關(guān)聯(lián)規(guī)則挖掘技術(shù)與第三方物流企業(yè)營銷決策研究

黃遠(yuǎn)新，田紅英

（1.上海海事大學(xué)，上海市 200135；2.成都職業(yè)技術(shù)學(xué)院，四川成都 610041）

關(guān)聯(lián)規(guī)則挖掘技術(shù)與第三方物流企業(yè)營銷決策研究

黃遠(yuǎn)新1，田紅英2

（1.上海海事大學(xué)，上海市 200135；2.成都職業(yè)技術(shù)學(xué)院，四川成都 610041）

本文在介紹關(guān)聯(lián)規(guī)則挖掘技術(shù)的基礎(chǔ)上，結(jié)合實(shí)例對關(guān)聯(lián)規(guī)則的應(yīng)用進(jìn)行了詳細(xì)論述，實(shí)證研究表明，在物流企業(yè)信息管理中應(yīng)用關(guān)聯(lián)規(guī)則挖掘技術(shù)進(jìn)行分析，不僅在技術(shù)上是可行的，而且有助于第三方物流企業(yè)根據(jù)挖掘發(fā)現(xiàn)的內(nèi)在關(guān)聯(lián)規(guī)律及時進(jìn)行營銷分析并作出科學(xué)決策。

物流信息；關(guān)聯(lián)規(guī)則；第三方物流企業(yè)；營銷決策

一、引言

隨著物流業(yè)的迅猛發(fā)展和物流信息化水平的不斷提高，物流數(shù)據(jù)信息也呈幾何級增長，運(yùn)用傳統(tǒng)的處理手段通常難以對這些龐大的數(shù)據(jù)信息進(jìn)行深入分析，而關(guān)聯(lián)規(guī)則等數(shù)據(jù)挖掘技術(shù)是解決這類問題較好的處理工具。把關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用到物流領(lǐng)域，對海量物流信息進(jìn)行分析，挖掘出這些信息的潛在價值，有利于第三方物流企業(yè)（Third-party Logistics Enterprises）管理層及時發(fā)現(xiàn)內(nèi)在關(guān)聯(lián)規(guī)律，為進(jìn)行市場營銷等經(jīng)營決策提供科學(xué)指導(dǎo)。[1]

二、物流信息挖掘

數(shù)據(jù)挖掘（Data Mining），又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database，KDD）。貝里和利諾夫（Berry＆Linoff）認(rèn)為，[2]數(shù)據(jù)挖掘就是針對大量的數(shù)據(jù)，利用自動化或半自動的方式作分析，以找出有意義的關(guān)系或法則。瓜佩等人（Guape＆Owrang）則認(rèn)為，[3]數(shù)據(jù)挖掘是從現(xiàn)存數(shù)據(jù)中剖析出新事實(shí)及發(fā)現(xiàn)專家們尚未知曉的新關(guān)系。法耶茲（Fayyad）等學(xué)者把數(shù)據(jù)挖掘定義為，[4]數(shù)據(jù)挖掘?yàn)橐罁?jù)使用者需求自數(shù)據(jù)庫中選擇合適數(shù)據(jù)，加以處理、轉(zhuǎn)換、探勘至評估的一連串過程，期望能找出真實(shí)世界運(yùn)行時隱含于其內(nèi)的運(yùn)作規(guī)律，以輔助解決問題之用。

綜上所述，數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程。關(guān)聯(lián)規(guī)則（Association Rule）是數(shù)據(jù)挖掘的常用技術(shù)之一，它能夠有效地發(fā)現(xiàn)數(shù)據(jù)間的聯(lián)系，根據(jù)已有數(shù)據(jù)預(yù)測未來發(fā)展趨勢，在企業(yè)客戶關(guān)系管理、營銷策略制定方面有著廣泛的用途。[5]

