服裝分銷企業(yè)營(yíng)銷決策支持系統(tǒng)的設(shè)計(jì)排版樣本

服裝分銷企業(yè)營(yíng)銷決議支持系統(tǒng)設(shè)計(jì)摘要本文以服裝分銷企業(yè)營(yíng)銷系統(tǒng)設(shè)計(jì)為背景，針對(duì)服裝分銷管理中部分有待處理問題進(jìn)行了研究。服裝營(yíng)銷系統(tǒng)和其它企業(yè)營(yíng)銷系統(tǒng)一樣，所面臨環(huán)境全部是復(fù)雜多變，所以相關(guān)服裝營(yíng)銷決議支持系統(tǒng)屬于半結(jié)構(gòu)化決議支持系統(tǒng)范圍。這類系統(tǒng)中決議含有大量不確定原因，缺乏程序化工作范式，需要意向決議支持問題十分多見。本文采取了在服裝營(yíng)銷管理系統(tǒng)中應(yīng)用包含教授系統(tǒng)推理模型思想，構(gòu)建出了一個(gè)含有意向決議支持功效服裝營(yíng)銷管理系統(tǒng)框架，對(duì)怎樣建立問題生成子系統(tǒng)及其內(nèi)部知識(shí)庫進(jìn)行了討論。論文設(shè)計(jì)了服裝營(yíng)銷決議支持系統(tǒng)總體方案，完成了其軟件和硬件運(yùn)行環(huán)境設(shè)計(jì)，并給出了數(shù)據(jù)轉(zhuǎn)換、報(bào)表圖標(biāo)顯示、MDX語句自導(dǎo)引、模型分析等多個(gè)功效具體實(shí)現(xiàn)過程。關(guān)鍵詞服裝營(yíng)銷決議支持系統(tǒng)意向決議支持技術(shù)數(shù)據(jù)倉庫數(shù)據(jù)挖掘智能技術(shù)DesignofCostumeMarkingDecideSupportSystemAbstractThispapertakescostumemarkingsystemasworkingbackground,discussessomeimportantproblemscomingfromthereformationofcostumecorporationinourcountry.Theenvironmentwhichmarketingsystemofcostumeisverycomplexandchangeable,justastheothermarketingsystem.Sodecidesupportsystem(DSS)belongstothecategoryofsemi_structure.Decisionmakingofthissystemhasmuchuncertaintyfactor,lacksnormalformtobefollowed,thereforemanyquestionsneedintendingdecisionsupport.Reasoningmodelbasedonexpertsystem(ES)applyingtocostumemarketingsystemisdescribedinthispaper,meanwhile,thestructureofknowledgebaseofthissystemisdiscussedindetail.Thepapersetsupadataminingmodelofonlineanalysisprocessdatabasebasedonintelligenttechniques,offersamethodwhichisonthebaseofpredecessorsandcombinesANNandfuzzycontroltothisproblem,anddesignsthesoftwaresystemofpowermarkingDSSbasedondatabasewarehouserunningmanagementfordatatransformationservices(DTS),PivotTableservice,multidimensionalexpressions(MDX)self-leading,modelanalyzingalso.Thepaperfocusesonintendingdecidesupporttechnique,dataminingmodelandimplementationofpowermarketingDSS.KeywordscostumemarketingDSSintendingdecisionsupporttechniquedatawarehousedataminingintelligenttechniques目錄第1章緒論 11.1課題背景 11.2服裝分銷商決議支持系統(tǒng)發(fā)展情況及存在問題 21.3本文關(guān)鍵工作 3第2章意向決議支持技術(shù)在服裝銷售中應(yīng)用 42.1意向決議支持概述 42.2意向決議支持在服裝營(yíng)銷系統(tǒng)中作用 42.3含有意向決議支持功效服裝營(yíng)銷管理系統(tǒng) 52.3.1問題生成子系統(tǒng)原理 62.3.2問題生成子系統(tǒng)設(shè)計(jì)及構(gòu)建相關(guān)知識(shí)庫 72.4本章小結(jié) 11第3章基于智能技術(shù)服裝銷售模型建立 123.1智能技術(shù)概述 133.2RBF神經(jīng)網(wǎng)絡(luò)建立 143.2.1輸入特征量選擇 153.2.2RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練和估計(jì) 163.3模糊系統(tǒng)設(shè)計(jì) 163.3.1輸入變量模糊化 173.3.2隸屬函數(shù)確實(shí)定和圖形表示方法 173.3.3模糊控制規(guī)則及算法結(jié)構(gòu) 183.3.4反模糊化 193.4基于智能技術(shù)數(shù)據(jù)倉庫挖掘 193.5本章小結(jié) 20第4章服裝營(yíng)銷決議支持系統(tǒng)設(shè)計(jì) 214.1系統(tǒng)硬件環(huán)境 224.2系統(tǒng)軟件環(huán)境 234.3決議支持系統(tǒng)設(shè)計(jì) 234.3.1數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng) 244.3.2統(tǒng)計(jì)報(bào)表生成子系統(tǒng) 244.3.3綜合查詢子系統(tǒng) 254.3.4綜合分析子系統(tǒng) 254.4系統(tǒng)集成 264.5本章小結(jié) 28結(jié)論 35致謝 36參考文件 37附錄 38緒論課題背景中國既是服裝生產(chǎn)大國,也是服裝消費(fèi)大國。依據(jù)中國服裝協(xié)會(huì)調(diào)查,中國現(xiàn)有服裝生產(chǎn)企業(yè)4.5萬家,從業(yè)人員385萬人,年服裝生產(chǎn)能力138億件。自改革開放以來,中國服裝業(yè)產(chǎn)量增加14.9倍,年平均遞增速度達(dá)14.4%[1]?？v覽二十多年發(fā)展,中國服裝業(yè)大致經(jīng)過四個(gè)階段:最初十年里是產(chǎn)量階段,誰要處理生產(chǎn)能力問題就能掙大錢；其后五年時(shí)間里是質(zhì)量階段,在供需基礎(chǔ)平衡后,滿足用戶質(zhì)量要求能力成為決定原因；再后五年是品牌階段,提供可識(shí)別、有連續(xù)質(zhì)量確保能力產(chǎn)品和服務(wù)成為占領(lǐng)市場(chǎng)決定原因；現(xiàn)在服裝業(yè)正逐步向風(fēng)格和定位階段過渡,產(chǎn)銷模式上也開始實(shí)施科學(xué)規(guī)范生產(chǎn)管理和多元化銷售模式。不過現(xiàn)在中國服裝行業(yè)生產(chǎn)、營(yíng)銷仍然存在很多問題和不良現(xiàn)象，關(guān)鍵表現(xiàn)為以下幾點(diǎn)：(1)服裝科技落后。中國服裝工業(yè)技術(shù)裝備水平即使在“九五”期間有很大提升,但對(duì)高新技術(shù)應(yīng)用不廣泛,中國CAD/CAM普及率還不到5%,而在部分發(fā)達(dá)國家CAD普及率已達(dá)成70%,中國臺(tái)灣地域也達(dá)成了30%。服裝市場(chǎng)含有“多品種、小批量、高質(zhì)量、短周期”特點(diǎn),決定了服裝企業(yè)競(jìng)爭(zhēng)要在設(shè)計(jì)、生產(chǎn)、銷售、市場(chǎng)信息反饋等基礎(chǔ)步驟上要突出一個(gè)“快”字,而服裝CAD正是服裝企業(yè)實(shí)現(xiàn)快速反應(yīng)關(guān)鍵手段。(2)中國尚沒有一個(gè)世界級(jí)服裝品牌。幾年來,經(jīng)過實(shí)施服裝名牌戰(zhàn)略,中國已形成一批以品牌為代表企業(yè)群體,如杉杉、雅戈?duì)?、?bào)喜鳥等,但能夠走出國門,直接參與國際市場(chǎng)競(jìng)爭(zhēng)服裝品牌還幾乎沒有,這和中國作為“服裝大國”地位極不相當(dāng),關(guān)鍵是因?yàn)槠髽I(yè)對(duì)發(fā)明世界名牌關(guān)鍵性還缺乏認(rèn)識(shí),加之競(jìng)爭(zhēng)意識(shí)不強(qiáng),尤其是企業(yè)領(lǐng)導(dǎo)層觀念、意識(shí)還和世界經(jīng)濟(jì)一體化、市場(chǎng)經(jīng)濟(jì)國際化時(shí)尚不相適應(yīng),甚至沒有危機(jī)感；同時(shí),從一個(gè)側(cè)面也說明中國服裝產(chǎn)品從品種、質(zhì)量和技術(shù)含量和發(fā)達(dá)國家相比還有較大差距。