支持物流決策的定量模型與信息分析方法課件

第8章支持物流決策的定量模型與信息分析方法第8章支持物流決策的定量模型1教學(xué)目的利用信息分析技術(shù)、物流信息技術(shù)和物流定量模型等來進(jìn)行科學(xué)的物流管理決策；掌握基本的概念和基本的方法和科學(xué)的決策思維。教學(xué)內(nèi)容8.1

物流決策支持的特點(diǎn)與系統(tǒng)組成8.2物流決策的定量模型8.3

物流預(yù)測的定量模型8.4

物流決策支持系統(tǒng)的空間分析8.5

支持物流決策的信息分析技術(shù)8.6

物流系統(tǒng)模擬技術(shù)8.7

物流配送調(diào)度支持系統(tǒng)的定量算法教學(xué)目的28.1物流決策支持的特點(diǎn)與系統(tǒng)組成支持物流決策的種類與特點(diǎn)支持物流決策的種類運(yùn)輸決策儲(chǔ)存決策物流加工決策配送決策支持物流決策的特點(diǎn)產(chǎn)品差異性客戶差異性地理差異性模型支持的復(fù)雜性信息技術(shù)支持的集成性8.1物流決策支持的特點(diǎn)與系統(tǒng)組成支持物流決策的種類與特點(diǎn)3在物流決策中運(yùn)用定量模型與定量方法的必要性及可行性必要性提高了物流系統(tǒng)的管理水平，促進(jìn)了傳統(tǒng)物流的現(xiàn)代化為決策者提供了強(qiáng)大的知識(shí)信息處理能力，協(xié)助解決了大量耗時(shí)、復(fù)雜的問題，提高了物流決策的有效性與科學(xué)性推動(dòng)了現(xiàn)代科學(xué)技術(shù)如地理信息系統(tǒng)、射頻技術(shù)等在物流系統(tǒng)中的運(yùn)用。可行性沃爾馬：數(shù)據(jù)驅(qū)動(dòng)型的決策支持系統(tǒng)加拿大卡普國際系統(tǒng)(CarpSystemsInternationalofKanata.Ontario)銷售的高級策劃系統(tǒng)（APS）LDSS的應(yīng)用實(shí)例在物流決策中運(yùn)用定量模型與定量方法的必要性及可行性4應(yīng)用實(shí)例

組織LDSS的應(yīng)用美洲航空公司價(jià)格和航線選擇艾柯（Equico）投資資本集團(tuán)投資評估通用意外保險(xiǎn)顧客購買模式和欺騙行為調(diào)查美洲銀行顧客概況百事食品公司定價(jià)、廣告、促銷選擇伯靈頓棉花工廠存儲(chǔ)選地核存貨混合西南鐵路火車分配與路線選擇德克薩斯石油汽油公司潛在鉆點(diǎn)評估聯(lián)合航空公司航班計(jì)劃返回應(yīng)用實(shí)例組織LDSS的應(yīng)用美洲航空公司價(jià)格和航線選擇艾柯（5物流決策支持系統(tǒng)的組成與功能組成數(shù)據(jù)庫、模型庫、方法庫、知識(shí)庫、人機(jī)接口主要功能基于定量模型與方法的物流決策支持系統(tǒng)的主要功能物流決策支持系統(tǒng)的組成與功能68.2物流決策的定量模型序號(hào)問題相關(guān)模型使用效果使用條件主要相關(guān)數(shù)據(jù)求解方法1運(yùn)輸問題線性規(guī)劃問題運(yùn)輸是明顯合理或可能，運(yùn)輸成本最小化固定發(fā)點(diǎn)，固定收點(diǎn)和固定收點(diǎn)和固定道路的問題運(yùn)雜費(fèi)，運(yùn)費(fèi)，裝卸費(fèi)，儲(chǔ)存費(fèi)，損耗，調(diào)撥的數(shù)量，到各地、市的單位運(yùn)輸成單純形法、表上作業(yè)和圖上作業(yè)法2指派問題整數(shù)規(guī)劃有效安排人力、物力、財(cái)務(wù)資源，以達(dá)到降低成本將有限的資源等指派給多項(xiàng)任務(wù)或工作工作成本或工作時(shí)間等價(jià)值系數(shù)整數(shù)規(guī)劃求解和表上作業(yè)法求解3選址問題規(guī)劃問題物流費(fèi)用達(dá)到極小選址問題，是一類收點(diǎn)或發(fā)點(diǎn)待定的問題。物流費(fèi)用與商品通過量呈非線型關(guān)系。原材料、燃料、半成品及供應(yīng)地，銷售地點(diǎn)及銷售量，運(yùn)輸條件及費(fèi)用。規(guī)模經(jīng)濟(jì)量，工廠到配送中心的運(yùn)輸、配送成本不確定性，需要采用統(tǒng)計(jì)和預(yù)測的方法進(jìn)行分析確定。非線性規(guī)劃問題4庫存問題訂貨問題最佳訂貨次數(shù)，最佳訂貨批量能夠獲取庫存等費(fèi)用庫存費(fèi)用包括訂貨費(fèi)、保管費(fèi)和缺貨費(fèi)安全庫存量庫存模型，動(dòng)態(tài)規(guī)劃、模擬5裝卸調(diào)配問題減少汽車的空駛里程，循環(huán)運(yùn)輸汽車、工人和貨物特點(diǎn)m個(gè)裝卸點(diǎn)，裝卸工人人數(shù)，汽車數(shù)目規(guī)劃論6配裝貨物組合配裝的優(yōu)化物品的重量運(yùn)費(fèi)動(dòng)態(tài)規(guī)劃，貨區(qū)分區(qū)組合法7鐵路配車運(yùn)輸?shù)挠邢驁D零擔(dān)運(yùn)輸最優(yōu)鐵路有關(guān)營運(yùn)規(guī)則，整擔(dān)和集裝箱運(yùn)輸、零擔(dān)運(yùn)輸流向、流量、運(yùn)距、集結(jié)時(shí)間和車站的作業(yè)能力最短路徑原則，降低流通費(fèi)用8其他問題信息分析、預(yù)測等其他優(yōu)化依問題而定相關(guān)數(shù)據(jù)模擬、數(shù)據(jù)分析、系統(tǒng)動(dòng)力學(xué)8.2物流決策的定量模型序號(hào)問題相關(guān)使用效果使用條件主要相78.3物流預(yù)測的定量模型物流預(yù)測的基本概念什么是物流預(yù)測？預(yù)測理論和方法在物流中的具體運(yùn)用，它利用各種物流統(tǒng)計(jì)資料和其他情報(bào)信息(過去和現(xiàn)在)，預(yù)測未來，根據(jù)經(jīng)驗(yàn)、教訓(xùn)等數(shù)據(jù)，揭示物流業(yè)務(wù)變化的規(guī)律，從而減少物流經(jīng)營的盲目性，以指導(dǎo)物流企業(yè)的生產(chǎn)經(jīng)營。作用：科學(xué)地編制物流經(jīng)營計(jì)劃和物流業(yè)務(wù)計(jì)劃、調(diào)度提供參考預(yù)測的基本步驟(1)確定預(yù)測目標(biāo)，包括預(yù)測對象、目的、對象范圍；(2)收集分析內(nèi)部和外部資料；(3)數(shù)據(jù)的處理及模型的選擇；(4)預(yù)測模型的分析，修正；(5)確定預(yù)測值。8.3物流預(yù)測的定量模型物流預(yù)測的基本概念8預(yù)測的方法定性分析預(yù)測法集合意見法(三種估計(jì)加權(quán)預(yù)測法):一種加權(quán)綜合判斷法用戶意見調(diào)查法(設(shè)計(jì)調(diào)查表)員工意見法專家意見法類推法定量預(yù)測法時(shí)間序列分析法回歸預(yù)測非線性模型組合預(yù)測預(yù)測的方法9時(shí)間序列分析法時(shí)間序列的四種變化特征趨勢性(T)、季節(jié)性(S)、周期性(C)、不規(guī)則性(I)，可以利用散點(diǎn)圖，識(shí)別變化特征。時(shí)間序列分析方法簡單平均、移動(dòng)平均、加權(quán)移動(dòng)平均、指數(shù)平滑、一元線性回歸、相關(guān)比例推算。例：一元線性回歸（趨勢外推）Y=a0+a1*X

