- 相關(guān)推薦
超市商業(yè)智能模型研究
摘 要:針對(duì)超市這種商業(yè)企業(yè)經(jīng)營(yíng)決策的需要,以某POS系統(tǒng)為例,在不影響超市POS系統(tǒng)運(yùn)行的前提下對(duì)POS系統(tǒng)的數(shù)據(jù)庫(kù)進(jìn)行少量修改,進(jìn)而設(shè)計(jì)出數(shù)據(jù)倉(cāng)庫(kù)、多維數(shù)據(jù)集、數(shù)據(jù)挖掘模型和報(bào)表模型,通過(guò)商業(yè)智能門(mén)戶(hù)向企業(yè)數(shù)據(jù)分析人員和經(jīng)營(yíng)決策人員提供操作簡(jiǎn)便、界面好的平臺(tái)。關(guān)鍵詞:商業(yè)智能;數(shù)據(jù)倉(cāng)庫(kù);OLAP1 引言
隨著競(jìng)爭(zhēng)的加劇,POS系統(tǒng)在零售企業(yè)中得到了廣泛的應(yīng)用。POS系統(tǒng)和聯(lián)機(jī)電子秤等極大地提高了前臺(tái)銷(xiāo)售和盤(pán)存的速度,并可以隨時(shí)打印各項(xiàng)報(bào)表,使得零售企業(yè)的日常管理實(shí)現(xiàn)了信息化,為企業(yè)積累了豐富的、比較完整的能反映企業(yè)經(jīng)營(yíng)過(guò)程的數(shù)據(jù)。為了充分利用大量歷史數(shù)據(jù),各零售企業(yè)開(kāi)始建設(shè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng),在商品分析、銷(xiāo)售分析、庫(kù)存分析、客戶(hù)分析等方面取得了一定的成功。但是目前零售企業(yè)的數(shù)據(jù)分析存在一定缺陷:
。1)對(duì)客戶(hù)的分析有一定的片面性。我國(guó)零售業(yè)(超市)的客戶(hù)多數(shù)是居民,超市POS系統(tǒng)可以記錄居民的姓名、年齡、地址、電話、職業(yè)、受教育程度等基本信息?蛻(hù)信息記錄的是會(huì)員個(gè)人的信息,但使用會(huì)員卡的可能是家庭的任何成員。目前的POS系統(tǒng)中沒(méi)有記錄這些家庭信息,從而導(dǎo)致客戶(hù)分析的不準(zhǔn)確。
(2)貨架分析。目前的POS系統(tǒng)記錄了每一筆銷(xiāo)售,但沒(méi)有記錄商品銷(xiāo)售前所擺放的貨架。需要分析商品在不同貨架的銷(xiāo)售情況時(shí)因?yàn)槿鄙龠@個(gè)信息而無(wú)法進(jìn)行。
。3)目前零售業(yè)的數(shù)據(jù)分析系統(tǒng)一般采用DW OLAP DM的結(jié)構(gòu),主要以C/S的模式實(shí)現(xiàn),一般要求用戶(hù)對(duì)數(shù)據(jù)和模型比較熟悉,主要供數(shù)據(jù)分析人員使用,而企業(yè)經(jīng)營(yíng)決策者因?yàn)閷?duì)數(shù)據(jù)和模型不熟悉而不能自如使用這個(gè)系統(tǒng)。
綜上所述,對(duì)原POS系統(tǒng)的數(shù)據(jù)庫(kù)進(jìn)行適當(dāng)修改以適應(yīng)數(shù)據(jù)分析的需求,用商業(yè)智能系統(tǒng)對(duì)DW、OLAP、DM進(jìn)行整合并利用商業(yè)智能門(mén)戶(hù)向使用者提供統(tǒng)一的界面有十分重要的現(xiàn)實(shí)意義。
2 商業(yè)智能的概念
商業(yè)智能(Business Intelligence ,簡(jiǎn)稱(chēng) BI)的概念最早是GartnerGroup 的Howard Dresner于1996年提出來(lái)的。當(dāng)時(shí)將商業(yè)智能定義為一類(lèi)由數(shù)據(jù)倉(cāng)庫(kù)(或數(shù)據(jù)集市)、查詢(xún)報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的技術(shù)及其應(yīng)用。商業(yè)智能可以說(shuō)是提高企業(yè)市場(chǎng)競(jìng)爭(zhēng)力的一種技術(shù)手段或方法論,一般包含數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘三個(gè)部件。
3 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
3.1 超市數(shù)據(jù)倉(cāng)庫(kù)的主題分析
根據(jù)前面的分析,我們可以確定以下幾個(gè)主題:
。1)銷(xiāo)售主題:對(duì)銷(xiāo)售情況進(jìn)行多維分析,以發(fā)現(xiàn)銷(xiāo)售數(shù)據(jù)的異常變化并追溯原因。
