目前, 我国的信息化体制建设使大数据信息应用逐步广泛, 物流企业发展无外乎也受到大数据信息时代发展的积极影响。为更好的在大数据时代环境下做好物流企业发展管理建设, 将数据仓库决策支持系统在物流管理方面加以融入势在必行, 是现代物流企业发展研究的主要课题, 对解决物流企业数据信息整合不全面及数据管理安全性不高问题意义重大, 使物流企业的现代化与信息化发展更符合现代社会信息体制建设的基本需求。

数据仓库技术应用主要基于传统数据库技术应用而来, 相关的技术特点也与数据库技术应用具有一定的共通性, 其基础优势在于拥有更为良好的数据筛选及管理系统, 且具有数据信息整合及自动化数据清除功能, 根据使用者的要求对相关的数据内容进行个性化定制, 并将时效性及稳定性特征进一步集成, 使其在应用方面更符合多元化数据管理需求, 相关的施工功能亦可根据企业业务内容进行拓展, 使其数据信息内容的多体系化应用。早期阶段的数据库应用虽然可对数据信息内容及整合及储存, 但由于智能化水平不高, 相关资料信息分类及数据清理需要通过人为干预进行完善, 进而导致数据内容处理易产生数据信息管理准确性差及效率不高问题。数据仓库技术应用则可有效的解决以上问题, 提高数据收集管理效率, 避免不必要的人为操作与干预, 进一步节省人工成本, 并提升数据管理效率[1]。

早期阶段的数据仓库设计主要以单元化模块为主, 各不同模块间虽然能够进行数据信息的互通, 但受数据传输种类的影响, 部分信息内容无法有效的在企业内各部门进行实时共享, 进而造成数据处理测决策应用有效性进一步下降。而联机分析技术处理则是多个数据仓库模组进行集成, 使其信息内容可在无限制空间环境内加以应用, 从原有的二维空间模型提升至三维空间模型, 运用技术信息处理优势, 构筑起完善的数据信息管理体系。联机分析技术并非是广义上的客户使用端或服务器端, 而是为客户端及服务器端构建的一个有效的数据分析沟通平台, 使其根据使用者需求, 对现有的数据内容进行切块、旋转及切片等, 实现对数据仓库内容的多元化应用。

数据挖掘技术应用最早于1995年提出, 主要采用预测性技术结构对不同的数据内容有针对性的选择数据算法, 从而实现对隐含数据信息的挖掘, 提高数据库内容的完善程度, 并利用建模优势, 实现对数据的整理与分析, 同时可对数据仓库内容做出评价, 使其在数据信息内容大框架下能够更为合理的分配数据资源及处理处理人员。早期阶段的数据挖掘技术应用技术瓶颈较多, 相关的技术应用方向单一, 随着互联网体系的完善及大数据内容的应用, 数据挖掘技术在数据仓库管理方面的使用进一步广泛, 成为现代数据仓库决策支持系统的重要组成部分[2]。

物流工程数据仓库的决策系统框架结构主要由四个部分组成。首先中间数据仓库的数据收集与存储, 通过分析数据内容对不同的数据进行归类。其次要对数据信息内容进行提取、净化与转换, 使其相关格式内容及信息内容的呈现更为立体化, 运用数据建模的优势, 将图书以二维图像的形式进行处理。第三是元数据处理系统及数据库分析系统, 要对已被筛选过的内容做出分析, 选择适宜的内容将至传输至第四阶段的OLAP及DM系统, 从而实现数据信息内容的三维立体化呈现, 确保数据信息的内容的提取、选择及应用符合物流工程数据应用的基本要求[3]。

物流工程数据仓库决策系统应用涉及的客户信息较为广泛, 同时受到互联网金融体系方面, 物流企业的业务内容也不近局限于传统的物理运输层面, 互联网金融业务体系逐步形成, 企业工作内容逐渐迈向多元化发展, 为更好的对企业内相关的业务内容进行整合管理, 并提高物流企业工作的实际规范, 确保在互联网信息环境对人力资源及企业资金资源等相关方面的合理控制, 运用物流工程数据仓库决策知识系统势在必行, 是未来阶段物流企业发展的主要方向, 对于弥补现阶段物流企业在信息管理及数据管理方面的不足具有一定的推动作用, 使物理企业工作项目更符合现代社会发展需求, 从而为企业管理层的发展决策提供可靠的数据分析依据。