系數(shù)a0與a1可以用最小二乘法確定相關(guān)比例推算——某第三方物流企業(yè)市場的需求預(yù)測（如下表）主要預(yù)測依據(jù)預(yù)測量(萬家)社會(huì)潛在容量國內(nèi)企業(yè)總數(shù)約1000萬家1000配送求占總企業(yè)的比例數(shù)(80%)800需要外包物流意向占總企業(yè)的比例數(shù)(20%)160物流業(yè)務(wù)預(yù)測市場占有率10%16返回時(shí)間序列分析法主要預(yù)測依據(jù)預(yù)測量(萬家)社會(huì)潛在容量國內(nèi)企業(yè)10非線性模型Y=A+B*LOG(X)Y=1/(A+B*EXP(-X)Y=1/(A+B*X)Y=X/(A+B*X)Y=A*X^B，(A>0)Y=A*EXP(B*X)，(A>0)Y=A*EXP(B/X)，(A>0)Y=A*EXP(B*X^2)，(A>0)將以上模型進(jìn)行線性處理再轉(zhuǎn)化為一元回歸模型，來確定系數(shù)A和B。返回非線性模型返回11預(yù)測模型選取的原則模型選擇的原則要在數(shù)據(jù)識(shí)別上建模、建立何種模型，并不取決于預(yù)測者意圖；應(yīng)考慮適用、數(shù)據(jù)易采集和時(shí)效的原則；定量與定性相結(jié)合的原則等數(shù)據(jù)選取選用的原則數(shù)據(jù)應(yīng)該具有代表性，有一定客觀規(guī)律；對于異常的數(shù)據(jù)可采用比例法，移動(dòng)平均，指數(shù)平滑等方法進(jìn)行適當(dāng)?shù)男拚A(yù)測模型選取的原則128.4物流決策支持系統(tǒng)的空間分析作用物流空間分析的重要性：物流的主要目的之一是實(shí)現(xiàn)物品的空間轉(zhuǎn)移GIS的空間分析功能可用于分析和解釋的地理特征間的相互關(guān)系及空間模式說明空間分析方法中哪些是GIS能夠?qū)崿F(xiàn)的？GIS的應(yīng)用是否能真正地提高空間分析能力？

8.4物流決策支持系統(tǒng)的空間分析作用13空間分析層次第一：空間檢索包括從空間位置檢索空間物體及其屬性和從屬性條件集檢索空間物體?！翱臻g索引”是空間檢索的關(guān)鍵技術(shù)，如何有效地從大型GIS數(shù)據(jù)庫中檢索出所需信息，將影響GIS的分析能力?？臻g物體的圖形表達(dá)也是空間檢索的重要部分。

第二：空間拓?fù)浏B加分析空間拓?fù)浏B加的本質(zhì)是空間意義上的布爾運(yùn)算。目前，空間拓?fù)浏B加被許多人認(rèn)為是GIS中獨(dú)特的空間分析功能。實(shí)現(xiàn)輸入特征屬性的合并以及特征屬性在空間上的連接。第三；空間模擬分析剛剛起步

空間分析層次14GIS與空間模型分析問題：如何將GIS與空間模型分析相結(jié)合？種類第一類：GIS外部的空間模型分析將GIS當(dāng)做一個(gè)通用的空間數(shù)據(jù)庫，而空間模型分析功能則借助于其他軟件；

第二類；GIS內(nèi)部的空間模型分析利用GIS軟件，提供空間分析模擬以及發(fā)展適用于問題解決模型的宏語言，這種方法一般基于空間分析的復(fù)雜性與多樣性，易于理解和應(yīng)用，但由于GIS軟件所能提供的空間分析功能極為有限，這種緊密結(jié)合的空間模型分析方法在實(shí)際GIS的設(shè)計(jì)中較少使用；

第三類：混合型的空間模型分析盡可能地利用GIS所提供的功能，同時(shí)也充分發(fā)揮GIS使用者的能動(dòng)性。

GIS與空間模型分析158.5支持物流決策的信息分析技術(shù)數(shù)據(jù)倉庫技術(shù)定義支持管理決策過程的、面向主題的、集成的、穩(wěn)定的、不可更新的、隨時(shí)間變化的、分層次的數(shù)據(jù)集合作用從各信息源提取決策需要的數(shù)據(jù)，加工處理后，存儲(chǔ)到數(shù)據(jù)倉庫中用戶的查詢和決策分析的基礎(chǔ)8.5支持物流決策的信息分析技術(shù)數(shù)據(jù)倉庫技術(shù)16分析主題與面向主題主題：對應(yīng)企業(yè)中某一宏觀分析領(lǐng)域所涉及的分析對象面向主題的數(shù)據(jù)組織方式：在較高層次上對分析對象的數(shù)據(jù)的一個(gè)完整的、一致的描述，能完整、統(tǒng)一地刻畫各個(gè)分析對象所涉及的企業(yè)的各項(xiàng)數(shù)據(jù)，以及數(shù)據(jù)之間的聯(lián)系。

數(shù)據(jù)的集成性從原有的分散的數(shù)據(jù)庫數(shù)據(jù)中抽取來的

數(shù)據(jù)的不可更新性主要供企業(yè)決策分析之用，所涉及的數(shù)據(jù)操作主要是數(shù)據(jù)查詢，一般情況下并不進(jìn)行修改操作。

數(shù)據(jù)的時(shí)態(tài)性隨時(shí)間的變化而不斷變化的增加新的數(shù)據(jù)內(nèi)容

過期數(shù)據(jù)就要被刪除

綜合數(shù)據(jù)中的很多都跟時(shí)間有關(guān)

分析17聯(lián)機(jī)分析處理（OLAP）定義通過專門的數(shù)據(jù)綜合引擎，輔之以更加直觀的數(shù)據(jù)訪問界面，力圖統(tǒng)一分散的公共應(yīng)用邏輯，在短時(shí)間內(nèi)響應(yīng)非數(shù)據(jù)處理專業(yè)人員的復(fù)雜查詢要求。

共享多維信息的、針對特定問題的聯(lián)機(jī)數(shù)據(jù)訪問和分析的快速軟件技術(shù)。通過對信息的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對數(shù)據(jù)進(jìn)行深入觀察。

特點(diǎn)操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別靈活的分析功能、直觀的數(shù)據(jù)操作和分析結(jié)果可視化表示等突出優(yōu)點(diǎn)；使用戶對基于大量復(fù)雜數(shù)據(jù)的分析變得輕松而高效，以利于迅速做出正確判斷?？捎糜谧C實(shí)人們提出的復(fù)雜的假設(shè)，其結(jié)果是以圖形或者表格的形式來表示的對信息的總結(jié)。它并不將異常信息標(biāo)記出來，是一種知識(shí)證實(shí)的方法。

