0 前言
現代經濟的發展使得加工制造技術的可獲得性大為增加,加工制造環節的競爭非常激烈,利潤空間呈下降趨勢。在此情況下,從以加工制造為主轉向更加重視營銷和研發,向2端延伸是現代制造業開拓市場價值空間的普遍選擇。
從需求的角度來看,伴隨著競爭環境的變化,需要更加關注合作企業的多樣化、個性化需求,要求企業開始重視生產環節以外的競爭,如對不同企業需求變化特點的調查、消費環境的營造等等。在這種條件下,以往單方面一味地強調加工制造的生產方式已經不能適應當今市場需求的變化,營銷和市場的開拓在煤炭企業發展過程中作用越來越突出,并且更加注重通過定制和及時響應來分析挖掘顧客的購買價值的作用越來越大。
1 背景技術
數據倉庫技術(Data warehouse):它是1個面向主題的、不可更新的、并且是會隨時間的變化而會不斷變化的數據集合,它用于支持企業或組織的決策分析處理,同時也是近年來興起的數據庫應用,能夠將煤炭企業應用系統中的數據進行全面的清理、綜合以及分析,這樣數據能夠更好地發揮其作用,為煤炭企業的管理決策提供服務。
煤炭企業的CRM,首先,CRM是1種管理的理念和策略。該系統將煤炭企業的客戶作為最重要的資源來源,通過深入地對客戶進行分析和完善的客戶服務,不斷地了解顧客需求,提供給客戶滿意的產品和服務,與客戶群建立長期合作、穩定的關系,在企業客戶滿意的同時實現了企業價值的最大化;其次,CRM也是1種技術和軟件系統。1個完整的客戶關系系統綜合應用了數據倉庫技術、數據挖掘等信息技術,為煤炭企業的銷售、客戶服務和決策支持等領域提供1個業務自動化的解決方案。煤炭企業采購通常為批量訂貨,客戶關系需要長期穩定。煤炭市場的這一特點決定了在煤炭企業適合采用具有針對性的個性化營銷。煤炭企業通過實施客戶關系管理,可以及時掌握用戶的存貨情況,以此為基礎開展個性化營銷工作,增強企業的市場競爭能力,更好地維護煤炭企業的客戶關系閉。
2 數據倉庫的設計
數據倉庫系統是面向主題的,文中基于數據挖掘的煤炭企業客戶關系管理系統的目的就是要在客戶關系的基礎上對客戶行為的滿意度等需求進行具體分析,從而得出結論,掌握客戶行為規律,可以有效地幫助企業從客戶的具體需求出發,能夠準確地制定當今的市場決策,不斷維護和拓展相應的客戶,同時對優化煤炭企業內部資源,提高企業運作效率,挖掘更多創收機遇,可以實現收益的最大化。可見客戶關系系統的主題既是客戶,所以該系統的客戶關系管理模塊要做到的是:把握和贏得客戶。
傳統煤炭企業的CRM系統雖然系統功能很強大,但是它不能讓管理人員進行有效地預測、統計、分析、使用和評估,無法滿足煤炭企業管理人員進行高效、快速的分析和決策。為了解決這些問題,煤炭企業在CRM系統上實施數據倉庫的解決方案。
設計時采用星型多維模型,這種數據模型直觀且簡化了數據結構,有助于提高查詢的性能。數據倉庫中的每1個主題對應1個星型模型結構,由事實表和若干維表組成。
數據倉庫平臺的開發過程相當復雜,它不同于一般系統平臺的設計,因為數據倉庫中的數據是面向主題,因此,其開發過程是1個數據驅動的過程,包括軟硬件配置、體系結構的設計、技術的選擇、開發環境等倉庫體系結構的設計,但硬件的配置也是不可忽略的1個部分,需要考慮到硬件對整個數據倉庫平臺性能的影響,如數據倉庫數據庫服務器、OU巾查詢服務器、Web服務器、應用服務器。整個平臺使用pb為前端開發工具,微軟SQL Server2000為目標數據庫。微軟SQL Server2000提供了一套完整的數據倉庫分析和解決框架,它集成了一系列的工具,是下一代可擴展的商務和數據倉庫解決方案之一。微軟通過把服務集成到技術平臺中,使得商業智能系統和數據倉庫的實現更容易。SQL Server2000提供如下組件,如DTS,Replieation,Analysis Service,English Query,Meta Data Services,使數據倉庫的實現非常容易(如圖1)。
圖1 數據倉庫的體系結構
3 數據挖掘中粗集理論的數據簡化決策的應用
粗集理論是近年來發展起來的1種智能信息處理方法,該理論研究的是不精確知識的表達、學習和歸納等方法。
3.1 粗集理論模式識別的原理
令P,Q∈R。P,Q是關于論域U的知識,且K=(U,P)和K=(U,Q)為2個知識庫,當Ulind(P)=Ulind(Q),即當U|P=U|Q時,稱K和K|是等價的。其中,Ind(P),ind(Q)表示基于屬性P,Q的不可分辨關系。因此,當K和K|都有同樣的基本范疇集。
這個概念意味著可以用不同的屬性集對對象進行分類,以表達關于論域的完全相同的事實。把這個概念與分類相聯系時可以這樣理解:假定P是要分類的對象的特征集,p是分類結果屬性集,用P描述的對象的等價類與用Q描述的分類結果的等價類具有完全相同的事實。
