前言：中文期刊網精心挑選了大數據互聯網論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
大數據互聯網論文范文1
以連鎖化、信息化和規?；癁橹饕卣鞯姆b零售業已成為當今社會的支柱產業，就銷售額而言，服裝零售企業已超越制造、金融服務、信息等企業成為世界第一，其中連鎖企業組織形式是商品零售企業能發展到如此規模的核心因素。連鎖企業的實質是統一采購、統一配送、統一核算、統一標識、統一管理（即“五個統一”），其中統一配送是連鎖企業核心競爭力的重要組成部分。隨著大數據時代的到來，服裝行業物流信息化步伐的加快，服裝連鎖企業物流決策支持系統必須以實際業務為落腳點，合理利用海量數據，適應客戶多元化、個性化的需求。
1 大數據和數據挖掘
隨著博客、微信、社交網絡、基于位置服務的新型信息方式的不斷涌現，人們對數據的需求呈現出多維度的特點，與此同時，數據正以前所未有的速度不斷增長與累積，大數據時代真正進入了我們的生活。早在2008年，《Nature》就推出Big Data專刊，計算社區聯盟在2008年發表報告，闡述在數據驅動的研究背景下，解決大數據問題所需的技術和面臨的挑戰。近年來，隨著物聯網論文、云計算等數據挖掘技術的發展，大數據在人民日常生活、科學研究中的作用日益凸顯，對大數據的研究也成為科學研究的主流。目前對大數據沒有統一的定義，但大數據不是傳統意義上大量數據的集合體，與海量數據也有著本質的區別。麥肯錫認為，“大數據”是指其本身超出了典型數據庫軟件的采集、儲存、管理和分析等能力的數據集。IT業界認為，大數據具有4V特征，即規模（Volume）、種類（Variety）、速度（Velocity）和最重要的價值（Value）。規模是指巨大的數據量并持續增長以及數據的完整性，如醫療衛生、電子商務、影視娛樂等每天都有大量數據涌現；種類是指數據類型的多樣性，不僅包括結構化數據分析利用，更強調半結構化和非結構化數據的分析與應用；速度指處理速度快、響應時間短；價值則是指海量數據中蘊含著巨大的社會價值和商業價值。
數據挖掘（Data Mining，DM）是從大量數據（包括結構化數據、半結構化數據和非結構化數據）中挖掘出隱含的、未知的、對決策有潛在價值的關系、模式和趨勢，并用這些知識和規則建立用于決策支持的模型，提供預測性決策支持的方法、工具和過程；是利用各種分析工具在海量數據中發現模型和數據之間關系的過程。也就是從數據中獲取智能的過程。通過數據挖掘分析，能幫助企業發現業務的趨勢，揭示已知的事實，預測未來的結果。
2 服裝連鎖企業物流決策支持系統
決策支持系統（DSS）是管理信息系統（MIS）向更高一級發展而產生的先進信息管理系統，輔助決策者通過數據、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機系統。簡而言之，DSS就是在數據倉庫的支撐下，通過數據挖掘技術建立模型，從而幫助決策者進行決策。從功能上來看，MIS系統主要解決結構化問題，而DSS主要解決半結構化和非結構化問題；MIS完成的是例行業務活動中的信息處理問題，而DSS完成的是輔助支持決策活動，通過人機交互提供決策所需的信息。因此，MIS的目標是高效率，而DSS的目標則是有效性。服裝連鎖企業物流決策支持系統是服裝連鎖企業決策支持系統的一個子系統，對解決服裝連鎖企業物流日常業務中遇到的半結構化問題、增強決策者經驗與信心、提高企業物流信息化水平、改進工作方式等都有著積極作用。
3 傳統服裝連鎖企業物流管理決策支持系統