聯(lián)機(jī)分析處理（OLAP）18OLAP的基本術(shù)語變量：數(shù)據(jù)的實(shí)際意義，描述數(shù)據(jù)“是什么”。一般情況下，變量總是一個(gè)數(shù)值度量指標(biāo)。

維：人們觀察數(shù)據(jù)的特定角度。例如，企業(yè)常常關(guān)心服務(wù)收入隨著服務(wù)水平提高而產(chǎn)生的變化情況，這時(shí)他是從服務(wù)水平的角度來觀察產(chǎn)品的服務(wù)收入的，所以服務(wù)水平就是一個(gè)維（服務(wù)維）。企業(yè)也時(shí)常關(guān)心自己的服務(wù)產(chǎn)品在不同地區(qū)的銷售分布情況，這時(shí)他是從地理分布的角度來觀察商品的銷售，所以地理分布也是一個(gè)維（地理維）OLAP的核心概念，是主題的基礎(chǔ)，是對主題的一種類型劃分。

維的層次：觀察數(shù)據(jù)的特定角度（即某個(gè)維）還可以存在細(xì)節(jié)程度不同的多個(gè)描述方面，我們稱這多個(gè)描述方面為維的層次。一個(gè)維往往具有多個(gè)層次例如：描述維時(shí)間，可以從日期、月份、季度、年等不同層次來描述，那么日期、月份、季度、年等就是時(shí)間維的層次；同樣，城市、地區(qū)、國家等構(gòu)成了一個(gè)地理維的多個(gè)層次。

OLAP的基本術(shù)語19維成員：維的一個(gè)取值稱為該維的一個(gè)維成員。如果一個(gè)維是多層次的，那么，該維的維成員是在不同維層次的取值的組合。

多維數(shù)組：（維1，維2，……，維n，變量）。例如，日用品銷售數(shù)據(jù)可以按時(shí)間、地區(qū)和銷售渠道組織起來的三維立方體，加上變量“銷售額”，就組成了一個(gè)多維數(shù)組（地區(qū)，時(shí)間，銷售渠道，銷售額）。如果我們擴(kuò)展一個(gè)維，如產(chǎn)品維，就得到了一個(gè)四維的結(jié)構(gòu)。

數(shù)據(jù)單元：多維數(shù)組的取值稱為數(shù)據(jù)單元。當(dāng)多維數(shù)組的各個(gè)維選中一個(gè)維成員，這些維成員的組合就惟一確定了一個(gè)變量的值。那么數(shù)據(jù)單元就可以表示為：（維1維成員，維2維成員，……，維n組成員，變量的值）。維成員：20OLAP的基本分析方法多維分析方法對以多維形式組織起來的數(shù)據(jù)，采取切片、切換、旋轉(zhuǎn)等各種分析方法，以求剖析數(shù)據(jù)，使最終用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地了解包含在數(shù)據(jù)中的信息、內(nèi)涵。特點(diǎn)：符合人的思維模式，使分析人員能夠迅速、一致、交互地從多個(gè)角度、多個(gè)側(cè)面來剖析反映企業(yè)維的特性數(shù)據(jù)，使人們在觀察數(shù)據(jù)時(shí)減少混淆與錯(cuò)誤，發(fā)現(xiàn)數(shù)據(jù)后面隱藏的有價(jià)值，并能被用戶理解的信息、內(nèi)涵，能更深刻地反映企業(yè)的真實(shí)面目和企業(yè)所處的環(huán)境，因此減少了混淆，降低了出現(xiàn)錯(cuò)誤解釋的可能性。

OLAP的基本分析方法21方法切片（Slice）：多維數(shù)組（維1，維2，…，維n，變量）中選一維，變量稱為在維I上的一個(gè)切片。選定多維數(shù)組的一個(gè)二維子集的方法

選定多維數(shù)組（地區(qū)，時(shí)間，客戶，運(yùn)輸額）中的地區(qū)維與客戶維，在另外一維：時(shí)間維，選取一個(gè)維成員（如“2004年1月”），就得到了多維數(shù)組（地區(qū)，時(shí)間，客戶，運(yùn)輸額）在客戶和地區(qū)兩維上的一個(gè)切片（客戶，地區(qū)，運(yùn)輸額）。這個(gè)切片表示2004年1月各地區(qū)、各客戶的運(yùn)輸情況。例如：一個(gè)按產(chǎn)品維、地區(qū)維和時(shí)間維組織起來的產(chǎn)品銷售數(shù)據(jù)，用多維數(shù)組表示為：（地區(qū)，時(shí)間，產(chǎn)品，銷售額）。如果在時(shí)間維上，選定一個(gè)維成員（設(shè)為“2002年1月”），就得到了在時(shí)間維上的一個(gè)切片。

方法22切塊（Dice）：定義1：在多維數(shù)組的某一維上，選定某一區(qū)間的維成員的方法

定義2：選定多維數(shù)的一個(gè)三維子集的方法

旋轉(zhuǎn)（Rotate）：改變一個(gè)報(bào)告或而面顯示的維方向。例如：旋轉(zhuǎn)可能包含了交換行和列；把某一個(gè)行維移到列維中去；把頁面顯示中的一個(gè)維和頁面的維進(jìn)行交換（令其成為新一行或列中的一個(gè)）把一個(gè)橫向?yàn)闀r(shí)間、維向維產(chǎn)品的報(bào)表旋轉(zhuǎn)成為橫向?yàn)楫a(chǎn)品、維向?yàn)闀r(shí)間的報(bào)表；把一個(gè)縱向?yàn)闀r(shí)間和產(chǎn)品、橫向?yàn)榈貐^(qū)的報(bào)表變成一個(gè)縱向?yàn)楫a(chǎn)品、橫向?yàn)榈貐^(qū)和時(shí)間的報(bào)表；把一個(gè)橫向?yàn)闀r(shí)間、縱向?yàn)楫a(chǎn)品的報(bào)表，變成一個(gè)橫向仍為時(shí)間和縱向?yàn)榈貐^(qū)的報(bào)表。

切塊（Dice）：23鉆?。―rill）獲得更詳細(xì)的信息OLAP的衡量標(biāo)準(zhǔn)E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則鉆?。―rill）24操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別

操作型數(shù)據(jù)分析型數(shù)據(jù)細(xì)節(jié)的綜合的，或提煉的在存取期間是準(zhǔn)確的代表過去的數(shù)據(jù)可更新不更新操作需求事先可知道操作需求事先不知道生命周期符合SDLC完全不同的生命周期對性能要求高對性能要求寬松一個(gè)時(shí)刻操作一單元一個(gè)時(shí)刻操作一人集合事務(wù)驅(qū)動(dòng)分析驅(qū)動(dòng)面向應(yīng)用面向分析一次操作數(shù)據(jù)最小一次操作數(shù)據(jù)量大支持日常操作支持管理需求返回操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別操作型數(shù)據(jù)分析型數(shù)據(jù)細(xì)節(jié)的綜合25切塊（Dice）北京武漢手機(jī)電腦圖8-4三維立方體切塊（Slice）返回切塊（Dice）北京武漢手機(jī)電腦圖8-4三維立方體切塊（S26旋轉(zhuǎn)（Rotate）2003年2004年部門1季度2季度3季度4季度1季度2季度3季度4季度部門一2012182722161929部門二2311241722311234部門三26213433212326321季度2季度3季度4季度部門2003年2004年2003年2004年2003年2004年2003年2004年部門一2022121618192729部門二2322113124121734部門三2621212334263332旋轉(zhuǎn)前旋轉(zhuǎn)后返回旋轉(zhuǎn)（Rotate）2003年2004年部門1季度2季度3季27鉆?。―rill）部門銷售部門一163部門二174部門三216返回2003年部門1季度2季度3季度4季度部門一20121827部門二23112417部門三26213433按時(shí)間維向上鉆取

