erp与数据挖掘技术的结合new

《erp与数据挖掘技术的结合new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、ERP与数据挖掘技术的结合使用摘要：传统的erp系统实现了对数据的查询和统计，但缺乏对各子系统的综合查询、辅助决策的支持。在目前的erp产品中，与数据挖掘技术的结合还较少，erp与数据挖掘的结合必定使erp系统的应用更加有效，对此研究具有实践意义。本文主要围绕在erp中使用数据挖掘技术展开研究，将数据挖掘理论应用于实际的erp项目中，实现erp系统与数据挖掘技术的结合。关键词：erp；数据挖掘；数据仓库；olap引言erp（企业资源计划enterpriseresourceERP与数据挖掘技术的结合使用摘要：传统的erp系统实现了对数据的查询和统计，但缺乏对各子系统的综合查询、辅助决策的支持。

2、在目前的erp产品中，与数据挖掘技术的结合还较少，erp与数据挖掘的结合必定使erp系统的应用更加有效，对此研究具有实践意义。本文主要围绕在erp中使用数据挖掘技术展开研究，将数据挖掘理论应用于实际的erp项目中，实现erp系统与数据挖掘技术的结合。关键词：erp；数据挖掘；数据仓库；olap引言erp（企业资源计划enterpriseresourceERP与数据挖掘技术的结合使用摘要：传统的erp系统实现了对数据的查询和统计，但缺乏对各子系统的综合查询、辅助决策的支持。在目前的erp产品中，与数据挖掘技术的结合还较少，erp与数据挖掘的结合必定使erp系统的应用更加有效，对此研究具有实践意

3、义。本文主要围绕在erp中使用数据挖掘技术展开研究，将数据挖掘理论应用于实际的erp项目中，实现erp系统与数据挖掘技术的结合。关键词：erp；数据挖掘；数据仓库；olap引言erp（企业资源计划enterpriseresourceplanning）是以管理思想为基础，建立在信息技术之上的一整套管理信息系统，其目的是整合、优化企业资源。在erp的发展中，增加数据仓库dw和联机分析处理olap功能引人注目。在传统的erp系统中，实现了联机事务处理功能，但局限于对数据的查询和统计，对各子系统的综合查询、辅助决策的支持欠缺。由于erp系统的发展及我国erp系统应用水平的提高，数据量越来越大，企业领

4、导对决策的要求越来越高，希望从纷繁的日常数据中得到对企业发展有益的信息，希望能够提供更高层次的数据分析功能，更好地辅助领导进行管理决策。而从大量的数据中找到一些潜在规律，正是数据挖掘研究处理的内容。随着数据挖掘的出现与发展，数据挖掘的技术已经逐渐成熟，应用领域也越来越广。从选型到erp中的各个系统的应用，都可以使用数据挖掘技术，以提高系统的辅助决策能力。一、数据挖掘技术在销售管理中的应用由于销售管理是任何企业都不可或缺的管理内容，销售管理系统是整个erp系统中的重要组成部分，除了提供报价单、订单、发货单等业务处理功能外，还应根据销售的历史情况进行市场分析、汇总统计出对有利于于企业的经营决策信

5、息。销售分析中，联机分析处理（olap）技术将起到重要的作用。比如，当企业发现一种产品销售额下降，必须弄清究竟是哪些地区甚至哪个具体城市、哪类销售渠道、哪类产品的影响，在产品性能、质量、价格和服务上同竞争对手有什么差异，有无时间和季节波动的影响。只有掌握具体、细致和实时的信息，才能及时做出正确的决策。销售的统计分析是对销售流程中各项主要业务的处理结果和运作情况进行统计分析，是了解企业销售情况的重要手段。在大量的销售数据中，如何发现潜在的销售机会是非常重要的。如对产品进行销售地区分类，对空间数据库进行挖掘，按洲、国家、省/地区分析不同的产品在不同的区域的欢迎程度。由于产品有区域特性，有的产品在

6、欧洲销售业绩很好，但在亚洲就不一定受欢迎，外销的产品由于营销的前期成本较大，分析产品的区域相关性，可使销售更有针对性、从而降低销售成本。还可查询分析历史数据中不同年份、不同月份产品的销量情况；预测今后的销售量；根据对历史数据中不同销售价格与销售数量的分析，建议合理的销售价格，从而提高销售额；也可根据不同的价格与销售数量、毛利的分析，从提高毛利的出发点来建议价格。在销售统计中，多种数据挖掘技术都可使管理者得到有用的信息来辅助决策，以下列出几项数据挖掘技术的具体使用。（一）决策树的使用。分析客户类别、价格、折扣、日期对销售量有不同的影响程度先进行数据的预处理，按客户销售表、客户表、地区表得到以下

7、顾客数据库数据元组训练集表格。将原数据中的折扣、价格、销售金额从数值转化为字符类型，如折扣0-5以“5折以下”标识、6-10以“5折以上”标识。类标号属性购买产品程序有两个不同值(即{大量，少量})，因此有两个不同的类(m＝2)。设类c1对应于大量，而类c2对应于少量。类大量有11个样本，类少量有4个样本。计算对给定样本分类所需的期望信息和信息增益值。将具有最高信息增益的属性选作测试属性。创建一个节点，用测试