一个销售综合业务分析处理系统

摘要

企业在日常的业务活动中积累了大量的信息,如何将这些信息转换为有价值的资料数据,帮助企业决策者了解客户、分析市场、掌握企业现状,以做出使企业利益最大化的决策,一直是企业管理者面临的问题.随着数据仓库和联机分析技术以及数据挖掘技术研究的不断深入,综合业务分析系统也跃上一个新的台阶.开发综合业务分析系统主要是以数据仓库技术为基础,以联机分析处理和数据挖掘等工具为手段进行实施.在公司现有销售综合业务管理系统的基础上,结合公司的销售业务分析需求,利用数据仓库的技术和理论,开发了销售综合业务分析系统.在开发过程中,遵循数据仓库的设计方法,利用多维数据集展示工具,对销售业务的多个主题进行报表展示和数据预测,基本实现了辅助企业决策的目标.为了挖掘出商家订单中的产品的相关规律,我们利用数据挖掘中的关联规则.关联规则是表示数据库中一组对象之间某种关联关系的规则.关联规则就是用来判别这些销售过程的交易项目之间是否存在某种关系,最为著名的关联规则发现方法是R.Agrayal提出的Apriori算法.它的核心思想是通过对数据仓库中的数据进行重复性遍历,产生长度不断增长的候选集.它的不足之处在于耗时巨大,当数据量达干亿时,需要花费很长的时间来响应.MAQA算法是对Apriori算法深层次的改进,它着重于对多值属性进行了分区域的聚类分析研究,将多值属性问题转化为布尔型属性问题.但当数据量很大时,这种复杂的分段排列过程就使得计算量很大.针对销售型的数据仓库,结合以上两种算法,我们设计了一种新的挖掘算法——统计关联规则挖掘算法,该算法的核心思想是利用统计的方法来比较不同产品在不同时段之间的销售量和销售额增长率,从而在时间花费比较少的前提下确定产品之间的相关性.

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

1引言

1.1销售综合业务管理系统

1.2销售综合业务分析处理系统

2用户需求

2.1功能需求

2.2系统目标

2.3系统数据来源

3系统的体系结构

3.1系统体系结构

3.2系统的软件体系结构

3.3系统选型

4数据仓库技术应用

4.1数据仓库技术

4.2销售综合业务分析处理系统数据仓库设计

4.3销售综合业务分析处理系统实现

5数据挖掘改进算法

5.1数据挖掘过程

5.2数据挖掘方法

5.3数据挖掘常用技术

5.4关联规则挖掘算法的改进

6总结

致谢

参考文献

附录1攻读学位期间发表的学术论文目录