按時(shí)間維向下鉆取

鉆取（Drill）部門銷售部門一163部門二174部門三28E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則

準(zhǔn)則1OLAP模型必須提供多維概念視圖。準(zhǔn)則2透明性準(zhǔn)則。準(zhǔn)則3存取能力準(zhǔn)則。準(zhǔn)則4穩(wěn)定的報(bào)表性能。準(zhǔn)則5客戶/服務(wù)器體系結(jié)構(gòu)。準(zhǔn)則6維的等同性準(zhǔn)則。準(zhǔn)則7動(dòng)態(tài)的稀疏矩陣處理準(zhǔn)則。準(zhǔn)則8多用戶支持能力準(zhǔn)則。準(zhǔn)則9非受限的跨維操作。準(zhǔn)則10直觀的數(shù)據(jù)操縱。準(zhǔn)則11靈活的報(bào)表生成。準(zhǔn)則12不受限維與聚集層。

返回E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則準(zhǔn)則1O29數(shù)據(jù)挖掘定義一個(gè)從大型數(shù)據(jù)庫中抽取隱含的、從前未知的、潛在有用的信息或關(guān)系的過程一種深層次的數(shù)據(jù)分析方法一種決策支持過程一種新的技術(shù)，它的目標(biāo)是從數(shù)據(jù)庫中發(fā)現(xiàn)隱藏在大量數(shù)量記錄中的未知知識(shí)OLAP和DM在DW系統(tǒng)中占有相當(dāng)重要的地位DM技術(shù)的研究開發(fā)，將涉及數(shù)據(jù)庫系統(tǒng)、決策支持系統(tǒng)、人工智能與計(jì)算機(jī)智能、知識(shí)工程、分布式處理、多媒體網(wǎng)絡(luò)技術(shù)、計(jì)算可視化等多種理論與技術(shù)數(shù)據(jù)挖掘30作用自動(dòng)智能地分析數(shù)據(jù)庫中的大量數(shù)據(jù)、以獲取信息，是推動(dòng)數(shù)據(jù)挖掘型工具產(chǎn)生并發(fā)展的強(qiáng)大動(dòng)力決策者提供重要的、極有價(jià)值的信息或知識(shí)，從而產(chǎn)生不可估量的效益在信息服務(wù)的運(yùn)用上大致可分為兩個(gè)層次：驗(yàn)證驅(qū)動(dòng)層次發(fā)現(xiàn)驅(qū)動(dòng)層次信息服務(wù)的發(fā)展方向隨著挖掘技術(shù)的發(fā)展而向深度、廣度發(fā)展DM與知識(shí)發(fā)現(xiàn)的關(guān)系知識(shí)發(fā)現(xiàn)：一個(gè)過程，包括數(shù)據(jù)選擇、預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、DM、模式解釋和知識(shí)評價(jià)等多個(gè)步驟，是應(yīng)用特定DM算法和評價(jià)解釋模式的一個(gè)循環(huán)反復(fù)過程，并要對發(fā)現(xiàn)的知識(shí)不斷求精和深化，使其易于理解；DM：該過程中的一個(gè)特定的、關(guān)鍵的步驟，利用特定的DM算法從數(shù)據(jù)中抽取模式，不包括數(shù)據(jù)的預(yù)處理、領(lǐng)域知識(shí)結(jié)合及發(fā)現(xiàn)結(jié)果的評價(jià)等步驟，所以DM也稱為數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)。作用31數(shù)據(jù)挖掘的特點(diǎn)處理的數(shù)據(jù)規(guī)模十分龐大響應(yīng)快速，提供決策支持信息規(guī)則需要適時(shí)更新一項(xiàng)新興的高新技術(shù)，面臨著許多理論上或技術(shù)上的難點(diǎn)和挑戰(zhàn)DM的技術(shù)人工神經(jīng)網(wǎng)絡(luò)方法遺傳算法決策樹方法中間層信息輸入信息輸出輸入層輸出層圖8-5神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)挖掘的特點(diǎn)中間層信息輸入信息輸出輸入層輸出層圖8-5神32DM常用的分析方法關(guān)聯(lián)分析（Associations）：挖掘出隱藏在數(shù)據(jù)間的相互關(guān)系

序列模式分析（SequentialPatterns）：挖掘出數(shù)據(jù)之間的聯(lián)系，側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后（因果）關(guān)系。

分類分析（Classifiers）：按照已有的分類標(biāo)準(zhǔn)，根據(jù)新事物的特征，將其劃分到一定的類別中。聚類分析（Clustering）：與分類分析不同四種DM方法雖然有著不同的適用范圍，DM系統(tǒng)中經(jīng)常是綜合地利用之。DM常用的分析方法33DM系統(tǒng)的實(shí)施數(shù)據(jù)準(zhǔn)備（DataPreparation）挖掘（Mining）表述（Presentation）評價(jià)（Assess）數(shù)據(jù)準(zhǔn)備表述評價(jià)挖掘挖掘數(shù)據(jù)反映數(shù)據(jù)提供數(shù)據(jù)DM系統(tǒng)的實(shí)施數(shù)據(jù)準(zhǔn)備表述評價(jià)挖掘挖掘數(shù)據(jù)反映數(shù)據(jù)提供數(shù)據(jù)34DM與OLAP的區(qū)別和聯(lián)系DM：一種挖掘型工具，它能有效地從大量數(shù)據(jù)中自動(dòng)地發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式可以發(fā)現(xiàn)OLAP所不能發(fā)現(xiàn)的更為復(fù)雜而細(xì)致的信息OLAP一種自上而下、不斷深入的分析工具，更多地依靠用戶輸入問題和假設(shè)OLAP、DM的數(shù)據(jù)來源于MIS，是其數(shù)據(jù)的匯總和提煉DM與OLAP的區(qū)別和聯(lián)系358.6物流系統(tǒng)模擬技術(shù)模擬的定義與特點(diǎn)定義在建立數(shù)字邏輯模型的基礎(chǔ)上，通過計(jì)算機(jī)實(shí)驗(yàn)，對一個(gè)系統(tǒng)按照一定的決策原則或作業(yè)規(guī)則由一個(gè)狀態(tài)變換為另一個(gè)狀態(tài)的動(dòng)態(tài)行為進(jìn)行描述和分析特點(diǎn)具有一種數(shù)值技術(shù)一種“人工”實(shí)驗(yàn)手段以計(jì)算機(jī)作為工具對系統(tǒng)狀態(tài)在時(shí)間序列中的動(dòng)態(tài)寫照大多屬于隨機(jī)性系統(tǒng)模擬8.6物流系統(tǒng)模擬技術(shù)模擬的定義與特點(diǎn)36

