《数据科学与大数据技术导论》大数据的应用.pptx

《《数据科学与大数据技术导论》大数据的应用.pptx》由会员分享，可在线阅读，更多相关《《数据科学与大数据技术导论》大数据的应用.pptx（35页珍藏版）》请在第壹文秘上搜索。

1、第10章 大数据的应用数据科学与大数据技术导论本章教学要点本章主要介绍大数据在物流行业、电子商务行业和医疗行业的具体应用。其中需熟悉物流大数据的定义、分类及作用；掌握物流大数据的应用；熟悉智慧物流的定义、特点及业务运营模式；了解电子商务大数据，掌握其应用；了解医疗大数据，熟悉医疗大数据的应用。目录大数据在物流行业中的应用10.110.2大数据在电子商务行业中的应用10.3大数据在医疗行业中的应用0101大数据在物流行业中的应用PART ONE10.1.1 物流大数据概述 物流大数据就是指运输、仓储、搬运装卸、包装及流通加工等环节中涉及的数据、信息等。 通过集合物流领域的海量数据，对其进行实时数

2、据分析，可以为物流企业提供消费者行为分析及预测、智能仓储规划、物流配送优化、物流中心选址等决策支持。物流大数据的定义与分类0110.1.1 物流大数据概述物流大数据从层面上划分为3类，分别是物流业务数据、供应链物流数据和商物管控数据。商物管控数据 商物数据；物流网络数据；流量流向数据供应链物流数据 采购物流数据；生产物流数据；销售物流数据；客户管理数据物流业务数据 运输数据；仓储数据；配送数据；其他数据 在宏观层面整合、处理、分析商品数据有助于对不同商品品类的具体流量流向有清晰认识，掌握物流数据的整体状况。宏观层面：商物管控数据 供应链物流是将物流放在供应链中进行分析，协调运作生产、供应活动、

3、销售活动和物流活动，进行综合性管理的战略机能，是中观层面的物流活动。中观层面：供应链物流数据 微观层面的物流数据来源于基本的物流业务，对每个业务的数据结果进行分析整理，就可以从微观的角度了解物流活动的基本情况。微观层面：物流业务数据10.1.1 物流大数据概述 大数据在物流企业中发挥的作用贯穿了整个物流企业的各个环节，主要表现在物流决策、物流企业行政管理、物流客户管理及物流智能预警等过程中。物流大数据的作用02在竞争环境分析方面，通过对竞争对手进行全面分析，预测其行为和动向，有助于选择最佳合作伙伴，获取更大效益；在物流供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行

4、高效、合理、精准的匹配管理；在物流资源优化与配置方面，从海量的数据中提取当前的物流需求信息，同时对已配置和将要配置的资源进行优化，可以实现对物流资源的合理利用。（1）大数据在物流决策中的作用10.1.1 物流大数据概述通过大数据分析，能够挖掘隐藏在事物背后规律性的内容，这样就可以指导企业有预设的开展各项行政管理工作。（2）大数据在物流企业行政管理中的作用 在物流客户管理中，大数据主要表现在客户对物流服务满意度分析、老客户的忠诚度分析、客户需求分析、潜在客户分析、客户的评价与反馈分析等。（3）大数据在物流客户管理中的作用 通过大数据分析，可以精准定位消费者偏好，根据消费者可能的物流服务诉求，提前

5、做好货品调配，合理规划物流路线方案等工作，从而提高物流高峰期间物流的配送效率。（4）大数据在物流智能预警中的作用10.1.2 物流大数据的应用 大数据能够使物流企业有的放矢，从而创新整个物流业的运作模式。目前大数据在物流行业的应用主要包括以下几个方面。物流配送中心的选址 物流开放平台配送中心选址时，利用大数据综合考虑交通运输、物流配送资源空间分布、历史快递包裹物流方向等因素，同时基于空间地图可以帮助物流开放平台选定配送中心空间和地址，对物流配送服务的盲区或薄弱区域进行划分与预判，从而帮助物流开放平台最优化仓储位置的空间分布，提高工作效率。01 影响物流中心科学选址的主要因素有企业自身的经营特点

