基于數據倉庫的網絡商店決策支持系統研究

程麗麗

(臺州職業技術學院，浙江臺州318000)

1.研究背景

隨著計算機網絡技術和數據庫技術的高速發展，為網絡商店的繁盛提供了技術的支持、交易的平臺和豐富的資源。網絡商店已經由小規模不斷發展為大規模，而傳統的網絡商店的人工管理方式，已經無法適應快速發展的需求。越來越多的網絡商店考慮使用電子化的信息管理系統來代替人工管理方式，提高運營效率，增加收益。

傳統的信息管理系統中數據庫技術的應用往往將關注的重點放在如何進行日常業務的處理、如何實現數據的收集、查詢、存儲、統計、處理等功能，更多的是數據事務系統。隨著網絡商店的數量不斷遞增，規模不斷擴大，對系統的要求不是僅局限于數據的一般事務處理，而是如何借助系統，把原始的銷售經營數據轉化為網絡商店決策支持的價值信息，獲取最大的競爭優勢，搶占市場。

數據倉庫技術的應用則能夠解決目前網絡商店經營者思考的問題，彌補傳統的數據庫技術在分析應用、決策支持上的缺陷[1]，快速、準確、高效地從大量的歷史數據、報表、單據中萃取信息，獲得知識。數據倉庫是研究和解決從數據庫中獲取信息的問題，是決策支持系統和聯機分析應用數據源的結構化數據環境，它的特點是面向主題的、集成的、穩定的和時變的[2]。數據倉庫是分析系統的數據平臺，為用戶提供分析和決策的支持，把有價值的分析數據從事務處理環境中提取出來進行重新組織，同時建立分析處理的環境[3]。

2.數據倉庫在網絡商店中的應用

目前網絡商店數量急速增加，經營者與客戶是一種距離交易方式，這和實體店的面對面交易方式有很大的不同，提高網店的點擊率、吸引顧客的眼球、獲得良好的信譽評價、提高網店的等級等等都是網店經營者所關心的問題。如何將利益最大化、如何摸清市場需求、如何組織銷售行為、如何控制庫存、如何尋找最優供應商、如何分析客戶群等等都成為了經營者亟待解決的問題。

數據倉庫可以保證對業務數據的便捷訪問，解決負責的問題。通過對大量原始數據的分析，幫助網絡商店經營者解決最關心、最敏感的問題，這些問題中可能是如何選擇商品打造爆款、熱銷款；如何對商品進行布局設計、組合設計，以提高銷量；如何控制庫存，保證爆款熱銷商品的有效供應，如何對滯銷商品進行庫存清倉；如何對市場需求進行預測，保證商品采購的合理提前期；如何對商品評價結果進行分析，尋找客戶最關心的問題，并解決問題。

這些問題，可以通過建立基于數據倉庫的網絡商店決策支持系統，利用數據挖掘技術，獲得有價值的決策信息，在日益激烈的網絡商店競爭中脫穎而出。

3.基于數據倉庫系統結構構建

數據倉庫是在原有的數據庫系統的基礎上，利用抽取、轉換、裝載等方法去分析、集成和挖掘現有的數據資源，為管理者提供決策支持[4]。數據倉庫體系結構由三部分組成，分別是數據獲取、數據存儲管理和數據展現，基于數據倉庫的網絡商店決策支持系統體系結構如圖1。

在該三層結構中，我們把它分為四個部分，分別為：處理對象、核心構件、手段方法、工具。

(1)處理對象。也就是數據源，數據源作為該系統的處理對象，是整個系統數據的源泉。一般分為企業的內部信息和外部信息，在這里數據源主要包括：計劃信息、銷售信息、庫存信息、采購信息、物流信息、客戶信息、供應商信息和評價、流量信息等。

(2)核心構件。數據倉庫是整個系統的核心部分。其關鍵在于對數據進行存儲和管理。數據倉庫的組織方式與傳統的數據庫有所不同，它能夠決定對外部數據的表現形式[5]。要選擇產品和技術來建立數據倉庫，需要從數據倉庫技術特點入手，對現有的業務系統的數據進行抽取、清理，并有效集成。