(3)服裝銷售估計(jì)和生產(chǎn)計(jì)劃缺乏科學(xué)量化分析。服裝企業(yè)很需要對(duì)銷售趨勢(shì)、庫存、采購和財(cái)務(wù)等進(jìn)行分析。不過因?yàn)樾畔⒉唤y(tǒng)一、信息傳輸不通暢、信息又不共享等很多原因,企業(yè)生產(chǎn)、銷售還停留在單靠經(jīng)驗(yàn)估計(jì)和分析,往往無法快速反應(yīng)市場(chǎng)銷售真實(shí)情況,從而缺乏對(duì)各個(gè)銷售季節(jié)市場(chǎng)策略正確指導(dǎo),造成生產(chǎn)和銷售盲目性。(4)服裝降價(jià)、打折成風(fēng)。降價(jià)、打折雖是一個(gè)促銷行為,但在中國卻變了味,表現(xiàn)為打折連續(xù)時(shí)間長(zhǎng)、波及范圍廣、折扣幅度大。僅在北京百盛、藍(lán)島、燕莎和上海市百一店、新世界、華聯(lián)等大商廈中,就能夠看到眾多品牌服裝在打折,所取得銷售利潤(rùn)極低。片面地采取打折來增加銷售量,勢(shì)必會(huì)使品牌在消費(fèi)者心目中主體形象也大打折扣,使品牌信譽(yù)掃地。(5)供需矛盾仍然存在——賣衣難,買衣也難。服裝市場(chǎng)有個(gè)怪異現(xiàn)象:首先,市場(chǎng)上服裝品種、數(shù)量相當(dāng)龐大,廠家、商家大叫“賣衣難”；其次,仍有不少消費(fèi)者卻埋怨“買衣也難”。這種“供大于求”卻是從某種意義上“供不應(yīng)求”現(xiàn)象,其實(shí)是產(chǎn)品結(jié)構(gòu)不良,是生產(chǎn)結(jié)構(gòu)跟不上需求結(jié)構(gòu)所致,同時(shí)這一現(xiàn)象也是現(xiàn)在中國服裝市場(chǎng)上一個(gè)巨大矛盾。(6)服裝市場(chǎng)“盜版”、“克隆”現(xiàn)象嚴(yán)重。這一現(xiàn)象引發(fā)惡性競(jìng)爭(zhēng)使得中國部分剛起步品牌發(fā)展受阻。為了預(yù)防被“克隆”,很多著名品牌只好采取買斷布料、推遲新貨上市等消極措施。“寶姿”服裝甚至尤其要求其新品在全國統(tǒng)一上市時(shí)間晚于同行半個(gè)月。同時(shí),國際著名品牌往往所以也不愿落戶中國,商場(chǎng)在引進(jìn)國際品牌談判中困難重重,甚至不得不為此作出種種讓步。這一現(xiàn)象嚴(yán)重阻礙了中國服裝業(yè)整體發(fā)展,也是造成服裝市場(chǎng)低價(jià)競(jìng)爭(zhēng)和“賣衣難,買衣也難”供需矛盾原因之一。于此對(duì)應(yīng)，現(xiàn)在中國服裝業(yè)銷售系統(tǒng)關(guān)鍵采取百貨商店、小型服裝店、超級(jí)市場(chǎng)、倉儲(chǔ)市場(chǎng)、郵購等營(yíng)銷方法,伴隨時(shí)代進(jìn)步,新方法不停涌現(xiàn)：買斷經(jīng)營(yíng)、特許經(jīng)營(yíng)、網(wǎng)絡(luò)營(yíng)銷、連鎖專賣等新方法從遙遠(yuǎn)異地移植到中國,為中國零售業(yè)注入新生機(jī)[2]。網(wǎng)絡(luò)營(yíng)銷是以后服裝商貿(mào)經(jīng)營(yíng)活動(dòng)肯定趨勢(shì),能夠經(jīng)過電子廣告形式進(jìn)行產(chǎn)品宣傳和產(chǎn)品預(yù)告,簽署電子定單,做到有計(jì)劃生產(chǎn),甚至零庫存營(yíng)銷。有足夠規(guī)模企業(yè)可利INTERNET建立全國乃至全球性虛擬專用銷售網(wǎng)絡(luò),實(shí)現(xiàn)物流和資金流統(tǒng)一。中國部分有識(shí)服裝企業(yè)順應(yīng)時(shí)代發(fā)展,抓住這一機(jī)遇,溫州美特斯·邦威企業(yè)已建立了獨(dú)立企業(yè)互聯(lián)網(wǎng)站,并籌建網(wǎng)絡(luò)休閑衣飾電子連鎖專賣店,實(shí)現(xiàn)無界化專賣連鎖網(wǎng)絡(luò)[2]。服裝分銷則是聯(lián)絡(luò)上述服裝生產(chǎn)企業(yè)和服裝銷售企業(yè)紐帶，在整個(gè)服裝行業(yè)中起承上啟下作用，所以要實(shí)施中國服裝業(yè)現(xiàn)代化，分銷企業(yè)科學(xué)管理是必需處理一個(gè)問題.服裝分銷商決議支持系統(tǒng)發(fā)展情況及存在問題通常情況下，服裝營(yíng)銷管理系統(tǒng)分為營(yíng)銷業(yè)務(wù)層、用戶服務(wù)管理層、營(yíng)銷質(zhì)量管理層和營(yíng)銷決議支持層四層，其中營(yíng)銷決議支持層是服裝分銷中最高營(yíng)銷管理層，它關(guān)鍵是完成綜合指標(biāo)分析、市場(chǎng)需求估計(jì)、市場(chǎng)策劃等功效，并為高層營(yíng)銷決議提供全方面信息支持，服裝營(yíng)銷決議支持系統(tǒng)就是用來完成這部分功效?，F(xiàn)在，中國對(duì)服裝銷售決議支持系統(tǒng)進(jìn)行研究結(jié)果頻頻有報(bào)道，這些成功關(guān)鍵集中在相關(guān)數(shù)據(jù)倉庫和決議支持系統(tǒng)方面，不過對(duì)于情況較為特殊營(yíng)銷決議支持系統(tǒng)研究卻極少涉足?？傮w而言，關(guān)鍵存在以下多個(gè)關(guān)鍵問題：1、現(xiàn)在，服裝營(yíng)銷工作運(yùn)行經(jīng)營(yíng)管理一直沿用傳統(tǒng)處理方案，但伴隨系統(tǒng)運(yùn)行時(shí)間推移，數(shù)據(jù)量在不停增加。如此大量數(shù)據(jù)，存放在數(shù)據(jù)庫中，不僅統(tǒng)計(jì)查詢性能大幅下降，而且還會(huì)因?yàn)槿狈τ辛ぞ叨y以得到有效利用。2、傳統(tǒng)服裝營(yíng)銷管理系統(tǒng)已經(jīng)能夠完成包含市場(chǎng)管理、業(yè)報(bào)報(bào)裝、財(cái)務(wù)管理等在內(nèi)日常工作，而且能夠提供部分例行輔助決議功效，比如：經(jīng)營(yíng)業(yè)績(jī)分析、管理業(yè)績(jī)分析、用戶動(dòng)態(tài)分析等。但對(duì)于部分非例行決議問題或意向決議問題卻沒有提出明確處理方案。3、在服裝營(yíng)銷決議中，運(yùn)行成本是決議所需考慮關(guān)鍵方面，同時(shí)也是決議管理者最關(guān)心問題之一，而服裝銷售情況又直接關(guān)系到分銷企業(yè)運(yùn)行成本和經(jīng)濟(jì)情況。但在現(xiàn)在營(yíng)銷工作中，相關(guān)購進(jìn)和售出各項(xiàng)決定并不是基于數(shù)據(jù)庫中信息豐富內(nèi)容，而是基于決議者直覺。本文關(guān)鍵工作基于以上問題，本文以服裝分銷決議支持系統(tǒng)為題進(jìn)行了調(diào)研、模型設(shè)計(jì)、系統(tǒng)設(shè)計(jì)等工作。本文將關(guān)鍵從以下幾點(diǎn)進(jìn)行敘述。提出了在服裝營(yíng)銷工作中應(yīng)用意向決議支持技術(shù)思想，并設(shè)計(jì)了一個(gè)“DSS+問題求解單元+知識(shí)庫”智能決議支持系統(tǒng)（IDSS）方案以完成意向決議支持功效。提出了基于智能控制技術(shù)服裝銷售估計(jì)數(shù)據(jù)挖掘（DM）算法，并經(jīng)過和SQLSERVER中模型對(duì)比，證實(shí)了該方法正確性和實(shí)用性，為現(xiàn)場(chǎng)應(yīng)用作了準(zhǔn)備。提出了服裝分銷決議支持系統(tǒng)得總體設(shè)計(jì)方案，完成了其軟件和硬件運(yùn)行環(huán)境設(shè)計(jì)，進(jìn)行了數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)、統(tǒng)計(jì)報(bào)表生成子系統(tǒng)、綜合查詢子系統(tǒng)和綜合分析子系統(tǒng)四部分設(shè)計(jì)。以服裝分銷中購進(jìn)和售出為例，給出了服裝分銷決議支持系統(tǒng)數(shù)據(jù)裝換聚合子系統(tǒng)、綜合查詢子系統(tǒng)、綜合分析子系統(tǒng)和報(bào)表生成子系統(tǒng)四部分實(shí)現(xiàn)過程。意向決議支持技術(shù)在服裝銷售中應(yīng)用伴隨中國加入WTO，國際競(jìng)爭(zhēng)日趨猛烈，服裝分銷體制也發(fā)生了深刻改變。為了配合這種改變，適應(yīng)市場(chǎng)發(fā)展新需要，實(shí)現(xiàn)服裝分銷系統(tǒng)管理信息化，應(yīng)該建立起全新分銷管理系統(tǒng)，這么才能愈加好把握市場(chǎng)，考評(píng)營(yíng)銷工作，提升中國服裝行業(yè)整體競(jìng)爭(zhēng)力。服裝行業(yè)自上世紀(jì)90年代開始，逐步在部分規(guī)模較大品牌中開發(fā)和使用了營(yíng)銷管理系統(tǒng)，迄今為止，應(yīng)用服裝營(yíng)銷管理系統(tǒng)已經(jīng)能夠完成包含市場(chǎng)管理、業(yè)擴(kuò)報(bào)裝、財(cái)務(wù)管理在內(nèi)相關(guān)服裝分銷方面多項(xiàng)日常管理工作，而且能夠提供部分例行輔助決議功效，比如：經(jīng)營(yíng)業(yè)績(jī)分析、管理業(yè)績(jī)分析、用戶動(dòng)態(tài)分析等。不過對(duì)于部分非例行決議問題或意向決議問題卻沒有提出明確處理方案。