超市app送货上门软件_基于数据仓库的中小超市决策支持系统

来源:IT计算机 发布时间:2019-05-20 05:37:23 点击:

  摘要: 近年来,基于数据仓库的决策支持系统快速发展。笔者根据中小超市的特点,对其决策支持系统的数据仓库、联机分析处理及数据挖掘进行了初步设计,实现对购买趋势、商品盈利、商品采购、货架排放几个部分的分析,以辅助中小超市在激烈竞争环境中的决策。
  关键词: 决策支持系统; 数据仓库
  
  1 概述
  
  中小超市在我国零售业中占有重要地位。与大型连锁超市相比,中小超市的经济基础相对薄弱,而主管人员的经验决策往往难以适应复杂的环境变化。同时,一个地区内中小超市之间竞争激烈,传统的广告、降价、赠送等营销手段已显得力不从心。面对这种情况,建立一套适合中小超市的决策机制便显得尤为重要。笔者基于Windows XP 下的后台服务器/ 中间服务器/ 客户端三层结构,利用Microsoft SQL Server 2005,设计了一个基于数据仓库的中小型超市决策支持系统,希望对中小超市在竞争中求得发展有所帮助。
  
  2 数据仓库设计
  
  2.1概念模型设计
  数据仓库中数据的组织是面向主题的,因而首先要确定主题。主题是一个在较高层次将数据归类的标准,它能反映出分析对象所涉及的各项数据以及相互联系。[1]本系统确定了三个基本主题:商品、销售和供应商。其中“商品”主题的公共键码为商品编号,属性包括:商品编号、商品名称、所属类别、供应商编号、供应价、供应量、供应日期。“销售”主题的公共键码为销售流水号,属性包括:商品编号、供货商编号、单价、采购价、销售量、销售日期。“供应商”主题的公共键码为供应商编号,属性包括:供应商名称、地址、联系方式、重要程度。
  2.2逻辑模型设计
  2.2.1事实表设计
  事实表用来存储主题的主干内容,包含业务销售数据,如现金登记事务、商品交易事物等产生的数据。[2]目前绝大多数超市都已经安装并正在使用销售终端系统(POS)。每一张POS清单都是一次交易过程的具体记录,包含了消费者一次购买活动的全部信息,且数据丰富,其内部蕴含着大量的潜在信息。因此,可将POS交易清单经过处理后作为数据仓库的主要事实表,包含销售流水号、商品编号、供货商编号、商品单价、商品采购号、商品利润、购买数量、累计销售额、累计利润、交易时间等内容。以此事实表为中心,各维度表按星型模式连接到中心事实表。
  2.2.2维度表设计
  一个对象的维度通常包含多个属性,设计维度表的主要目的就是把这些属性的值放置在一个单独的表中。根据前面已经确定的事实表的内容,可设计供货商、商品、采购、时间四个维度表。供货商维表包含供货商编号、供货商地址、供货商名称、联系方式、重要程度等内容,通过供货商编号连接到事实表;商品维表包含商品编号、商品名称、商品类别等内容,通过商品编号连接到事实表;采购维表包含商品采购号、采购价格、采购时间等内容,通过商品采购号连接到事实表;时间维表采用多重粒度划分,包含交易时间、季度、月、日等内容,通过交易时间连接到事实表。
  2.3物理模型设计
  物理模型设计的一个重要工作就是索引的构建。位图索引是目前比较实用的一种索引技术。该索引由一系列二进制位组成,其中每个位对应表中一条记录,第一位对应物理位置上的第一条记录,第二位则对应第二条物理记录,若符合索引条件则取值为1,不符合取值为0。每条记录都按照这一规律一一对应,直到表结束。
  