隨著物流信息化水平的提高，通過數(shù)據(jù)挖掘技術(shù)分析貨物流向?qū)τ谖锪髌髽I(yè)或者物流用戶都有著至關(guān)重要的意義。借助關(guān)聯(lián)規(guī)則挖掘技術(shù)可以在不增加成本的情況下預(yù)測出客戶可能會感興趣的產(chǎn)品，有針對性地推廣產(chǎn)品。應(yīng)用關(guān)聯(lián)規(guī)則挖掘技術(shù)對客戶的發(fā)貨數(shù)據(jù)進(jìn)行分析，從中可找到客戶發(fā)貨去向之間的關(guān)聯(lián)，以及發(fā)貨去向與發(fā)貨種類之間的關(guān)聯(lián)。[6]企業(yè)則可以根據(jù)挖掘結(jié)果內(nèi)在的關(guān)聯(lián)規(guī)律作出市場營銷分析決策報告，列出潛在目標(biāo)客戶群，有針對性地拓展業(yè)務(wù)，推銷客戶所需的服務(wù)，提高業(yè)務(wù)營銷的成功率，創(chuàng)造更大的經(jīng)濟(jì)效益。

1994年，阿格拉瓦爾（Agrawal）等人提出著名的Apriori算法。[7]Apriori算法是發(fā)現(xiàn)關(guān)聯(lián)規(guī)則所需頻繁項目集的有效算法，至今仍然作為經(jīng)典算法被廣泛應(yīng)用。它通過掃描數(shù)據(jù)庫，先產(chǎn)生候選集C1，然后生成頻繁1-項目集L1，接著是C2、L2，如此不斷循環(huán)下去直到無法發(fā)現(xiàn)更多的頻繁k-項目集為止。[8]

三、實(shí)證研究

第三方物流（3PL）企業(yè)遠(yuǎn)成集團(tuán)在全國各省會城市及經(jīng)濟(jì)發(fā)達(dá)的二、三線城市有著較完整的物流網(wǎng)絡(luò)布局?，F(xiàn)對其部分業(yè)務(wù)數(shù)據(jù)作一些試探性分析，從中找出客戶發(fā)貨去向之間的關(guān)聯(lián)，以及發(fā)貨去向與發(fā)貨種類之間的關(guān)聯(lián)，為公司制定營銷決策提供支持。挖掘策略是：先對遠(yuǎn)成集團(tuán)成都公司的數(shù)據(jù)進(jìn)行分析，以成都公司為基點(diǎn)，找出各種關(guān)聯(lián)規(guī)則。

1.數(shù)據(jù)準(zhǔn)備

從該企業(yè)成都公司數(shù)據(jù)庫抽取2008年某時間段內(nèi)的業(yè)務(wù)記錄作為數(shù)據(jù)源，進(jìn)行如下數(shù)據(jù)處理：

（1）發(fā)貨方向歸類。發(fā)貨方向包含了全國各大中城市，為分析方便，歸為6個方向：①東北方向：哈爾濱、沈陽等；②華北方向：北京、天津、青島、石家莊等；③華東方向：上海、無錫、杭州、南京、寧波等；④華南方向：廣州、深圳等；⑤西北方向：西安、烏魯木齊等；⑥重慶方向。華中方向因?yàn)闃I(yè)務(wù)量較少，沒有符合標(biāo)準(zhǔn)的記錄。

（2）發(fā)貨種類歸類。歸為9大類：①食品：泡菜、榨菜、淡口菜、大頭菜、竹筍、醪糟、食用油等；②調(diào)味品：豆瓣、雞精、火鍋料、花椒油等；③酒類：郎酒、全興酒、瀘州老窖等；④藥品保健品：三勒漿、中藥材、西藥、獸藥等；⑤紡織品：服裝、棉布、雙宮絲、坯布等；⑥化工原料：PC料、A膠、BZS添加劑、聚磷酸銨等；⑦紙張類產(chǎn)品：白紙、靜電紙、夾板紙、膠版紙、紙漿等；⑧金屬制品：鋅錠、鐵合金、稀土、射釘、皮帶輪、柴油機(jī)等；⑨石材：花崗石、大理石等。