本文以服裝分銷商經(jīng)營(yíng)決議為研究背景，把意向決議支持技術(shù)應(yīng)用于服裝營(yíng)銷決議中，為服裝營(yíng)銷系統(tǒng)決議支持提供了更為靈活手段。意向決議支持概述意向，在決議領(lǐng)域中是指決議者相關(guān)某一決議問題一個(gè)模糊想法。這種想法往往難以在決議者頭腦中形成一個(gè)單一、明確概念描述。當(dāng)系統(tǒng)應(yīng)用領(lǐng)域比較單一，或是只局限于一個(gè)狹小范圍時(shí)，這種意向決議問題并不多見，因?yàn)闆Q議者往往對(duì)所面臨情況十分熟悉，所以通常全部能夠提出一個(gè)明確目標(biāo)；但當(dāng)所處理問題進(jìn)入綜合性、相關(guān)全局應(yīng)用領(lǐng)域時(shí)，需要意向決議支持問題就變得比較常見。此時(shí)，決議者本身也只是直觀感覺到應(yīng)該做出某種決議，至于這種決議到底是相關(guān)哪方面，是個(gè)什么樣決議問題，就無法確定。此時(shí)，決議者所需要就是系統(tǒng)提供相關(guān)方面意向決議支持服務(wù)。意向決議支持服務(wù)技術(shù)就是采取相關(guān)方法處理這類問題一個(gè)技術(shù)?，F(xiàn)在，學(xué)術(shù)界在這方面有很多理論和方法提出，如人工神經(jīng)元、教授系統(tǒng)、灰色理論、模糊理論等。意向決議支持在服裝營(yíng)銷系統(tǒng)中作用服裝營(yíng)銷系統(tǒng)和其它企業(yè)營(yíng)銷系統(tǒng)一樣，所面臨環(huán)境全部是復(fù)雜多變，所以服裝營(yíng)銷決議系統(tǒng)屬于半結(jié)構(gòu)化決議系統(tǒng)范圍，這類系統(tǒng)得決議中含有大量不確定性原因，缺乏程序化工作范式，需要意向決議支持問題十分多見，但現(xiàn)在普遍應(yīng)用服裝營(yíng)銷管理系統(tǒng)，對(duì)于處理確定、目標(biāo)單一、例行決議支持和管理問題確實(shí)取得了良好效果；而對(duì)于服裝營(yíng)銷決議中常常要面正確突發(fā)性事件，卻沒有提供有力支持。針對(duì)這種情況，在服裝營(yíng)銷系統(tǒng)中加入意向決議支持功效，用以處理部分模糊非例行問題是很有必需。通常它應(yīng)達(dá)成以下兩個(gè)建設(shè)目標(biāo)。1，以用戶為中心，創(chuàng)建真正“交互式”系統(tǒng)以往開發(fā)服裝營(yíng)銷管理系統(tǒng)往往只側(cè)重于單純事務(wù)性勞動(dòng)，使用戶大部分時(shí)間和精力全部花在被動(dòng)查詢工作中，這種缺乏用戶和使用者之間雙向交互系統(tǒng)已經(jīng)不適應(yīng)服裝營(yíng)銷工作發(fā)展需要。加入意向決議支持功效后新系統(tǒng)能實(shí)現(xiàn)主動(dòng)式管理，它面向用戶，采取多個(gè)手段和用戶交流，提供給用戶一個(gè)詳盡聯(lián)想和推理空間，從而幫助用戶把自己籠統(tǒng)得決議意向轉(zhuǎn)化為清楚決議問題，實(shí)現(xiàn)了“以用戶為中心”交互式設(shè)計(jì)。2，面向市場(chǎng)，建立含有“靈活性”系統(tǒng)通常對(duì)于服裝營(yíng)銷系統(tǒng)開發(fā)人員而言，真正困難在于正確了解用戶意圖（即結(jié)構(gòu)問題）而不是對(duì)對(duì)應(yīng)問題進(jìn)行求解（即處理問題）。這是因?yàn)椋?）用戶和系統(tǒng)開發(fā)人員存在著對(duì)專業(yè)知識(shí)認(rèn)識(shí)上差異；（2）在沒有提供清楚聯(lián)想和推理框架時(shí)，用戶難以完全說明她們本身確實(shí)切要求。這么開發(fā)出系統(tǒng)是不含有靈活性。含有意向決議支持功效服裝營(yíng)銷管理系統(tǒng)圖2-1服裝營(yíng)銷決議系統(tǒng)框圖為了使服裝分銷商營(yíng)銷系統(tǒng)工作及決議含有一定靈活性，適應(yīng)服裝市場(chǎng)競(jìng)爭(zhēng)加劇，和服裝市場(chǎng)環(huán)境改變所帶來部分意想不到改變影響。在全方面系統(tǒng)分析基礎(chǔ)上，在服裝營(yíng)銷管理系統(tǒng)中加入意向決議支持功效，使整個(gè)系統(tǒng)含有了真正意義上靈活性。通常決議支持系統(tǒng)全部是面向模型，而決議者又是面向問題，為了處理這個(gè)矛盾，為意向決議問題提供最有力支持，應(yīng)該采取基于知識(shí)問題生成和處理子系統(tǒng)，經(jīng)過它和決議者交互，獲取事實(shí)進(jìn)行推理，并最終確定一個(gè)模型方案。這種處理方案，實(shí)際上也能夠看作是包含了教授系統(tǒng)推理模型，目標(biāo)是利用教授系統(tǒng)定性分析機(jī)制，實(shí)現(xiàn)定性分析和定量分析有機(jī)結(jié)合。在服裝營(yíng)銷決議和管理系統(tǒng)具體設(shè)計(jì)中采取了“DSS+問題求解單元+知識(shí)庫”IDSS設(shè)計(jì)方案，在傳統(tǒng)DSS基礎(chǔ)上增加了一個(gè)知識(shí)庫和問題求解單元，設(shè)計(jì)系統(tǒng)框架圖圖2-1所表示。問題生成子系統(tǒng)原理如前所述，對(duì)于一個(gè)輔助決議過程而言，困難是結(jié)構(gòu)一個(gè)問題而不是處理一個(gè)問題，所以怎樣利用現(xiàn)有技術(shù)引導(dǎo)用戶對(duì)自己決議意向進(jìn)行識(shí)別；怎樣利用人機(jī)交互手段一步一步對(duì)決議意向進(jìn)行明確和細(xì)化，使其最終轉(zhuǎn)化為一個(gè)決議問題，這正是設(shè)計(jì)此系統(tǒng)難點(diǎn)。而問題生成系統(tǒng)設(shè)計(jì)是意向決議支持系統(tǒng)瓶頸問題，以下就以服裝分銷商營(yíng)銷系統(tǒng)為背景，給出問題生成子系統(tǒng)設(shè)計(jì)方案。文件[3]給出了通常問題生成系統(tǒng)運(yùn)行機(jī)制，圖2-2所表示圖2-2問題生成系統(tǒng)運(yùn)行機(jī)制此運(yùn)行機(jī)制實(shí)際上就是人類完成對(duì)應(yīng)意向推理全過程：大家在處理本身無法清楚表述問題時(shí)，總是先把它限制在某個(gè)大范圍之內(nèi)（即情景設(shè)定階段），如：市場(chǎng)策劃問題；然后依據(jù)自聯(lián)想和借鑒她人經(jīng)驗(yàn)，把此范圍內(nèi)各項(xiàng)原因及其和問題相關(guān)程度列出（即意向具體描述階段）；再在此范圍中，經(jīng)過分析、推理把一個(gè)決議意向明確為一個(gè)決議問題（情景分析階段）。在利用計(jì)算機(jī)進(jìn)行意向決議支持輔助設(shè)計(jì)時(shí)，當(dāng)然也是遵照這些標(biāo)準(zhǔn)。問題生成子系統(tǒng)設(shè)計(jì)及構(gòu)建相關(guān)知識(shí)庫依據(jù)上述機(jī)制，并結(jié)合多種意向決議支持技術(shù)，服裝營(yíng)銷意向決議支持系統(tǒng)中問題生成子系統(tǒng)應(yīng)含有圖2-3所表示結(jié)構(gòu)。圖2-3問題生成子系統(tǒng)結(jié)構(gòu)1、人機(jī)交互界面：人機(jī)交互界面功效是實(shí)現(xiàn)用戶和計(jì)算機(jī)之間對(duì)話，這是問題生成系統(tǒng)設(shè)計(jì)中需要很好處理問題之一，因?yàn)橛?jì)算機(jī)不僅經(jīng)過人機(jī)交互界面接收決議者問題或意向描述，還要把問題生成結(jié)果經(jīng)過人機(jī)交互界面告訴用戶，這個(gè)過程相當(dāng)于問題運(yùn)行機(jī)制中意向識(shí)別過程。設(shè)計(jì)時(shí)可采取多媒體人機(jī)交互界面。這里多媒體是以多個(gè)媒體命令為人機(jī)交互手段——多媒體命令包含用戶鍵盤輸入字符命令、鼠標(biāo)輸入圖形命令或語音輸入等。同時(shí)也要兼顧到用戶用語習(xí)慣和決議風(fēng)格。2、知識(shí)庫：知識(shí)庫設(shè)計(jì)是整個(gè)子系統(tǒng)運(yùn)行基礎(chǔ)，也是應(yīng)用意向決議支持技術(shù)要關(guān)鍵處理問題。按性質(zhì)不一樣，可把知識(shí)分為事實(shí)性知識(shí)和規(guī)則性知識(shí)兩種，事實(shí)性知識(shí)用于描述部分服裝營(yíng)銷基礎(chǔ)情況；而規(guī)則性知識(shí)則是對(duì)聯(lián)想和推理結(jié)果以條件——結(jié)論形式給描述。依據(jù)問題生成系統(tǒng)運(yùn)行機(jī)制，知識(shí)庫可由以下多個(gè)子知識(shí)庫組成。情景設(shè)定知識(shí)庫：情景設(shè)定知識(shí)庫中知識(shí)用來細(xì)化用戶意向決議問題。能夠采取概念分層方法設(shè)計(jì)情景設(shè)定知識(shí)庫。概念分層是一個(gè)有用背景知識(shí)形式，一個(gè)概念分層就是定義一個(gè)映射序列，它將低層概念映射到更通常高層概念。