3.2 基于粗集理論的知識簡化原理
在模式識別中,經常要在保持知識庫中對初等范疇的情況下消去冗余基本范疇,進行知識的簡化。對于屬性子集P、R,若存在Q=P-r,Q、P,使得ind(Q)=ind(P),且Q為最小子集。則Q稱為P的簡化,用red(P)表示。稱r為P中可省略的,否則r為P中不可省略的。r為P可省略的這個概念與分類相聯系,可以這樣理解:P是表達被研究的對象的屬性集合,在近似表達中有一些特征作用不大,可以去掉這些屬性而不影響對對象的表達,去掉冗余屬性r后,剩下的屬性集仍然保留其等價關系。1個屬性集合P可能有多種簡化。P中所有簡化屬性集合都包含的不可省略關系的集合,即簡化red(P)的交可稱為P的核。記作core(P)。
3.3 決策規則的簡化原理
決策規則的簡化是利用決策邏輯分別消去決策算法中每個決策規則的不必要條件。它不是整體上的簡化屬性,而是針對每個決策規則,去掉表達該規則時的冗余屬性值,以便進一步使決策算法最小化。
3.3.1 決策規則簡化原理
當θ→Ψ為1個決策規則,且θ和Ψ分別為P基本公式和Q基本公式時,P,Q已知,則決策規則θ→Ψ稱為PQ基本決策規則,簡稱PQ規則。P,Q可以看成知識表中的條件屬性和決策屬性。若θ→Ψ為PQ規則,且a∈P,當且僅當|=sθ→Ψ蘊含|=sθ(P-{a})→Ψ時,稱屬性a是規則θ→Ψ中可省略的。
3.3.2 數據集成的神經網絡的有效性評判
針對不同模型的特點,引進相應的神經網絡方法。
BP算法本質上是以網絡誤差的平方和為目標甬數,按梯度法求其目標函數達到最小值的算法,具體如下:
(1)初始化,選定一結構合理的網絡。置所有可調參數(權和閥值)為均勻分布的較小數值。
(2)對每個輸入樣本作如下計算:
前向計算
最后集成各個運行穩定的子系統,構造出協調的、實用的智能系統。
3.3.3 優化物流配
對于貨物的配送,若賦權有向圖N=(V,E)內任一條邊e∈E的容量c(e)都為非負整數,且已取定V的2個非空子集X和Y,且X∩Y=φ,則(N,c,X,y)稱為運輸網絡N。其中V為頂點集,E為邊集,x={X1,x2…,xn}中的頂點為網絡N的貨流發點,Y={y1,y2,…,yn}中的頂點為網絡N的貨流收點。若對E中任一邊e=(u,v),再對應1個非負實數d(e),稱為邊e的代價(通常表示1個單位的流量從頂點u流向頂點v所需的費用),則配送網絡為N=(V,E,c,d,X,Y)。根據各出發地的貨物預測發送量和各收貨站的貨物預測到達量,把神經網絡運用網絡規劃的理論和算法求解運輸網絡的最小代價最大流,并由此確定網絡中每條運輸徑路的預測運量,實現總運費最小。
3.3.4 優化銷售、庫存比例
對于一定周轉資金,如何選擇資金投向,以獲得最大銷售利潤的基本模型為:
maxf=a1x1+a2x2+…+anxn并滿足b1x1+b2x2+…+bnxn<m
其中xi為第i種產品的進貨量,ai為第i種產品的銷售利潤,bi為第i種產品的進貨成本,m為周轉資金(i=1,…,n)。而進貨量又與銷售量、庫存量等因素有關,綜合各個因素組成復雜模型,利用神經網絡求出最大利潤。基于數據倉庫,數據挖掘技術及計算機仿真技術,實施經營決策支持系統,為公司的決策層提供過程中的決策支持。主要功能包括:
(1)營銷網絡布局決策,包括網點布局,渠道設計,區域劃分等。
(2)經營實體之間的供需協作關系決策。
(3)經營實體間的利益分配決策。
(4)庫存量及訂貨點決策。
(5)物流,信息流及資金流仿真與優化。
(6)產品品種分析。
(7)銷售分析。
(8)經營分析。
(9)綜合報表分析。
4 結語
創建數據倉庫的宗旨是輔助決策,本文主要論述了數據倉庫的構建技術,針對煤炭行業的數據特點,分析企業的需求,對業務數據進行多維分析,利用微軟數據挖掘算法建立數據挖掘模型,并把分析結果展現給用戶,為用戶提供決策的依據,從而增強我國煤炭企業的市場競爭能力,更好更快地推動煤炭企業的發展。
核心關注:拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用,蘊涵了豐富的ERP管理思想,集成了ERP軟件業務管理理念,功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理,全面涵蓋了企業關注ERP管理系統的核心領域,是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文網址:http://www.guhuozai8.cn/html/consultation/1082058092.html