6、、企业经营的商品特点以及企业配送地点的交通状况等。 利用大数据分析的结果，可以制定出最佳配送路线，在地图上面做出分类、聚类的点，以此作为最优的物流中心地址，从而对物流配送中心进行合理有效的安排与管理。10.1.2 物流大数据的应用库存预测 通过消费需求等相关信息的大数据分析运算，对区域仓储商品品类进行有针对性的分配和优化，有效避免缺货断货。 同时建立透明化的物流追踪系统，通过仓储网络的数据共享、数据提取自由、物品全程监控，实现物流的动态管理，进行自动补货，优化区域货品调配，降低物流成本，提高货品调度反应速度。 利用大数据技术实现自动补货。大数据分析预测技术可以实现自动补货。0210.1.2 物

7、流大数据的应用运输配送优化 现代物流企业可以利用大数据存储技术、大数据智能分析和物联网等技术进行物流运输线路的规划和物流配送方案的制订。 在物流运输路线的规划上，首先在RFID技术、GPS技术、GIS技术与传感技术结合的基础上，可以通过接收读取RFID标签信息来实现运输车辆及运输货物的识别、定位、跟踪及状态感知等。运输人员和用户可随时查询货物状态，实现在途管理的可视化与透明化。 其次，根据货物在途状态数据、车辆实时状态分布数据和历史车辆数据等，对现有的调度方案进行调整，对车辆进行合理调配，缓解网点货物量不均衡的情况。对货物所在地、消费者所在位置、当时的交通状况、天气情况等因素进行分析，对运输过

8、程中的风险因素做出科学评价，可以制定最优的运输路线，保障物流的畅通和高效运作。0310.1.2 物流大数据的应用运输配送优化 大数据背景下，配送方案的制订是实现配送动态化的最重要的一环。 配送方案的实现首先通过对配送过程所涉及的各种数据进行采集，使数据的源头能够及时、有效地捕捉； 其次是通过畅通的数据传输网络和复杂的存储技术，实现数据的传输存储； 最终通过大数据分析技术根据实际情况对物流配送方案进行动态调整，制定经济合理的配送方案。0310.1.3 大数据背景下的智慧物流智慧物流的概念01 智慧物流是指利用集成智能化技术，使物流系统能够模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流

9、中某些问题的能力，从而实现物流资源优化调度和有效配置、物流系统效率提升的现代化物流管理模式。10.1.3 大数据背景下的智慧物流传统物流智慧物流信息状态信息孤立信息畅通共享订单生产纸质订单电子订单各部门运作方式个体单一运作一体化运作管理方式人工管理可视化、智慧化管理服务内容保管、库存控制、运输核心业务服务和价值增值服务服务功能主要提供仓储和运输业务智能仓储、智能运输、智能配送、智能加工技术应用技术单一化且落后多种信息技术追求目标规模生产、低成本服务规模定制、个性化服务交易方式直线型网络型传统物流与智慧物流的区别资源共享 智慧物流的基本原则是“互联互通、开放共享”。智能高效 智慧物流的核心目标是

10、降本增效。随着新兴技术在物流行业的广泛应用，物流智能化水平不断提高。10.1.3 大数据背景下的智慧物流智慧物流的特点02信息联通 基于互联网的物流新技术、新模式、新业态已成为行业发展的新动力。数据驱动 以大数据为基础的智慧物流，使得仓储、运输、配送等环节智能化水平显著提升。10.1.3 大数据背景下的智慧物流智慧物流的业务运营模式03大数据背景下智慧物流业务体系运营模式如图所示。10.1.3 大数据背景下的智慧物流物流数据传输物流数据传输 物流数据传输是指通过大数据技术和媒介将采集的数据进行初步处理和传递。物流数据储存物流数据储存 物流数据储存是指采用云计算、大数据技术对物流信息进行大规模储

11、存和运算。物流数据呈现 物流数据呈现是指将物流数据呈现于PC浏览器、平版电脑、智能手机等终端设备上。物流数据应用物流数据应用 物流数据应用是指运用大数据分析技术对已有物流数据进行分析，进而进行物流业务预测和决策。物流数据采集物流数据采集 物流数据采集是指通过感知技术和大数据技术对物流基础数据的采集。物流业务数据运营部分 从微观层面来看，智慧物流业务运营涵盖智能运输、智能仓储、智能配送和智能流通加工环节。1）智慧物流业务运营10.1.3 大数据背景下的智慧物流智慧物流业务数据运营部分 从中观层面来看，智慧供应链物流业务运营是从供应链物流的角度出发，包括原材料采购、加工生产、成品送达客户全过程所形