經(jīng)過發(fā)貨方向和發(fā)貨種類歸類處理后的部分?jǐn)?shù)據(jù)如表1所示。

2.挖掘關(guān)聯(lián)規(guī)則

本實(shí)證研究采用Spss公司開發(fā)的數(shù)據(jù)挖掘軟件——Clementine對處理后的數(shù)據(jù)進(jìn)行分析。執(zhí)行“Apriori”模型，設(shè)置支持度為10%，置信度為20%，得到的挖掘結(jié)果如表2所示。Clementine的可視化功能非常強(qiáng)大，通過執(zhí)行“網(wǎng)絡(luò)”模型，得到了非常直觀的挖掘結(jié)果，從圖1網(wǎng)絡(luò)節(jié)點(diǎn)挖掘結(jié)果可以看出，{紡織品（金屬制品），華東方向}、{食品（調(diào)味品），華南方向}被保留了下來，說明這幾對項目關(guān)聯(lián)程度是最大的。

執(zhí)行Clementine的兩個模型得到的結(jié)果基本相似，驗(yàn)證了挖掘關(guān)聯(lián)規(guī)則的可行性與準(zhǔn)確性。

3.結(jié)果評估及對策制定

（1）成都和廣州往返貨源分析

表2顯示，調(diào)味品和食品的發(fā)送量中分別有54.55%和47.19%是發(fā)往華南地區(qū)的，占發(fā)往華南地區(qū)貨物總量的29.78%，這表明了華南地區(qū)對食品和調(diào)味品的特殊吸引力。遠(yuǎn)成集團(tuán)華南地區(qū)貨物集散中心——廣州公司到成都的貨源情況如表3所示，其中數(shù)碼產(chǎn)品和家用電器等兩類貨物的交易記錄分別占總量的35%和25%。

上述數(shù)據(jù)表明食品、調(diào)味品和數(shù)碼產(chǎn)品、家用電器分別是遠(yuǎn)成集團(tuán)成都公司和廣州公司的主要貨源，應(yīng)該給予重點(diǎn)關(guān)注，調(diào)整營銷策略，加大所在本地區(qū)特色貨源的組織力度，有針對性地挖掘潛在客戶，形成穩(wěn)定的貨源，最大限度地提高運(yùn)輸車輛的裝載率，確保成都—廣州干線運(yùn)輸業(yè)務(wù)的穩(wěn)定，并促進(jìn)其增長。

表1 處理后的遠(yuǎn)成集團(tuán)成都公司部分業(yè)務(wù)數(shù)據(jù)單位：立方米、噸

表2 成都公司數(shù)據(jù)挖掘結(jié)果

表3 廣州至成都貨物關(guān)聯(lián)情況

表4 上海至成都貨物關(guān)聯(lián)情況

（2）成都和上海往返貨源分析

表2顯示，紡織品的發(fā)送量中有88.89%是發(fā)往華東方向的，占發(fā)往華東方向貨物總量的26.84%，這就提醒成都公司在組織華東貨源時，應(yīng)該特別關(guān)注生產(chǎn)服裝和布匹的廠家，提高這類產(chǎn)品營銷的成功率。遠(yuǎn)成集團(tuán)華東地區(qū)貨物集散中心——上海公司到成都的貨源情況如表4所示，其中機(jī)械設(shè)備的比重最大，占35.48%，其次是化工原料及產(chǎn)品，占25.8%，家用電器的比重排第三，占16.12%。這些數(shù)據(jù)也清晰地為上海公司的營銷策略指明了方向。不過表2顯示成都地區(qū)發(fā)往華東地區(qū)已經(jīng)形成規(guī)模效應(yīng)的貨源品種單一，除紡織品以外其他種類的貨物都是零散的，這就要求成都公司應(yīng)該抓住西部大開發(fā)以及災(zāi)后重建等帶來的巨大市場機(jī)會，努力拓寬貨源種類，擴(kuò)大成都—上海干線運(yùn)輸?shù)臉I(yè)務(wù)量。

四、結(jié)束語

本文通過研究指出在第三方物流（3PL）企業(yè)的信息管理中應(yīng)用關(guān)聯(lián)規(guī)則挖掘技術(shù)進(jìn)行數(shù)據(jù)挖掘，找尋關(guān)聯(lián)信息，為企業(yè)經(jīng)營決策提供支持在技術(shù)上是可行的。實(shí)證研究表明，對3PL企業(yè)的發(fā)貨記錄進(jìn)行關(guān)聯(lián)規(guī)則挖掘，可以找到客戶發(fā)貨去向之間的關(guān)聯(lián)，以及貨物流向與貨物種類之間的關(guān)聯(lián)；3PL企業(yè)經(jīng)營者則根據(jù)挖掘發(fā)現(xiàn)的內(nèi)在關(guān)聯(lián)規(guī)律進(jìn)行市場營銷分析，作出科學(xué)決策，適時提供客戶亟需的物流服務(wù)，提高業(yè)務(wù)營銷的成功率，從而擴(kuò)大市場份額，增強(qiáng)企業(yè)的核心競爭力。