物流系統(tǒng)中模擬技術(shù)應(yīng)用的方法系統(tǒng)動(dòng)力學(xué)方法（SD:SystemsDynamics）建模思路與理論依據(jù)模型結(jié)構(gòu)因果關(guān)系圖：用來描述系統(tǒng)因果反饋結(jié)構(gòu)的一種關(guān)系圖形，它的主要任務(wù)有：確定系統(tǒng)的邊界，定義系統(tǒng)的主要變量；表明變量間的因果關(guān)系，應(yīng)用因果關(guān)系鏈表示各變量的作用方向；標(biāo)識(shí)主要反饋回路。系統(tǒng)流圖SD數(shù)學(xué)模型

物流系統(tǒng)中模擬技術(shù)應(yīng)用的方法37SD的建模思路與理論依據(jù)SD模型結(jié)構(gòu)因果關(guān)系圖系統(tǒng)流圖構(gòu)造數(shù)學(xué)模型SD的建模思路與理論依據(jù)388.7物流配送調(diào)度支持系統(tǒng)的定量算法進(jìn)化算法

蟻群算法基本思想：模仿螞蟻依賴信息素進(jìn)行通信而顯示出的社會(huì)行為。由于大規(guī)模的并行計(jì)算，使蟻群避開了局部最優(yōu)，采用了正反饋機(jī)制，收斂速度加快，使用構(gòu)造性的貪婪算法能在搜索的早期階段找到較好的可行解。核心的部分：對痕跡強(qiáng)度的處理，隨著算法的進(jìn)行，較短路徑上痕跡的濃度增加，其相對應(yīng)的路就更有可能被螞蟻選中。進(jìn)化計(jì)算方法模擬生物（包括人類）和各種自然現(xiàn)象解決高度非線性問題，包含遺傳算法、進(jìn)化策略和進(jìn)化規(guī)劃。許多組合優(yōu)化問題，如旅行商（TSP）問題和調(diào)度問題（作業(yè)調(diào)度問題和時(shí)間表問題）都能得到較好的解決。8.7物流配送調(diào)度支持系統(tǒng)的定量算法進(jìn)化算法39物流系統(tǒng)中的配置問題模擬模擬服務(wù)機(jī)構(gòu)和顧客物流流程分析工廠甲客戶1車輛配送配貨客戶m客戶2倉儲(chǔ)工廠乙工廠n物流系統(tǒng)中的配置問題模擬工廠甲客戶1車輛配送配貨客戶m客戶40車輛優(yōu)化調(diào)度的啟發(fā)式算法車輛優(yōu)化調(diào)度的遺傳算法車輛運(yùn)輸?shù)闹悄苷{(diào)度車輛調(diào)度總體結(jié)構(gòu)設(shè)計(jì)車輛優(yōu)化調(diào)度的啟發(fā)式算法41主要系統(tǒng)功能描述基于GIS的物流決策支持系統(tǒng)

基于GIS的支持系統(tǒng)地圖表現(xiàn)分析查詢顯示地圖優(yōu)化路徑客戶服務(wù)系統(tǒng)運(yùn)力資源合理調(diào)配WEBGIS呼叫中心電話車輛查詢運(yùn)輸路徑分析客戶位置分析主要系統(tǒng)功能描述基于GIS的支持系統(tǒng)地圖表現(xiàn)分析查詢顯示地圖42基于GPS的支持系統(tǒng)

基于GPS的支持系統(tǒng)車輛實(shí)時(shí)監(jiān)控車輛跟蹤調(diào)度敏感區(qū)域監(jiān)控基于GPS的支持系統(tǒng)基于GPS的支持系統(tǒng)車輛實(shí)時(shí)監(jiān)控車輛跟蹤43第8章支持物流決策的定量模型與信息分析方法第8章支持物流決策的定量模型44教學(xué)目的利用信息分析技術(shù)、物流信息技術(shù)和物流定量模型等來進(jìn)行科學(xué)的物流管理決策；掌握基本的概念和基本的方法和科學(xué)的決策思維。教學(xué)內(nèi)容8.1

物流決策支持的特點(diǎn)與系統(tǒng)組成8.2物流決策的定量模型8.3

物流預(yù)測的定量模型8.4

物流決策支持系統(tǒng)的空間分析8.5

支持物流決策的信息分析技術(shù)8.6

物流系統(tǒng)模擬技術(shù)8.7

物流配送調(diào)度支持系統(tǒng)的定量算法教學(xué)目的458.1物流決策支持的特點(diǎn)與系統(tǒng)組成支持物流決策的種類與特點(diǎn)支持物流決策的種類運(yùn)輸決策儲(chǔ)存決策物流加工決策配送決策支持物流決策的特點(diǎn)產(chǎn)品差異性客戶差異性地理差異性模型支持的復(fù)雜性信息技術(shù)支持的集成性8.1物流決策支持的特點(diǎn)與系統(tǒng)組成支持物流決策的種類與特點(diǎn)46在物流決策中運(yùn)用定量模型與定量方法的必要性及可行性必要性提高了物流系統(tǒng)的管理水平，促進(jìn)了傳統(tǒng)物流的現(xiàn)代化為決策者提供了強(qiáng)大的知識(shí)信息處理能力，協(xié)助解決了大量耗時(shí)、復(fù)雜的問題，提高了物流決策的有效性與科學(xué)性推動(dòng)了現(xiàn)代科學(xué)技術(shù)如地理信息系統(tǒng)、射頻技術(shù)等在物流系統(tǒng)中的運(yùn)用?？尚行晕譅栺R：數(shù)據(jù)驅(qū)動(dòng)型的決策支持系統(tǒng)加拿大卡普國際系統(tǒng)(CarpSystemsInternationalofKanata.Ontario)銷售的高級策劃系統(tǒng)（APS）LDSS的應(yīng)用實(shí)例在物流決策中運(yùn)用定量模型與定量方法的必要性及可行性47應(yīng)用實(shí)例