。2)商品主題:對(duì)商品的進(jìn)銷(xiāo)存及退貨進(jìn)行分析,為超市進(jìn)行商品品種和品牌調(diào)整分析提供數(shù)據(jù)。
。3)客戶(hù)主題:對(duì)客戶(hù)的購(gòu)買(mǎi)情況進(jìn)行多維分析,以分析客戶(hù)的購(gòu)買(mǎi)習(xí)慣、計(jì)算客戶(hù)的價(jià)值、進(jìn)行客戶(hù)流失預(yù)測(cè)等。
。4)貨架主題:位置不同,貨架的租金也不相同。通過(guò)分析不同類(lèi)別在不同貨架的銷(xiāo)售及利潤(rùn),為超市調(diào)整商品而已提供支持。
3.2 超市數(shù)據(jù)倉(cāng)庫(kù)邏輯結(jié)構(gòu)
確定了數(shù)據(jù)倉(cāng)庫(kù)的主題后,就要根據(jù)主題設(shè)計(jì)主題的邏輯結(jié)構(gòu)。在上述主題中,銷(xiāo)售主題、客戶(hù)主題和商品主題可以設(shè)計(jì)成雪花結(jié)構(gòu),而供應(yīng)商主題、貨架主題可以設(shè)計(jì)成星型結(jié)構(gòu)。這些模型通過(guò)公共維度表形成星座模型。 4 對(duì)源系統(tǒng)數(shù)據(jù)庫(kù)的修改
如前所述,目前POS系統(tǒng)提供的數(shù)據(jù)與實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)各主題所需的數(shù)據(jù)相比存在一定差距,這是因?yàn)镻OS系統(tǒng)中數(shù)據(jù)定義不全面造成的。但POS系統(tǒng)是一種典型的OLTP系統(tǒng),高效準(zhǔn)確地處理銷(xiāo)售事務(wù)是它最重要的功能,它不會(huì)為了滿(mǎn)足分析處理的要求而增加額外的功能從而降低系統(tǒng)運(yùn)行效率,而企業(yè)也不必要為了滿(mǎn)足分析環(huán)境的需要就廢除現(xiàn)有的系統(tǒng)重新開(kāi)發(fā)或者購(gòu)買(mǎi)新的POS系統(tǒng)。一個(gè)折衷的辦法是對(duì)現(xiàn)有系統(tǒng)的數(shù)據(jù)庫(kù)進(jìn)行修改以適應(yīng)分析環(huán)境的需要。
4.1 客戶(hù)信息的補(bǔ)充
OLTP系統(tǒng)一般是通過(guò)存儲(chǔ)過(guò)程實(shí)現(xiàn)對(duì)數(shù)據(jù)表記錄的追加,可以直接修改表的結(jié)構(gòu)和存儲(chǔ)過(guò)程實(shí)現(xiàn)客戶(hù)信息的補(bǔ)充。某POS系統(tǒng)的客戶(hù)信息表包含以下字段:編號(hào)、名稱(chēng)、電話、傳真、地址、郵編、聯(lián)系人、開(kāi)戶(hù)銀行、帳號(hào)、備注;其增加客戶(hù)記錄的存儲(chǔ)過(guò)程:INSERT INTO會(huì)員表(會(huì)員卡號(hào),姓名,折扣,累計(jì)金額,性別,生日,身份證號(hào),電話,地址,郵編,備注,換算金額)VALUES (@P1,@P2,@P3,@P4,@P5,@P6,@P7,@P8,@P9,@P10,@P11,@P12)上面的SQL語(yǔ)句完整地以參數(shù)形式給出了添加的數(shù)據(jù)項(xiàng)以及對(duì)應(yīng)的字段,因此給客戶(hù)表增加字段不會(huì)影響該語(yǔ)句的功能。同樣對(duì)查詢(xún)、更新、刪除客戶(hù)信息的存儲(chǔ)過(guò)程進(jìn)行分析,發(fā)現(xiàn)只要不刪除表中現(xiàn)有字段及改變字段定義,給表添加字段不會(huì)影響現(xiàn)有功能的使用。
為了增加客戶(hù)分析的全面性,滿(mǎn)足客戶(hù)主題分析的需求,可在數(shù)據(jù)表中增加所需要的字段:教育程度、家庭人口、與超市距離等;另外增加一個(gè)存儲(chǔ)過(guò)程以向數(shù)據(jù)庫(kù)的客戶(hù)表寫(xiě)入客戶(hù)的這些補(bǔ)充信息,并在后臺(tái)增加一個(gè)程序界面以調(diào)用該存儲(chǔ)過(guò)程實(shí)現(xiàn)新客戶(hù)信息的錄入功能。
4.2 貨架數(shù)據(jù)的補(bǔ)充
如果POS系統(tǒng)沒(méi)有貨架信息,就必須先在數(shù)據(jù)庫(kù)中建立貨架信息表,并給商品表中每種商品加上所處貨架字段一般而言,同一種品牌的同一個(gè)類(lèi)(系列)商品是擺放在一個(gè)貨架上的,所以只需要在商品類(lèi)別表中加上貨架信息,通過(guò)類(lèi)別表與商品表之間一對(duì)多的關(guān)聯(lián)與以及類(lèi)別表與貨架表之間的多對(duì)一關(guān)系就可以為商品和貨架之間建立聯(lián)系。
