商业智能BI在劳动密集型企业产品营销中的应用研究

论文摘要

随着入世后全球化的步伐加快,企业竞争方式向深层次、智能化转变,我国传统劳动密集型企业的发展面临着重重阻力。虽然ERP、OA等信息化系统已经应用到许多企业中,也带来了一定的效益,但是这些系统在业务处理过程中产生的大量数据是操作型数据,不能直接进行分析处理,企业也不能自动从这个海量数据中获得对管理决策有用的信息。如何把这些数据变成有利于决策的信息是当前企业面临的主要问题之一,而建立商业智能系统是解决这一问题的最好方法。商业智能通常被理解为将企业中现有的数据转化为信息,帮助企业做出明智的业务经营决策的工具。在企业做大做强的过程中,商业智能扮演着至关重要的角色,它使企业能精确地把握不断变化的商业环境,做出快速而准确的管理决策。商业智能的支撑技术包括数据仓库、联机分析处理和数据挖掘。其中数据仓库技术用于搭建集成数据环境,联机分析处理和数据挖掘技术则为各用户角色提供不同层次、面向主题的数据分析手段。本文结合省科技厅重大项目课题,针对新光饰品有限公司展开研究,关于如何在劳动密集型企业内部实现商业智能这个问题进行了一些探索,提出了一套切实可行的面向劳动密集型企业的BI解决方案。在深入了解劳动密集型企业的行业特点和领域知识,通过对数据仓库、OLAP技术、数据挖掘技术的学习研究,详细阐述了商业智能技术在劳动密集型企业产品营销中的应用。本文的主要工作如下:1.从技术体系角度,对商业智能的核心技术进行总体介绍,并根据实际情况选定系统开发工具。2.根据市场的实际分析需求,设计了三个数据仓库的主题,分别是产品主题、销售主题和客户主题,并在SQL Server 2005中建立基于这三个主题的数据仓库。将企业现有ERP和OA系统中的原始数据经过抽取、清洗、转换,加载到数据仓库中,构成面向主题的、集成的、时变的数据仓库,有效地实现企业各类信息的整合、共享,为商业智能系统的OLAP分析和挖掘搭建数据环境,且对商业智能系统的安全实现进行了讨论。3.在所建的数据仓库上,用微软的Analysis Services对三个分析主题建立对应的多维数据集,用MDX语言实现各种分析需求和数据的钻取、切片、切块,使得商业智能系统可以快速反馈复杂查询的分析结果,并用Reporting Services开发基于Web的前端数据展现和Pivot Table开发基于客户端的数据分析,实现及时准确的产品营销分析、客户/市场分析等等,为企业的管理、决策提供及时可靠的信息依据。4.在分析决策树和时序算法的基础上,详细介绍了决策树算法及决策树的构造,并选用此算法设计和实现了预测型挖掘模型,用来分析、预测客户类型,同时使用时序算法实现对企业的销售分析、预测,将企业中现有的数据转化为知识,实现对商业数据中隐藏信息的挖掘,为决策人员提供决策的依据。

论文目录

• 摘要
• ABSTRACT
• 符号说明
• 第一章 绪论
• 1.1.研究背景及意义
• 1.2.国内外研究现状
• 1.2.1.商业智能理论研究及进展
• 1.2.2.商业智能已有的应用解决方案及产品现状
• 1.2.3.商业智能在劳动密集型企业中的应用现状
• 1.3.本文主要的工作
• 1.4.本文的基本框架
• 1.5.本章小结
• 第二章 商业智能核心技术及工具介绍
• 2.1.数据仓库技术
• 2.1.1.数据仓库概念
• 2.1.2.从数据库到数据仓库
• 2.1.3.数据仓库的结构
• 2.2.OLAP技术
• 2.2.1.OLAP基本概念和特征
• 2.2.2.OLAP的基本操作
• 2.2.3.OLAP的实现方式
• 2.3.数据挖掘技术
• 2.3.1.数据挖掘基本概念
• 2.3.2.数据挖掘结构
• 2.3.3.常用数据挖掘分析方法
• 2.4.开发环境和工具选型
• 2.4.1.SQL Server 2005 BI解决方案介绍
• 2.4.2.开发工具选型
• 2.4.3.Analysis Service介绍
• 2.5.本章小结
• 第三章 劳动密集型企业商业智能系统的数据仓库分析与设计
• 3.1.需求分析
• 3.2.商业智能系统解决方案
• 3.3.数据仓库设计
• 3.3.1.概念模型设计
• 3.3.2.逻辑模型设计
• 3.3.3.物理模型设计
• 3.4.数据仓库的实施
• 3.4.1.数据准备
• 3.4.2.数据加载
• 3.4.3.数据处理
• 3.5.系统的安全设计
• 3.5.1.身份验证模式
• 3.5.2.基于角色的访问模式
• 3.6.本章小结
• 第四章 OLAP在劳动密集型企业产品营销中的应用
• 4.1.OLAP与数据仓库的关系
• 4.2.OLAP的设计与实现
• 4.2.1.建立多维数据集
• 4.2.2.查看多维数据集
• 4.2.3.多维查询扩展语言MDX
• 4.3.基于数据仓库的前端数据展现
• 4.3.1.Pivot Table数据展现
• 4.3.2.Reporting Services报表服务
• 4.4.本章小结
• 第五章 数据挖掘在劳动密集型企业产品营销中的应用
• 5.1.应用数据挖掘进行客户分类和销售预测的必要性分析
• 5.2.决策树算法在客户分类中的应用
• 5.2.1.分类算法选择
• 5.2.2.决策树算法概述
• 5.2.3.决策树的构造
• 5.2.4.决策树模型的实现
• 5.3.时序算法在销售预测中的应用
• 5.3.1.时序算法概述
• 5.3.2.Microsoft时序算法描述
• 5.3.3.Microsoft Time Series模型的实现
• 5.4.本章小结
• 第六章 结束语
• 6.1.本文贡献
• 6.2.进一步工作与设想
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文情况和参加的科研项目