物流数据库挖掘分析

随着我国经济的持续高速发展，物流交通运输和物流分配在国民经济发展中的基础地位同等重要。与此同时，中国物流行业整体还不发达，技术有所提高。在首届中国现代物流GPS(全球定位系统)和GIS(地理信息系统)应用研讨会上，来自中国科学院、科技部以及GPS和GIS应用企业的代表一致认为物流 industry将与通信、保险、银行等行业一起，成为中国入世后的主要行业。

数据仓库还是仓库管理？数据仓库属于数据存储和技术。数据仓库的一般价值是从海量的历史业务数据中升级\改善当前业务\运营和管理，分析管理也不例外。就是通过历史的物流 data 挖掘来发现可以改善物流管理的有价值的信息，比如配送效率\误差趋势、需求曲线、运输效率曲线、客户分布(地区\行业...)...是的。

从物流的发展历史可以看出,物流的研究是从解决“牛鞭效应”开始的，即在多环节的流通过程中，由于各环节的需求预测存在误差，随着流通环节的增加，误差被放大，库存越来越偏离实际最终需求，从而带来存储成本和市场风险的增加。解决这一问题的途径是从研究合理的安全库存开始，以改变工艺和建立集中配送中心为终点，从而改变生产方式，实行订单生产，将静态库存管理转变为动态JIT配送，达到减少库存数量和周期的目的。

大数据技术与应用研究是面向对象编程、Hadoop实用技术、data 挖掘、机器学习、数据统计分析、高等数学、Python编程、JAVA编程、数据库技术、Web开发和Linux操作系统。大数据技术与应用研究方向为“互联网 ”前沿科学技术专业，将大数据-3挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术相结合。

大数据是指在可承受的时间范围内，传统软件工具无法捕捉、管理和处理的数据集合。它是一种海量、高增长、多元化的信息资产，需要新的处理模式来拥有更强的决策力、洞察和发现能力以及流程优化能力。其对物流企业发展的影响主要表现在以下几个方面:(1)信息对接，掌握企业运营信息。在信息时代，网络购物呈现出不断增长的趋势，其规模达到了前所未有的程度，给物流网购后带来了沉重的负担，各个节点的信息需求也在不断增加。

区别:大数据是互联网的海量数据挖掘，而data 挖掘更多的是针对企业内部的小众挖掘，data 分析是有针对性的。解读:大数据是指在可承受的时间范围内，无法被常规软件工具捕获、管理和处理的数据集合，是海量、高增长、多元化的信息资产，需要新的处理模式来拥有更强的决策力、洞察发现能力和流程优化能力；在维克多·迈耶·勋伯格和肯尼斯·库克耶写的《大数据时代》中，大数据是指所有的数据都用于分析处理，而不是随机分析方法(抽样调查)的捷径。