数据仓库技术在物流企业中的应用

随着我国经济和电子商务的飞速发展，物流行业越来越突显出其经济动脉的作用，成为影响经济发展的重要因素。物流业发展的初期，对企业规模和管理水平的要求不高，较低的门槛使得众多的企业进入物流行业，这些企业大多规模较小，业务领域较为单一，并且大多数业务仅限于低端的运输服务，大量的成本消耗在基础环节，整个行业效率不高。这种传统的物流系统虽然累计了大量数据，但没有统一、优质、高效的数据分析作为决策分析的基础，单一的常规数据库技术远远满足不了海量和多源的数据融合、集成、交互和信息提取，成为限制现代物流系统发展的瓶颈。

为了解决业务数据量的不断增加导致传统物流决策支持系统很难满足企业要求的问题，越来越多的业内人员提出将数据仓库深圳到清远物流和数据挖掘技术引入物流系统。数据仓库是信息管理和分析应用的有效平台，可以有效地为分析决策支持系统服务，提高广州到池州物流系统的分析效率并增强处理复杂查询的能力。

1 数据仓库技术

1.1 数据仓库基本特点

数据仓库技术是近几年适应数据处理需求而发展的新技术，它用新的方法将不同格式、不同部门和不同平台的数据进行及时的集成，当不同的软件信息系统的数据发生变化时，它也会随着更新。数据仓库处理的主要对象是大量集成的、稳定的和随时间变化的数据，通过处理为决策支持系统提供更为有效的数据。这些数据不是大量数据结果的堆积，而是按决策主题重新组织的，通过对大量分散数据进行抽取、转换、集成和综合管理，为决策分析提供统一、高效、高质的数据平台。数据仓库的数据主要来源于现有的多个同构或异构的数据库，集成后又按照主题进行重组。

数据仓库的结构框架通常可分为数据源、数据集市、OLAP服务器、工具等部分，其基本结构如图1。

1.2 OLAP （联机分析处理服务器）

OLAP是数据仓库技术的重要部分，主要功能是分析管理数据模型，是一个功能强大的多维数据分析引擎，通过对多维建模后的数据进行旋转、切片、切块、透视等操作分析数据，将数据多角度、多侧面的传递给用户，使其能更深入和准确的获得包含在数据中的有效信息。系统通过OLAP服务器连接数据仓库和客户端，从数据仓库抽取数据，将数据进行有效的集成，按多维模型重新组织，通过多角度，多层次的分析和发现，为决策系统提供所需要的有效数据。通过OLAP，企业管理人员能够获得对数据的更深入了解。

2 系统框架

2.1 基于数据仓库的系统结构

建立数据仓库，首先需要对行业内具体企业的业务要求和业务数据进行分析，做出正确的需求分析，构建基于数据仓库的物流系统，使之能适应行业需要，提高决策分析能力。在分析了企业需求和行业需求后，我们可以构建一个基于数据仓库的并适用于行业的物流系统，系统由原始数据库、数据仓库模块、数据挖掘工具、知识发现模块、OLAP服务器和人机交互模块组成。数据仓库按佛山到曲靖物流不同主题以多维模型的方式重新组织数据，并为每个模型建立数据集市，这些数据集市为后面的数据挖掘模块和OLAP服务器提供了信息更为有效的数据源。数据挖掘工具用于完成多维数据分析和数据开采，并完成实际决策问题中的各种查询。基于数据仓库的物流系统结构如图2。

2.2 数据挖掘

经过数据仓库对大量原始数据的重新组织和多维建模，获得了信息量更为丰富的数据源，数据挖掘就是对数据仓库提供的新的数据源进行分析和综合，并以图表等可视化的形式出现，为决策系统提供更直接信息。但数据挖掘获得的信息并不是可以全部直接用于决策支持，必须对这些信息进行判断、筛选、评价和验证，把最终正确有效的信息放入知识库中，并经过长期的学习累积更多的知识，提高数据挖掘的效率。

2.3 OLAP的组成

利用联机分析处理服务器OLAP，对已经进行的物流数据进行分析，为客户提供分类数据报表，为知识发现模块提供学习数据，具体可分为以下几点：1）车辆配货分析；2）行车路线分析；3）货物送达分析；4）费用效益分析。

3 结论

随着技术发展，数据仓库技术为物流行业的发展提供了更为广阔的空间，使行业发展更加科学化。数据仓库技术是决策支持系统这一复杂系统工程中一个重要部分，其包含了基本的数据库原理和统计学知识，也囊括了数据可视化、知识学习和决策支持等新领域。在我国数据仓库仍然处于刚起步的状态，真正意义上的数据仓库在物流系统中的应用还有广阔的空间，建立一个成熟完善的基于数据仓库物流决策支持系统还需要更多的理论支持和实践经验。