關鍵詞：商務智能 數據挖掘 第三方物流 研究
在當今競爭日益激烈的市場環境中，第三方物流企業都希看能夠從浩如煙海的商務數據以及其他相關的物流業務數據中發現帶來鉅額利潤的商機。只有那些利用先進的資訊技術成功地收集、分析、理解資訊並依據資訊進行決策的物流企業才能獲得競爭上風，纔是物流市場的贏家。因此，越來越多的物流治理者開始藉助商務智能技術來發現物流運營過程中存在的題目，找到有利的物流解決方案。
商務智能技術應用現狀
我國加進了WTO，在很多領域，如金融、保險、物流等領域將逐步對外開放，這就意味着很多第三方物流企業將面臨來自國際大型跨國物流公司的巨大競爭壓力。國外發達國家各種企業採用商務智能的水平已經遠遠超過了我國。美國Palo Alto 治理團體公司1999年對歐洲、北美和日本375家大中型企業的商務智能技術的採用情況進行了調查。結果顯示，在金融領域，商務智能技術的應用水平已經達到或接近70%，在營銷領域也達到50%，並且在其他應用領域對該技術的採納水平都進步約50%。現在，很多第三方物流企業都把數據看成寶貴的財富，紛紛利用商務智能發現其中隱躲的資訊，藉此獲得鉅額的回報。
據IDC對歐洲和北美62家採用了商務智能技術的企業的調查分析發現，這些企業的3年均勻投資回報率爲401%，其中25%的企業的投資回報率超過600%。調查結果還顯示，一個企業要想在複雜的環境中獲得成功，高層治理者必須能夠控制極其複雜的貿易結構，若沒有詳實的事實和數據支援，是很難辦到的。因此，隨着數據挖掘技術的精益求精和日益成熟，它必將被更多的第三方物流企業採用，使更多的物流治理者得到更多的商務智能。
商務智能技術的組成
具體地說，商務智能技術有數據倉庫(data warehousing)、聯機分析處理(on-line analytical processing，簡稱OLAP)、數據挖掘（data mining），包括這三者在內的用於綜合、探察和分析商務數據的先進的資訊技術的統稱就是商務智能技術。
數據倉庫是一個面向主題的、集成的、隨時間變化的主要用於決策支援的數據的集合。一般來說，大的物流公司或企業內存在着各種各樣的資訊系統，這些應用驅動的操縱型資訊系統爲企業不同的物流業務系統服務，具有不同接口和不同的數據表示方法，互相孤立。利用數據倉庫技術可以動態地將各個物流企業子系統中的數據抽取集成到一起，進行清洗、轉換等處理之後加載到數據倉庫中，透過週期性的重新載入，爲物流用戶提供一個同一的乾淨的數據視圖，爲數據分析提供一個高質量的數據源。
對於數據倉庫中的數據，可以使用一些增強的查詢和報表工具進行復雜的查詢和即時的報表製作，可以利用OLAP技術從多種角度對物流業務數據進行多方面的彙總、統計、計算，還可以利用數據挖掘技術自動發現其中隱含的有用的物流資訊。
數據挖掘又稱知識發現（Knowledge Discovery in Database，簡稱KDD），是從大量數據中抽取有意義的、隱含的、以前未知的並有潛伏使用價值的知識的過程。數據挖掘是一個多學科交叉性學科，它涉及統計學、數據庫、模式識別、可視化以及高性能計算等多個學科。利用數據挖掘技術可以分析各種類型的數據，例如結構化數據、半結構化數據以及非結構化數據、靜態的歷史數據和動態數據流數據等。
數據挖掘技術在第三方物流企業的應用分析
數據挖掘是從大量的、不完全的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛伏有用的數據中發現其潛伏規律的技術，是當前計算機科學研究的熱門之一。隨着資訊技術的高速發展，積累的有關物流行業的數據量劇增，如何從大量的物流數據中提取有用的知識成爲第三方物流企業當務之急。數據挖掘就是爲順應需要應運而生髮展起來的數據處理技術。