某超進(jìn)銷存系統(tǒng)DW研發(fā)設(shè)計(jì)

1、某超市進(jìn)銷存系統(tǒng)的 DW設(shè)計(jì)一、現(xiàn)狀1、傳統(tǒng)的進(jìn)銷存系統(tǒng)建立在單一的數(shù)據(jù)庫系統(tǒng)上，通常包括：業(yè)務(wù)處理子系統(tǒng)輔助決策系統(tǒng)管理信息系統(tǒng)其它2、以單一數(shù)據(jù)庫為中心構(gòu)成的數(shù)據(jù)庫系統(tǒng)， 往往滿足不了現(xiàn)代超市數(shù)據(jù)處理多樣化的要求。 具體表現(xiàn)在以下幾個(gè)方面： 矚慫潤厲釤瘞睞櫪廡賴。不能同時(shí)滿足事務(wù)處理與分析處理的需要。無法集成企業(yè)內(nèi)部、外部各方面的數(shù)據(jù)。 難以適應(yīng)各類用戶對(duì)數(shù)據(jù)綜合程度的不同要求。3、困境：長期趨勢分析預(yù)測需要按年度匯總，而中短期預(yù)測要用到月、周、日的數(shù)據(jù)。傳統(tǒng)的數(shù) 據(jù)庫系統(tǒng)不具備這種綜合能力， 需要人為地進(jìn)行綜合和匯總， 而且每做一次分析， 都要進(jìn)行 一次這樣的綜合， 這必將導(dǎo)致極低地處理

2、效率。 因此， 在事務(wù)處理環(huán)境中直接構(gòu)建分析處理 應(yīng)用必將是失敗的 聞創(chuàng)溝燴鐺險(xiǎn)愛氌譴凈。數(shù)據(jù)倉庫和 OLAP技術(shù)在 DSS上的應(yīng)用已經(jīng)成為決策支持系統(tǒng)的新趨勢。OLAP可以根據(jù)需求將決策法過程中的各類信息以多維視圖存儲(chǔ)于數(shù)據(jù)倉庫中， 給決策者提供多元化的業(yè)務(wù) 分析。 殘騖樓諍錈瀨濟(jì)溆塹籟。二、構(gòu)建進(jìn)銷存系統(tǒng)數(shù)據(jù)倉庫1、如圖：2、系統(tǒng)組成：業(yè)務(wù)處理子系統(tǒng)：其后臺(tái)為傳統(tǒng)數(shù)據(jù)庫 （ 可以是多個(gè)分布的、異構(gòu)的數(shù)據(jù)庫 ） ，前臺(tái)是業(yè)務(wù)應(yīng)用系統(tǒng)， 完成所有進(jìn)銷存業(yè)務(wù)的日常處理，是整個(gè)進(jìn)銷存系統(tǒng)的數(shù)據(jù)入口，并向輔助決策子 系統(tǒng)提供原始數(shù)據(jù)； 釅錒極額閉鎮(zhèn)檜豬訣錐。決策支持系統(tǒng)： 后臺(tái)為數(shù)據(jù)倉庫，前臺(tái)由聯(lián)機(jī)

3、分析工具、數(shù)據(jù)挖掘工具等構(gòu)成，完成統(tǒng)計(jì)分析預(yù)測 功能，實(shí)現(xiàn)對(duì)決策的支持；數(shù)據(jù)管理子系統(tǒng)負(fù)責(zé)對(duì)整個(gè)系統(tǒng)數(shù)據(jù)的管理， 特別是實(shí)現(xiàn)數(shù)據(jù)從各數(shù)據(jù)源 （ 傳統(tǒng)數(shù)據(jù)庫 ）到數(shù)據(jù)倉庫 的轉(zhuǎn)移以及數(shù)據(jù)倉庫中數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)規(guī)則的管理。 彈貿(mào)攝爾霽斃攬磚鹵廡。三、DW概念模型設(shè)計(jì)1. 需求分析 最為迫切的需求在于更加準(zhǔn)確的掌握超市的經(jīng)營狀況及進(jìn)、銷、存情況，主要包括：進(jìn)貨趨勢銷售市場波動(dòng)趨勢企業(yè)存貨情況。分析市場經(jīng)營狀況發(fā)展趨勢所要求的操作數(shù)據(jù)庫的數(shù)據(jù)有：商品進(jìn)貨數(shù)據(jù)商品銷售數(shù)據(jù)商品庫存數(shù)據(jù)顧客信息銷售商信息。2. 概念模型設(shè)計(jì)界定銷售分析系統(tǒng)邊界 建立銷售數(shù)據(jù)倉庫所需的數(shù)據(jù)應(yīng)包括：訂單數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、顧客數(shù)據(jù)、