物流工程数据仓库决策支持系统设计需要囊括多个方面内容, 首先要建立一个完善的数据循环处理机制, 将不具备数据分析价值的数据内容及时的进行清除。其次对数据仓库进行概念模型设计, 根据用户需求建立逻辑模型, 使模型的建立能够连通各个方面的数据信息要素, 以此构架互通化的数据共享分析机制。第三要在物理层面对数据仓库存储结构进行优化, 按企业物流项目业务内容选择适宜的数据仓库存储配置。第四注重数据搜索引擎优化, 根据使用者关键词内容对可用的数据信息进行整理并及时推送。第五要注重隐藏数据挖掘, 确保数据仓库内容的完整性, 避免出现数据漏选或数据存储内容缺失问题。

物流企业数据仓库主体设计结构, 主要功能应包括客户物流物品信息、物流费用、配送人员及配送设备等多个方面。主体结构的设计必须要考虑系统应用的可操控性, 简化操作流程, 提高各项数据内容操作的实际可靠性, 降低技术应用门槛, 重视系统的便捷性设计, 确保使用可靠性及远程操控性, 从技术应用难度方面对物流工程数据仓库决策支持系统进行优化, 使不同岗位的技术操作人员均可在最短的时间内容搜索到有关的数据信息, 以此实现主体结构设计的合理化应用。

逻辑物理模型的设计目的在于提高物流工程数据仓库决策支持系统设计的自动化及智能化水平, 使数据信息的存储与处理过程无需过度的人为干预, 但极少数技术人员的控制下, 即可对该系统进行全面化维护, 在有效的管理及建设资金范围内, 发挥出物流工程数据仓库决策支持系统的最大效益。逻辑物理模型设计要将企业内部各个部门的信息管理系统进行整合, 使相关的业务人员能够实时掌握物流配送及运输情况, 对将遇到的物理配送问题进行及时的反馈, 通过逻辑物理模型的设计, 为相关业务人员提供可靠的问题解决方案, 根据不同部门相关工作人员的使用要求, 对数据信息进行验证与清理, 以此避免不必要的数据资源储存空间浪费。现阶段物流企业的数据软件管理系统主要以Microsoft操作软件为主, 为更好的对现有软件系统应用进行衔接, 避免数据丢失, 要在逻辑物理模型设计方面, 注重对兼容性问题的解决, 提高逻辑物理模型应用适应性, 保障物流工程数据仓库决策支持系统在不同的物流企业管理环境下均可有效的发挥实质性作用。

OLAP模块设计需要对现有的物流企业业务信息系统开放多元化端口, 根据基础需求对端口设计进行优化, 以便对数据有效进行钻取与切块, 实现数据信息系统内容的互通, 随着OLAP模块的进一步完善, 逐步替代现有的数据软件, 并构建符合物流企业使用标准的OLAP模块数据分析平台, 提高不同服务组件的兼容效果, 确保OLAP信息沟通的通畅性, 避免在OLAP模块设计方面出现与实际使用情况不符问题, 要注重数据引导性设计, 从数据实际的应用角度出发, 解决OLAP模块数据资源及任务内容控制冲突问题, 由传统意义的数据管理向现代化的数据平台构建及数据共享转变。

数据挖掘模块设计其目的在于提高数据收集全面性, 确保数据仓库建立能够按照不同的任务内容对数据做全面化整合。物流企业的数据挖掘模块设计要与物流企业信息体系化建设保持一致, 从信息分析及相关数据信息的应用方面入手, 积极做好数据系统应用控制, 针对不同的数据处理方案, 选择适宜的数据挖掘模块设计项目, 保障各项数据内容与数据仓库系统的实时对接, 实现数据信息化的挖掘的现代化应用, 注重对物流企业多元化及立体化信息呈现, 充分发挥数据挖掘模块在物流企业信息整理收集方面的实际作用, 使其能够为物流企业提供有效的数据信息分析依据。

数据仓库技术应用研究相对较晚, 物流工程的数据仓库决策支持系统应用虽然为现代物流企业发展数据信息的整合提供诸多的便利条件, 但由于部分核心技术应用并不完善, 需要在后续阶段对基础性技术内容进行验证, 因而在实际的应用方面, 要做好技术实践应用探索, 根据现有条件不断的积累数据仓库在物流企业信息技术分析方面的相关技术经验, 从经验中汲取教训, 从而逐渐对相关的技术性问题加以完善, 为未来阶段物流企业更好的运用数据仓库技术开展物流管理及相关业务奠定坚实基础。