基于数据仓库的餐饮销售预测系统研究及应用

论文摘要

随着餐饮企业信息化系统的建立,企业的各个业务系统积累了大量的数据,但这些数据缺乏组织性并且数据的利用率太低,餐饮企业决策者急需了解隐藏在这些数据背后的重要知识以辅助企业的决策制定,数据仓库技术的出现为决策支持系统的开发提供了一条全新的途径。本文通过充分了解用户需求的基础上,提出一种基于数据仓库技术建立销售预测系统,其主要工作如下:1)餐饮数据仓库建模的研究:对某一具体餐饮企业的需求进行分析,提出数据仓库的三阶段规范化模型描述的集成化建模方法,即概念模型的设计、逻辑模型的设计、物理模型的设计三个阶段;为了保证数据转换、加载等有效进行,提出基于元数据主键映射代理的清洗过程,以解决企业内部异构数据源的问题。2)基于时间序列的决策树分类移动平均预测模型建立:依据餐饮企业预测数据频繁、预测量大和季节性等特点,设计一种基于时间序列的决策树分类移动平均预测模型,该模型将历史销售数据利用决策树算法和依据餐饮销售实际生成分类规则,随后将预测时间点对应的销售数据依据其他特征进行自动归类,在具有相同特征的历史销售数据类内进行移动平均计算,得出预测时间点菜肴销售量,从而消除了波动性、季节性因素等影响,同其他复杂时间序列预测方法相比具有简单、符合行业特征、操作实际性强等优点。3)通过对某一餐饮企业的预测系统设计和应用,对其预测数据与实际销售数据以及移动平均预测得出数据进行实际比较,验证了基于时间序列的决策树分类移动平均预测方法适用性、有效性和先进性。通过本文的研究将进一步提高决策系统在餐饮企业信息化中的理论和应用水平,并且提出利用时序分类数据挖掘来对销售预测进行预测,具有一定的理论意义和应用推广价值。

论文目录

• 内容摘要
• Abstract
• 引言
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 1.4 论文组织结构
• 2 销售预测及决策支持系统
• 2.1 销售预测概述
• 2.2 销售预测在餐饮业中的作用和重要性
• 2.3 决策支持系统概述
• 2.4 决策支持系统在餐饮业的应用分析
• 2.5 餐饮销售决策支持系统的体系结构及组成
• 3 餐饮销售数据仓库的建立
• 3.1 数据仓库研究
• 3.2 餐饮销售数据仓库体系结构
• 3.3 餐饮销售数据仓库开发模型设计
• 3.4 异构数据转换的关键映射技术
• 3.5 系统平台的构建
• 4 基于时间序列分类移动平均模型及其实现
• 4.1 时间序列预测简述
• 4.2 基于时间序列的分析的短期预测方法
• 4.3 决策树算法
• 4.4 基于决策树分类移动平均预测模型
• 5 预测方法在餐饮销售预测中的应用及验证
• 5.1 餐饮销售预测数据特征
• 5.2 模型在餐饮销售预测中的具体应用
• 5.3 模型预测结果比较和验证
• 6 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 后记
• 附录：攻读硕士学位期间发表的部分学术论著