4、員工數(shù)據(jù)、供 貨商數(shù)據(jù)、貨運(yùn)數(shù)據(jù)。確定系統(tǒng)的主題及其內(nèi)容 初步確定超市的進(jìn)銷存輔助決策系統(tǒng)有 3 個(gè)主題：商品、顧客和銷售商。商品主題：描述企業(yè)商品分類及銷售情況； 顧客主題：描述了企業(yè)對(duì)顧客進(jìn)行分類及有關(guān)顧客合同的管理情況； 銷售商主題： 描述了企業(yè)銷售人員銷售商品及銷售地區(qū)情況。 其中， 商品主題作為 中心，將這 3 個(gè)主題聯(lián)系起來。其具體內(nèi)容包括： 謀蕎摶篋飆鐸懟類蔣薔。商品：商品固有信息 （ 商品代號(hào)、商品名稱、商品類別等 ）商品庫存信息 （ 商品代號(hào)、庫房號(hào)、庫存量、日期等 ）商品銷售信息 （ 商品代號(hào)、顧客代碼、銷售日期、銷售單價(jià)、銷售數(shù)量等 ） 顧客：顧客固有信息 （ 顧客編號(hào)、

5、顧客名稱、地址號(hào)、電話等 ）顧客合同信息 （ 顧客編號(hào)、合同代碼、起始日期、終止日期、數(shù)量、價(jià)格等 ） 顧客購貨信息 （ 顧客編號(hào)、商品代碼、單價(jià)、數(shù)量、日期等 ）銷售商：銷售商固有信息 （ 銷售商編號(hào)、銷售商品、銷售商品名、銷售商地址等四、邏輯模型設(shè)計(jì)1. 分析主題域在概念模型設(shè)計(jì)中， 確定了基本的主題域， 數(shù)據(jù)倉庫的設(shè)計(jì)方法是一個(gè)逐步求精的過程， 在進(jìn)行設(shè)計(jì)時(shí)， 一般是一次一個(gè)主題或一次若干個(gè)主題地逐步完成的。 這里選定商品主題先 實(shí)施。 廈礴懇蹣駢時(shí)盡繼價(jià)騷。2. 粒度層次劃分粒度指數(shù)據(jù)倉庫中數(shù)據(jù)單元的詳細(xì)程度和級(jí)別， 為了實(shí)現(xiàn)的快速和當(dāng)前主要的是開發(fā)一 個(gè)原型系統(tǒng)， 為以后系統(tǒng)超市進(jìn)銷

6、存輔助決策系統(tǒng)的研制和開發(fā)提供理論基礎(chǔ)和實(shí)際開發(fā)經(jīng) 驗(yàn)，因此在此銷售分析系統(tǒng)采用單數(shù)據(jù)粒度。 煢楨廣鰳鯡選塊網(wǎng)羈淚。3. 確定數(shù)據(jù)分割策略由于數(shù)據(jù)倉庫在獲得數(shù)據(jù)時(shí)一般按時(shí)間順序進(jìn)行， 同一時(shí)間段的數(shù)據(jù)往往可以連續(xù)獲得， 并且數(shù)據(jù)倉庫的數(shù)據(jù)綜合常常會(huì)在時(shí)間維上進(jìn)行， 因此系統(tǒng)按時(shí)間對(duì)數(shù)據(jù)進(jìn)行了分割， 查詢 時(shí)可只查詢相關(guān)的分片而不必搜尋整個(gè)數(shù)據(jù)庫。 鵝婭盡損鵪慘歷蘢鴛賴。4. 多維數(shù)據(jù)建模數(shù)據(jù)倉庫的每個(gè)主題由多個(gè)表實(shí)現(xiàn)， 通過公共碼鍵聯(lián)系在一起形成一個(gè)完整的主題。 這 里對(duì)“商品”主題進(jìn)行模式劃分，采用星型雪花架構(gòu)，分析整理出下面的實(shí)事表與維度表的 設(shè)計(jì) 籟叢媽羥為贍僨蟶練淨(jìng)。銷售數(shù)據(jù)倉庫的雪花