[1]王琳莎，林國龍，楊斌.新的關(guān)聯(lián)規(guī)則算法在物流行業(yè)中的應(yīng)用[J].物流技術(shù)，2009，31（3）：41-43.

[2]Berry Michael J.A.，Linoff Gordon S.DataMiningTechniques：forMarketing，Sales，and Customer Relationship Management[M].New York：John Wiley&Sons，Inc. 1997.

[3]Guape F.H.，Owrang M.M.Database Mining Discovering New Knowledge and Cooperative Advantage[J].Information Systems Management，1995（12）：26-31.

[4]Usama Fayyad，Gregory Piatetsky-Shapiro，Padhraic Smyth.The KDD Process for Extracting Useful Knowledge from Volumes of Data[J].Communications of the ACM.1996，（11）11：27-34.

[5]Michael J.A.Berry，Gordon S.Linnoff.數(shù)據(jù)挖掘技術(shù)[M].北京：機(jī)械工業(yè)出版社，2006：175-194.

[6]陸璐.基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘在集裝箱追蹤系統(tǒng)中的應(yīng)用[J].鐵路計算機(jī)應(yīng)用，2008，17（8）：25-28.

[7]Agrawal R，Srikant R.Fast Algorithm forMiningAssociationRulesinLarge Database[A].Proc.1994 Int Conf.on VLDB，Santiago，Chile，1994：487-499.

[8]毛國君，段立娟，王實(shí)，石云.數(shù)據(jù)挖掘原理與算法（第二版）[M].北京：清華大學(xué)出版社，2007：67-69.

The Association Rule Mining Technology and It'S Application in Marketing Decision-making of the Third-party Logistics Enterprises

HUANGYuan-xin1and TIANHong-ying2
(1.Shanghai Maritime University，Shanghai200315，China；2.Chengdu Vocation&Technical College，Sichuan Chengdu610041，China)

Based on the introduction of data mining technology and Apriori algorithm,the paper provides a detailed review of the application of Association Rule according to the empirical analysis.Through demonstrations,it is proved that putting Association Rule Mining technology into the 3PL(short for Third-party Logistics Enterprise)information management is not only feasible in terms of technology,but also helpful for these enterprises to conduct a marketing analysis and make a scientific decision in time according to the intrinsic association regulations founded through mining.

logistics information；association rule；the third-party logistics enterprises；marketing decision-making

F253.9

A

1007－8266（2010）03－0060－03

＊本文系國家高技術(shù)研究發(fā)展計劃（863計劃）項目“裝備制造業(yè)虛擬庫存管理及協(xié)同物流配送技術(shù)研究”（批準(zhǔn)號：2007A A 04Z105）和上海市經(jīng)委引進(jìn)技術(shù)的吸收與創(chuàng)新年度計劃項目“綜合型物流企業(yè)信息系統(tǒng)中現(xiàn)代數(shù)據(jù)處理技術(shù)的應(yīng)用示范工程”（批準(zhǔn)號：07X I-058）階段性研究成果之一。

黃遠(yuǎn)新（1966-），男，四川省仁壽縣人，高級經(jīng)濟(jì)師，上海海事大學(xué)物流管理與工程專業(yè)博士生，中國物流學(xué)會常務(wù)理事、上海市物流學(xué)會副會長、四川省現(xiàn)代物流協(xié)會副會長、四川省工商聯(lián)物流商會副會長、四川省經(jīng)濟(jì)學(xué)會常務(wù)理事，主要研究方向?yàn)榈谌轿锪鞴芾?；田紅英（1966-），女，四川省劍閣縣人，高級經(jīng)濟(jì)師，成都職業(yè)技術(shù)學(xué)院副教授，主要研究方向?yàn)榈谌轿锪鞴芾怼?/p>

敖華