基于ERP数据挖掘系统设计.docVIP

基于ERP数据挖掘系统设计 　　【摘要】 目前 ERP（Enterprise Resource Planning）研究的热点就是挖掘 ERP 大量数据中蕴涵的知识。为解决这一问题，近年来，提出了数据挖掘（Data Mining）和知识发现（KDD）技术，本文介绍了数据挖掘系统基于ERP的设计。 　　【关键词】 数据挖掘 ERP技术 　　随着人们认识和管理水平的提高，对客观世界的描述愈来愈全面，存储的数据量愈来愈大，然而，对数据库中数据的开发应用主要是检索查询，效率很低，此外，相当数量的数据具有很强的时效性，数据的价值随着时间的推移而迅速降低。简单的数据查询或统计虽然可以满足某些低层次的需要，但人们更为需要的是从大量数据资源中挖掘出对各类决策有指导意义的一般知识，这些知识是对大量数据的高度概括和抽象。数据挖掘技术在经济中的应用是信息决策、经济管理等领域的前沿研究方向之一。本文设计了面向ERP数据挖掘的一般结构框架。将 ERP原理与数据挖掘技术相结合应用到企业ERP中销售、客户和产品这三个模块，提出了企业ERP数据挖掘的实现方法，分析了销售、客户和产品数据挖掘的系统框架，完成了概念模型、逻辑模型和物理模型的设计工作，在实际中应用该系统，获得了较好的效果，为ERP和数据挖掘的结合提供了方向。 　　一、数据挖掘基本原理 　　1.1 KDD过程 　　数据挖掘是数据库技术、人工智能、机器学习和统计学等学科相结合的产物。简单地说，数据挖掘是从大量数据中提取或“挖掘”知识。一种比较公认的定义是：数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的、潜在有用的信息的非平凡过程，它是由G. Piatctsky-Shapior，W.J.Frawley等人提出的。数据挖掘作为KDD的一个基本步骤，由下列步骤组成。 　　（1）数据清理。消除噪声或不一致数据。 　　（2）数据集成。将多种数据库中的数据组合在一起。 　　（3）数据选择。从数据库中检索与分析任务相关的数据。 　　（4）数据变换。将数据变换或统一成适合挖掘的形式。比如，通过汇总等操作。 　　（5）数据挖掘。它是基本步骤，使用智能方法提取数据模式。 　　（6）模式评价。根据某种兴趣度度量，识别表示知识的真正有趣的模式。 　　（7）知识表示。使用可视化和知识表示技术，向用户提供挖掘的知识。 　　1.2 数据挖掘的对象 　　原则上讲，数据挖掘可以在任何类型的信息存储上进行，包括关系数据库、事务数据库、数据仓库、高级数据库系统和面向特殊应用的数据库系统（如：面向对象数据库、对象关系数据库、空间数据库、时间数据库、时间序列数据库、文本数据库、多媒体数据库、WWW等）。数据挖掘的挑战和技术可能因存储系统而异。 　　1.3 数据挖掘系统的分类 　　数据挖掘是一个交叉学科领域，受多个学科的影响，根据不同的标准可以分类如下： 　　（1）根据挖掘的数据库类型分类。如果根据数据模型分类，可以分为关系的、事务的、面向对象的、对象： 关系的或数据仓库的数据挖掘系统；如果根据所处理数据的特定类型分类，可以分为空间的、时间序列的、文本的、多媒体的或的数据挖掘系统。 　　（2）根据挖掘的知识类型分类。知识的类型包括特征化、区分、关联、分类、聚类、孤立点分析、演变分析、偏差分析或类似性分析等。一个完整的数据挖掘系统应当提供多种和集成的数据挖掘功能。此外，数据挖掘系统可以根据所挖掘的知识的粒度或抽象层进行分类。包括概化知识（在高抽象层）、原始层知识（在原始数据层）或多层知识，一个高级的数据挖掘系统应当支持多抽象层的知识发现。 　　（3）根据所用的技术分类。这些技术可以根据用户交互程度（例如自动系统、交互查询系统、查询驱动系统），或所用的数据分析方法（例如面向数据库或数据仓库的技术、机器学习、统计学、可视化、模式识别、神经网络、模糊和粗集理论、遗传算法、决策树、最近邻技术等）描述。复杂的数据挖掘系统通常采用多种数据挖掘技术。 　　（4）根据应用分类。不同的应用通常需要集成对于该应用有效的方法。比如，金融、电信、DNA、股票市场等等。普通的、全面的数据挖掘系统可能并不适合特定领域的挖掘任务。 　　二、数据挖掘基于ERP的设计 　　ERP（Enterprise Resource Planning，企业资源计划）在我国的应用已越来越广泛。它体现了当今世界上最先进的企业管理理论，并提供了企业信息化集成的最佳方案。它将企业的物流、资金流和信息流统一起来进行管理，对企业所拥有的人力、资金、材料、设备、方法（生产技术）、信息和时间等各项资源进行综合平衡和充分考虑，最大限度地利用企业的现有资源取得更大的经济效益，科学、有效地管理企业人、财、物、产、供、销等各项具体业务工作。本文从企业自身的生产、管理和发展需要出发，结合数据挖掘技术的特点和目