连锁销售决策支持系的统解决方案研究.docVIP

连锁销售决策支持系统解决方案研究 摘 要 数据仓库、联机分析处理、数据挖掘技术的结合是决策支持系统研究的主流模式，其中数据仓库用于数据的存储管理，联机分析处理集中于数据的多维分析，数据挖掘则致力于知识发现。本文在数据仓库、联机分析处理、数据挖掘技术的支持下，提出了连锁销售决策支持系统解决方案，即数据仓库＋联机分析处理＋数据挖掘→决策支持系统。 关键词 数据仓库；联机分析处理；数据挖掘；连锁销售决策支持系统0引言 连锁销售是指流通领域中若干个同行业商店，以共同进货、共同经营同类商品、共享经营理念的方式连结起来，在同一商业形象下共享规模效益的一种经营模式。要想在竞争中取胜，获得更大的收益，必须利用网络、数据仓库等计算机技术，深层次地挖掘、分析当前和历史的业务数据，以及相关的环境数据，自动快速地获取其中有价值的决策信息，为企业提供快速、准确和方便的决策支持服务[1]。 数据仓库（DW）、联机分析处理(OLAP)、数据挖掘（DM）是20世纪90年代中期发展起来的计算机决策支持技术，现在已经被各行各业，各种领域广泛应用，成为继Internet之后信息科学界的热点研究课题。连锁销售决策支持系统（CSDSS）就是将三者无缝联接、深度结合，充分利用连锁销售企业内部积累的海量数据，挖掘有价值的知识和规则，将客观详实的数据信息和企业决策者宝贵的自身经验结合起来，支持企业决策的制定。1连锁销售决策支持系统解决方案1.1 解决方案 通过对销售计划和业绩的完成情况及有关环境数据进行多角度多层次的分析，发现在连锁经营战略和策略研究上投入巨大精力，将有利于提高连锁总部的经营水平。连锁销售决策支持系统研究可以使连锁经营决策者及时掌握销售内部的运行情况和发展趋势，并对制定销售计划和长远规划提供理论指导，提高企业的管理水平和竞争优势[2]。 DW＋OLAP＋DM→DSS架构，是一种新型的DSS系统解决方案，其中数据仓库用于数据的存储和组织，OLAP集中于数据的分析，数据挖掘则致力于知识的自动发现。1.2 方案特点 新型DSS架构是以原始数据库中储存的业务数据为基础，原始数据来源于多个超级市场采集的销售数据。多个超市实现连锁经营，采用扫描记帐技术和常客程序，为超市经营者提供生意和顾客的丰富信息。扫描记帐提供关于产品流动的数量和时间的细节信息，可以精确到单个物种和分钟。常客程序可以提供实际购物者的详细信息，该方案具有以下主要技术特点： 在底层的数据库中保存了大量的事务级细节数据，这些原始数据是整个DSS系统的数据源泉。数据仓库对底层数据库中的事务级数据进行集成、转换、综合，重新组织成面向全局的数据视图，仓库数据是DSS系统进行数据组织和存储管理的基础。 OLAP从数据仓库中的集成数据出发，构建面向分析的多维数据集市，再使用多维透视工具以不同的视角对多维数据集市数据进行分析、比较、综合，把方法驱动转变为数据驱动，使分析方法和数据结构实现分离。 数据挖掘以数据仓库和多维数据集市中集成数据为基础，发现数据中潜在的知识、模式，并以这些知识、模式为基础进行市场预测。1.3 系统体系结构 连锁销售决策支持系统在总体上分为三层，包括数据获取层、数据存储层、数据访问层。连锁销售决策支持系统的体系结构如图1所示。其中数据获取层是将原有的销售业务数据进行清洗、加工、整理、抽取后载入数据仓库，然后基于销售业务、管理的需要在数据仓库的基础上创建多维数据集市，形成数据存储层。数据仓库、多维数据集市中蕴含的信息可以在数据访问层中应用报表、OLAP、数据挖掘等可视化工具向DSS系统使用人员展现数据信息。1.4 核心技术 该设计方案首先将决策支持系统按功能划分为多个模块，然后在保证每个模块功能独立性基础上，对每个模块进行独立开发、编译、调试，最后组成一个完整的应用系统程序。各模块之间通过接口进行交互，数据访问接口采用COM组件技术，其中包括ADO（ActiveX Data Objects）、ADO MD（ActiveX Data Objects Multidimensional）、DSO（Decision Support Objects）等对象模型。2 数据仓库构建 数据仓库是面向主题的、集成的、具有时间序列特征的数据集合，用以支持决策制定[3]。连锁销售数据仓库是在原始交易数据的基础上，根据主题分析需要，确定数据仓库多维模型，从而对销售数据进行必要的抽取、清理和变换，然后载入数据仓库。2．1 数据源连锁销售数据仓库数据来源于多个超级市场采集的销售数据。由于人为因素或系统的不稳定因素，有时会出现空值和噪声数据。这时需要对数据进行预处理，即对数据的清洗，包括填写空缺值，平滑噪声数据，识别删除孤立点。2．2概念模型通过对连锁销售企业的应用需求分析，确定以销售业绩分析为主题，以客户、连锁店、商品、时间、