基于數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的企業(yè)決策支持系統(tǒng)研究.pdf

1、傳統(tǒng)的決策支持系統(tǒng)是基于數(shù)據(jù)庫(kù)和模型庫(kù)的，由于數(shù)據(jù)庫(kù)只能對(duì)原始數(shù)據(jù)進(jìn)行一般的加工和匯總，致使決策所需信息不足，而模型庫(kù)很難適應(yīng)決策本身的動(dòng)態(tài)性和復(fù)雜性，兩庫(kù)被獨(dú)立的設(shè)計(jì)，缺乏內(nèi)在的統(tǒng)一性。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)、以聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘?yàn)槭侄蔚男聸Q策支持系統(tǒng)，現(xiàn)已成為發(fā)展趨勢(shì)。針對(duì)新決策支持系統(tǒng)架構(gòu)，本文以零售企業(yè)銷售預(yù)測(cè)為切入點(diǎn)，重點(diǎn)研究數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建、多維數(shù)據(jù)集和聯(lián)機(jī)分析處理以及用于銷售預(yù)測(cè)的數(shù)據(jù)挖掘算法，并對(duì)提

2、出的算法進(jìn)行測(cè)試，開(kāi)發(fā)了三層C/S模式的零售企業(yè)銷售預(yù)測(cè)決策支持系統(tǒng)。主要研究?jī)?nèi)容和結(jié)論如下： (1)針對(duì)企業(yè)信息化建設(shè)和市場(chǎng)競(jìng)爭(zhēng)的需要，在分析傳統(tǒng)決策支持系統(tǒng)不足的基礎(chǔ)上，提出了基于數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的新決策支持系統(tǒng)體系架構(gòu)，并對(duì)新決策支持系統(tǒng)進(jìn)行了分析。 (2)為了將分布在企業(yè)網(wǎng)絡(luò)中不同站點(diǎn)的商業(yè)數(shù)據(jù)集成到一起，使企業(yè)的業(yè)務(wù)操作環(huán)境和信息分析環(huán)境分離，根據(jù)需求分析，構(gòu)建了以銷售預(yù)測(cè)為決策主題的數(shù)據(jù)倉(cāng)庫(kù)，確定邏輯模型并

3、建立了相應(yīng)的事實(shí)表和維表，在SQL Server 2000中創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的物理模型，設(shè)計(jì)了實(shí)現(xiàn)數(shù)據(jù)提取、轉(zhuǎn)換、加載和自動(dòng)更新的DTS包。從而有效地為決策者提供了各種類型的、充分可靠的數(shù)據(jù)基礎(chǔ)。 (3)為了對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行有效分析，幫助企業(yè)掌握運(yùn)營(yíng)情況，了解市場(chǎng)需求，建立了面向分析的多維數(shù)據(jù)集，并用聯(lián)機(jī)分析處理對(duì)多維數(shù)據(jù)集中的數(shù)據(jù)用切片、切塊、鉆取和旋轉(zhuǎn)等方式進(jìn)行分析，用MDX多維查詢語(yǔ)言對(duì)多維數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行復(fù)雜查詢，從

4、中發(fā)現(xiàn)有用信息。并提出了對(duì)OLAP分析數(shù)據(jù)展現(xiàn)的三種解決方案。 (4)為了利用數(shù)據(jù)挖掘技術(shù)對(duì)銷售量、銷售利潤(rùn)進(jìn)行分析來(lái)預(yù)測(cè)將來(lái)的發(fā)展趨勢(shì)，針對(duì)銷售預(yù)測(cè)的特點(diǎn)，提出了用線性回歸分析方法進(jìn)行預(yù)測(cè)，在研究多元線性回歸分析方法及其建模的基礎(chǔ)上，提出了建立影響商品銷售量的因素(銷售時(shí)間、商品種類、商品價(jià)格、顧客購(gòu)買(mǎi)力)與銷售量之間的四元線性回歸模型，并用FoodMart連鎖企業(yè)的銷售數(shù)據(jù)進(jìn)行驗(yàn)證，得出平均絕對(duì)百分比誤差為66.77％，預(yù)測(cè)

5、效果較差。 (5)針對(duì)回歸分析方法只是用靜止的觀點(diǎn)描述各經(jīng)濟(jì)變量之間的因果關(guān)系，沒(méi)有考慮現(xiàn)實(shí)經(jīng)濟(jì)活動(dòng)的動(dòng)態(tài)發(fā)展的不足，提出了用時(shí)間序列中的AR模型進(jìn)行預(yù)測(cè)。分析了AR模型的建模步驟，研究并建立了AR銷售預(yù)測(cè)模型，驗(yàn)證結(jié)果表明：AR模型平均絕對(duì)百分比誤差為18.3％，為良好預(yù)測(cè)模型，可以用來(lái)進(jìn)行銷售預(yù)測(cè)。 (6)針對(duì)線性回歸和AR模型都是采用線性統(tǒng)計(jì)分析的缺陷，提出了采用BP神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行數(shù)據(jù)挖掘的銷售預(yù)測(cè)。在研究BP網(wǎng)絡(luò)

6、的基礎(chǔ)上，提出了用于銷售預(yù)測(cè)的網(wǎng)絡(luò)模型結(jié)構(gòu)，網(wǎng)絡(luò)的輸入為影響某類商品銷售的銷售時(shí)間、商品價(jià)格、顧客購(gòu)買(mǎi)力、AR模型中的時(shí)間序列，輸出為不同地點(diǎn)某類商品的銷售量，建立三層網(wǎng)絡(luò)結(jié)構(gòu)，利用自適應(yīng)學(xué)習(xí)速率和附加動(dòng)量法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過(guò)實(shí)驗(yàn)確定了預(yù)測(cè)精度較高的歷史數(shù)據(jù)長(zhǎng)度。運(yùn)行分析后得出平均絕對(duì)百分比誤差為15.13％，預(yù)測(cè)精度較AR模型高。 (7)基于數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘、聯(lián)機(jī)分析處理技術(shù)研究的基礎(chǔ)上，采用模塊化設(shè)計(jì)方法，開(kāi)發(fā)了三層C/S模式的