傳統服裝連鎖企業物流管理決策支持系統的結構如圖1所示。該系統對配送中心選址、庫存控制、運輸和路徑優化提供輔助決策支持，使各部門、人、物、車等要素協調工作，提高運輸效率。為了完成這些輔助功能，該DSS必須完成對服裝連鎖企業物流管理中相關信息的采集并存儲到數據倉庫中，通過模型庫和方法庫進行數據挖掘和處理，利用知識庫對系統決策進行評價和優化，最后通過人機交互為正確的決策提供支持。傳統服裝連鎖企業物流管理決策支持系統與大數據背景下的服裝連鎖企業物流管理決策支持系統的主要區別在于，大數據背景下是以占有數據開始。在本文中，我們以數據倉庫來進行大部分資料的自助采集。
3.1 數據倉庫
數據倉庫之父William認為，數據倉庫是支持管理決策過程的、面向主題的、集成的、隨時間而變的、持久的數據集合。它是一種數據處理體系結構，實質是企業各業務部門有聯系的數據進行統一和綜合的中央倉庫，是相互聯系的數據庫的集合。服裝連鎖企業物流管理決策支持系統的數據倉庫系統如圖2所示。物流決策支持系統將收集到的基礎資料存儲到這些數據庫中，然后將數據倉庫中的數據通過聯機分析服務進行數據挖掘，得出進行下一步處理的數據，為決策支持系統提供支持。因此，由于基礎數據的獲得是數據倉庫進行分析處理的基礎，所以傳統服裝連鎖企業物流決策支持系統數據庫中的數據量越大，款式越齊全，分析處理就越全面，就越能體現出決策支持系統的優越性。
圖2 數據倉庫系統結構圖
3.2 模型庫和方法庫
服裝連鎖企業物流決策支持系統通過自動匹配建模和相似模型的轉化來對基本數據進行模塊化處理，從而實現人機智能交互。整個物流決策支持系統以人為本，把數據信息與模型庫中的預定條件進行比較，通過進一步處理，得到分析或解決問題的方案，然后通過人機交互，確定相應方案的評價方法，并對不同評價方法下的方案進行決策分析，從而進行決策。在“互聯網+”時代，客戶的需求日新月異，要求服裝連鎖企業物流決策支持系統具有更強的適應性，因而模型庫中的有關建模方法、分析方法要與數據挖掘技術的最新進展相適應。
3.3 知識庫
由于知識庫中某些陳述性或者過程性的知識已經被常識化，因而某些具體的決策支持系統往往忽略了知識庫。但從整體來看，因服裝連鎖企業物流決策支持系統的知識庫主要起輔助和支撐作用，因而必須深化認識知識庫的內容。知識庫通過人機交互，將專業領域與數據挖掘聯系起來，起到橋梁作用，它包括大量各領域的信息、使用規則及與實際業務的關系過程。與模型庫和方法庫一樣，知識庫中的內容也隨著人們對服裝連鎖企業物流業務的不斷了解而日益完善，從而為服裝連鎖企業物流決策支持系統提供更好的支持。
4 基于大數據背景的服裝連鎖企業物流決策支持系統
服裝零售業因連鎖化、信息化、規模化，已成為當今社會的支柱產業。服裝連鎖企業物流的目標通常包括5個方面 （即5S目標）：
（1）無缺貨、貨損、貨差等現象，費用低、準時供貨、柔性供貨等，實現服務目標（Service）；
（2）按用戶指定的地點和時間迅速、及時地送貨，實現快捷目標（Speed）；
（3）有效利用面積和空間，實現節約目標（Space saving）；
（4）以物流規模作為物流系統目標，追求規模效益，實現規模目標（Scale optimization）；
（5）正確確定庫存方式、庫存數量、庫存結構、庫存分布等，實現庫存目標（Stock control）。
相對于工業物流，服裝連鎖企業物流具有變價快、訂單頻繁、折零、退貨、更換、保質期等特點，這使得服裝連鎖企業的物流要求更快的反應、更復雜的技術和信息支持。因此，大數據背景下的服裝連鎖企業物流決策支持系統是我國物流連鎖企業物流決策支持系統的發展方向。