7、結(jié)構(gòu)圖五、在線分析處理在分析銷售數(shù)據(jù)時(shí)，從不同角度審視銷售的衡量數(shù)值是一種很自然的思考模式。根據(jù) 用戶所選擇的分析角度，事先計(jì)算好一些輔助結(jié)構(gòu)，以及每一維不同層次重要衡量的總計(jì)， 以便在查詢時(shí)能夠盡快抽取到所需記錄， 并快速地從一維轉(zhuǎn)變到另一維。 這樣用戶就可以在 短時(shí)間內(nèi)從各種不同的角度審視銷售的狀況， 不但提高了決策的正確性， 而且縮短了做出決 定所需要的時(shí)間。 預(yù)頌圣鉉儐歲齦訝驊糴。在本例中， 使用兩種主要多維分析技術(shù)： 向下鉆取、旋轉(zhuǎn)和切片。 前者用來查看某一具 體數(shù)據(jù)維中的更詳細(xì)的數(shù)據(jù)，后者用來從不同角度或不同層次得到聚合數(shù)據(jù)。 滲釤嗆儼勻諤鱉 調(diào)硯錦。1、 切片 (Slice) 和

8、切塊 (Dice)在多維數(shù)據(jù)結(jié)構(gòu)中， 按二維進(jìn)行切片， 按三維進(jìn)行切塊， 可得到所需要的數(shù)據(jù)。 如在“城 市、產(chǎn)品、時(shí)間”三維立方體中進(jìn)行切塊和切片，可得到各城市、各產(chǎn)品的銷售情況。 鐃誅 臥瀉噦圣騁貺頂廡。圖 3 三維立方體切片、切塊示意圖2、 鉆取 (Drill)維度是具有層次性的，如時(shí)間維可能有年、月、日構(gòu)成，維度的層次實(shí)際上反映了 數(shù)據(jù)的綜合程度。維度層次越高，細(xì)節(jié)越少，數(shù)據(jù)量越少；維度層次越低，則代表的數(shù)據(jù)綜 合度越低，細(xì)節(jié)越充分， 數(shù)據(jù)量越大。鉆取包含向下鉆取 (Drill-down) 和向上鉆取 (Drill-up) 操作，鉆取的深度與維所劃分的層次相對(duì)應(yīng)。 向下鉆取就是從較高的

9、維度層次下降到較低的 維度層次上來觀察多維數(shù)據(jù)。 反之， 則執(zhí)行的操作就是向上鉆取。 例如： 擁締鳳襪備訊顎輪爛薔。3、 旋轉(zhuǎn) (Rotate) 旋轉(zhuǎn)即改變一個(gè)報(bào)告或頁面顯示的維方向。例如，旋轉(zhuǎn)可能包含了交換行和列，或是 把某一個(gè)行維移到列維中去，或是把頁面顯示中的一個(gè)維和頁面外的維進(jìn)行交換，令其成 為新的行或列中的一個(gè)。例如： 贓熱俁閫歲匱閶鄴鎵騷。六、決策支持利用基于數(shù)據(jù)倉庫和多維分析技術(shù)的決策支持系統(tǒng)， 在進(jìn)銷存管理中實(shí)現(xiàn)了降低庫存成 本、了解銷售全局、 進(jìn)行市場分析和趨勢分析等功能。 利用數(shù)據(jù)挖掘技術(shù)可以挖掘潛在有用 信息，方便企業(yè)決策者做出正確有效地決策，具體分析如下： 壇摶鄉(xiāng)囂懺蔞

