智能物流_2-wenkub.com
2025-02-09 16:52 本頁面
【正文】 五月 219:24 上午 五月 2109:24May 13, 20231業(yè)余生活要有意義，不要越軌。 09:24:1509:24:1509:24Thursday, May 13, 20231知人者智，自知者明。 9:24:15 上午 9:24 上午 09:24:15五月 21楊柳散和風(fēng)，青山澹吾慮。 13 五月 20239:24:15 上午 09:24:15五月 211楚塞三湘接，荊門九派通。 09:24:1509:24:1509:245/13/2023 9:24:15 AM1成功就是日復(fù)一日那一點(diǎn)點(diǎn)小小努力的積累。 五月 219:24 上午 五月 2109:24May 13, 20231行動(dòng)出成果，工作出財(cái)富。 09:24:1509:24:1509:24Thursday, May 13, 20231乍見翻疑夢，相悲各問年。 商業(yè)智能可用在智能物流系統(tǒng)中的哪些方面？謝謝！靜夜四無鄰，荒居舊業(yè)貧。 商業(yè)智能的三大核心技術(shù)是什么？請簡要說明技術(shù)原理。 簡述商業(yè)智能發(fā)生的背景。p 商業(yè)智能技術(shù)在智能物流的應(yīng)用已經(jīng)具備了較為成熟的應(yīng)用環(huán)境及技術(shù)條件，它將幫助企業(yè)挖掘自身潛能，為企業(yè)在市場中贏得商務(wù)先機(jī)。– 財(cái)務(wù)分析 商業(yè)智能基于數(shù)據(jù)倉庫技術(shù)的財(cái)務(wù)分析滿足企業(yè)領(lǐng)導(dǎo)對各業(yè)務(wù)部門費(fèi)用支出情況查詢的要求，并實(shí)現(xiàn)了對應(yīng)收款、應(yīng)付款的決策分析，綜合提高企業(yè)的財(cái)務(wù)運(yùn)行狀況。p 智能物流系統(tǒng)對商業(yè)智能的需求智能物流系統(tǒng)是一個(gè)龐大而復(fù)雜的系統(tǒng)，包括運(yùn)輸、倉儲(chǔ)、配送、包裝、裝卸、信息獲取等諸多環(huán)節(jié)，各個(gè)環(huán)節(jié)所產(chǎn)生的大量數(shù)據(jù)和信息，使企業(yè)很難對這些內(nèi)容進(jìn)行準(zhǔn)確、高效、及時(shí)的處理。 智能物流中的通信技術(shù)便是利用幾大網(wǎng)絡(luò)，達(dá)到快速、穩(wěn)定、流暢的數(shù)據(jù)傳輸，為分析的及時(shí)性提供保障。p物流管理理念變革l傳統(tǒng)：貨物流通l新型：貨物流通，物流服務(wù)，信息整合。在感知層即傳感器和芯片制造、集成、預(yù)處理等方面還很薄弱。即通過后臺(tái)龐大的軟件系統(tǒng)對各種形式的數(shù)據(jù)、文件進(jìn)行智能分析和管理。 模型的仿真實(shí)驗(yàn)p物聯(lián)網(wǎng)l物聯(lián)網(wǎng)的三個(gè)層次：– 第一層：感知層，承擔(dān)物的信息的采集以及對物體屬性進(jìn)行標(biāo)識(shí)，也就是讓物體自己 “說話 ” ，從而被識(shí)別。l 原理：建立既能能反映研究對象實(shí)質(zhì)、又易于被計(jì)算機(jī)處理的數(shù)學(xué)模型，將研究對象的實(shí)質(zhì)抽象出來，經(jīng)過計(jì)算機(jī)的處理，通過輸出這些模型的相關(guān)數(shù)據(jù)或是三維立體形式來展現(xiàn)研究對象的某些特質(zhì)。 對數(shù)據(jù)進(jìn)行對比。 有效地運(yùn)用數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術(shù)，結(jié)合一定的分析方法，尋找問題根源，輔助正確的決策。部分展示技術(shù)示例（ Display）l 儀表盤技術(shù)商業(yè)智能可視化技術(shù)中的一項(xiàng)特殊技術(shù)。通過更易理解的圖標(biāo)方式展現(xiàn)數(shù)據(jù)內(nèi)容及內(nèi)涵，輔助決策者理解數(shù)據(jù)信息。– 數(shù)據(jù)挖掘則告訴用戶為什么發(fā)生和以后會(huì)發(fā)生什么。– 通過對數(shù)據(jù)倉庫的基本查詢，可以得到標(biāo)準(zhǔn)報(bào)表，用戶知道發(fā)生了什么。216。序列分析（ Sequence）：發(fā)現(xiàn)事物的出現(xiàn)規(guī)律與時(shí)間的關(guān)系。其目的是根據(jù)一定的規(guī)則，合理地劃分記錄集合，使組之間的差別盡可能大，組內(nèi)的差別盡可能小，例如市場劃分等。分類（ Classification） :對數(shù)據(jù)庫中的示例數(shù)據(jù)進(jìn)行分析，對每個(gè)類別做出對應(yīng)描述，挖掘分類規(guī)則。 (Data Mining, DM)p 數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘（ Data Mining, DM）也叫知識(shí)發(fā)現(xiàn)（ Knowledge Discovery in Database, KDD），是從龐大的數(shù)據(jù)集合中發(fā)現(xiàn)新的規(guī)律或模式的過程。 下鉆（ Drill down）：將某一維度的衡量單位縮小，進(jìn)而更加具體的了解數(shù)據(jù)。252。– 原理：舍棄部分維度，集中分析二維數(shù)據(jù)。它滿足決策者在多維環(huán)境、復(fù)雜結(jié)構(gòu)下的特定要求，對數(shù)據(jù)進(jìn)行各種操作以得到查詢結(jié)果，并以報(bào)表形式展示，側(cè)重決策支持。只能提供簡單的查詢結(jié)果OLTP OLAP數(shù)據(jù)來源 底層數(shù)據(jù)庫 數(shù)據(jù)倉庫面向?qū)ο?操作人員和底層管理人員 決策人員和高層管理人員作用 對數(shù)據(jù)進(jìn)行查詢、增加、刪除、修改等 對數(shù)據(jù)倉庫進(jìn)行信息的分析處理處理類型 日常事務(wù)型（應(yīng)用） 決策型（分析）OLTP與 OLAP的區(qū)別（ On Line Analytical Processing，OLAP）p “維 ”的概念OLAP是從多角度分析，對數(shù)據(jù)進(jìn)行進(jìn)一步了解，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫不能滿足要求，需要一種新的技術(shù)叫做多維數(shù)據(jù)庫。l 聯(lián)機(jī)分析處理技術(shù)（ On Line Analytical Processing, OLAP）在1993年由數(shù)據(jù)庫之父 E. F. Cold 提出， 滿足日益增長的數(shù)據(jù)處理需求。– 它隸屬于數(shù)據(jù)倉庫。（ Data Warehouse, DW）p 數(shù)據(jù)倉庫與數(shù)據(jù)庫與傳統(tǒng)操作型數(shù)據(jù)庫相比，數(shù)據(jù)倉庫具有面向主題、集成的、相對穩(wěn)定的、反映歷史變化的特點(diǎn)。它是一個(gè)面向主題的（ Subject Oriented）、集成的（ Integrated）、相對穩(wěn)定的 （ NonVolatile）、反映歷史變（ Time Variant）的數(shù)據(jù)集合，用于支持管理決策（ Decision Making Support）。決策支持的三個(gè)層次p 商業(yè)智能系統(tǒng)的目的商業(yè)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1