商业智能系统在零售行业中的研究与应用

论文摘要

中国加入世界贸易组织后,随着对外开放步伐的加快,商贸企业间的竞争愈加激烈,特别是零售业正面临前所未有的挑战。企业要想在竞争中立于不败之地,必须能够纵观历史和洞察未来趋势,以快速做出决策,应对市场变化。而快速决策来自于对市场、客户、企业营销状况等的正确、充分分析。原有的ERP系统作为一种管理系统难以做到这一点,而商业智能系统则可以很好的解决这个问题。商业智能是一种综合运用了数据仓库、联机分析处理和数据挖掘技术来处理和分析数据的崭新技术,它使我们能够将数据转变为信息和知识。本文依托于由电子信息产业发展基金所支持的面向零售业的商业智能分析平台项目,在深入分析和研究商业智能系统的数据仓库、ELT和数据挖掘等核心技术和充分调研的基础上,提出了适合零售行业的商业智能系统的总体架构。本系统采用了B/S结构进行开发,减少了开发的周期,便于实施。遵从了MVC模式进行开发,设计了表示层,业务层和数据持久层,使软件的结构更加清晰,增加了系统可扩展性,便于升级和管理。本文还对关联规则中经典的Apriori算法进行了分析。该算法在分析大型数据集时有搜索时间长,消耗系统空间大的缺点。针对这一缺点,本文提出了一种基于矩阵的Apriori算法。并将改进后的算法成功的应用到了购物篮分析中,通过对隐含的顾客购买模式的发现,为管理者提供了有效的决策支持信息。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 商业智能的基本概念
• 1.2 商业智能的发展及现状
• 1.2.1 国外发展现状
• 1.2.2 国内发展现状
• 1.3 商业智能的技术走向
• 1.4 课题研究的来源及意义
• 1.5 本章小结
• 第二章 商业智能的主要技术
• 2.1 数据仓库（Data Warehouse）
• 2.1.1 数据仓库的定义和特点
• 2.1.2 传统数据库与数据仓库的差异
• 2.1.3 数据仓库系统体系结构
• 2.1.4 主题、粒度和维度
• 2.1.5 建立数据仓库的步骤
• 2.2 数据抽取转换和装载（ETL）
• 2.2.1 ETL 的基本概念
• 2.2.2 ETL 各部分的功能
• 2.3 联机分析处理（OLAP）
• 2.3.1 OLAP 的概念与特点
• 2.3.2 OLAP 的典型操作
• 2.3.3 OLAP 的系统架构
• 2.4 数据挖掘（Data mining）
• 2.4.1 数据挖掘的概念
• 2.4.2 数据挖掘的分类
• 2.4.3 数据挖掘的主要算法
• 2.5 联机分析处理与数据挖掘的关系
• 2.6 本章小结
• 第三章 系统方案设计
• 3.1 系统需求分析
• 3.2 系统设计原则
• 3.3 系统体系结构
• 3.3.1 B/S 结构
• 3.3.2 MVC 模式
• 3.4 系统开发平台
• 3.4.1 J2EE 平台的特点
• 3.4.2 Tomcat 服务器的特点
• 3.4.3 Oracle 数据库
• 3.5 系统环境介绍
• 3.6 本章小结
• 第四章 系统的分析维度设计
• 4.1 超市的经营特点
• 4.2 超市的分析维度
• 4.2.1 确立分析维度的步骤
• 4.2.2 分析维度设计
• 4.3 本章小结
• 第五章 关联规则挖掘研究和购物篮分析
• 5.1 关联规则挖掘概述与定义
• 5.1.1 关联规则挖掘的概述
• 5.1.2 关联规则的定义
• 5.2 关联规则挖掘的基本概念
• 5.2.1 关联规则的性质
• 5.2.2 关联规则挖掘的分类
• 5.3 关联规则挖掘的算法
• 5.3.1 Apriori 算法
• 5.3.2 基于矩阵的 Apriori 算法
• 5.4 基于关联规则的购物篮分析
• 5.5 本章小结
• 第六章 BISYS 的系统实现
• 6.1 用户登录模块
• 6.2 用户权限设计和管理员模块
• 6.2.1 系统的用户权限设计
• 6.2.2 管理员模块
• 6.3 数据提取模块
• 6.4 数据转换模块
• 6.5 OLAP 展示管理模块
• 6.6 OLAP 展示模块
• 6.7 购物篮模块设计
• 6.8 本章小结
• 结论与展望
• 1 结论
• 2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文