因?yàn)榉b營(yíng)銷關(guān)鍵是圍繞著營(yíng)銷活動(dòng)進(jìn)行，而營(yíng)銷活動(dòng)考慮又是怎樣滿足用戶需求和擴(kuò)大企業(yè)盈利，所以相關(guān)服裝營(yíng)銷決議又能夠從用戶分析、服裝銷售情況分析、需求估計(jì)和市場(chǎng)策劃這多個(gè)方面來分別考慮，能夠把這多個(gè)方面作為基礎(chǔ)問題，讓用戶在其中考慮其它方面和其它原因，來細(xì)化自己?jiǎn)栴}。以相關(guān)“用戶分析”意向決議基礎(chǔ)問題為例，這個(gè)基礎(chǔ)問題包含其它原因是：考慮用戶地域、考慮大小用戶、考慮用戶信用、考慮用戶投訴這四個(gè)小問題。這些具體小問題能夠映射到它所屬較高層次概念中。這些映射就形成了“用戶分析”概念分層，見圖2-4。圖2-4用戶分析概念分層有了這種概念分層形式，用戶就能夠經(jīng)過“上卷”（即經(jīng)過一個(gè)維概念分層向上攀升）和“下鉆”（它是上卷逆操作，它顯示由不太具體數(shù)據(jù)到更具體數(shù)據(jù)）操作在多個(gè)抽象層上細(xì)化自己決議意向，以后再自由組合這些選項(xiàng)，給出對(duì)應(yīng)選項(xiàng)在此決議意向中所占比重（用0到1之間數(shù)表示），并使全部選項(xiàng)比重值之和等于1。比如，經(jīng)過這一步，用戶把自己決議意向具體描述為：“考慮用戶地域”（0.2）、“考慮大小用戶”（0.3）、“考慮用戶信用”（0.5）用戶分析問題。實(shí)際應(yīng)用中能夠把知識(shí)作為一個(gè)特殊數(shù)據(jù)存放在數(shù)據(jù)庫中。能夠以SQLServer作為前端數(shù)據(jù)倉庫平臺(tái)，VB為編程語言，完成對(duì)應(yīng)設(shè)置。上述實(shí)例在數(shù)據(jù)庫中主表可設(shè)計(jì)為：用戶分析分層知識(shí)主表——db_userknowledge，具體表示如表2-1所表示。在實(shí)際應(yīng)用中，用戶選擇了哪多個(gè)方面來細(xì)化意向，就在表中增加一個(gè)統(tǒng)計(jì)，把對(duì)應(yīng)選項(xiàng)置為1，如上例中增加統(tǒng)計(jì)為（1110），可依據(jù)此值調(diào)用相關(guān)表，并進(jìn)行相關(guān)情景分析知識(shí)庫中處理。表2-1用戶分層知識(shí)主表鍵字段名類型長(zhǎng)度空含義關(guān)系表0C_diqint41（考慮）地域用戶分析地域子表0C_daxiaoint41（考慮）大小用戶用戶子表0C_xinyongint41（考慮）用戶信用賒欠時(shí)間表0C_toushuint41（考慮）用戶投訴用戶投訴分類表情景分析知識(shí)庫：情景分析知識(shí)庫中知識(shí)起到了模型自動(dòng)引導(dǎo)作用。在這里采取技術(shù)是包含推理規(guī)則知識(shí)庫和模型設(shè)定知識(shí)庫常見模型自動(dòng)引導(dǎo)方法。它原理關(guān)鍵是先將決議問題映射到模型各關(guān)鍵特征集合上，然后再由模型特征集合映射到各模型集合上。關(guān)鍵包含推理規(guī)則知識(shí)庫和模型設(shè)定知識(shí)庫。推理規(guī)則知識(shí)庫：此知識(shí)庫中以“if-then”形式存放著用戶決議問題和模型各關(guān)鍵特征間相關(guān)性和對(duì)各關(guān)鍵特征支持度。這些知識(shí)能夠是由領(lǐng)域教授、知識(shí)工程師、系統(tǒng)用戶提供；也能夠是數(shù)據(jù)挖掘工作自動(dòng)產(chǎn)生。構(gòu)建推理規(guī)則知識(shí)庫復(fù)雜性在于用戶決議意向問題往往是多個(gè)原子條件邏輯組合，所以在規(guī)則設(shè)定中采取了“多重和邏輯表”和“相關(guān)聯(lián)度函數(shù)表”這兩個(gè)概念。比如，上述問題能夠用推理規(guī)則知識(shí)庫中規(guī)則表示以下：IF（（用戶）有“考慮地域”（0.2）、“考慮用戶大小”（0.3）、“考慮用戶信用”（0.5））用戶分析問題，THEN（（問題和下列特征關(guān)聯(lián)）“調(diào)整價(jià)格”、“調(diào)整進(jìn)貨量”、“調(diào)整售出量”、“改善服務(wù)”、“發(fā)出工作票”、“時(shí)間”，多重和邏輯表，相關(guān)度函數(shù)表）其中多重和邏輯表和相關(guān)聯(lián)度函數(shù)表為表2-2所表示。表2-2“多重和”邏輯和相關(guān)聯(lián)度函數(shù)和關(guān)聯(lián)度調(diào)整價(jià)格調(diào)整進(jìn)貨量調(diào)整售出量改善服務(wù)發(fā)出工作票時(shí)間考慮地域1.01.01.0用戶大小1.01.00.5用戶信用1.01.01.0模型設(shè)定知識(shí)庫：此知識(shí)庫中存放是各關(guān)鍵特征和相關(guān)模型之間關(guān)聯(lián)度。模型庫關(guān)鍵由多目標(biāo)計(jì)劃問題模型、估計(jì)分析過程模型和其它模型組成。比如，上述問題在模型設(shè)定知識(shí)庫中規(guī)則能夠表示為表2-3所表示。表2-3規(guī)則中相關(guān)度表調(diào)整價(jià)格調(diào)整進(jìn)貨量調(diào)整售出量改善服務(wù)發(fā)出工作票時(shí)間多目標(biāo)計(jì)劃模型0.50.50.51.01.00.5估計(jì)分析模型01.01.00.501.0這里，為了處理多個(gè)條件邏輯組合問題，需要設(shè)定用戶意向描述和模型庫相關(guān)強(qiáng)度。如公式2-1所表示：（2-1）其中為某一決議意向和模型i相關(guān)度；為用戶自己設(shè)定各原子條件在決議意向中所占比重（即主觀原因因子）；為各原子條件和模型關(guān)鍵特征相關(guān)程度；為模型關(guān)鍵特征和模型相關(guān)程度。依據(jù)此公式能夠計(jì)算得出決議意向和各模型相關(guān)程度，然后可按和決議意向相關(guān)強(qiáng)度最大模型進(jìn)行決議。比如，上述問題采取公式計(jì)算后，；從中能夠得到這個(gè)用戶分析問題應(yīng)采取估計(jì)分析過程模型進(jìn)行處理。由上即可完成了模型自動(dòng)導(dǎo)引。3、推理機(jī)（控制模塊）：其作用事根據(jù)用戶不一樣選擇，調(diào)用不一樣知識(shí)庫進(jìn)行相關(guān)問題識(shí)別和決議支持。當(dāng)用戶進(jìn)入問題生成系統(tǒng)后，推理機(jī)首先調(diào)用情景設(shè)定知識(shí)庫，這么用戶就能夠在意向查詢交互式界面上，經(jīng)過上卷和下鉆操作，對(duì)自己決議意向進(jìn)行細(xì)化，最終產(chǎn)生一個(gè)明確決議問題。當(dāng)用戶對(duì)意向表述結(jié)果比較滿意時(shí)候，推理機(jī)再調(diào)用情景分析知識(shí)對(duì)用戶決議意向進(jìn)行處理，并得到和決議意向相關(guān)程度最大過程模型，供給問題處理子系統(tǒng)使用。經(jīng)過上述處理后，下面要求就是對(duì)決議問題求解過程提供有效決議支持手段，因?yàn)閷?duì)這個(gè)問題提供有力支持一直是服裝營(yíng)銷系統(tǒng)應(yīng)用研究中一個(gè)關(guān)鍵，已經(jīng)有很多相關(guān)領(lǐng)域研究結(jié)果，這里就不再贅述?？偠灾b營(yíng)銷管理系統(tǒng)設(shè)計(jì)不僅要充足利用多種信息，實(shí)現(xiàn)復(fù)雜化查詢和報(bào)表功效；而且應(yīng)該利用現(xiàn)有技術(shù)，實(shí)現(xiàn)對(duì)服裝營(yíng)銷全過程合理化管理：即以用戶為中心，真正想用戶所想，提供給其一個(gè)完善估計(jì)分析和決議支持功效。當(dāng)然以上提出只是一個(gè)框架，下一章將對(duì)用于數(shù)據(jù)挖掘分析模型庫進(jìn)行分析，并建立一個(gè)估計(jì)服裝銷售量模型。本章小結(jié)針對(duì)服裝分銷所面臨環(huán)境復(fù)雜多變特點(diǎn)，本章關(guān)鍵介紹了意向決議支持技術(shù)在服裝銷售決議支持系統(tǒng)中應(yīng)用，關(guān)鍵完成了以下工作。1、簡(jiǎn)單地介紹了意向決議支持技術(shù)，而且關(guān)鍵敘述了該技術(shù)在服裝營(yíng)銷系統(tǒng)中所能發(fā)揮作用。2、具體介紹了含有意向決議支持功效服裝營(yíng)銷系統(tǒng)工作原理，關(guān)鍵分析了問題生成子系統(tǒng)原理，并設(shè)計(jì)了問題生成子系統(tǒng)、構(gòu)建了相關(guān)知識(shí)庫?；谥悄芗夹g(shù)服裝銷售模型建立在上一章所提出含有意向決議支持功效系統(tǒng)中，一個(gè)關(guān)鍵方面就是模型建立和選擇，有了多種適宜模型，才能組成模型庫，并最終完成本文所提出整個(gè)意向決議支持功效。本章以一個(gè)具體問題為例，建立了一個(gè)基于智能技術(shù)數(shù)據(jù)倉庫挖掘模型。在服裝營(yíng)銷決議中，運(yùn)行成本是決議所需要考慮關(guān)鍵方面，同時(shí)也是決議管理者最為關(guān)心一個(gè)問題，而和運(yùn)行成本相關(guān)最關(guān)鍵原因是服裝銷售情況。這是因?yàn)榉b分銷在整個(gè)服裝行業(yè)中處于一個(gè)中間位置，負(fù)責(zé)服裝生產(chǎn)企業(yè)和服裝零售商之間連接，所以服裝銷售情況直接關(guān)系到整個(gè)服裝行業(yè)運(yùn)行情況。