(3)手段方法。借助數據挖掘和聯機分析，聯機分析主要是對需要的數據進行有效集成，按多維模型予以組織，以便進行多角度、多層次的分析，并發現趨勢[6]。數據挖掘主要是面向具體的應用，并不是簡單的數據處理和操作，它能夠為某一個具體的應用尋找可行的、合理的方案，為各級決策者提供支持，提高效益，節約成本。

(4)工具。工具主要是指前端工具，主要包括各種報表工具、查詢工具、數據分析工具、數據挖掘工具以及各種基于數據倉庫或數據集市的應用開發工具[7]。其中數據分析工具主要針對OLAP服務器，報表工具、數據挖掘工具主要針對數據倉庫。

基于數據倉庫的系統結構主要采用了自底向上的開發模式，由數據驅動，以技術支撐，滿足應用需求，逐漸完善的開發過程，可根據用戶的反饋信息調整應用需求。

4.數據倉庫模型設計與實現

數據倉庫是面向主題的、集成的、隨時間不斷變化的數據集合，對庫存信息、采購信息、物流信息、客戶信息、供應商信息、評價流量信息等業務數據進行重組。

4.1 數據源分析

對于網絡商店數據倉庫來講，其主要數據源有兩個：一個是來源于網絡商店的外部，例如：物流信息、客戶信息、供應商信息、評價流量信息，這些信息對于網絡商店來講一般是只讀的；另一個是來源于網絡商店內部，例如：計劃信息、銷售信息、庫存信息、采購信息等，這些數據來源于不同的對象，如電子商務平臺、網絡商店管理系統等。

4.2 維度設計

網絡商店數據倉庫的維度設計，從供應鏈的角度來看，其維度設計如下表1。

表1 維度設計表

在這些維度項中，可以將2個或2個以上的維護組合，分析出可供決策的信息。例如，時間維可和商品維進行組合分析，得出某種商品的銷售、庫存、采購的變化。再如，商品維、時間維和流量維組合分析，得出某種商品的流量變化等等。可以為網絡商店管理者提供某種商品的銷售預測情況，提供決策支持。

4.3 粒度設計

粒度是數據倉庫中數據單元的細節程度或綜合程度的級別。它可以對數據或數據綜合所使用的時間段參數進行記錄，決定了數據倉庫中所存儲的數據在時間上的級別和詳細程度。

在進行粒度設計時數據可以是最原始的數據（關注細節的），也可以是匯總數據，例如1周的、1月的、1季度的、半年的、1年的等等。數據的粒度隨著時間跨度的增大而逐漸變粗。時間細化程度越高，粒度越小，時間細化程度越低，粒度越大。

針對網絡商店自身的特點，將銷售分析、庫存分析、采購分析問題中的粒度進行如下表2劃分。

表2 粒度設計表

4.4 多維數據模型設計

多維數據模型由多維數據結構和多維數據操作組成。多維數據模型是由星形模型、雪花模型和星座模型構建，它是OLAP的邏輯模型。通過維度設計，尋找需要觀察的特定角度，而每一個維的粒度就是維的層次數。維中的成員就代表該維上的一個確定取值。以時間維為例，其粒度有日期、周數、月份、季度、年、節假日。月份粒度上有1到12個月，季度有1到4季度。再如在商品維上粒度商品類別有新品、折扣品、清倉品等。多維數據模型多采用多維數組的表現形式：（維1，維2，維3……，維n，變量）。

在基于數據倉庫的網絡商店決策支持系統中，將主題分為三個：銷售主題、倉庫主題、采購主題，其星型模型如下圖2。

5.數據挖掘、分析、輸出

在基于數據倉庫的網絡商店決策支持系統體系結構中前臺工具可以提供報表生成工具，借助諸如交互式窗口、聯機幫助、向導式界面等方式，幫助用戶定義各種復雜的報表，實現多維分析、隨機查詢、統計分析等功能，在滿足現有數據源的基礎上，為不同決策層提供相對有價值數據的提取、轉換、展現[8]。通過數據分析展現工具對數據倉庫中的數據進行挖掘和多維分析、匯總，并以報表、圖表、交互式界面的形式展現給決策者，決策者可以很直觀地看到分析的結果。針對用戶的不同對工具進行合理選擇，可以對可變報表、固定報表進行在線分析處理。

