基于大数据背景的服装连锁企业物流决策支持系统研究

引 言

以连锁化、信息化和规模化为主要特征的服装零售业已成为当今社会的支柱产业，就销售额而言，服装零售企业已超越制造、金融服务、信息等企业成为世界第一，其中连锁企业组织形式是商品零售企业能发展到如此规模的核心因素。连锁企业的实质是统一采购、统一配送、统一核算、统一标识、统一管理（即“五个统一”），其中统一配送是连锁企业核心竞争力的重要组成部分。随着大数据时代的到来，服装行业物流信息化步伐的加快，服装连锁企业物流决策支持系统必须以实际业务为落脚点，合理利用海量数据，适应客户多元化、个性化的需求。

1 大数据和数据挖掘

随着博客、微信、社交网络、基于位置服务的新型信息发布方式的不断涌现，人们对数据的需求呈现出多维度的特点，与此同时，数据正以前所未有的速度不断增长与累积，大数据时代真正进入了我们的生活。早在 2008 年，《Nature》就推出BigData专刊，计算社区联盟在 2008年发表报告，阐述在数据驱动的研究背景下，解决大数据问题所需的技术和面临的挑战。近年来，随着物联网、云计算等数据挖掘技术的发展，大数据在人民日常生活、科学研究中的作用日益凸显， 对大数据的研究也成为科学研究的主流。目前对大数据没有统一的定义，但大数据不是传统意义上大量数据的集合体， 与海量数据也有着本质的区别。麦肯锡认为，“大数据”是指其本身超出了典型数据库软件的采集、储存、管理和分析等能力的数据集。IT业界认为，大数据具有 4V特征，即规模（Volume）、种类（Variety）、速度（Velocity）和最重要的价值（Value）。规模是指巨大的数据量并持续增长以及数据的完整性，如医疗卫生、电子商务、影视娱乐等每天都有大量数据涌现 ；种类是指数据类型的多样性，不仅包括结构化数据分析利用，更强调半结构化和非结构化数据的分析与应用；速度指处理速度快、响应时间短 ；价值则是指海量数据中蕴含着巨大的社会价值和商业价值。

数据挖掘（Data Mining，DM）是从大量数据（包括结构化数据、半结构化数据和非结构化数据）中挖掘出隐含的、未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程 ；是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。也就是从数据中获取智能的过程。通过数据挖掘分析，能帮助企业发现业务的趋势，揭示已知的事实，预测未来的结果。

2 服装连锁企业物流决策支持系统

决策支持系统（DSS）是管理信息系统（MIS）向更高一级发展而产生的先进信息管理系统，辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机系统。简而言之，DSS就是在数据仓库的支撑下， 通过数据挖掘技术建立模型，从而帮助决策者进行决策。从功能上来看，MIS系统主要解决结构化问题，而 DSS主要解决半结构化和非结构化问题 ；MIS完成的是例行业务活动中的信息处理问题，而 DSS完成的是辅助支持决策活动，通过人机交互提供决策所需的信息。因此，MIS的目标是高效率， 而 DSS的目标则是有效性。服装连锁企业物流决策支持系统是服装连锁企业决策支持系统的一个子系统，对解决服装连锁企业物流日常业务中遇到的半结构化问题、增强决策者经验与信心、提高企业物流信息化水平、改进工作方式等都有着积极作用。

3 传统服装连锁企业物流管理决策支持系统

传统服装连锁企业物流管理决策支持系统的结构如图 1所示。该系统对配送中心选址、库存控制、运输和路径优化 提供辅助决策支持，使各部门、人、物、车等要素协调工作， 提高运输效率。为了完成这些辅助功能，该 DSS 必须完成对 服装连锁企业物流管理中相关信息的采集并存储到数据仓库 中，通过模型库和方法库进行数据挖掘和处理，利用知识库 对系统决策进行评价和优化，最后通过人机交互为正确的决 策提供支持。传统服装连锁企业物流管理决策支持系统与大 数据背景下的服装连锁企业物流管理决策支持系统的主要区 别在于，大数据背景下是以占有数据开始。在本文中，我们以 数据仓库来进行大部分资料的自助采集。

3.1 数据仓库 

数据仓库之父 William 认为，数据仓库是支持管理决策 过程的、面向主题的、集成的、随时间而变的、持久的数据 集合。它是一种数据处理体系结构，实质是企业各业务部门有 联系的数据进行统一和综合的中央仓库，是相互联系的数据 库的集合。服装连锁企业物流管理决策支持系统的数据仓库 系统如图 2 所示。物流决策支持系统将收集到的基础资料存 储到这些数据库中，然后将数据仓库中的数据通过联机分析 服务进行数据挖掘，得出进行下一步处理的数据，为决策支 持系统提供支持。因此，由于基础数据的获得是数据仓库进 行分析处理的基础，所以传统服装连锁企业物流决策支持系 统数据库中的数据量越大，款式越齐全，分析处理就越全面， 就越能体现出决策支持系统的优越性。

3.2 模型库和方法库

服装连锁企业物流决策支持系统通过自动匹配建模和相似模型的转化来对基本数据进行模块化处理，从而实现人机智能交互。整个物流决策支持系统以人为本，把数据信息与模型库中的预定条件进行比较，通过进一步处理，得到分析或解决问题的方案，然后通过人机交互，确定相应方案的评价方法，并对不同评价方法下的方案进行决策分析，从而进行决策。在“互联网 +”时代，客户的需求日新月异，要求服装连锁企业物流决策支持系统具有更强的适应性，因而模型库中的有关建模方法、分析方法要与数据挖掘技术的最新进展相适应。