服裝銷量估計(jì)就是這么一個(gè)對(duì)未來需求量估計(jì)，它是服裝營(yíng)銷工作中關(guān)鍵一環(huán)。若能夠以前多個(gè)月服裝銷售量估計(jì)出下30天銷售量，并以此為依據(jù)購進(jìn)服裝，這么既能夠避免因?yàn)楣懒窟^量而造成損失，又能夠避免因?yàn)楣烙?jì)不足而造成利潤(rùn)降低、用戶丟失等。為了完成這一目標(biāo)，必需對(duì)現(xiàn)有數(shù)據(jù)倉庫中服裝營(yíng)銷數(shù)據(jù)進(jìn)行分析，從中發(fā)覺并提取出隱含在其中信息或知識(shí)。這個(gè)過程就是數(shù)據(jù)挖掘過程，其目標(biāo)是幫助分析人員尋求數(shù)據(jù)之間聯(lián)絡(luò)，發(fā)覺被忽略要素，挖掘出對(duì)估計(jì)趨勢(shì)和決議行為有用信息。數(shù)據(jù)挖掘通常過程圖3-1所表示。圖3-1數(shù)據(jù)挖掘通常過程從中能夠看出數(shù)據(jù)挖掘過程通常包含以下多個(gè)步驟：1、預(yù)處理數(shù)據(jù)，搜集和凈化來自多種數(shù)據(jù)源或數(shù)據(jù)倉庫信息，并加以存放，通常是將其放在OLAP數(shù)據(jù)庫中。2、模型搜索。利用數(shù)據(jù)挖掘工具在數(shù)據(jù)中匹配模型。對(duì)于一個(gè)問題搜索過程可能用到很多模型，比如：神經(jīng)網(wǎng)絡(luò)、決議樹等。3、評(píng)價(jià)輸出結(jié)果。4、生成最終數(shù)據(jù)匯報(bào)和解釋匯報(bào)。從中能夠看出，在數(shù)據(jù)挖掘過程中，數(shù)學(xué)模型是很關(guān)鍵分析數(shù)據(jù)方法。在MicrosoftSQLSERVER提供分析服務(wù)器（AnalysisServers）工具中，包含了兩種數(shù)據(jù)挖掘模型：決議樹模型和聚類分析模型，利用它們能夠?qū)Ψb銷售數(shù)據(jù)進(jìn)行分析，發(fā)覺部分規(guī)律性東西。不過這種結(jié)果往往比較粗糙，精度不高，難以對(duì)服裝企業(yè)營(yíng)銷工作起到指導(dǎo)作用。本文提出了一個(gè)基于智能技術(shù)數(shù)據(jù)挖掘模型，經(jīng)過此模型能夠得到較為理想服裝銷售估計(jì)數(shù)據(jù)。智能技術(shù)概述現(xiàn)在對(duì)服裝銷售估計(jì)專門研究不少，但大家大多采取傳統(tǒng)方法來進(jìn)行估計(jì)，如時(shí)間序列方法、回歸分析方法和模式識(shí)別方法，這些方法也全部取得了不一樣程度成功。但這些方法也全部存在著缺點(diǎn)，時(shí)間序列方法不易考慮地域等原因影響，回歸分析方法存在著怎樣確定回歸方程問題，而模式識(shí)別方法只能處理銷售區(qū)域比較小系統(tǒng)。而人工神精網(wǎng)絡(luò)能夠建立任意非線性模型，并適適用于處理時(shí)間序列預(yù)報(bào)問題。所以很適合應(yīng)用于服裝銷售系統(tǒng)估計(jì)中。在服裝銷售估計(jì)中，應(yīng)用最多神經(jīng)網(wǎng)絡(luò)是多層感知機(jī)，并應(yīng)用反向傳輸算法（BP算法）進(jìn)行網(wǎng)絡(luò)訓(xùn)練，然而，傳統(tǒng)BP算法有諸如不易確定隱層神經(jīng)元個(gè)數(shù)、輕易陷入局部極小點(diǎn)和花費(fèi)大量計(jì)算機(jī)時(shí)等缺點(diǎn)，所以不適合實(shí)際使用。多年來RBF（RadialBasisFunction，徑向基函數(shù)）網(wǎng)絡(luò)作為另一個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以其靈活性強(qiáng)，易于訓(xùn)練，內(nèi)插和外推性能好等優(yōu)點(diǎn)而受到很大關(guān)注。RBF網(wǎng)絡(luò)是一個(gè)三層結(jié)構(gòu)網(wǎng)絡(luò)，其隱層作用在于實(shí)現(xiàn)一非線性變換，隱單元（又稱“中心”）數(shù)目在網(wǎng)絡(luò)訓(xùn)練過程中隨問題復(fù)雜程度和所需精度而動(dòng)態(tài)調(diào)整，無需事先盲目確定。這種網(wǎng)絡(luò)模型訓(xùn)練過程表現(xiàn)為RBF網(wǎng)絡(luò)中心選擇及隱層和輸出層間權(quán)值確實(shí)定。不過，利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行估計(jì)時(shí)，需要大量歷史數(shù)據(jù)，在歷史數(shù)據(jù)有限情況下，往往使估計(jì)精度受到很大影響。為了克服這些缺點(diǎn)，相關(guān)研究表明，將BP神經(jīng)網(wǎng)絡(luò)和模糊控制結(jié)合在一起進(jìn)行模糊估計(jì)，能夠得到比很好結(jié)果。本文利用RBF神經(jīng)網(wǎng)絡(luò)完成對(duì)用銷售量估計(jì)，在估計(jì)過程中，考慮了區(qū)域原因和和重大事件影響；因?yàn)閿?shù)據(jù)量限制，對(duì)神經(jīng)網(wǎng)絡(luò)輸出用模糊調(diào)整進(jìn)行修正，方便提升估計(jì)精度。RBF神經(jīng)網(wǎng)絡(luò)建立服裝銷售量估計(jì)首先要處理問題是非線性映射實(shí)現(xiàn)，人工神經(jīng)網(wǎng)路在這方面有一定優(yōu)越性。通常情況下，假定要求學(xué)習(xí)非線性映射為式3-1。（3-1）公式（3-1）是在域中聚類子集上一個(gè)多輸入單輸出實(shí)連續(xù)函數(shù)，其樣本數(shù)據(jù)為：上式中，s為樣本數(shù)，而形成了樣本集。圖3-2RBF網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖3-2所表示RBF網(wǎng)絡(luò)，能夠用來擬合式（2-2）所描述非線性關(guān)系，它實(shí)現(xiàn)映射為式3-2所表示。（3-2）式中，為輸入向量，為一給定非線性變換，表示歐式范數(shù)；為權(quán)值；成為RBF網(wǎng)絡(luò)中心，表示擬合誤差，非線性變換函數(shù)可選為式3-3所表示。（3-3）定義誤差函數(shù)如式3-4所表示。（3-4）其中，為樣本輸出，為網(wǎng)絡(luò)輸出。能夠證實(shí)，當(dāng)所選函數(shù)系線性無關(guān)時(shí)候，可經(jīng)過增加隱層單元數(shù)目，達(dá)成不停提升擬合精度，使小于給定誤差目標(biāo)。然而，在實(shí)際應(yīng)用中，若m取得太大，就可能造成模型冗余和數(shù)值病態(tài)出現(xiàn)，所以必需采取有效方法進(jìn)行網(wǎng)絡(luò)中心選擇和網(wǎng)絡(luò)權(quán)值確實(shí)定。本文采取正交最小二乘法選擇隱含層節(jié)點(diǎn)基函數(shù)中心。此方法優(yōu)點(diǎn)是可選出最好樣本點(diǎn)作為中心。當(dāng)網(wǎng)絡(luò)輸出權(quán)值訓(xùn)練基函數(shù)參數(shù)確定后，輸出層計(jì)算很簡(jiǎn)單，對(duì)應(yīng)于多輸入但輸出網(wǎng)絡(luò)，用最小二乘法使價(jià)值函數(shù)最小即可。購置和銷售是服裝分銷中一項(xiàng)很關(guān)鍵活動(dòng)，但這個(gè)決定常常不是基于數(shù)據(jù)庫中信息豐富數(shù)據(jù)，而是基于決議者直覺。這是因?yàn)闆Q議者缺乏從海量數(shù)據(jù)中提取有價(jià)值知識(shí)工具，所以設(shè)計(jì)一個(gè)合理數(shù)據(jù)模型已完成此項(xiàng)工作是十分必需。輸入特征量選擇對(duì)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，輸入量選擇是很關(guān)鍵問題，輸入量不能取得太少，不然不能起到區(qū)分判定能力；也不能取得太多，不然影響網(wǎng)絡(luò)訓(xùn)練速度。顯然，當(dāng)月進(jìn)貨量和以往同類型月銷售量有著很大關(guān)系，而這個(gè)銷售量又會(huì)受季節(jié)、重大事件等原因影響。如夏冬兩季羽絨服銷售量會(huì)顯著不一樣；當(dāng)有重大事件，如奧運(yùn)會(huì)、世界杯等時(shí)，服裝款式和顏色全部會(huì)受到一定影響。這么，在選擇樣本時(shí)，應(yīng)考慮到以下關(guān)系：1、首先，估計(jì)月環(huán)境向量是必不可少；2、考慮到服裝銷售量改變應(yīng)該是一個(gè)平穩(wěn)隨機(jī)過程，那么用前一兩個(gè)月銷售量可取得很好平滑作用；3、某30天銷售量同前一至兩個(gè)月銷售量應(yīng)該比較相同；同去年（前年）同一月份銷售量也應(yīng)該比較相同。綜合考慮上述原因，并結(jié)合服裝銷售特點(diǎn)，本文選擇神經(jīng)網(wǎng)絡(luò)輸入以下：估計(jì)月前兩個(gè)月銷售量和對(duì)應(yīng)各月環(huán)境向量；估計(jì)月前十二個(gè)月同一月和其兩側(cè)各30天銷售量，和對(duì)應(yīng)各月環(huán)境向量；估計(jì)月前兩年同一月和兩側(cè)各30天銷售量，和對(duì)應(yīng)各月環(huán)境向量；估計(jì)月環(huán)境向量。