基于数据仓库的制造企业产品销售分析

论文摘要

计算机辅助决策技术可以整合制造型企业的生产、经营、设计、制造系统中的数据，提供准确有效的决策支持信息，使管理决策者能够及时掌握企业运营状况，快速进行决策，为企业带来丰厚的经济回报。因此，面向企业管理开展决策支持技术的研究和应用具有重要意义。决策支持系统应用于企业建立起生产销售分析体系，能够获得准确、全面、及时的状况信息，发现并深入分析问题，提供人机互动的平台。本文重点针对某化学建材生产集团的产品销售，基于数据仓库技术进行了联机分析和数据挖掘研究，主要研究内容和成果如下：（1）研究了如何在原有单一联机分析系统的基础上，应用统计回归与聚类数据挖掘方法将原有的销售分析系统，扩展为联机分析与数据挖掘相融合的系统。（2）讨论了面向销售分析的数据仓库设计过程，建立数据仓库的逻辑模型和物理模型，并实现对销售分析主题数据的抽取、转换和向数据仓库的加载。（3）基于Micorstrategy实现了产品销量联机分析的实体、事实、度量等构件的设计，创建不同的销售报表，并对报表的进行钻取、统计分析，获得直观的结果显示，便于企业进行生产管理，制定生产计划。（4）基于Matlab，对企业关键产品的年度总销量提出了统计回归分析模型，并进行了回归分析实现。（5）提出了基于产品销量的营销中心简单分类方法，建立了基于销量的K-Means营销中心的聚类模型，应用C++Builder进行了聚类算法实现。论文的研究成果在企业中进行了实际验证和应用，能够分析产品的销量情况，产品销售的地域差距，预测销量趋势，考核分公司业绩。应用效果良好。

论文目录

• 摘要
• Abstract
• 目录
• 绪论
• 第一章 数据仓库及相关技术
• 1.1 数据仓库体系结构
• 1.2 数据仓库
• 1.2.1 数据仓库的特点和相关术语
• 1.2.2 数据仓库与数据库设计的区别
• 1.2.3 数据仓库的数据组织
• 1.2.4 数据仓库的物理设计
• 1.3 数据提取转换加载
• 1.3.1 ETL的必要性
• 1.3.2 ETL的工作内容
• 1.3.3 ETL的主流程
• 1.4 联机分析处理
• 1.4.1 相关术语
• 1.4.2 OLAP的操作
• 1.4.3 OLAP数据分析过程
• 1.5 数据挖掘
• 1.5.1 数据挖掘算法
• 1.5.2 数据挖掘的应用范围
• 1.5.3 数据挖掘的过程
• 本章小结
• 第二章 基于数据仓库的销售分析与挖掘系统的总体结构
• 2.1 集团的数据仓库体系结构
• 2.1.1 数据仓库体系软件产品
• 2.1.2 选择软件工具
• 2.1.3 集团的数据仓库体系结构
• 2.2 基于数据仓库的销售分析和挖掘系统的结构
• 2.2.1 需求分析
• 2.2.2 主题域定义
• 2.2.3 结构设计
• 2.3 挖掘模型的选择
• 2.3.1 销量趋势预测
• 2.3.2 营销中心的分类
• 2.4 其他关键技术方案
• 2.4.1 在线采集方案
• 2.4.2 面向销售分析和挖掘的ETL方案
• 2.4.3 面向销售分析的OLAP方案
• 本章小结
• 第三章 系统的数据仓库设计
• 3.1 概念模型设计
• 3.2 技术准备工作
• 3.3 逻辑模型设计
• 3.3.1 元数据
• 3.3.2 数据仓库的粒度确定
• 3.3.3 多维模型设计
• 3.4 物理模型设计
• 3.4.1 事实表和维表设计
• 3.4.2 建立索引
• 3.5 数据仓库生成与维护
• 本章小结
• 第四章 面向销售分析的OLAP
• 4.1 OLAP工具Microstrategy
• 4.1.1 Microstrategy中的术语
• 4.1.2 Microstrategy建立报表过程
• 4.2 产品月销量分析
• 4.3 关键产品销量分析
• 本章小结
• 第五章 基于统计回归的销售预测研究
• 5.1 回归算法的思想
• 5.2 回归分析软件工具
• 5.3 基于回归的销量预测
• 5.3.1 采集数据
• 5.3.2 建立回归方程
• 5.3.3 预测2006年销量
• 本章小结
• 第六章 营销中心聚类分析
• 6.1 聚类算法思想
• 6.1.1 聚类算法中的数据类型
• 6.1.2 相异度的度量
• 6.1.3 K平均值算法
• 6.2 简单分类
• 6.3 销售聚类分析
• 6.3.1 聚类分析的实现
• 6.3.2 平台使用软件
• 6.3.3 准备分类数据
• 6.3.4 界面设计
• 6.4 分析结果
• 本章小结
• 结论
• 参考文献
• 附录
• 攻读硕士学位期间发表的学术论文
• 致谢