大數據背景下，在服裝連鎖企業物流供應鏈上，作為終端用戶（即消費者）的年齡、性別、對品牌的喜好、服裝款式、不同款式服裝的著裝時間、場合、服裝更換的頻率等系列屬性數據，無疑是整個服裝連鎖企業物流決策支持系統大數據的基礎數據。除此之外，還包括原材料的供應與生產、面（輔）料的生產與加工、配送、廢棄紡織服裝的回收等其他數據。因此，大數據背景下的服裝連鎖企業物流決策支持系統占有更多的資料，通過數據挖掘技術，分析出物流各環節的關鍵點，借助該系統，管理者可以在各項業務中不斷提高效益，改進工作方式與方法，提升服務水平。
4.1 數據倉庫
大數據背景下，數據倉庫中的海量信息可通過人工或者智能設備收集并隨時更新，存儲在相應的數據庫中。與傳統采樣方式不同，大數據背景下的數據倉庫直接采集最完整、最原始的數據（包括半結構化數據）進行存儲與分析，利用已確認價值的規范性數據；為了保持資料的完整性，將那些具有潛在價值卻無明確分析方法的數據存儲起來。
4.2 模型庫和方法庫
模型是對特定的業務按照某個特定目標的抽象化概括，通過對服裝連鎖企業物流業務流程的某個節點的數據分析，對實際運行狀態予以量化，通過相關算法，找出實際業務的關鍵點，同時對實際業務未來的狀態進行預測。在大數據背景下，模型庫與方法庫更加協調，模型越來越具有針對性，對于不同的問題，所采用的模型也不同，服裝連鎖企業物流決策支持系統的核心在于海量數據的處理方法，方法庫中所采用的數據挖掘方法包括決策樹、遺傳算法、蟻群算法、神經網絡以及傳統的統計分析方法等。隨著技術的不斷發展，人們對模型的研究進一步深入，基于大數據的服裝連鎖企業物流決策支持系統將更加成熟與完善。
4.3 知識庫
在“互聯網+”時代，知識通過各種方式不斷累積，知識庫中的陳述性、過程性知識也得到不斷擴充，使得知識庫中的知識得到不斷完善，從而對數學模型的解釋更加清晰、人機交互更加明了?；诖髷祿姆b連鎖企業決策支持系統與傳統的服裝連鎖企業決策支持系統相比，知識在不同層級的流通更加有序、快捷，物流各環節更加協調，促進服裝連鎖企業物流向有利于客戶個性體驗的方向發展。
5 基于大數據背景下的服裝連鎖企業物流決策支持系統業務實例
服裝連鎖企業物流決策支持系統主要包括庫存控制管理系統、設備設施管理系統、運輸管理系統、信息處理系統、日常業務管理系統等，本文以服裝連鎖企業物流中心的配送業務為例，介紹基于大數據背景的服裝連鎖企業物流決策支持系統的應用。
5.1 配送中心裝車
在配送中心裝車時，要注意以下兩點：
（1）車輛裝車時要進行電子登記。通過手持式RFID設備，對裝有服裝的紙箱進行掃描，然后將該紙箱裝進配送車輛。
（2）裝車完畢后的配送安全。為了方便配送途中的監管，將服裝配送車輛統一安裝電子掛鎖。
5.2 途中監管
由于隨車配有電子掛鎖與手持機，配送車輛向服裝連鎖店送貨的途中，可以隨時與配送中心的業務管理平臺保持聯系。手持設備內置有RFID，本身具有定位與通訊功能。通過手持RFID終端與配送中心的業務管理平臺的連通，配送中心可以實時掌握車輛運行途中的信息、車載服裝狀況，并可通過微信、視頻、語音等手段與司機或送貨員進行溝通，以便即時處理突發事件。
5.3 卸貨交接
車輛抵達服裝連鎖店時，手持機讀取連鎖店的定位標簽，對電子掛鎖實現定點、定時解封，從而順利打開車門，在對車上服裝紙箱進行掃描后卸貨，通過配送中心業務管理平臺實現無紙化交接，相關信息存儲在配送中心的業務管理系統中。
6 結 語
服裝連鎖企業物流決策支持系統可為倉儲、配送、分揀等子系統提供決策支持和服務，該系統不僅需要進行理論研究，更重要的是要進行實踐，通過實踐對系統進行優化。在“互聯網+”時代，研究基于大數據背景的服裝連鎖企業物流決策支持系統無疑具有非常重要的意義，尤其在數據挖掘技術的研究與模型庫的充實上。
參考文獻
[1]陳平，徐云云.大數據時代基于云會計的企業庫存管理研究[J].會計之友，2015（6）：134-136.