神經(jīng)網(wǎng)絡(luò)輸出向量為估計(jì)月進(jìn)貨量。由此可建立一個(gè)輸入層為17個(gè)節(jié)點(diǎn)，輸出層為一個(gè)節(jié)點(diǎn)，隱含層個(gè)數(shù)待定神經(jīng)元網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)基函數(shù)采取高斯函數(shù)。神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集是從過去兩年歷史數(shù)據(jù)中選擇了經(jīng)典數(shù)據(jù)組成，由此組成了RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練對(duì)象。此神經(jīng)網(wǎng)絡(luò)能夠擬合以下非線性關(guān)系：其中，為第i個(gè)月出售量，為第i個(gè)月環(huán)境向量。環(huán)境量化情況（以冬季服裝為例）以下：1月23456789101112110.50-0.5-1-1-1-0.500.51RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練和估計(jì)依據(jù)樣本選擇標(biāo)準(zhǔn)，給每一個(gè)神經(jīng)網(wǎng)絡(luò)選定一個(gè)訓(xùn)練樣本集，樣本集包含12個(gè)樣本。選擇隱含層節(jié)點(diǎn)基函數(shù)寬度為10，初始中心為0，利用最小二乘法進(jìn)行訓(xùn)練。模糊系統(tǒng)設(shè)計(jì)在很多情況下，因?yàn)楸豢貙?duì)象非線性或有較大隨機(jī)干擾，極難建立起被控對(duì)象數(shù)學(xué)模型，對(duì)于那些不能直接取得數(shù)學(xué)模型系統(tǒng)，傳統(tǒng)控制方法往往難以取得令人滿意控制效果，然而這類被控對(duì)象在人手工控制下卻往往能夠正常運(yùn)行。因?yàn)榇蠹以谑謩?dòng)控制中，往往采取部分不正確語言規(guī)則進(jìn)行控制，收到了預(yù)期效果，由此演化而來就是模糊控制系統(tǒng)，見圖3-3。圖3-3模糊控制系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)估計(jì)誤差和誤差改變率，經(jīng)過模糊系統(tǒng)控制，形成下一次估計(jì)調(diào)整量，使估計(jì)誤差減小。模糊控制器輸入為目前時(shí)刻估計(jì)銷售量和實(shí)際銷售量差額和差額改變率,輸出是對(duì)下一個(gè)銷售量調(diào)整量。調(diào)整量又公式3-5計(jì)算。（3-5）其中為模糊系統(tǒng)輸出值，為對(duì)下一個(gè)負(fù)荷估計(jì)修正值，為誤差改變率，上述公式作用是將模糊系統(tǒng)輸出值先投影到誤差區(qū)域上，再加入誤差改變率影響，這么能夠確保首先對(duì)誤差進(jìn)行調(diào)整，然后再消除誤差改變，使系統(tǒng)保持穩(wěn)定。通常情況下，模糊推理是采取模糊邏輯由給定輸入到輸出映射過程：1、輸入變量模糊化，即把確定輸入轉(zhuǎn)化為由隸屬度描述模糊集。2、模糊規(guī)則前件中應(yīng)用模糊算子（和、或、非）。3、依據(jù)模糊蘊(yùn)涵運(yùn)算由前提推斷結(jié)論。4、合成每個(gè)規(guī)則結(jié)論部分，得出總結(jié)論。5、反模糊化過程，即把輸出模糊量轉(zhuǎn)化為確定輸出。輸入變量模糊化設(shè)模型設(shè)計(jì)3個(gè)語言變量：誤差e，誤差改變率ec，控制量改變a，其論域均為[-1，1]，對(duì)應(yīng)語言等級(jí)劃分為5級(jí)。其模糊集為{nb，ns，z，ps，pb}，分別對(duì)應(yīng)模糊單點(diǎn)集為：{-1，-0.5，0，0.5，1}。實(shí)際誤差e、誤差改變率ec，均是實(shí)際量，需要將她們轉(zhuǎn)化為論域中一個(gè)對(duì)應(yīng)值，這個(gè)過程，稱為量化過程。為此引入量化公式3-6，3-7。（3-6）（3-7）其中，em為誤差左邊界，es為誤差改變范圍；ecm為誤差改變率左邊界，ecs為誤差改變率改變范圍。依據(jù)上述公式能夠?qū)?shí)際量轉(zhuǎn)化為論域中值。在本算法中，在線自調(diào)整地任務(wù)關(guān)鍵是在線修正a參數(shù)，a大小直接表示對(duì)偏差e和偏差ec加權(quán)程度。選擇a變量為5個(gè)語言值，分別為nb（負(fù)大）、ns（負(fù)?。?、z（中）、ps（正?。?、pb（正大）。隸屬函數(shù)確實(shí)定和圖形表示方法模糊語言變量每個(gè)語言值實(shí)際上全部是一個(gè)在模糊論域上模糊子集，模糊子集最終是經(jīng)過隸屬函數(shù)來描述，本文選擇高斯型隸屬函數(shù)，此種隸屬函數(shù)所占內(nèi)存空間小，靈敏度較高。下圖為三個(gè)語言變量隸屬函數(shù)圖。圖3-4-1輸入輸出量隸屬函數(shù)圖3-4-2修正因子隸屬函數(shù)模糊控制規(guī)則及算法結(jié)構(gòu)本文模糊控制器是二維結(jié)構(gòu)，誤差和誤差改變率為輸入量，經(jīng)過模糊規(guī)則調(diào)整a。調(diào)整a規(guī)則以下，模糊規(guī)則狀態(tài)表為表3-1。Ife=nb,thena=pbIfe=nsandec=nborpb,thena=pbIfe=nsandec=nsorzorps,thena=psIfe=zandec=pb,thena=nbIfe=zandec=ps,thena=nsIfe=zandec=z,thena=zIfe=zandec=ns,thena=psIfe=zandec=nb,thena=pbIfe=psandec=nborpb,thena=nbIfe=psandec=psorzorns,thena=nsIfe=pb,thena=nb表3-1模糊規(guī)則狀態(tài)表EEcNBNSZPSPBNBPBPBPBNBNBNSPBPSPSNSNBZPBPSZNSNBPSPBPSNSNSNBPBPBPBNBNBNB反模糊化反模糊化就是把輸出模糊集化為確定數(shù)值輸出，常見反模糊化方法有以下多個(gè)。中心法、二分法、輸出模糊集極大值平均值法、輸出模糊集極大集最大值法、輸出模糊集極大集最小值法。在這里，采取是中心法，也就是取輸出模糊集隸屬度函數(shù)曲線和橫坐標(biāo)圍成區(qū)域中心或重心對(duì)應(yīng)論域元素值為輸出值。查詢表如表3-2，再經(jīng)過公式3-3計(jì)算，可得到銷售量修正值。表3-2查詢表EEc-1-0.500.51-10.7690.7690.56-0.56-0.769-0.50.7690.4490.392-0.392-0.76900.7690.3920-0.392-0.7690.50.7690.392-0.392-0.4490.76910.7690.56-0.56-0.769-0.769基于智能技術(shù)數(shù)據(jù)倉庫挖掘基于智能技術(shù)數(shù)據(jù)挖掘過程能夠用步驟圖3-5表示。從圖中能夠看出，整個(gè)挖掘模型輸出為神經(jīng)網(wǎng)絡(luò)輸出和模糊控制系統(tǒng)輸出總和。S=F+Cu（3-8）其中，S為整個(gè)挖掘模型輸出，F(xiàn)為神經(jīng)網(wǎng)絡(luò)輸出，Cu為模糊控制系統(tǒng)輸出。圖3-5基于智能技術(shù)數(shù)據(jù)倉庫挖掘本章小結(jié)含有意向決議支持功效系統(tǒng)中，一個(gè)關(guān)鍵方面是模型建立和選擇，有了多種適宜模型，才能組成模型庫，并最終完成整個(gè)意向決議支持功效。本章關(guān)鍵建立了一個(gè)基于智能技術(shù)數(shù)據(jù)倉庫挖掘模型，并具體進(jìn)行下面工作。1、建立了RBF神經(jīng)網(wǎng)絡(luò)，利用它來進(jìn)行服裝銷售量估計(jì)。2、在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，經(jīng)過加入模糊系統(tǒng)控制，利用神經(jīng)網(wǎng)絡(luò)估計(jì)誤差和誤差改變率，形成下一次估計(jì)調(diào)整量，從而減小估計(jì)誤差，使估計(jì)愈加靠近實(shí)際。3、介紹了基于職能技術(shù)數(shù)據(jù)倉庫挖掘原理，并給出了原理圖。服裝營(yíng)銷決議支持系統(tǒng)設(shè)計(jì)決議分析是服裝分銷商營(yíng)銷管理系統(tǒng)得最高層，是在統(tǒng)計(jì)完成以后，對(duì)統(tǒng)計(jì)資料進(jìn)行對(duì)比、分析、研究過程，它是服裝營(yíng)銷工作最終一個(gè)步驟，是提供分析、估計(jì)結(jié)果關(guān)鍵階段。服裝營(yíng)銷決議支持在對(duì)整個(gè)企業(yè)經(jīng)營(yíng)管理、財(cái)務(wù)情況、市場(chǎng)分布等方方面面信息進(jìn)行統(tǒng)計(jì)后，還需要對(duì)企業(yè)作全方位綜合查詢和經(jīng)濟(jì)活動(dòng)分析，以客觀地評(píng)價(jià)計(jì)劃實(shí)施情況、揭示經(jīng)濟(jì)發(fā)展趨勢(shì)、總結(jié)優(yōu)異經(jīng)驗(yàn)，提出愈加好管理決議，深入提升企業(yè)經(jīng)濟(jì)效益。