組織LDSS的應(yīng)用美洲航空公司價(jià)格和航線選擇艾柯（Equico）投資資本集團(tuán)投資評估通用意外保險(xiǎn)顧客購買模式和欺騙行為調(diào)查美洲銀行顧客概況百事食品公司定價(jià)、廣告、促銷選擇伯靈頓棉花工廠存儲(chǔ)選地核存貨混合西南鐵路火車分配與路線選擇德克薩斯石油汽油公司潛在鉆點(diǎn)評估聯(lián)合航空公司航班計(jì)劃返回應(yīng)用實(shí)例組織LDSS的應(yīng)用美洲航空公司價(jià)格和航線選擇艾柯（48物流決策支持系統(tǒng)的組成與功能組成數(shù)據(jù)庫、模型庫、方法庫、知識(shí)庫、人機(jī)接口主要功能基于定量模型與方法的物流決策支持系統(tǒng)的主要功能物流決策支持系統(tǒng)的組成與功能498.2物流決策的定量模型序號(hào)問題相關(guān)模型使用效果使用條件主要相關(guān)數(shù)據(jù)求解方法1運(yùn)輸問題線性規(guī)劃問題運(yùn)輸是明顯合理或可能，運(yùn)輸成本最小化固定發(fā)點(diǎn)，固定收點(diǎn)和固定收點(diǎn)和固定道路的問題運(yùn)雜費(fèi)，運(yùn)費(fèi)，裝卸費(fèi)，儲(chǔ)存費(fèi)，損耗，調(diào)撥的數(shù)量，到各地、市的單位運(yùn)輸成單純形法、表上作業(yè)和圖上作業(yè)法2指派問題整數(shù)規(guī)劃有效安排人力、物力、財(cái)務(wù)資源，以達(dá)到降低成本將有限的資源等指派給多項(xiàng)任務(wù)或工作工作成本或工作時(shí)間等價(jià)值系數(shù)整數(shù)規(guī)劃求解和表上作業(yè)法求解3選址問題規(guī)劃問題物流費(fèi)用達(dá)到極小選址問題，是一類收點(diǎn)或發(fā)點(diǎn)待定的問題。物流費(fèi)用與商品通過量呈非線型關(guān)系。原材料、燃料、半成品及供應(yīng)地，銷售地點(diǎn)及銷售量，運(yùn)輸條件及費(fèi)用。規(guī)模經(jīng)濟(jì)量，工廠到配送中心的運(yùn)輸、配送成本不確定性，需要采用統(tǒng)計(jì)和預(yù)測的方法進(jìn)行分析確定。非線性規(guī)劃問題4庫存問題訂貨問題最佳訂貨次數(shù)，最佳訂貨批量能夠獲取庫存等費(fèi)用庫存費(fèi)用包括訂貨費(fèi)、保管費(fèi)和缺貨費(fèi)安全庫存量庫存模型，動(dòng)態(tài)規(guī)劃、模擬5裝卸調(diào)配問題減少汽車的空駛里程，循環(huán)運(yùn)輸汽車、工人和貨物特點(diǎn)m個(gè)裝卸點(diǎn)，裝卸工人人數(shù)，汽車數(shù)目規(guī)劃論6配裝貨物組合配裝的優(yōu)化物品的重量運(yùn)費(fèi)動(dòng)態(tài)規(guī)劃，貨區(qū)分區(qū)組合法7鐵路配車運(yùn)輸?shù)挠邢驁D零擔(dān)運(yùn)輸最優(yōu)鐵路有關(guān)營運(yùn)規(guī)則，整擔(dān)和集裝箱運(yùn)輸、零擔(dān)運(yùn)輸流向、流量、運(yùn)距、集結(jié)時(shí)間和車站的作業(yè)能力最短路徑原則，降低流通費(fèi)用8其他問題信息分析、預(yù)測等其他優(yōu)化依問題而定相關(guān)數(shù)據(jù)模擬、數(shù)據(jù)分析、系統(tǒng)動(dòng)力學(xué)8.2物流決策的定量模型序號(hào)問題相關(guān)使用效果使用條件主要相508.3物流預(yù)測的定量模型物流預(yù)測的基本概念什么是物流預(yù)測？預(yù)測理論和方法在物流中的具體運(yùn)用，它利用各種物流統(tǒng)計(jì)資料和其他情報(bào)信息(過去和現(xiàn)在)，預(yù)測未來，根據(jù)經(jīng)驗(yàn)、教訓(xùn)等數(shù)據(jù)，揭示物流業(yè)務(wù)變化的規(guī)律，從而減少物流經(jīng)營的盲目性，以指導(dǎo)物流企業(yè)的生產(chǎn)經(jīng)營。作用：科學(xué)地編制物流經(jīng)營計(jì)劃和物流業(yè)務(wù)計(jì)劃、調(diào)度提供參考預(yù)測的基本步驟(1)確定預(yù)測目標(biāo)，包括預(yù)測對象、目的、對象范圍；(2)收集分析內(nèi)部和外部資料；(3)數(shù)據(jù)的處理及模型的選擇；(4)預(yù)測模型的分析，修正；(5)確定預(yù)測值。8.3物流預(yù)測的定量模型物流預(yù)測的基本概念51預(yù)測的方法定性分析預(yù)測法集合意見法(三種估計(jì)加權(quán)預(yù)測法):一種加權(quán)綜合判斷法用戶意見調(diào)查法(設(shè)計(jì)調(diào)查表)員工意見法專家意見法類推法定量預(yù)測法時(shí)間序列分析法回歸預(yù)測非線性模型組合預(yù)測預(yù)測的方法52時(shí)間序列分析法時(shí)間序列的四種變化特征趨勢性(T)、季節(jié)性(S)、周期性(C)、不規(guī)則性(I)，可以利用散點(diǎn)圖，識(shí)別變化特征。時(shí)間序列分析方法簡單平均、移動(dòng)平均、加權(quán)移動(dòng)平均、指數(shù)平滑、一元線性回歸、相關(guān)比例推算。例：一元線性回歸（趨勢外推）Y=a0+a1*X

系數(shù)a0與a1可以用最小二乘法確定相關(guān)比例推算——某第三方物流企業(yè)市場的需求預(yù)測（如下表）主要預(yù)測依據(jù)預(yù)測量(萬家)社會(huì)潛在容量國內(nèi)企業(yè)總數(shù)約1000萬家1000配送求占總企業(yè)的比例數(shù)(80%)800需要外包物流意向占總企業(yè)的比例數(shù)(20%)160物流業(yè)務(wù)預(yù)測市場占有率10%16返回時(shí)間序列分析法主要預(yù)測依據(jù)預(yù)測量(萬家)社會(huì)潛在容量國內(nèi)企業(yè)53非線性模型Y=A+B*LOG(X)Y=1/(A+B*EXP(-X)Y=1/(A+B*X)Y=X/(A+B*X)Y=A*X^B，(A>0)Y=A*EXP(B*X)，(A>0)Y=A*EXP(B/X)，(A>0)Y=A*EXP(B*X^2)，(A>0)將以上模型進(jìn)行線性處理再轉(zhuǎn)化為一元回歸模型，來確定系數(shù)A和B。返回非線性模型返回54預(yù)測模型選取的原則模型選擇的原則要在數(shù)據(jù)識(shí)別上建模、建立何種模型，并不取決于預(yù)測者意圖；應(yīng)考慮適用、數(shù)據(jù)易采集和時(shí)效的原則；定量與定性相結(jié)合的原則等數(shù)據(jù)選取選用的原則數(shù)據(jù)應(yīng)該具有代表性，有一定客觀規(guī)律；對于異常的數(shù)據(jù)可采用比例法，移動(dòng)平均，指數(shù)平滑等方法進(jìn)行適當(dāng)?shù)男拚A(yù)測模型選取的原則558.4物流決策支持系統(tǒng)的空間分析作用物流空間分析的重要性：物流的主要目的之一是實(shí)現(xiàn)物品的空間轉(zhuǎn)移GIS的空間分析功能可用于分析和解釋的地理特征間的相互關(guān)系及空間模式說明空間分析方法中哪些是GIS能夠?qū)崿F(xiàn)的？GIS的應(yīng)用是否能真正地提高空間分析能力？

8.4物流決策支持系統(tǒng)的空間分析作用56空間分析層次第一：空間檢索包括從空間位置檢索空間物體及其屬性和從屬性條件集檢索空間物體?！翱臻g索引”是空間檢索的關(guān)鍵技術(shù)，如何有效地從大型GIS數(shù)據(jù)庫中檢索出所需信息，將影響GIS的分析能力?？臻g物體的圖形表達(dá)也是空間檢索的重要部分。

第二：空間拓?fù)浏B加分析空間拓?fù)浏B加的本質(zhì)是空間意義上的布爾運(yùn)算。目前，空間拓?fù)浏B加被許多人認(rèn)為是GIS中獨(dú)特的空間分析功能。實(shí)現(xiàn)輸入特征屬性的合并以及特征屬性在空間上的連接。第三；空間模擬分析剛剛起步

空間分析層次57GIS與空間模型分析問題：如何將GIS與空間模型分析相結(jié)合？種類第一類：GIS外部的空間模型分析將GIS當(dāng)做一個(gè)通用的空間數(shù)據(jù)庫，而空間模型分析功能則借助于其他軟件；

