0 前言
隨著以計算機為主的信息技術的發展，煤炭企業的數據量越積越多，但其中能為企業管理者有用的信息并不多，這里的有用的信息主要是能為企業決策者提供依據或提供參考的信息。數據挖掘是從大量的、不完全的、有噪聲的、甚至是隨機的數據中提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。它可以按照企業的管理目標，對企業的大量數據進行分析和處理，挖掘其中隱藏的、未知的規則和信息，并進一步將其模型化，然后將分析結果用于管理決策，提高企業管理者的決策能力和決策水平，進而提高企業管理者的管理效率和企業的經濟效益。
目前，許多企業都廣泛采用了ERP軟件系統，但由于ERP軟件本身功能的不足，有的只能提供基本的數據查詢和分析。有的缺乏對高層次的數據分析和決策行為的支持，這就需要通過數據挖掘技術在ERP中的應用來改善現有ERP系統。
1 數據挖掘技術
1.1數據挖掘的概念
數據挖掘，在人工智能領域，習慣上又稱為數據庫中的知識發現(Knowledge Discovery in Database，KDD)，也有人把數據挖掘視為數據庫中知識發現過程的一個基本步驟。知識發現過程由以下3個階段組成：(1)數據準備；(2)數據挖掘；(3)結果表達和解釋。數據挖掘可以與用戶或知識庫交互。典型數據挖掘系統的結構如圖1所示。
圖1 典型的數據挖掘系統的結構
并非所有的信息發現任務都被視為數據挖掘。例如．使用數據庫管理系統查找個別的記錄，或通過因特網的搜索引擎查找特定的Web頁面．則是信息檢索(information retrieval)領域的任務。雖然這些任務是重要的。可能涉及使用復雜的算法和數據結構，但是它們主要依賴傳統的計算機科學技術和數據的明顯特征來創建索引結構，從而有效地組織和檢索信息。盡管如此，數據挖掘技術也已用來增強信息檢索系統的能力。
1.2 數據挖掘的過程
一般而言，數據挖掘的過程中各步驟的大體內容如圖2：
圖2數據挖掘過程圖
第1步確定挖掘對象
清晰地定義出主題業務，明確數據挖掘的目的是數據挖掘的首要步驟，挖掘的最后結構是不可預測的，但要探索的問題應是具有預見性的，為了數據挖掘而數據挖掘則帶有盲目性，是不會成功的。
第2步挖掘前的準備
(1)數據選擇
搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據。
(2)數據預處理
研究等挖掘數據的質量，為進一步的分析做準備，并確定將要進行的挖掘操作的類型。
(3)數據轉換
將待挖掘數據轉換成一個分析模型。這個分析模型是針對某種或某幾種挖掘算法建立的，建立一個真正適合挖掘算法的分析模型是數據挖掘成功的關鍵。
第3步數據挖掘
對所得到的經過轉換的數據進行挖掘。除了完善從中選擇合適的挖掘算法外，其余一切工作都應該可以自動地完成。
第4步數據結果分析
解釋并評估分析結果，其使用的分析方法一般應依數據挖掘操作而定，通常情況下可能會用到可視化技術。
第5步知識的同化
將數據分析所得到的知識集成到業務信息系統的組織結構中去。
2 煤炭企業ERP的功能分析
企業資源計劃(EntERPrise Resource Planning，ERP)是建立在以計算機為主的信息技術基礎上，利用現代企業的先進管理思想，全面集成企業各種資源信息，為企業提供計劃、組織、控制和決策等方面的全方位和系統化的管理平臺。煤炭企業ERP涉及煤炭企業的采購管理、生產管理、銷售管理、物流管理、財務管理以及人力資源管理等各個方面的管理問題。中國煤炭企業經過多年的努力，企業信息基礎設施建設已經具備一定規模，在信息建設和資源管理等方面，計算機設備和計算機應用水平處于國內領先地位。煤炭企業高層已經意識到了以計算機為主的信息技術的是企業行業領域的發展趨勢，煤炭企業會計信息系統逐步從核算型過渡到財務管理型，適應ERP企業的管理模式，具有財務分析和領導決策功能，覆蓋整個財務、采購、銷售等工作范圍，成為ERP和電子商務系統的核心系統。但是在煤炭企業ERP實施當中，隨著ERP軟件系統積累的數據不斷增加，數據管理相對落后的問題已隨之出現。傳統的數據分析和處理方法(如查詢、報表)根本無法快速、有效地從大量數據中獲取所需的數據，煤炭企業ERP系統自身也缺乏高層次的數據分析和決策支持手段，只能提供較為簡單的數據顯示和數據查詢，企業管理決策者們無法從龐大的業務數據中獲取隱藏的知識，這就使得數據挖掘技術在煤炭企業ERP的數據分析和處理中有廣泛的應用空間。
3 數據挖掘在煤炭企業ERP中的應用實例
為了證實基于數據挖掘技術的煤炭企業ERP的應用的可行性和有效性，通過下面相關實驗進行說明。通過對近年來中國部分煤炭企業ERP系統數據庫的查詢，得到了2006～2010年煤炭企業營業額的相關數據(見表1)，利用數據挖掘進行未來3a的營業額數據預測。
表1 2006～2010年中國部分煤炭企業營業額 單位：億元
預測方法采用灰色預測模型GM(1，1)。灰色理論的微分方程模型稱為GM模型(Grey Model)。模型是將原始數據列作生成處理后建立模型方程。GM(1，1)表示1階1個變量的微分方程模型模型。
建模的步驟如下：
(1)由原始數列x(0) ，計算累加生成數列x(1) 。
(2)對x(1) ，采用最上二乘法按下式確定模型參數：
(3)建立預測模型，求出累加序列：
計算之后，可得預測結果，如表2所示。
表2 中國部分煤炭企業營業額預測值 單位：億元
實驗結果表明，GM模型預測精度較高，這說明單變量灰色預測在煤炭企業銷售量預測中是可行的，其分析結果對于煤炭銷售策略的制定、市場細分、目標客戶群的確定具有一定的參考價值。
4 結語
煤炭企業與標準的制造業相比，具有很多不同的特點，研究煤炭企業實施ERP的可行性和解決方案具有很強的理論和實際意義。文中通過對煤炭企業各種數據深入分析，探索數據倉庫和數據挖掘技術在ERP企業中的應用模式，建立基于數據挖掘技術的煤炭企業ERP系統，從而提高煤炭企業ERP系統的決策功能，真正做到運用數據挖掘等信息技術改造傳統的煤炭企業，優化企業資源，提高決策分析水平，增強綜合競爭力。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：基于數據挖掘技術的煤炭企業ERP應用研究
本文網址：http://www.guhuozai8.cn/html/consultation/1081997939.html
相關文章