數據倉庫可以有效地彌補傳統數據庫在分析型應用上的缺陷，從歷史數據中獲取有價值的信息。利用數據挖掘技術解決網絡商店管理過程中有關決策支持方面的諸多問題。

第一，商品的擺放、搭配。在這里可以選擇商品銷售活動（促銷）為維度對銷售主題進行分析，將商品的擺放、搭配放在一起。也可以選擇時間作為維度對銷售主題進行分析，將同一段時間內，銷售量相似的商品擺放、搭配在一起，并可考慮參加相同的銷售活動。

第二，爆款商品的選擇。可以通過改進的BP算法、聚類算法對同一個時間段內的商品銷售量進行分析，找出暢銷商品和滯銷商品，分析商品的發展規律，對市場的變化進行分析，選擇順應市場變化的商品，并對爆款商品進行挖掘、開發、設計、打造，同時控制滯銷商品。

第三，商品銷售活動（促銷）策略選擇。可借助決策樹、因果圖的方法分析購買某種商品的客戶行為，根據其購買行為對客戶群進行分組、針對客戶的屬性，例如，性別、年齡等有針對性地策劃廣告和促銷活動。也可針對商品在某一時間段內的銷售情況或商品本身的屬性，設計促銷活動。例如，對于大單客戶可設計贈送會員卡、積分等方式，刺激這類客戶的二次甚至多次消費。對于新客戶，可設計贈送小禮品等方式。提高網店的瀏覽量和人氣。

第四，銷售預測。可選擇時間維，對商品的銷售情況進行分析，爆款商品保證庫存充足，滯銷商品采取促銷活動，清空庫存。并根據市場需求情況進行預測，提前補足庫存，提前設計促銷活動。

第五，庫存動態控制。選擇時間作為庫存監控的維度，分析庫存隨時間的變化情況。計算商品的安全庫存、最大庫存，通過庫存動態控制保證資金的最大程度流通。

第六，采購分析。這里采購分析包含供應商選擇，商品詢價，成本計算等等。建立供應商評估體系，結合時間維度變化、商品維度變化對供應商選擇進行支持。

6.結語

在目前激烈的網絡商店競爭環境中，建立基于數據倉庫的決策支持系統，對數據進行挖掘、分析，為管理者提供快速、高效、方便、準確的決策支持。通過對源數據庫的數據進行抽取、轉換后裝載到數據倉庫中去。本文對基于數據倉庫的網絡商店決策支持系統進行研究，構建其體系結構。同時對維度、粒度、多維數據模型進行設計，實現數據倉庫建模。提供一個信息集成和決策的平臺，實現對信息進行聯機分析處理，構建數據分析環境，將原始的經營數據轉化為商業決策信息，獲取競爭優勢。

[1]王柳靖，黎勇，王一川.基于內容管理的煙草企業信息倉庫系統[J].計算機工程，2010，36(23)：40-43，46.

[2]張波，耿在丹，杜保強.基于數據倉庫的學生信息管理決策系統[J].實驗室研究與探索，2009，(12)：59-62.

[3]馬剛，劉天時，程國建.基于數據倉庫技術的醫院信息系統應用研究[J].西安石油大學學報(自然科學)，2010，(7)：99-102.

[4]李潔，楊金會，滕振芳.數據倉庫及數據挖掘技術在超市中的應用[J].吉林工程技術師范學院學報，2010(2)：248-250.

[5]王炳雪，陳元忠.基于模糊邏輯的多維時序軟關聯規則挖掘[J].計算機工程，2011，37(10)：35-37.

[6]譚鋒奇，李洪奇，孟照旭等.數據挖掘方法在石油勘探開發中的應用研究[J].石油地球物理勘探，2010，(1)：85-91.

[7]魏德志，洪聯系，林麗娜等.一種基于HGA和數據挖掘的AMG模型[J].計算機工程，2012，38(7)：99-101.

[8]張維群.數據挖掘研究和應用的現狀與前景[J].統計與信息論壇，2004，(01)：95-96.