第二類；GIS內(nèi)部的空間模型分析利用GIS軟件，提供空間分析模擬以及發(fā)展適用于問題解決模型的宏語言，這種方法一般基于空間分析的復(fù)雜性與多樣性，易于理解和應(yīng)用，但由于GIS軟件所能提供的空間分析功能極為有限，這種緊密結(jié)合的空間模型分析方法在實(shí)際GIS的設(shè)計(jì)中較少使用；

第三類：混合型的空間模型分析盡可能地利用GIS所提供的功能，同時(shí)也充分發(fā)揮GIS使用者的能動(dòng)性。

GIS與空間模型分析588.5支持物流決策的信息分析技術(shù)數(shù)據(jù)倉庫技術(shù)定義支持管理決策過程的、面向主題的、集成的、穩(wěn)定的、不可更新的、隨時(shí)間變化的、分層次的數(shù)據(jù)集合作用從各信息源提取決策需要的數(shù)據(jù)，加工處理后，存儲(chǔ)到數(shù)據(jù)倉庫中用戶的查詢和決策分析的基礎(chǔ)8.5支持物流決策的信息分析技術(shù)數(shù)據(jù)倉庫技術(shù)59分析主題與面向主題主題：對應(yīng)企業(yè)中某一宏觀分析領(lǐng)域所涉及的分析對象面向主題的數(shù)據(jù)組織方式：在較高層次上對分析對象的數(shù)據(jù)的一個(gè)完整的、一致的描述，能完整、統(tǒng)一地刻畫各個(gè)分析對象所涉及的企業(yè)的各項(xiàng)數(shù)據(jù)，以及數(shù)據(jù)之間的聯(lián)系。

數(shù)據(jù)的集成性從原有的分散的數(shù)據(jù)庫數(shù)據(jù)中抽取來的

數(shù)據(jù)的不可更新性主要供企業(yè)決策分析之用，所涉及的數(shù)據(jù)操作主要是數(shù)據(jù)查詢，一般情況下并不進(jìn)行修改操作。

數(shù)據(jù)的時(shí)態(tài)性隨時(shí)間的變化而不斷變化的增加新的數(shù)據(jù)內(nèi)容

過期數(shù)據(jù)就要被刪除

綜合數(shù)據(jù)中的很多都跟時(shí)間有關(guān)

分析60聯(lián)機(jī)分析處理（OLAP）定義通過專門的數(shù)據(jù)綜合引擎，輔之以更加直觀的數(shù)據(jù)訪問界面，力圖統(tǒng)一分散的公共應(yīng)用邏輯，在短時(shí)間內(nèi)響應(yīng)非數(shù)據(jù)處理專業(yè)人員的復(fù)雜查詢要求。

共享多維信息的、針對特定問題的聯(lián)機(jī)數(shù)據(jù)訪問和分析的快速軟件技術(shù)。通過對信息的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對數(shù)據(jù)進(jìn)行深入觀察。

特點(diǎn)操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別靈活的分析功能、直觀的數(shù)據(jù)操作和分析結(jié)果可視化表示等突出優(yōu)點(diǎn)；使用戶對基于大量復(fù)雜數(shù)據(jù)的分析變得輕松而高效，以利于迅速做出正確判斷。可用于證實(shí)人們提出的復(fù)雜的假設(shè)，其結(jié)果是以圖形或者表格的形式來表示的對信息的總結(jié)。它并不將異常信息標(biāo)記出來，是一種知識(shí)證實(shí)的方法。

聯(lián)機(jī)分析處理（OLAP）61OLAP的基本術(shù)語變量：數(shù)據(jù)的實(shí)際意義，描述數(shù)據(jù)“是什么”。一般情況下，變量總是一個(gè)數(shù)值度量指標(biāo)。

維：人們觀察數(shù)據(jù)的特定角度。例如，企業(yè)常常關(guān)心服務(wù)收入隨著服務(wù)水平提高而產(chǎn)生的變化情況，這時(shí)他是從服務(wù)水平的角度來觀察產(chǎn)品的服務(wù)收入的，所以服務(wù)水平就是一個(gè)維（服務(wù)維）。企業(yè)也時(shí)常關(guān)心自己的服務(wù)產(chǎn)品在不同地區(qū)的銷售分布情況，這時(shí)他是從地理分布的角度來觀察商品的銷售，所以地理分布也是一個(gè)維（地理維）OLAP的核心概念，是主題的基礎(chǔ)，是對主題的一種類型劃分。

維的層次：觀察數(shù)據(jù)的特定角度（即某個(gè)維）還可以存在細(xì)節(jié)程度不同的多個(gè)描述方面，我們稱這多個(gè)描述方面為維的層次。一個(gè)維往往具有多個(gè)層次例如：描述維時(shí)間，可以從日期、月份、季度、年等不同層次來描述，那么日期、月份、季度、年等就是時(shí)間維的層次；同樣，城市、地區(qū)、國家等構(gòu)成了一個(gè)地理維的多個(gè)層次。

OLAP的基本術(shù)語62維成員：維的一個(gè)取值稱為該維的一個(gè)維成員。如果一個(gè)維是多層次的，那么，該維的維成員是在不同維層次的取值的組合。

多維數(shù)組：（維1，維2，……，維n，變量）。例如，日用品銷售數(shù)據(jù)可以按時(shí)間、地區(qū)和銷售渠道組織起來的三維立方體，加上變量“銷售額”，就組成了一個(gè)多維數(shù)組（地區(qū)，時(shí)間，銷售渠道，銷售額）。如果我們擴(kuò)展一個(gè)維，如產(chǎn)品維，就得到了一個(gè)四維的結(jié)構(gòu)。

數(shù)據(jù)單元：多維數(shù)組的取值稱為數(shù)據(jù)單元。當(dāng)多維數(shù)組的各個(gè)維選中一個(gè)維成員，這些維成員的組合就惟一確定了一個(gè)變量的值。那么數(shù)據(jù)單元就可以表示為：（維1維成員，維2維成員，……，維n組成員，變量的值）。維成員：63OLAP的基本分析方法多維分析方法對以多維形式組織起來的數(shù)據(jù)，采取切片、切換、旋轉(zhuǎn)等各種分析方法，以求剖析數(shù)據(jù)，使最終用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入地了解包含在數(shù)據(jù)中的信息、內(nèi)涵。特點(diǎn)：符合人的思維模式，使分析人員能夠迅速、一致、交互地從多個(gè)角度、多個(gè)側(cè)面來剖析反映企業(yè)維的特性數(shù)據(jù)，使人們在觀察數(shù)據(jù)時(shí)減少混淆與錯(cuò)誤，發(fā)現(xiàn)數(shù)據(jù)后面隱藏的有價(jià)值，并能被用戶理解的信息、內(nèi)涵，能更深刻地反映企業(yè)的真實(shí)面目和企業(yè)所處的環(huán)境，因此減少了混淆，降低了出現(xiàn)錯(cuò)誤解釋的可能性。

OLAP的基本分析方法64方法切片（Slice）：多維數(shù)組（維1，維2，…，維n，變量）中選一維，變量稱為在維I上的一個(gè)切片。選定多維數(shù)組的一個(gè)二維子集的方法

