決策支持系統(tǒng)論文數(shù)據(jù)挖掘在零售業(yè)銷(xiāo)售管理中的應(yīng)用

1、決策支持系統(tǒng)論文：數(shù)據(jù)挖掘在零售業(yè)銷(xiāo)售管理中的應(yīng)用【中文摘要】信息技術(shù)的發(fā)展使得企業(yè)積累了海量的歷史數(shù)據(jù),而這些數(shù)據(jù)讓企業(yè)越來(lái)越難以管理和利用。為了提高對(duì)數(shù)據(jù)的處理能力和獲得有利于企業(yè)運(yùn)作的信息,可以在傳統(tǒng)數(shù)據(jù)庫(kù)的基礎(chǔ)上建立數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)挖掘,從而從收集到的數(shù)據(jù)中經(jīng)過(guò)深層分析幫助企業(yè)發(fā)現(xiàn)有用的模式和規(guī)則,這樣能夠快速做出有效的決策。企業(yè)中擁有的大量銷(xiāo)售數(shù)據(jù)背后隱藏著許多重要的信息,但由于人們目前所使用工具的局限性而無(wú)法將其快速有效地挖掘出來(lái)。數(shù)據(jù)挖掘能夠根據(jù)銷(xiāo)售數(shù)據(jù)的來(lái)源、特點(diǎn)創(chuàng)建預(yù)測(cè)模型,幫助企業(yè)從大量的數(shù)據(jù)中抽取有用的商業(yè)信息,從而提高公司的市場(chǎng)競(jìng)爭(zhēng)力。本文對(duì)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的相關(guān)理論

2、和技術(shù)進(jìn)行了闡述,結(jié)合武漢金如意軟件有限公司的實(shí)例,探討了數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、數(shù)據(jù)挖掘在進(jìn)銷(xiāo)存系統(tǒng)銷(xiāo)售管理中的應(yīng)用。分析了銷(xiāo)售管理的業(yè)務(wù)活動(dòng)和數(shù)據(jù)關(guān)系并講述了銷(xiāo)售決策支持系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程,設(shè)計(jì)了數(shù)據(jù)倉(cāng)庫(kù)的概念模型、邏輯模型、物理模型,完成了數(shù)據(jù)倉(cāng)庫(kù)的生成、數(shù)據(jù)倉(cāng)庫(kù)的使用與維護(hù)。通過(guò)sql server 2008中的ssis組件,實(shí)現(xiàn)了對(duì)數(shù)據(jù)源的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和裝載,并利用ssis建立了數(shù)據(jù)立方體以滿足聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘的需要。本文根據(jù)數(shù)據(jù)挖掘技術(shù)在零售.【英文摘要】with the development of information technology, companies have

3、 accumulated vast amounts of historical data, which become more and more difficult to manage and use for enterprises. in order to improve the data processing capabilities and get information benefit to business operations, the data warehouse can be established on the basis of traditional database fo

4、r data mining, which analysis deeply from the collected data to help companies find useful patterns and rules, so that is able to make effective decis.【關(guān)鍵詞】決策支持系統(tǒng) 數(shù)據(jù)倉(cāng)庫(kù) 聯(lián)機(jī)分析處理 數(shù)據(jù)挖掘 bp神經(jīng)網(wǎng)絡(luò)【英文關(guān)鍵詞】decision support system data warehouse on-line analytical processing data mining bp neural network【目錄】數(shù)據(jù)挖掘在

5、零售業(yè)銷(xiāo)售管理中的應(yīng)用摘要4-5abstract5-6第1章 緒論10-141.1 研究背景及選題意義10-111.2 國(guó)內(nèi)外研究現(xiàn)狀11-121.3 本文主要研究?jī)?nèi)容12-14第2章 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘介紹14-222.1 數(shù)據(jù)倉(cāng)庫(kù)14-172.1.1 數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)生背景142.1.2 數(shù)據(jù)倉(cāng)庫(kù)定義14-152.1.3 數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)152.1.4 數(shù)據(jù)倉(cāng)庫(kù)中的關(guān)鍵名詞15-172.2 聯(lián)機(jī)分析處理17-182.2.1 olap的概念與特點(diǎn)17-182.2.2 olap的典型操作182.3 數(shù)據(jù)挖掘18-212.3.1 數(shù)據(jù)挖掘的概念18-192.3.2 挖掘結(jié)構(gòu)和挖掘模型19-202.3.3

6、 數(shù)據(jù)挖掘的功能202.3.4 數(shù)據(jù)挖掘的意義20-212.4 olap與數(shù)據(jù)挖掘的關(guān)系212.5 本章小結(jié)21-22第3章 系統(tǒng)分析與設(shè)計(jì)22-503.1 系統(tǒng)目標(biāo)和解決的問(wèn)題22-243.1.1 系統(tǒng)目標(biāo)22-233.1.2 系統(tǒng)解決的問(wèn)題23-243.2 系統(tǒng)可行性和必要性的分析243.3 系統(tǒng)需求問(wèn)題描述24-263.4 數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)框架26-283.5 系統(tǒng)設(shè)計(jì)28-303.5.1 系統(tǒng)設(shè)計(jì)原則283.5.2 系統(tǒng)體系結(jié)構(gòu)28-293.5.3 銷(xiāo)售分析預(yù)測(cè)程序結(jié)構(gòu)設(shè)計(jì)293.5.4 系統(tǒng)開(kāi)發(fā)平臺(tái)29-303.6 數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)30-493.6.1 建立數(shù)據(jù)倉(cāng)庫(kù)的主要步驟30-31

7、3.6.2 企業(yè)模型的建立31-323.6.3 數(shù)據(jù)倉(cāng)庫(kù)概念模型設(shè)計(jì)32-333.6.4 數(shù)據(jù)倉(cāng)庫(kù)邏輯模型設(shè)計(jì)33-343.6.5 數(shù)據(jù)倉(cāng)庫(kù)物理模型設(shè)計(jì)34-353.6.6 olap建模方法35-393.6.7 數(shù)據(jù)抽取轉(zhuǎn)換加載39-433.6.8 建立數(shù)據(jù)立方43-483.6.9 銷(xiāo)售管理系統(tǒng)的聯(lián)機(jī)分析處理48-493.7 小結(jié)49-50第4章 bp算法在預(yù)測(cè)子系統(tǒng)的應(yīng)用50-594.1 數(shù)據(jù)挖掘算法50-524.1.1 神經(jīng)網(wǎng)絡(luò)bp算法介紹50-514.1.2 電器銷(xiāo)售預(yù)測(cè)中bp神經(jīng)網(wǎng)絡(luò)模型51-524.2 銷(xiāo)售管理決策支持系統(tǒng)的實(shí)現(xiàn)52-554.3 銷(xiāo)售預(yù)測(cè)子系統(tǒng)的實(shí)現(xiàn)55-584.3.1 預(yù)測(cè)子系統(tǒng)的目標(biāo)554.3.2 預(yù)測(cè)子系統(tǒng)的過(guò)程554.3.3 預(yù)測(cè)子系統(tǒng)主要功能結(jié)構(gòu)分析55-564.3.4 bp算法流程圖