但這時(shí)，綜合統(tǒng)計(jì)人員出于分析和決議需要，對(duì)信息需求是隨機(jī)，對(duì)查詢結(jié)果分析也是動(dòng)態(tài)，而傳統(tǒng)管理信息系統(tǒng)極難滿足這種高層次分析、決議要求。所以在本文中，采取基于數(shù)據(jù)倉庫聯(lián)機(jī)分析處理（On-LineAnalyticalProcessing，OLAP）技術(shù)來為用戶提供方便靈活統(tǒng)計(jì)分析處理方案。通常情況下，服裝營(yíng)銷決議包含多種相關(guān)銷售情況分析和查詢、需求分析、市場(chǎng)分析和用戶動(dòng)態(tài)分析等方面。由此可見，決議支持系統(tǒng)最關(guān)鍵功效就是查詢和分析。所以，本文中服裝營(yíng)銷決議支持系統(tǒng)由數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)、統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)、綜合查詢子系統(tǒng)和綜合分析子系統(tǒng)四個(gè)部分組成。其中數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)用于未來自多種數(shù)據(jù)源數(shù)據(jù)轉(zhuǎn)換到數(shù)據(jù)倉庫當(dāng)中，并以“面向?qū)ｎ}”形式進(jìn)行存放；統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)關(guān)鍵用于將各項(xiàng)營(yíng)銷數(shù)據(jù)以報(bào)表和多個(gè)圖表形式表示出來，同時(shí)它也是為綜合查詢子系統(tǒng)合綜合分析子系統(tǒng)提供營(yíng)銷各級(jí)數(shù)據(jù)；基于OLAP綜合查詢子系統(tǒng)以多維形式對(duì)服裝營(yíng)銷多種數(shù)據(jù)進(jìn)行查詢，并和統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)結(jié)合在一起，為綜合分析子系統(tǒng)提供所需要數(shù)據(jù)；綜合分析子系統(tǒng)利用多種模型（如SQLSERVER中決議樹模型、聚類模型）對(duì)數(shù)據(jù)信息進(jìn)行挖掘，并從中分析出有用信息供決議者使用。在這幾者中，數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)完成數(shù)據(jù)前端處理工作，使信息起源；統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)將信息直觀地表示給用戶。依據(jù)統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)合綜合分析子系統(tǒng)，決議者能夠立即掌握服裝營(yíng)銷工作情況，進(jìn)而對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行綜合分析。系統(tǒng)中各個(gè)子系統(tǒng)關(guān)系圖4-1所表示。圖4-1服裝營(yíng)銷決議支持系統(tǒng)示意圖系統(tǒng)硬件環(huán)境服裝營(yíng)銷決議支持系統(tǒng)運(yùn)行需要海量數(shù)據(jù)支持，為了確保系統(tǒng)安全運(yùn)行，數(shù)據(jù)倉庫專用一臺(tái)服務(wù)器，歷史數(shù)據(jù)專用一臺(tái)服務(wù)器，決議支持軟件運(yùn)行有單獨(dú)服務(wù)器來支持。經(jīng)過將交換機(jī)連接工作中需要提取得數(shù)據(jù)多種服務(wù)器，管理決議者經(jīng)過終端用戶機(jī)來訪問服務(wù)器，運(yùn)行決議支持軟件，其中數(shù)據(jù)服務(wù)器全部要求雙機(jī)備份數(shù)據(jù)。其拓?fù)鋱D圖4-2所表示。圖4-2決議支持系統(tǒng)硬件拓?fù)鋱D系統(tǒng)軟件環(huán)境1、操作系統(tǒng)服裝營(yíng)銷決議支持系統(tǒng)運(yùn)行操作系統(tǒng)采取MicrosoftWindowsServer，MicrosoftWindowsServer界面風(fēng)格和MicrosoftWindows95\98一致，易于使用，它是以內(nèi)部安全性和網(wǎng)絡(luò)功效為特征，能夠充足利用高級(jí)微機(jī)硬件特點(diǎn)并發(fā)揮其優(yōu)勢(shì)操作系統(tǒng)。2、數(shù)據(jù)管理系統(tǒng)數(shù)據(jù)庫采取高性能商用關(guān)系型數(shù)據(jù)庫SQLSEVER，利用其本身在數(shù)據(jù)倉庫方面成熟技術(shù)完成多個(gè)數(shù)據(jù)倉庫操作；系統(tǒng)輸出形式采取MicrosoftOfficeExcel等優(yōu)異工具軟件，使報(bào)表系統(tǒng)愈加方便易用；軟件結(jié)構(gòu)采取網(wǎng)絡(luò)分布式用戶/服務(wù)器模式。3、開發(fā)語言開發(fā)語言可選擇VisualBasic6.0，VisualBasic6.0是一個(gè)強(qiáng)大Windows平臺(tái)上開發(fā)工具，從開發(fā)個(gè)人或小組使用小工具，到大型企業(yè)應(yīng)用系統(tǒng)，全部能夠在VisualBasic提供工具中各取所需，尤其用于數(shù)據(jù)倉庫處理，VisualBasic6.0更顯示出其優(yōu)勢(shì)。決議支持系統(tǒng)設(shè)計(jì)系統(tǒng)長(zhǎng)久穩(wěn)定運(yùn)行是計(jì)算機(jī)軟件肯定要求，為了保障服裝營(yíng)銷決議支持系統(tǒng)正?？煽窟\(yùn)行，系統(tǒng)設(shè)計(jì)應(yīng)從實(shí)用性標(biāo)準(zhǔn)、安全可靠性標(biāo)準(zhǔn)、優(yōu)異性標(biāo)準(zhǔn)、可擴(kuò)展性標(biāo)準(zhǔn)、開放性標(biāo)準(zhǔn)、可操作性和易用性標(biāo)準(zhǔn)出發(fā)。1、可靠性。多種數(shù)據(jù)均采取備份，在硬件上含有備份設(shè)備，軟件上含有備份功效。2、智能性。正確、立即、完整、可靠地搜集（輸入）企業(yè)多種相關(guān)數(shù)據(jù)和信息，而且能依據(jù)各專業(yè)部分和管理者要求，立即提供（輸出）各類統(tǒng)計(jì)和分析信息報(bào)表、圖形和文本文件。3、容錯(cuò)性。含有較強(qiáng)容錯(cuò)功效，能夠?qū)蓹z驗(yàn)數(shù)據(jù)異常和錯(cuò)誤自動(dòng)校驗(yàn)和報(bào)警。4、開放性。數(shù)據(jù)庫引擎采取開放數(shù)據(jù)庫連接（ADO），能夠連接多個(gè)數(shù)據(jù)庫，建立數(shù)據(jù)庫之間交換信息一個(gè)橋梁。5、安全性。含有合適保密方法，預(yù)防對(duì)數(shù)據(jù)越級(jí)訪問和修改。6、應(yīng)用性。建立良好人機(jī)對(duì)話界面，各功效模塊利用多極菜單驅(qū)動(dòng)，使人機(jī)交互方便，屏幕提醒直觀明了，畫面整齊美觀，操作使用簡(jiǎn)單。7、可維護(hù)性。對(duì)于統(tǒng)計(jì)報(bào)表變動(dòng)情況能夠由用戶進(jìn)行一定程度系統(tǒng)維護(hù)。下面對(duì)各部分分別進(jìn)行設(shè)計(jì)。數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)通常情況下，在進(jìn)行一項(xiàng)決議過程中，需要使用兩種類型數(shù)據(jù)：操作數(shù)據(jù)和分析數(shù)據(jù)。操作數(shù)據(jù)處于不停變換和更新中，屬于動(dòng)態(tài)數(shù)據(jù)；而分析數(shù)據(jù)是歷史數(shù)據(jù)，通常不會(huì)伴隨時(shí)間推移而發(fā)生改變，所以屬于靜態(tài)數(shù)據(jù)。比如：某個(gè)時(shí)間點(diǎn)進(jìn)貨量是最終數(shù)據(jù)，是不可逆。在這個(gè)時(shí)間點(diǎn)，信息變成了靜態(tài)，所以能夠從動(dòng)態(tài)數(shù)據(jù)源遷移到靜態(tài)數(shù)據(jù)源。也就是由通常數(shù)據(jù)庫遷移到數(shù)據(jù)倉庫，這一過程由數(shù)據(jù)轉(zhuǎn)換聚合子過程完成。不過若數(shù)據(jù)倉庫中信息不正確，那么，這個(gè)數(shù)據(jù)倉庫也會(huì)形同虛設(shè)。所以，當(dāng)將數(shù)據(jù)輸入數(shù)據(jù)倉庫時(shí)，必需進(jìn)行精心計(jì)劃。所以數(shù)據(jù)轉(zhuǎn)換聚合子系統(tǒng)用于完成從通常數(shù)據(jù)庫到數(shù)據(jù)倉庫（或數(shù)據(jù)集市）轉(zhuǎn)換時(shí)，必需先將數(shù)據(jù)源中包含專題數(shù)據(jù)進(jìn)行清潔、過濾處理后，加載到數(shù)據(jù)倉庫中（立即無關(guān)聯(lián)數(shù)據(jù)轉(zhuǎn)換到數(shù)據(jù)倉庫中有明確專題統(tǒng)一數(shù)據(jù)視圖中），再根據(jù)用戶要求生成響應(yīng)得數(shù)據(jù)立方體。