選定多維數(shù)組（地區(qū)，時(shí)間，客戶，運(yùn)輸額）中的地區(qū)維與客戶維，在另外一維：時(shí)間維，選取一個(gè)維成員（如“2004年1月”），就得到了多維數(shù)組（地區(qū)，時(shí)間，客戶，運(yùn)輸額）在客戶和地區(qū)兩維上的一個(gè)切片（客戶，地區(qū)，運(yùn)輸額）。這個(gè)切片表示2004年1月各地區(qū)、各客戶的運(yùn)輸情況。例如：一個(gè)按產(chǎn)品維、地區(qū)維和時(shí)間維組織起來的產(chǎn)品銷售數(shù)據(jù)，用多維數(shù)組表示為：（地區(qū)，時(shí)間，產(chǎn)品，銷售額）。如果在時(shí)間維上，選定一個(gè)維成員（設(shè)為“2002年1月”），就得到了在時(shí)間維上的一個(gè)切片。

方法65切塊（Dice）：定義1：在多維數(shù)組的某一維上，選定某一區(qū)間的維成員的方法

定義2：選定多維數(shù)的一個(gè)三維子集的方法

旋轉(zhuǎn)（Rotate）：改變一個(gè)報(bào)告或而面顯示的維方向。例如：旋轉(zhuǎn)可能包含了交換行和列；把某一個(gè)行維移到列維中去；把頁面顯示中的一個(gè)維和頁面的維進(jìn)行交換（令其成為新一行或列中的一個(gè)）把一個(gè)橫向?yàn)闀r(shí)間、維向維產(chǎn)品的報(bào)表旋轉(zhuǎn)成為橫向?yàn)楫a(chǎn)品、維向?yàn)闀r(shí)間的報(bào)表；把一個(gè)縱向?yàn)闀r(shí)間和產(chǎn)品、橫向?yàn)榈貐^(qū)的報(bào)表變成一個(gè)縱向?yàn)楫a(chǎn)品、橫向?yàn)榈貐^(qū)和時(shí)間的報(bào)表；把一個(gè)橫向?yàn)闀r(shí)間、縱向?yàn)楫a(chǎn)品的報(bào)表，變成一個(gè)橫向仍為時(shí)間和縱向?yàn)榈貐^(qū)的報(bào)表。

切塊（Dice）：66鉆?。―rill）獲得更詳細(xì)的信息OLAP的衡量標(biāo)準(zhǔn)E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則鉆取（Drill）67操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別

操作型數(shù)據(jù)分析型數(shù)據(jù)細(xì)節(jié)的綜合的，或提煉的在存取期間是準(zhǔn)確的代表過去的數(shù)據(jù)可更新不更新操作需求事先可知道操作需求事先不知道生命周期符合SDLC完全不同的生命周期對性能要求高對性能要求寬松一個(gè)時(shí)刻操作一單元一個(gè)時(shí)刻操作一人集合事務(wù)驅(qū)動(dòng)分析驅(qū)動(dòng)面向應(yīng)用面向分析一次操作數(shù)據(jù)最小一次操作數(shù)據(jù)量大支持日常操作支持管理需求返回操作型數(shù)據(jù)和分析型數(shù)據(jù)的區(qū)別操作型數(shù)據(jù)分析型數(shù)據(jù)細(xì)節(jié)的綜合68切塊（Dice）北京武漢手機(jī)電腦圖8-4三維立方體切塊（Slice）返回切塊（Dice）北京武漢手機(jī)電腦圖8-4三維立方體切塊（S69旋轉(zhuǎn)（Rotate）2003年2004年部門1季度2季度3季度4季度1季度2季度3季度4季度部門一2012182722161929部門二2311241722311234部門三26213433212326321季度2季度3季度4季度部門2003年2004年2003年2004年2003年2004年2003年2004年部門一2022121618192729部門二2322113124121734部門三2621212334263332旋轉(zhuǎn)前旋轉(zhuǎn)后返回旋轉(zhuǎn)（Rotate）2003年2004年部門1季度2季度3季70鉆?。―rill）部門銷售部門一163部門二174部門三216返回2003年部門1季度2季度3季度4季度部門一20121827部門二23112417部門三26213433按時(shí)間維向上鉆取

按時(shí)間維向下鉆取

鉆?。―rill）部門銷售部門一163部門二174部門三71E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則

準(zhǔn)則1OLAP模型必須提供多維概念視圖。準(zhǔn)則2透明性準(zhǔn)則。準(zhǔn)則3存取能力準(zhǔn)則。準(zhǔn)則4穩(wěn)定的報(bào)表性能。準(zhǔn)則5客戶/服務(wù)器體系結(jié)構(gòu)。準(zhǔn)則6維的等同性準(zhǔn)則。準(zhǔn)則7動(dòng)態(tài)的稀疏矩陣處理準(zhǔn)則。準(zhǔn)則8多用戶支持能力準(zhǔn)則。準(zhǔn)則9非受限的跨維操作。準(zhǔn)則10直觀的數(shù)據(jù)操縱。準(zhǔn)則11靈活的報(bào)表生成。準(zhǔn)則12不受限維與聚集層。

返回E.F.Codd提出的有關(guān)OLAP的十二條準(zhǔn)則準(zhǔn)則1O72數(shù)據(jù)挖掘定義一個(gè)從大型數(shù)據(jù)庫中抽取隱含的、從前未知的、潛在有用的信息或關(guān)系的過程一種深層次的數(shù)據(jù)分析方法一種決策支持過程一種新的技術(shù)，它的目標(biāo)是從數(shù)據(jù)庫中發(fā)現(xiàn)隱藏在大量數(shù)量記錄中的未知知識(shí)OLAP和DM在DW系統(tǒng)中占有相當(dāng)重要的地位DM技術(shù)的研究開發(fā)，將涉及數(shù)據(jù)庫系統(tǒng)、決策支持系統(tǒng)、人工智能與計(jì)算機(jī)智能、知識(shí)工程、分布式處理、多媒體網(wǎng)絡(luò)技術(shù)、計(jì)算可視化等多種理論與技術(shù)數(shù)據(jù)挖掘73作用自動(dòng)智能地分析數(shù)據(jù)庫中的大量數(shù)據(jù)、以獲取信息，是推動(dòng)數(shù)據(jù)挖掘型工具產(chǎn)生并發(fā)展的強(qiáng)大動(dòng)力決策者提供重要的、極有價(jià)值的信息或知識(shí)，從而產(chǎn)生不可估量的效益在信息服務(wù)的運(yùn)用上大致可分為兩個(gè)層次：驗(yàn)證驅(qū)動(dòng)層次發(fā)現(xiàn)驅(qū)動(dòng)層次信息服務(wù)的發(fā)展方向隨著挖掘技術(shù)的發(fā)展而向深度、廣度發(fā)展DM與知識(shí)發(fā)現(xiàn)的關(guān)系知識(shí)發(fā)現(xiàn)：一個(gè)過程，包括數(shù)據(jù)選擇、預(yù)處理、數(shù)據(jù)轉(zhuǎn)換、DM、模式解釋和知識(shí)評價(jià)等多個(gè)步驟，是應(yīng)用特定DM算法和評價(jià)解釋模式的一個(gè)循環(huán)反復(fù)過程，并要對發(fā)現(xiàn)的知識(shí)不斷求精和深化，使其易于理解；DM：該過程中的一個(gè)特定的、關(guān)鍵的步驟，利用特定的DM算法從數(shù)據(jù)中抽取模式，不包括數(shù)據(jù)的預(yù)處理、領(lǐng)域知識(shí)結(jié)合及發(fā)現(xiàn)結(jié)果的評價(jià)等步驟，所以DM也稱為數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)。作用74數(shù)據(jù)挖掘的特點(diǎn)