基于数据挖掘的纺织企业成本预测.docVIP

基于数据挖掘的纺织企业成本预测 　　基于数据挖掘的纺织企业成本预测 　　王瑞，费树岷 　　（东南大学 自动化，江苏 南京 210096） 　　摘要：成本核算是企业成本控制的基础，其中成本预测是关键。在成本核算系统中，利用数据挖掘技术，寻找与企业成本相关的数据之间的规律，预测企业成本，为企业管理者进行有效地成本控制提供依据，实现准确的成本预测。该文提出了纺织企业原料成本的数据仓库模型，分析了如何使用合理的数据挖掘算法实现原料成本的预测，最后以实例阐述了数据挖掘技术在纺织企业成本核算系统的应用。 　　关键词：成本预测；数据挖掘；纺织企业；模型 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）05-0890-04 　　Cost Prediction Based on Data Mining Techniques in Textile Company 　　WANG Rui，FEI Shu-min 　　（ School of Automation，Southeast University， Nanjing 210096， China） 　　Abstract： Cost Accounting which is the most basis step of a company doing cost control， while cost forecasting is the most important part. Now， we achieve these cost tasks better by using date mining techniques in a cost accounting system. This paper throws out a data warehouse model of material costs and a date mining algorithms to achieve material cost prediction. Finally， we expound these problems above with an example of a textile company. 　　Key words： cost prediction； data mining； textile company； model 　　随着信息化的不断发展，纺织企业也向着无纸化办公的方向不断发展。企业通过引进购买相应的财务软件，帮助实现企业信息化，代替手工核算，然而这些软件仅仅是从表面代替了人工的计算功能，并没有实现成本预测的功能[1]。成本核算由人工手动计算向计算机计算的转换，导致企业成本核算系统中存储了大量的与成本相关的数据。如何从这些海量的数据中提取出有意义的信息，帮助企业管理者分析数据并以合理的架构模型实现成本预测，控制成本的发生成为如今企业使用成本核算系统最为关注的问题。文中主要通过数据挖掘的神经网络算法实现对纺织企业原料成本的预测。 　　1 数据挖掘的方法 　　数据挖掘，即从现实世界大量含噪声的数据中通过算法发现有意义的知识的过程，是数据库知识发现（Knowledge-Discovery in Databases）的一个基本步骤，在整个知识发现过程中起着至关重要的作用。KDD的过程如图1所示。 　　图1 　　1.1数据清理与集成 　　现实的数据库中的数据必然是不完整的、含噪声的，数据填入数据库后通过填写遗漏值、平滑噪声来清理数据，集成不同数据库中概念、属性一致而命名不同所导致的数据冗余[2]。 　　1.2数据选择与转换 　　选择经过数据清理和集成后与挖掘任务相关的数据，通过数据方块集、维归约、数据压缩、数值压缩和离散化和概念分层产生的方法对数据进行归约处理，得到大型原始数据集的归约表示。 　　1.3数据挖掘阶段 　　数据经过一系列的预处理操作后，我们使用这些数据进行数据挖掘： 　　首先，确定挖掘的任务以及用户感兴趣的知识，比如成本各元素之间的相关分析，成本的短期或长期预测等等。 　　其次，确定数据挖掘的算法。选择合适的算法完成一个挖掘任务需要从以下几个方面考虑：一是挖掘任务的类型（预测或分析），二是数据集的大小。 　　整个数据挖掘的过程就是在发现与评估中寻找有效的算法，发现有趣模式，完善与提高挖掘系统效率的过程。 　　2 数据挖掘技术在纺织企业的应用 　　2.1 成本核算系统分析 　　纺织企业的成本一般由生产成本与非生产成本组成。生产成本部分主要包括：原料、能源、薪资和固定资产折旧等费用；非生产成本部分由销售费用、财务费用和管理费用组成。薪资（仅与出勤相关）、固定资产折旧、财务费用和管理费用属于固定成本，这部分成