10、鍥鈴氈淚。 1、 降低庫存成本通過數(shù)據(jù)倉庫系統(tǒng)， 將成千上萬種貨物的銷售數(shù)據(jù)和庫存數(shù)據(jù)集中起來， 通過數(shù)據(jù)分析，對(duì)知識(shí)進(jìn)行分類， 可以知道庫存中一段時(shí)間內(nèi)， 沒有收到訂單的貨物， 很少收到訂單的貨物 和庫存中周轉(zhuǎn)很快的貨物。 從而決策者能決定對(duì)貨物進(jìn)行相應(yīng)增減， 確保正確的庫存， 從而 加快資金周轉(zhuǎn)、 降低庫存成本。 最為典型的分類方法是基于決策樹的分類方法。 它是從實(shí)例 集中構(gòu)造決策樹， 是一種有指導(dǎo)的學(xué)習(xí)方法。 該方法先根據(jù)訓(xùn)練子集形成決策樹。 如果該樹 不能對(duì)所有對(duì)象給出正確的分類， 那么選擇一些例外加入到訓(xùn)練子集中， 重復(fù)該過程一直到 形成正確的決策集。 蠟變黲癟報(bào)倀鉉錨鈰贅。2、 進(jìn)

11、行市場分析利用 OLAP數(shù)據(jù)分析工具對(duì)數(shù)據(jù)倉庫的數(shù)據(jù)仔細(xì)研究，以分析客戶的購買習(xí)慣、產(chǎn)品組 成和其它戰(zhàn)略性的信息。 系統(tǒng)對(duì)銷售量最大的產(chǎn)品進(jìn)行分析， 然后確保在正確的時(shí)間、 正確 的地點(diǎn)有正確的庫存。 買鯛鴯譖曇膚遙閆擷凄。3、進(jìn)行趨勢分析利用數(shù)據(jù)倉庫對(duì)產(chǎn)品種類和庫存的趨勢進(jìn)行分析， 以選定需要補(bǔ)充的產(chǎn)品， 研究客戶購 買趨勢，分析季節(jié)性購買模式， 確定降價(jià)商品，并對(duì)其數(shù)量做出反應(yīng)。 為了能夠預(yù)測出季節(jié) 性銷售量，系統(tǒng)要檢索數(shù)據(jù)倉庫中 1 萬種產(chǎn)品 1年多來的銷售數(shù)據(jù)， 并在此基礎(chǔ)上進(jìn)行分析。 綾鏑鯛駕櫬鶘蹤韋轔糴。4、進(jìn)行商品分組布局、購買推薦和商品參照分析 通過從代銷記錄中挖掘相關(guān)信息，可

12、以發(fā)現(xiàn)購買某一種商品的顧客可能購買其它商品。購物籃分析是挖掘此類信息的一個(gè)典型例子。 通過發(fā)現(xiàn)顧客放入其購物籃中的不同商品之間 的關(guān)系， 分析顧客的購買習(xí)慣。 采用 Apriori 算法， 可以找到哪些商品頻繁的被顧客同時(shí)購 買。這類信息可用于形成一定的購買推薦， 或者保持一定的最佳商品分組布局， 以幫助客戶 選擇商品，刺激顧客的購買欲望從而達(dá)到增加銷售額，節(jié)省顧客購買時(shí)間。 驅(qū)躓髏彥浹綏譎飴憂 錦。5、進(jìn)行促銷活動(dòng)的有效性分析超市常常通過廣告、 優(yōu)惠券、各種折扣和讓利的方式搞促銷活動(dòng)， 以達(dá)到促銷產(chǎn)品，吸 引顧客的目的。 但只有充分了解客戶，才能定位促銷活動(dòng)，提高客戶響應(yīng)率，降低促銷活動(dòng) 成本。通過多維分析可以對(duì)比促銷期間的銷售量和交易數(shù)量與促銷活動(dòng)前后的有關(guān)情況， 關(guān) 聯(lián)分析可以挖掘出哪些商品可能隨促銷商品一同被購買。 利用數(shù)據(jù)挖掘技術(shù)還可以分析出應(yīng) 該在什么時(shí)間、 在什么地點(diǎn)、 以何種方式和對(duì)什么樣的人搞促銷活動(dòng)， 能真正達(dá)到促銷目的， 避免企業(yè)資源的不必要浪費(fèi)。 同時(shí)， 數(shù)據(jù)挖掘也可以使用過去有關(guān)促銷的數(shù)據(jù)來尋找未來投 資中回報(bào)最大的用戶。 貓蠆驢繪燈鮒誅髏貺廡。6、進(jìn)行顧客忠