12、成的采购物流、生产物流、销售物流运营。2）智慧供应链物流业务运营 从宏观层面来看，智慧物流服务是以客户为中心，为客户提供高效快捷的物流服务。3）智慧物流服务10.1.3 大数据背景下的智慧物流智慧物流的应用04 智慧物流有着广泛的应用，国内许多城市围绕智慧港口、多式联运、冷链物流、城市配送等方面，着力推进物联网在大型物流企业、大型物流园区的系统级应用。将RFID技术（Radio Frequency Identification，无线射频识别）、定位技术及相关的软件信息技术集成到生产及物流信息系统领域，探索利用物联网技术实现物流环节的全流程管理，开发面向物流行业的公共信息服务平台，优化物流系统的

13、配送中心网络布局。 分布式仓储管理及流通渠道建设能够最大限度地减少物流环节、简化物流过程，能够提高物流系统的快速反应能力。此外，通过跨领域信息资源整合，建设基于卫星定位、视频监控、数据分析等技术的大型综合性公共物流服务平台，发展供应链物流管理。0202大数据在电子商务行业中的应用PART ONE10.2.1 电子商务大数据概述用户交易数据 在用户交易数据中，从用户下单、仓储分拣及配送整个链条上的数据是结构化的；而用户网站浏览行为、购买评价、所有注册用户的浏览信息、购买消费记录等数据是非结构化的。商品信息数据 商品信息数据包括商品分类信息数据和商品交易量、库存量及商家的信用等。对商品进行分类分析

14、，并根据用户类别的不同，可以为不同的用户提供个性化的推荐服务。 在大数据的时代背景下，电子商务的经营模式由传统的管理化的运营模式变为以信息为主体的数据化运营模式。电子商务大数据主要包括用户交易数据和商品信息数据。10.2.2 电子商务大数据的应用 电子商务大数据可以通过对用户的属性和行为进行画像，洞察用户特征，制定有针对性的策略进行大数据营销，为客户推荐特定的产品和服务。10.2.2 电子商务大数据的应用推荐服务01 推荐系统是大数据在互联网领域的典型应用，通过分析用户的历史记录了解他们的喜好，从而主动为用户推荐其感兴趣的信息，满足个性化的推荐需求。（1）推荐系统方法 推荐系统的本质是建立用户

15、与物品之间的联系，根据推荐算法的不同，推荐方法可分为以下5类。 本质上是一种人工推荐，由资深的专业人士筛选物品，需要较高的人力成本。1）专家推荐 概 念 直 观 易于实现，但是对用户个性化偏好的描述能力较弱。2）基于统计信息的推荐 通 过 机 器 学习的方法描述内容特征，并基于内容特征发现与之相似的内容。3）基于内容的推荐 协 同 过 滤 算法主要分为两类：基于用户的协同过滤算法和基于物品的协同过滤算法。4）协同过滤推荐 多数推荐系统会有机组合多种算法，设计具有鲁棒性，满足多场景需求的组合推荐算法。5）混合推荐10.2.2 电子商务大数据的应用（2）推荐系统模型 一个完整的推荐系统通常包括三个

16、组成模块：用户建模模块、推荐对象建模模块和推荐算法模块。 首先对用户进行建模，根据用户行为数据和用户属性数据分析用户的兴趣和需求，同时对推荐对象进行建模；然后基于用户特征和物品特征，采用推荐算法得到用户可能感兴趣的对象，并根据推荐场景过滤和调整推荐结果；最后将推荐结果展示给用户。10.2.2 电子商务大数据的应用大数据营销02 大数据营销是指通过互联网采集大量的行为数据，帮助广告商找出目标受众，并以此对广告投放的内容、时间、形式等进行预判和调配，最终完成广告投放的营销过程。强调时效性 网民的消费行为和购买方式极易在短时间内发生变化，在需求顶峰点进行营销非常重要。关联性 大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性。性价比高 大数据营销可以根据广告实时效果反馈，及时调整投放策略。个性化 大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容不同。多平台数据采集 多平台数据采集能够使用户行为的刻画更全面、更准确。大数据营销的特点10.2.2 电子商务大数据的应用大数据营销0210.2.2 电子商务大数据的应用大数据营销的实际操作 需要对采集的原始数据进行集中化、结构