决策支持技术在企业销售系统中的应用研究

摘要

随着计算机的快速发展及信息处理的广泛应用,企业对信息化建设关注的力度也在逐步加大。由于商业领域竞争日益激烈,企业已经不满足于简单的数据处理及报表,希望能从其长期积累的历史数据中发现、提取一些隐含的、对企业发展有着指导性意义的信息及规律。而决策支持的概念正是针对这一需求而提出,它将企业数据库中庞大繁杂的历史数据转换为知识,进而辅助企业经营者进行决策,甚至为其自动生成商业决策。因此,决策支持己经成为企业信息化建设的下一个目标。
　　 决策支持技术主要包括数据仓库、联机分析处理(OLAP)、数据挖掘三项[1]。数据仓库将企业中各个相关部门的数据库中的数据进行整合,为下一步工作的开展准备大量的有效数据;而联机分析处理技术则通过不同主题的多维数据集的构建,对数据进行多角度的分析,为企业决策者提供企业数据的全局视图;最后,数据挖掘从历史数据中找出潜在的有价值的模式和信息,为企业经营者制定决策提供有依据的科学的参考。
　　 论文以某地板进口销售有限公司的需求为背景,建立进销存信息管理平台并导入历史数据,重点讨论了决策支持的关键技术的使用,并在系统中应用决策支持技术实现了销量分析模块及销售预测模块。决策者可以通过销量分析模块,掌握各类产品的销售情况,如产品销售的淡旺季以及不同经销商对产品种类的需求量变化情况等,从而辅助决策者制定正确的销售计划,如淡季进行促销、给销量有下降趋势的经销商优惠、制定合理订单等等。销售预测模块则用于企业引进新品种之前,可对其销售前景、收益程度等进行预测,为是否引进该新品种的决策提供参考。系统解决了企业经营者制定决策时,仅凭借经验判断而缺少数据支持这一问题,为企业制定正确的发展战略提供强有力的支持。

目录

文摘

英文文摘

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 DSS研究现状

1.2.2 数据仓库研究现状

1.2.3 OLAP技术研究现状

1.2.4 数据挖掘技术研究现状

1.3 本文所要研究的主要内容

2 数据仓库系统技术

2.1 数据仓库

2.1.1 数据仓库定义及特性

2.1.2 数据仓库系统结构

2.1.3 数据仓库建模

2.2 联机分析处理(OLAP)

2.2.1 OLAP的定义

2.2.2 OLAP的基本数据模式

2.2.3 OLAP分析的基本操作

2.2.4 OLAP的设计与实现

2.3 Microsoft Analysis Services相关概念介绍

3 数据挖掘

3.1 数据挖掘概念

3.2 数据挖掘解决的商业问题

3.3 数据挖掘的任务概述

3.4 基于决策树的分类算法

3.4.1 分类算法概述

3.4.2 决策树算法

3.5 数据挖掘技术的前景及应用

4 销售决策分析系统的设计与实现

4.1 系统需求分析

4.2 系统的模块设计

4.3 多维数据集的建立

4.3.1 数据仓库主题的确立

4.3.2 数据仓库的构建

4.3.3 多维数据集的浏览

4.4 销售分析模块设计

4.4.1 数据模型设计

4.4.2 报表分析模块

4.4.3 多维数据分析模块

4.4.4 图表分析模块

4.4.5 三种查询方式的对比

4.5 小结

5 销量预测模型的实现

5.1 ID3改进算法概述

5.1.1 ID3算法的多值偏向问题

5.1.2 改进的ID3算法

5.2 改进算法多值偏向的理论验证

5.2.1 ID3算法的验证

5.2.2 改进算法的验证

5.3 改进算法的实践评估

5.3.1 开发环境介绍

5.3.2 评估结果

5.4 销售预测模块的实现

5.4.1 算法的实现

5.4.2 收益预测数据集的建立

5.4.3 模块设计

5.5 小结

6 总结和展望

参考文献

致谢

个人简历及攻读学位期间的主要成果