数据挖掘在零售业销售管理中的应用

论文摘要

信息技术的发展使得企业积累了海量的历史数据,而这些数据让企业越来越难以管理和利用。为了提高对数据的处理能力和获得有利于企业运作的信息,可以在传统数据库的基础上建立数据仓库进行数据挖掘,从而从收集到的数据中经过深层分析帮助企业发现有用的模式和规则,这样能够快速做出有效的决策。企业中拥有的大量销售数据背后隐藏着许多重要的信息,但由于人们目前所使用工具的局限性而无法将其快速有效地挖掘出来。数据挖掘能够根据销售数据的来源、特点创建预测模型,帮助企业从大量的数据中抽取有用的商业信息,从而提高公司的市场竞争力。本文对数据仓库和数据挖掘的相关理论和技术进行了阐述,结合武汉金如意软件有限公司的实例,探讨了数据仓库技术、数据挖掘在进销存系统销售管理中的应用。分析了销售管理的业务活动和数据关系并讲述了销售决策支持系统的设计和实现过程,设计了数据仓库的概念模型、逻辑模型、物理模型,完成了数据仓库的生成、数据仓库的使用与维护。通过SQL Server 2008中的SSIS组件,实现了对数据源的数据进行抽取、转换和装载,并利用SSIS建立了数据立方体以满足联机分析处理和数据挖掘的需要。本文根据数据挖掘技术在零售业行业中的应用范围和特点,提出了基于销售管理模块的数据挖掘系统设计框架。该框架分为表现层、算法层和数据层。在此框架基础上设计了基于数据仓库的B/S(Browser/Server,浏览器/服务器)结构的销售决策支持系统,在销售管理基本功能上,增加了销售预测子系统,该子系统运用BP神经网络算法,对进销存系统销售模块中的大量数据进行了训练分析。预测得到了最近三年的销售情况,为公司管理层和决策层提供辅助决策信息。这样有效的提高了销售管理水平,有利于制定公司的战略。随着数据仓库和数据挖掘技术的发展,现在越来越多的企业建立了自己的数据仓库。建立基于数据仓库的决策支持系统,有利于提高决策者高效数据分析的能力,充分挖掘和利用过去零散的信息。预测分析对于企业未来的发展战略起着重要的作用。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及选题意义
• 1.2 国内外研究现状
• 1.3 本文主要研究内容
• 第2章 数据仓库与数据挖掘介绍
• 2.1 数据仓库
• 2.1.1 数据仓库产生背景
• 2.1.2 数据仓库定义
• 2.1.3 数据仓库的特点
• 2.1.4 数据仓库中的关键名词
• 2.2 联机分析处理
• 2.2.1 OLAP的概念与特点
• 2.2.2 OLAP的典型操作
• 2.3 数据挖掘
• 2.3.1 数据挖掘的概念
• 2.3.2 挖掘结构和挖掘模型
• 2.3.3 数据挖掘的功能
• 2.3.4 数据挖掘的意义
• 2.4 OLAP与数据挖掘的关系
• 2.5 本章小结
• 第3章 系统分析与设计
• 3.1 系统目标和解决的问题
• 3.1.1 系统目标
• 3.1.2 系统解决的问题
• 3.2 系统可行性和必要性的分析
• 3.3 系统需求问题描述
• 3.4 数据挖掘系统设计框架
• 3.5 系统设计
• 3.5.1 系统设计原则
• 3.5.2 系统体系结构
• 3.5.3 销售分析预测程序结构设计
• 3.5.4 系统开发平台
• 3.6 数据仓库的设计
• 3.6.1 建立数据仓库的主要步骤
• 3.6.2 企业模型的建立
• 3.6.3 数据仓库概念模型设计
• 3.6.4 数据仓库逻辑模型设计
• 3.6.5 数据仓库物理模型设计
• 3.6.6 OLAP建模方法
• 3.6.7 数据抽取转换加载
• 3.6.8 建立数据立方
• 3.6.9 销售管理系统的联机分析处理
• 3.7 小结
• 第4章 BP算法在预测子系统的应用
• 4.1 数据挖掘算法
• 4.1.1 神经网络BP算法介绍
• 4.1.2 电器销售预测中BP神经网络模型
• 4.2 销售管理决策支持系统的实现
• 4.3 销售预测子系统的实现
• 4.3.1 预测子系统的目标
• 4.3.2 预测子系统的过程
• 4.3.3 预测子系统主要功能结构分析
• 4.3.4 BP算法流程图及其算法
• 4.3.5 预测结果
• 4.4 小结
• 第5章 总结与展望
• 5.1 全文工作总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文、参与的科研项目