具體功效包含：1、數(shù)據(jù)前端處理（抽取、轉(zhuǎn)換、轉(zhuǎn)載）：立即服裝營(yíng)銷相關(guān)數(shù)據(jù)由基層數(shù)據(jù)庫抽取出來，統(tǒng)一格式，再將整理和修改后結(jié)果存入數(shù)據(jù)倉庫。2、數(shù)據(jù)立方體聚合：用于根據(jù)用戶要求，形成多維立方體，供用戶分析。3、數(shù)據(jù)結(jié)構(gòu)樹狀瀏覽：提供數(shù)據(jù)倉庫元數(shù)據(jù)查詢。統(tǒng)計(jì)報(bào)表生成子系統(tǒng)統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)包含以下功效。1、多種統(tǒng)計(jì)報(bào)表生成。2、多種圖形顯示（包含條形圖、線性圖和餅圖）。3、數(shù)據(jù)預(yù)覽表服務(wù)。統(tǒng)計(jì)報(bào)表（及圖表）生成子系統(tǒng)能夠未來自不一樣數(shù)據(jù)源中數(shù)據(jù)轉(zhuǎn)化為以服裝營(yíng)銷為專題形式存放數(shù)據(jù)，并以多種直觀形式表示出來。對(duì)于服裝分銷商而言，正確、可靠地表示這些數(shù)據(jù)，是一項(xiàng)十分關(guān)鍵工作。它不僅反應(yīng)出服裝企業(yè)銷售量，更關(guān)鍵是它能夠直接反應(yīng)出服裝分銷運(yùn)行情況和相關(guān)各項(xiàng)經(jīng)濟(jì)指標(biāo)完成情況，對(duì)于制訂營(yíng)銷計(jì)劃很關(guān)鍵。在現(xiàn)在運(yùn)行系統(tǒng)中，用戶查詢數(shù)據(jù)和生成報(bào)表所使用技術(shù)，是實(shí)用ADO組件連接SQLSERVER，經(jīng)過SQL語句和存放過程訪問數(shù)據(jù)，并生成多種報(bào)表反應(yīng)給用戶，以供用戶查看、打印和分析。這種方法技術(shù)比較成熟，應(yīng)用較廣，但每次報(bào)表生成時(shí)候全部需要實(shí)施大量反復(fù)SQL語句，所以在處理數(shù)據(jù)量較大時(shí)候，整個(gè)報(bào)表生成需要很長(zhǎng)時(shí)間，從而降低整個(gè)系統(tǒng)運(yùn)行效率。在本設(shè)計(jì)中，采取了基于OLAP數(shù)據(jù)技術(shù)報(bào)表設(shè)計(jì)生成方案，利用OLAP對(duì)數(shù)據(jù)倉庫中原始數(shù)據(jù)進(jìn)行投影、連接、分組等預(yù)處理，建立很多“實(shí)視圖”，這些實(shí)視圖不是虛擬，而是經(jīng)過計(jì)算，含有大量數(shù)據(jù)并存放在數(shù)據(jù)倉庫實(shí)際表中，所以O(shè)LAP不再需對(duì)原始數(shù)據(jù)進(jìn)行復(fù)雜處理，只要在實(shí)視圖基礎(chǔ)上進(jìn)行部分簡(jiǎn)單計(jì)算就能夠完成復(fù)雜查詢，從而提升了查詢和報(bào)表生成響應(yīng)速度。具體功效為：1、設(shè)計(jì)特定條件，提取合成用戶服務(wù)層和營(yíng)銷層原始信息及處理信息，利用報(bào)表設(shè)計(jì)工具形成自助報(bào)表。2、依據(jù)要求生成和調(diào)用固定報(bào)表。3、萬能組合報(bào)表。用戶可自行生成任意組合報(bào)表（不一樣視圖、不一樣數(shù)據(jù)表、不一樣數(shù)據(jù)庫之間任意組合），滿足上報(bào)表格不停改變，領(lǐng)導(dǎo)意圖不停更新需求。4、歷年數(shù)據(jù)對(duì)照表及圖。提供了直觀、快速圖形化顯示方法?？缮蓺v年多種數(shù)據(jù)同期對(duì)照表，并能夠圖形顯示，同時(shí)以改變圖形顯示改變趨勢(shì)。綜合查詢子系統(tǒng)服裝銷售工作因其包含范圍廣，所以需要來自多方面數(shù)據(jù)，這里所說綜合查詢，不一樣于一般意義上查詢，它是利用數(shù)據(jù)多維概念視圖，使用戶能從多角度、多側(cè)面、多層次地考察服裝營(yíng)銷數(shù)據(jù)倉庫中數(shù)據(jù)。其中包含跨維和在不一樣層次之間跨組員計(jì)算和建模，從而使用戶深入了解包含在數(shù)據(jù)中信息和內(nèi)涵，是一個(gè)快速、一致、交互查詢。對(duì)于服裝營(yíng)銷工作而言，這種查詢是十分必需。具體功效包含：1、義務(wù)及業(yè)擴(kuò)報(bào)裝情況查詢?？刹樵冐?cái)務(wù)情況及價(jià)格水平；用戶購貨量；訂單簽署等。2、依據(jù)多種可行條件組合，瀏覽查詢用戶反饋信息，營(yíng)銷業(yè)務(wù)情況和工作質(zhì)量情況。3、萬能組合查詢。用戶能夠在不一樣數(shù)據(jù)庫、不一樣數(shù)據(jù)表、不一樣視圖不一樣字段之間組合進(jìn)行查詢。4、設(shè)備情況查詢。能夠?qū)υO(shè)備（包含計(jì)算機(jī)、運(yùn)輸工具等）使用情況、維護(hù)維修和折舊等情況進(jìn)行查詢。綜合分析子系統(tǒng)在長(zhǎng)久運(yùn)行中，數(shù)據(jù)庫系統(tǒng)積累了海量數(shù)據(jù)，但卻沒有有效手段利用這些數(shù)據(jù)為決議服務(wù)。綜合分析目標(biāo)就是幫助數(shù)據(jù)分析人員、管理人員、決議人員洞察數(shù)據(jù)奧秘，掌握隱于其中規(guī)律，為決議支持提供有力手段。在設(shè)計(jì)中利用了OLAP強(qiáng)大統(tǒng)計(jì)、分析和報(bào)表處理功效及進(jìn)行趨勢(shì)估計(jì)能力，利用OLAP基礎(chǔ)分析操作（如切片、切塊、下鉆、上翻、旋轉(zhuǎn)等），是用戶能夠從宏觀到微觀對(duì)數(shù)據(jù)進(jìn)行深入分析，進(jìn)行不一樣維間比較。并依據(jù)服裝營(yíng)銷多種數(shù)據(jù)，應(yīng)用多種智能技術(shù)（神經(jīng)網(wǎng)絡(luò)技術(shù)、模糊控制技術(shù)、決議樹和聚類分析技術(shù)等）建立實(shí)用模型，進(jìn)行多種分析計(jì)算，對(duì)服裝營(yíng)銷情況進(jìn)行估計(jì)，對(duì)服裝營(yíng)銷工作進(jìn)行客觀指導(dǎo)。1、銷售分析按地域進(jìn)行售出量改變及其影響原因分析，追蹤當(dāng)?shù)赜蛱卮笥脩翡N售量改變情況。對(duì)單一個(gè)類商品價(jià)格改變進(jìn)行分析。對(duì)賒欠組成及原因分析，包含地域分析，關(guān)鍵賒欠用戶分析，和預(yù)警分析。2、市場(chǎng)分析市場(chǎng)現(xiàn)實(shí)狀況分析：包含對(duì)市場(chǎng)擁有率情況，市場(chǎng)經(jīng)營(yíng)情況分析。市場(chǎng)競(jìng)爭(zhēng)者情況分析：對(duì)競(jìng)爭(zhēng)對(duì)手營(yíng)銷動(dòng)向和階段策略進(jìn)行分析。市場(chǎng)估計(jì)分析：對(duì)未來市場(chǎng)情況及競(jìng)爭(zhēng)發(fā)展進(jìn)行趨勢(shì)估計(jì)。3、需求估計(jì)依據(jù)不一樣估計(jì)對(duì)象和估計(jì)期長(zhǎng)短，確定估計(jì)內(nèi)容、范圍和時(shí)間，并選擇合適估計(jì)方法和數(shù)學(xué)模型。利用系統(tǒng)中全部充足、正確歷史資料，對(duì)估計(jì)要素進(jìn)行整理分析。對(duì)估計(jì)結(jié)果進(jìn)行修正校核。對(duì)用數(shù)學(xué)模型求得估計(jì)，要和已發(fā)生實(shí)際或經(jīng)驗(yàn)估量值相比較，計(jì)算其誤差，如誤差較大，找出其原因加以修正或改用其它估計(jì)模型。系統(tǒng)集成服裝營(yíng)銷決議支持系統(tǒng)作為整個(gè)行業(yè)實(shí)施信息化系統(tǒng)中一個(gè)子系統(tǒng)，處于整個(gè)綜合信息化系統(tǒng)最高層，其數(shù)據(jù)起源除了由基層零售商戶提供外，也能夠來自其它信息系統(tǒng)得數(shù)據(jù)庫，所以應(yīng)該歸納分析出服裝營(yíng)銷決議分析信息流圖，方便為數(shù)據(jù)采集和數(shù)據(jù)挖掘提供基礎(chǔ)。因?yàn)樵诜b分銷企業(yè)中，運(yùn)行成本是衡量企業(yè)效益關(guān)鍵方面，同時(shí)也是決議管理者最為關(guān)心一個(gè)關(guān)鍵問題。所以經(jīng)過對(duì)組成運(yùn)行成本多種原因分析，能夠得出服裝營(yíng)銷決議分析信息流圖。和運(yùn)行成本相關(guān)關(guān)鍵原因有：1、服裝銷售情況服裝分銷企業(yè)處于整個(gè)服裝行業(yè)中間位置，負(fù)責(zé)生產(chǎn)企業(yè)和零售商之間連接，所以服裝銷售情況直接關(guān)系到服裝企業(yè)經(jīng)營(yíng)情況。其銷售信息有營(yíng)銷管理子系統(tǒng)提供。2、保留/運(yùn)輸損壞情況保留/運(yùn)