基于数据仓库的库存分析系统研究与开发

论文摘要

信息作为现代企业的宝贵资源,占据着越来越重要的地位,成为科学管理的基础,正确决策的前提,有效调控的手段。随着企业信息化进程的推进,越来越多的数据存储在企业的数据库中,企业内部已积累了海量数据。如何有效地利用这些数据,从中挖掘出有价值的知识和规则来支持企业管理决策,提升企业的综合竞争力是摆在企业管理者面前的一个重要而紧迫的任务。近年来,随着数据仓库技术(DW)、联机分析处理技术(OLAP)和数据挖掘(DM)技术的发展,开创了基于数据仓库的决策支持系统(DSS)研究的新方向。本课题以制造企业库存分析决策支持系统的构建为背景,首先介绍了国内外数据仓库技术的发展与应用现状;数据仓库的概念与特点;数据仓库的体系结构;数据仓库的建模方法;数据的抽取、转换和加载技术;联机分析处理(OLAP)技术;数据挖掘技术。其次,从数据仓库数据库、多维数据集的构建方面,设计了一个基于数据仓库的企业库存分析决策支持系统,并以福州西城电子有限公司的历史数据为依据对本系统的有效性和可行性进行验证。接着阐述了经典的关联规则挖掘算法—Apriori算法、人工神经网络以及决策树算法在本系统中的应用。最后,通过同企业原先ERP系统在结构、性能、安全等方面的比较,体现了基于数据仓库技术的决策支持系统的优越性,同时指出了今后有待研究和完善的问题。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景与意义
• 1.2 国内外研究现状与水平
• 1.3 课题来源
• 1.4 本课题主要研究内容
• 1.5 本章小结
• 第二章 数据仓库及其相关技术概述
• 2.1 ERP企业资源计划
• 2.2 数据仓库（DW）
• 2.2.1 数据仓库与传统数据库的区别与联系
• 2.2.2 数据仓库的概念和基本特征
• 2.2.3 数据仓库的体系结构
• 2.2.4 数据仓库模型设计
• 2.2.5 数据的抽取、转换和加载
• 2.3 联机分析技术（OLAP）
• 2.3.1 OLAP的含义与特点
• 2.3.2 OLAP系统的结构
• 2.3.3 OLAP的基本操作
• 2.3.4 OLAP结构的展现方法
• 2.4 数据挖掘（DM）
• 2.4.1 数据挖掘技术产生的背景
• 2.4.2 数据挖掘的概念及分类
• 2.5 本章小结
• 第三章 库存分析系统的设计与实现
• 3.1 需求分析
• 3.2 系统体系结构设计
• 3.3 数据仓库模型设计
• 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 数据预处理过程模型设计
• 3.4.1 将数据预处理集成在数据仓库构建过程中
• 3.4.2 数据仓库体系结构的改进方法
• 3.4.3 数据缓冲区中样本数据预处理
• 3.5 元数据存储平台设计
• 3.6 库存决策联机分析（OLAP）应用的实现
• 3.6.1 创建数据仓库
• 3.6.2 SQL Server中的数据仓库访问与操纵
• 3.7 本章小结
• 第四章 库存分析决策支持
• 4.1 库存分析决策支持系统关联规则的挖掘
• 4.1.1 关联规则的基本思想
• 4.1.2 Apriori算法在库存分析决策支持系统中的应用
• 4.1.3 Aporiori存在问题分析及改进措施
• 4.2 神经网络在企业物料安全库存分析中的应用
• 4.2.1 BP神经网络的基本原理
• 4.2.2 应用实例
• 4.2.3 结果分析
• 4.3 基于决策树算法的企业客户购买力分析
• 4.3.1 问题提出
• 4.3.2 产品安全库存分析主题数据仓库的体系结构
• 4.3.3 数据仓库数据的归约预处理
• 4.3.4 客户购买力判定树的构建
• 4.4 企业信息化建设中数据挖掘技术应用前景展望
• 4.5 本章小结
• 第五章 工作总结
• 5.1 本文的主要工作
• 5.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文