3.3 知识库

由于知识库中某些陈述性或者过程性的知识已经被常识化，因而某些具体的决策支持系统往往忽略了知识库。但从整体来看，因服装连锁企业物流决策支持系统的知识库主要起辅助和支撑作用，因而必须深化认识知识库的内容。知识库通过人机交互，将专业领域与数据挖掘联系起来，起到桥梁作用，它包括大量各领域的信息、使用规则及与实际业务的关系过程。与模型库和方法库一样，知识库中的内容也随着人们对服装连锁企业物流业务的不断了解而日益完善，从而为服装连锁企业物流决策支持系统提供更好的支持。

4 基于大数据背景的服装连锁企业物流决策支持系统

服装零售业因连锁化、信息化、规模化，已成为当今社会的支柱产业。服装连锁企业物流的目标通常包括5 个方面（即5S 目标）：

(1) 无缺货、货损、货差等现象，费用低、准时供货、柔性供货等，实现服务目标（Service）；

(2) 按用户指定的地点和时间迅速、及时地送货，实现快捷目标（Speed）；

(3) 有效利用面积和空间， 实现节约目标（Space saving）；

(4) 以物流规模作为物流系统目标，追求规模效益，实现规模目标（Scale optimization）；

(5) 正确确定库存方式、库存数量、库存结构、库存分布等，实现库存目标（Stock control）。

相对于工业物流，服装连锁企业物流具有变价快、订单频繁、折零、退货、更换、保质期等特点，这使得服装连锁企业的物流要求更快的反应、更复杂的技术和信息支持。因此， 大数据背景下的服装连锁企业物流决策支持系统是我国物流连锁企业物流决策支持系统的发展方向。

大数据背景下，在服装连锁企业物流供应链上，作为终端用户（即消费者）的年龄、性别、对品牌的喜好、服装款式、不同款式服装的着装时间、场合、服装更换的频率等系列属性数据，无疑是整个服装连锁企业物流决策支持系统大数据的基础数据。除此之外，还包括原材料的供应与生产、面（辅）料的生产与加工、配送、废弃纺织服装的回收等其他数据。因此，大数据背景下的服装连锁企业物流决策支持系统占有更多的资料，通过数据挖掘技术，分析出物流各环节的关键点， 借助该系统，管理者可以在各项业务中不断提高效益，改进工作方式与方法，提升服务水平。

4.1 数据仓库

大数据背景下，数据仓库中的海量信息可通过人工或者智能设备收集并随时更新，存储在相应的数据库中。与传统采样方式不同，大数据背景下的数据仓库直接采集最完整、最原始的数据（包括半结构化数据）进行存储与分析，利用已确认价值的规范性数据 ；为了保持资料的完整性，将那些具有潜在价值却无明确分析方法的数据存储起来。

4.2 模型库和方法库

模型是对特定的业务按照某个特定目标的抽象化概括， 通过对服装连锁企业物流业务流程的某个节点的数据分析， 对实际运行状态予以量化，通过相关算法，找出实际业务的关键点，同时对实际业务未来的状态进行预测。在大数据背景下，模型库与方法库更加协调，模型越来越具有针对性， 对于不同的问题，所采用的模型也不同，服装连锁企业物流决策支持系统的核心在于海量数据的处理方法，方法库中所采用的数据挖掘方法包括决策树、遗传算法、蚁群算法、神经网络以及传统的统计分析方法等。随着技术的不断发展，人们对模型的研究进一步深入，基于大数据的服装连锁企业物流决策支持系统将更加成熟与完善。

4.3 知识库

在“互联网 +”时代，知识通过各种方式不断累积，知识库中的陈述性、过程性知识也得到不断扩充，使得知识库中的知识得到不断完善，从而对数学模型的解释更加清晰、人机交互更加明了。基于大数据的服装连锁企业决策支持系统与传统的服装连锁企业决策支持系统相比，知识在不同层级的流通更加有序、快捷，物流各环节更加协调，促进服装连锁企业物流向有利于客户个性体验的方向发展。

5 基于大数据背景下的服装连锁企业物流决策支持系统业务实例

服装连锁企业物流决策支持系统主要包括库存控制管理系统、设备设施管理系统、运输管理系统、信息处理系统、日常业务管理系统等，本文以服装连锁企业物流中心的配送业务为例，介绍基于大数据背景的服装连锁企业物流决策支持系统的应用。

5.1 配送中心装车

在配送中心装车时，要注意以下两点：

(1) 车辆装车时要进行电子登记。通过手持式 RFID设备，对装有服装的纸箱进行扫描，然后将该纸箱装进配送车辆。

(2) 装车完毕后的配送安全。为了方便配送途中的监管，

将服装配送车辆统一安装电子挂锁。

5.2 途中监管

由于随车配有电子挂锁与手持机，配送车辆向服装连锁店送货的途中，可以随时与配送中心的业务管理平台保持联系。手持设备内置有 RFID，本身具有定位与通讯功能。通过手持RFID 终端与配送中心的业务管理平台的连通，配送中心可以实时掌握车辆运行途中的信息、车载服装状况，并可通过微信、视频、语音等手段与司机或送货员进行沟通，以便即时处理突发事件。

5.3 卸货交接

车辆抵达服装连锁店时，手持机读取连锁店的定位标签， 对电子挂锁实现定点、定时解封，从而顺利打开车门，在对车上服装纸箱进行扫描后卸货，通过配送中心业务管理平台实现无纸化交接，相关信息存储在配送中心的业务管理系统中。

6 结 语

服装连锁企业物流决策支持系统可为仓储、配送、分拣等子系统提供决策支持和服务，该系统不仅需要进行理论研究，更重要的是要进行实践，通过实践对系统进行优化。在“互联网+”时代，研究基于大数据背景的服装连锁企业物流决策支持系统无疑具有非常重要的意义，尤其在数据挖掘技术的研究与模型库的充实上。