基于决策支持系统的化工企业销售分析模型研究

论文摘要

在加入WTO之后,我国化工企业比以往任何时候都面临着更为复杂的生存环境,竞争的压力对化工企业高层管理者制定决策的质量和速度都提出了更高的要求。在这样的大背景下,困惑决策者的问题是:如何动态跟踪市场,怎样准确制定销售计划。本文围绕我国化工企业销售分析模型现状,提出了多因素关联销售分析模型,并通过实证分析验证了模型的可行性。论文阐述了决策支持系统、数据仓库、销售预测的有关理论,通过对国际化工行业市场和我国化工行业市场发展现状以及未来趋势、国外化工企业和我国化工企业销售管理现状的分析,找出我国化工企业销售管理中存在的问题以及原因。在此基础上,分析了我国化工企业销售模型的应用现状,从而找出目前销售模型的四个局限:实现模型的技术手段落后、模型功能单一关联性差、辅助决策的销售分析模型有待开发、数据特征多样用户选择方法难度大。论文从四个方面提出了基于决策支持系统的化工企业销售分析模型的实现目标:数据来源、预测和分析方法、模型功能、模型智能化程度方面,并且阐述了该模型实现的前提条件。在此基础上,论文提出了多因素关联销售分析模型,对该模型技术支持、原理、前提假设、构造、适用范围和功能等分别进行阐述,从而成功构建基于决策支持系统的多因素关联销售分析模型。最后对该模型进行实证分析,通过实际数据运行模型,并就数据进行分析,从而实现了辅助销售计划制定的功能,验证了模型的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文选题的背景、目的和意义
• 1.1.1 选题的背景
• 1.1.2 选题的目的和意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 研究现状综述
• 1.3 论文研究的总体思路、结构和研究方法
• 1.3.1 论文总体思路
• 1.3.2 论文结构
• 1.3.3 研究方法
• 1.4 论文创新之处
• 第2章 基本理论综述
• 2.1 决策支持系统理论
• 2.1.1 决策支持系统的定义
• 2.1.2 决策支持系统的特征
• 2.1.3 基于数据仓库的决策支持系统
• 2.2 数据仓库和数据挖掘理论
• 2.2.1 数据仓库的定义
• 2.2.2 数据仓库的特性
• 2.2.3 数据挖掘的定义
• 2.2.4 数据挖掘的特征
• 2.2.5 数据仓库与数据挖掘的关系
• 2.3 销售预测理论
• 2.3.1 销售预测的基本概念
• 2.3.2 销售预测方法
• 2.4 本章小结
• 第3章 化工行业市场及化工企业销售管理现况分析
• 3.1 化工行业市场现状分析
• 3.1.1 国际化工行业市场现状分析
• 3.1.2 我国化工行业市场现状分析
• 3.2 化工企业的销售管理现状分析
• 3.2.1 国外化工企业销售管理现状
• 3.2.2 我国化工企业销售管理现状
• 3.3 我国化工企业销售管理存在问题及原因分析
• 3.4 本章小结
• 第4章 基于决策支持系统的化工企业销售分析模型的总体框架
• 4.1 我国化工企业销售模型的应用现状
• 4.2 我国化工企业销售模型的局限
• 4.3 基于决策支持系统的化工企业销售分析模型的实现目标
• 4.3.1 销售分析模型实现的总体目标
• 4.3.2 销售分析模型实现的具体目标
• 4.4 基于决策支持系统的化工企业销售分析模型实现的前提条件
• 4.4.1 以决策支持系统为技术依托
• 4.4.2 将数据仓库作为数据源
• 4.4.3 人员培训
• 4.5 本章小结
• 第5章 基于决策支持系统的化工企业销售分析模型的构建
• 5.1 多因素关联销售分析模型的提出
• 5.2 多因素关联销售分析模型的技术支持
• 5.2.1 模型的运行环境
• 5.2.2 模型采用的数据挖掘技术
• 5.3 多因素关联销售分析模型的原理
• 5.4 多因素关联销售分析模型的数据处理
• 5.4.1 模型的数据处理过程
• 5.4.2 模型的数据文件
• 5.5 多因素关联销售分析模型的构造
• 5.5.1 模型的前提假设
• 5.5.2 影响化工产品销售的因素分析
• 5.5.3 多因素关联销售分析模型的构造
• 5.5.4 模型的适用范围
• 5.6 多因素关联销售分析模型的功能
• 5.7 本章小结
• 第6章 实证分析
• 6.1 样本的选择
• 6.2 原始数据的统计
• 6.3 模型运行过程
• 6.4 模型的实现
• 6.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢
• 附录A