原创《数据仓库在口岸物流数据分析中的应用》：本论文可用于口岸物流论文范文参考下载，口岸物流相关论文写作参考研究。
摘 要：为将口岸物流信息化积累的海量数据用于决策支持,应用数据仓库技术对口岸物流历史数据进行多维联机分析处理(Online Analytical Processing,OLAP),创建基于数据仓库技术的口岸物流数据多维分析模型,并探讨数据仓库技术在口岸物流分析中发挥的作用、构建模式和应用前景.结果表明建立数据仓库进行OLAP可对口岸物流相关部门和单位提供决策参考依据.
关键词：口岸物流；数据仓库；OLAP
中图分类号：TP311.13；U11 文献标志码：A
Applying data warehousing technology to port logistics analysis
MENG Yanping, WANG Jie, HUANG Youfang, YANG Bin
(Logistics Research Center, Shanghai Maritime Univ., Shanghai 200135, China)
Abstract： In order to support decision-making with the massive data accumulated by the development of information construction of port logistics, a multi-dimensional analysis model of port logistics based on the data warehousing technology is built, and used to do the multi-dimensional Online Analytical Processing (OLAP). The construction modes, function and application prospects of using data warehouse in port logistics are also explored. The results show that the analysis by using the data warehouse technology on OLAP will provide reference for decision-making of departments and units related to port logistics.
Key words： port logistics；data warehousing；OLAP
0 引 言
口岸是1个国家对外开放的窗口［1］,是对外经济和贸易的重要通路,是国内、国际物流的枢纽和中心.口岸物流是以港口、机场等大型交通枢纽为依托的对外物流,是国际物流的重要组成部分.［2］其活动的集中度较高,规模较大,且货物通过口岸的时间、场所也相对集中,因此物流的重要组成部分——运输、仓储、保税、加工,均具有较大规模.口岸物流直接关系到口岸竞争力和地区投资环境.
随着口岸数据库的成熟和信息技术应用的普及,口岸物流活动积累了海量数据,并正以指数级增长.由于这些数据分散在外贸监管部门、运输管理部门、运输经营单位、仓储企业、生产贸易企业和金融机构等多个部门,涉及多类型、多体系、多管理体制的信息系统,未形成1个有机整体［3］,很难对决策起支持作用.
目前都是通过定性的方法对口岸物流的一体化过程进行分析,还未见利用定量或数据挖掘技术的方法来分析口岸物流.本文利用某口岸物流历史数据来建立数据仓库,对数据进行多维分析,在属性上进行细节数据的下钻及汇总数据的上卷,实现灵活的查询,满足报表需求,
帮助口岸物流相关单位和企业及时、准确地了解信息,辅助决策.
1 业务分析和数据理解
1.1 数据获得
数据仓库(Data Warehouse)是1个用于决策支持的面向主题(Subject Oriented)、集成(integrated)和稳定(Non-Volatile)的随时间变化的数据集合,是集成和存储各种分析数据的最佳手段.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、高质量的数据平台.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系统,集成后又按照主题进行重组.
口岸物流［4］不是传统的口岸运输、仓储等物流活动的简单相加,而是以口岸物流一体化为特点的综合物流服务网络,涉及到物流的各个环节和物流管理的多个部门,所以数据来源有多个渠道、多个部门.本文的数据主要来自某口岸的海关、港航等相关数据库,涵盖范围涉及货主、货代、船代、海关、检验检疫、国税和码头等单位在码头堆场、港口、海关等空间的物流活动.1.2 业务理解和数据理解
建立数据仓库,首先需要对口岸物流进行业务理解和数据理解,分析口岸物流中的主要业务.口岸物流业务十分复杂,涉及多个部门和多种类型,每种业务类型下面又有不同情况,其数据记录业务过程的具体执行情况,数据库中每种单据涉及每个业务环节,有并行流程、串行流程,并且很多业务过程会随时间、环境的变化而变化.如海关一旦实行新的口岸物流政策,口岸物流的流程就会发生变化,如特殊区域的建立(如保税港),其流程就具有特殊性.
数据理解需要确定进入数据仓库所需的数据表,对数据进行描述和初步探索,检查数据的质量,分析每张表的关键字段、字段类型以及表之间的关联等,并将数据和业务一一对应.口岸物流数据具有以下特征：（1）海量、多维.口岸每天产生几万条物流数据；每种业务类型下面又会出现不同情况,产生多个层次；数据存储在多个不同的业务表中,具有多属性和多维度的特征；（2）工作流程特性.口岸物流业务的信息系统记录长时间的业务过程的具体执行情况,单据信息涉及某个物流业务环节,关联后形成口岸物流流程；（3）多个数据源.有很多空数据、噪音数据和不一致数据；（4）稀疏.由于业务种类繁多且业务变动较多,数据呈现稀疏的特征.
在业务理解和数据理解的基础上,可以大致得出每种业务的基本环节和数据对应情况(见表1),并且确定相应的数据处理方法.
2 创建数据仓库
2.1 数据概要分析和数据清洗
通过数据概要分析,结合口岸物流业务过程的分析,确定数据清洗的方法和步骤.本文数据概要分析包括以下方面：（1）属性分析.属性数据类型分析（数值型、字符型、日期时间等）,属性值唯一性分析（确定关键字段）,属性空值分析（哪些值可以为空,哪些值不能为空）,属性值域分析（属性的取值范围）,属性值模式分析；（2）属性函数依赖分析.验证函数依赖,如口岸物流流程中各环节时间节点间的先后顺序约束等；（3）关联分析.各表之间的关联完整性分析、跨表冗余属性分析.
在数据概要分析的基础上进行数据清洗.数据清洗就是从口岸物流各环节的详细数据中提取数据,将字段长度不一致、赋值不一致、数据输入丢失等数据清理、过滤,按照统一的编码、格式整合集成,并删除冗余、不完整数据和错误数据以及纠正不准确数据.如：在处理关键字段Decl_Date（现场报关时刻）时,分析发现该时间字段只记录日期,没有有效记录具体时间,数据清洗时须根据业务规则补全具体时间.
口岸物流论文参考资料：
结论：数据仓库在口岸物流数据分析中的应用为关于口岸物流方面的的相关大学硕士和相关本科毕业论文以及相关口岸物流论文开题报告范文和职称论文写作参考文献资料下载。