  3 OLAP设计
  
  联机分析处理(OLAP),是基于数据仓库的应用而提出的一种数据分析机制。OLAP的功能主要是建立OLAP分析模型,在OLAP分析模型上进行获取数据、OLAP分析操作、展示OLAP分析结果等。利用Microsoft SQL Server 2005中的 Analysis Services 通过上钻、下钻、旋转、切片等操作,可实现以下几个功能:
  销售分析:管理人员能够对商品的销售情况进行查询和分析。比如:某一具体时间下各种商品的销售情况;某一时间段内的销售情况;不同时期销售情况的对比等。通过销售分析,管理人员可以对超市的经营情况有一个直观的了解,便于进行决策。
  商品分析:通过对商品进行跟踪调查,判断商品的生命周期。对处于生长期的商品,可采用大量的广告和展销等方式以打开商品销路;对处于发展期的商品,可通过各种营销手段保持市场增长率;对处于稳定期的商品,应尽量吸引消费者的购买兴趣,开拓市场,以延长商品的稳定期;对处于衰退期的商品,则应审时度势,寻找其他替代商品。
  供货商分析:对不同供货商提供的同一种商品的销量及利润进行比较分析,从而更好地选择供货商。例如某饮料的供货商有甲、乙、丙三家,其中甲的供货价格最高,乙其次,丙最低。通过OLAP综合了销售、盈利等方面的因素分析之后,发现选用供货价格中等的乙供货商所获得的利润最多,因此应选择乙供货商,而不是供货价格最低的丙。
  
  4 数据挖掘设计
  
  数据挖掘(Data Mining) 就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程,近年来逐渐成为人们广泛应用的一种方法。[4]数据挖掘包括分类、回归、时间序列、聚类、关联及序列发现等多种模式。笔者选用分类、关联和序列发现三个模式完成以下三项任务:
  分类分析:把超市中所有商品分为四类:高销量高盈利商品、高销量低盈利商品、低销量高盈利商品、低销量低盈利商品。分析样本中每一类商品所具有的特征,建立分类规则,以便根据新商品的特征对其进行分类。在这一模块中将使用基于信息熵的ID3决策树分类方法。
  关联分析:利用关联规则找出顾客一次消费中被同时购买的商品。在关联分析方面,“尿布与啤酒”一直是经典案例。全球最大的零售商沃尔玛通过对销售记录进行关联分析,发现与啤酒同时售出最多的竟然是婴儿的尿布。于是他们将二者摆在一起,这一举措使得啤酒和尿布的销量都大幅增加。这就是人们常说的“购物篮分析”。通过这种分析,将“尿布与啤酒“的个例推广到超市中的各类商品,从而指导超市的商品摆放、货架安排、搭配销售等营销策略。关联分析中将用到目前使用比较广泛的Aprior算法。
  序列发现分析:使超市经营者能够根据已经被顾客所购买的商品预测出即将被购买的商品,并制定相应的营销措施。[5]例如通过对历史销售资料进行序列分析后发现,用户在购买了打印机之后,还会再购买墨盒、打印纸等后续商品。因此,在打印机出现大规模售出之后,便应考虑适当增加墨盒、打印纸等后续商品的购进,同时还可采取一些广告、展示等营销手段,激发顾客的购买欲,引导顾客的购买兴趣,从而实现效益的提高。
  
  5 结语
  
  超市只有充分挖掘现有销售记录中包含的潜在信息知识,发现顾客的购买偏好,掌握顾客的消费习惯,并尝试引导顾客的消费兴趣,将管理重心由销售转向客户,才能在激烈的竞争中站稳脚跟,求得发展。可见,决策支持系统在中小超市中的应用具有重要意义。
  
  参考文献:
  [1]俞磊,周国祥. 基于DW的连锁超市决策支持系统的研究与设计.计算机技术与发展,2007,4:42
  [2]http://baike.省略/view/1953078.htm
  [3]陈京民著。数据仓库原理、设计与应用[M]。北京:中国水利水电出版社,2004
  [4]胡桂林。常用数据挖掘软件比较[J]。《国外医学》卫生经济分册,2005(1):20
  [5]俞磊,周国祥. 基于DW的连锁超市决策支持系统的研究与设计.计算机技术与发展,2007,4:44

推荐访问:支持系统 数据仓库 决策 超市
上一篇:【政府绩效智能决策支持系统体系结构与功能组成分析】 决策支持系统的结构
下一篇:最后一页

Copyright @ 2013 - 2018 四八文档网-文档下载,办公室文档软件 All Rights Reserved

四八文档网-文档下载,办公室文档软件 版权所有 沪ICP备09019570号-4