能和范围的持续扩展,提高我国物流服务业的核心竞争力。

3.6数据挖掘在供应链金融领域应用

“供应链金融”是近年来金融机构针对供应链上下游企业提供的一种全新的金融业务。该业务主要围绕供应链上某“1”家核心企业,将供应商、制造商、分销商、零售商、直到最终用户连成一个整体,全方位地为链条上的“N”个企业提供融资服务,通过相关企业的职能分工与合作,实现整个供应链的不断增值,因此,它也被称为“1+N”模式。这种融资模式站在产品供应链的全局高度,为整个供应链提供综合的金融服务,既解决了企业特别是中小企业长期以来存在的融资困扰,又延伸了金融机构的纵深服务具有广阔的发展前景。而随着信息化的普及和第三方物流的发展,许多大型物流公司积累了大量经销商的相关数据信息,分析、利用如此海量的数据,正是数据挖掘技术的用武之地。本文利用描述性数据挖掘给出低还款能力(以下称为高还款风险)经销商的特征属性,为金融机构进行风险控制提供参考依据。

4总结与展望

数据挖掘技术已经在商业、金融业、保险业、电信业等多个领域开始得到应用,取得了令人满意的效果。我国物流企业在数据挖掘应用方面还处于起步阶段,经验不足,并且应用实践在国内物流企业中还并不多见。同时,数据挖掘技术仍然面临着许多问题和挑战:如数据挖掘方法的效率亟待提高,尤其是超大规模数据集中数据挖掘的效率;开发适应多数据类型的挖掘方法,以解决异质数据集的数据挖掘问题;动态数据和知识的数据挖掘;网络与分布式环境下的数据挖掘等。但随着数据挖掘应用研究的深入开展,以及物流企业追求运营绩效愿望的增强,将会有越来越多的物流企业引入数据挖掘,为各物流企业在激烈的竞争中掌握主动,在未来的发展中提供更广阔的空间,发挥重要的作用,数据挖掘在物流企业管理中将会有更加广阔的应用前景。

[参考文献]

1.张敏.数据挖掘技术及应用[J].信息技术,2010(3):11-13.

2.Han Jiawei, Micheline Kamber.数据挖掘―概念与技术[M].北京:机械工业出版社,2001.