在商品入庫(kù)時(shí)設(shè)置好商品的分類(lèi),當(dāng)調(diào)整貨架后,在商品類(lèi)別表中更新貨架信息。將數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)時(shí),不僅要加載每一筆銷(xiāo)售業(yè)務(wù),也需要根據(jù)類(lèi)別表將每件銷(xiāo)售出去的商品的貨架信息寫(xiě)入數(shù)據(jù)倉(cāng)庫(kù),作為外鍵與貨架維度表相關(guān)聯(lián)。
5 OLAP及挖掘模型的建立
根據(jù)前面主題分析的結(jié)果,本系統(tǒng)建立了商品、銷(xiāo)售、客戶(hù)、貨架等四個(gè)OLAP模型。
本系統(tǒng)采用SQL Server 2005 Microsoft Visual Studio 2005開(kāi)發(fā)。用SQL Server Business Intelligence Development Studio建立多維數(shù)據(jù)集和數(shù)據(jù)挖掘模型,用Reporting services展示數(shù)據(jù)。SQL Server 2005 Reporting Services(SSRS)是一種基于服務(wù)器的解決方案,用于生成從多種關(guān)系數(shù)據(jù)源和多維數(shù)據(jù)源提取內(nèi)容的企業(yè)報(bào)表,發(fā)布能以各種格式查看的報(bào)表,以及集中管理安全性和訂閱。它可以從多維數(shù)據(jù)集中動(dòng)態(tài)取得數(shù)據(jù),支持切片、下鉆、上卷等多維操作,并能以圖形方式展示結(jié)果數(shù)據(jù);此外它還為開(kāi)發(fā)人員提供了若干編程接口。
在數(shù)據(jù)挖掘方面,使用Microsoft SQL Server 2005 Analysis Services (SSAS) 提供的關(guān)聯(lián)算法對(duì)交易清單進(jìn)行挖掘;用聚類(lèi)算法對(duì)客戶(hù)進(jìn)行劃分;用線性回歸算法分析商品銷(xiāo)售隨季節(jié)變化的規(guī)律,并依此規(guī)律評(píng)價(jià)促銷(xiāo)效果;用決策樹(shù)算法對(duì)客戶(hù)購(gòu)買(mǎi)習(xí)慣進(jìn)行分析。
在信息展示方面,利用商業(yè)智能門(mén)戶(hù)提供了一個(gè)統(tǒng)一的展示平臺(tái),將數(shù)據(jù)挖掘的結(jié)果、聯(lián)機(jī)分析處理的操作及結(jié)果在簡(jiǎn)潔的門(mén)戶(hù)站點(diǎn)中顯示出來(lái),這個(gè)門(mén)戶(hù)還支持?jǐn)?shù)據(jù)報(bào)表的發(fā)布與獲取。
6 結(jié)束語(yǔ)
本文提出的模型主要是供企業(yè)內(nèi)部經(jīng)營(yíng)管理人員和決策人員使用。由于該模型采用模式,只在加強(qiáng)對(duì)使用者的身份驗(yàn)證,對(duì)與供應(yīng)商和客戶(hù)相關(guān)的數(shù)據(jù)和模型進(jìn)行適當(dāng)調(diào)整,該模型也可以通過(guò)Internet向企業(yè)的供應(yīng)商和客戶(hù)開(kāi)放。
參考文獻(xiàn)
。1]?陳京民.?dāng)?shù)據(jù)倉(cāng)庫(kù)原理、設(shè)計(jì)與應(yīng)用[M].北京:中國(guó)水利水電出版社,2004.
。2]?劉智,桑國(guó)明等.基于數(shù)據(jù)倉(cāng)庫(kù)連鎖店決策支持系統(tǒng)模型的研究[J].計(jì)算機(jī)與數(shù)字工程,2005,(8),22-24.
【超市商業(yè)智能模型研究】相關(guān)文章:
商業(yè)銀行資產(chǎn)負(fù)債管理模型的應(yīng)用研究06-06
Home.Net模型/架構(gòu)研究06-01
制造產(chǎn)品智能集成報(bào)價(jià)系統(tǒng)研究08-26
網(wǎng)購(gòu)顧客滿(mǎn)意度影響因素模型研究05-15
淺談智能建筑的未來(lái)發(fā)展趨勢(shì)研究論文(精選21篇)05-09
談智能決策支持系統(tǒng)及其在林業(yè)中的應(yīng)用研究08-21
審計(jì)風(fēng)險(xiǎn)模型的演進(jìn)及應(yīng)用08-26
食油采購(gòu)加工模型05-11
淺談智能移動(dòng)電話與移動(dòng)智能網(wǎng)的發(fā)展08-08
壓縮遞增年資的數(shù)量模型與分析06-07