淺談數據倉庫技術在服裝生產銷售中的應用

郝建軍

（陜西服裝工程學院，陜西西安 712046）

隨著人們生活水平的不斷提高，服裝不再是過去的只要能穿就行，逐漸成為人們生活中的一種時尚產品。人們對穿衣的要求越來越高，冬季裝既要保暖而且還要時尚，不能過于臃腫；夏裝要求舒適涼快，美觀耐穿。在銷售方面，服裝產品受很多因素的影響，如：季節變化、氣候、年齡層次、區域、顏色、人們的喜好等。在服裝銷售中，往往出現企業的生產跟不上市場的需求。每一個時間段都有流行的款式和色系，企業的生產若不能很好地掌握市場需求，會導致產品積壓。所以服裝銷售中，消費者心理、消費觀念、經濟水平、消費人群、當前流行款式、穿衣舒適度、氣候等成為銷售的重要因素。如何使服裝企業很快掌握市場情況，了解消費者心理需求狀況，傳統的問卷辦法已經不能快速準確掌握大量的消費者的需求狀況，通過數據倉庫進行數據分析、挖掘是一種比較好的辦法。

1 數據倉庫技術在服裝生產銷售中的應用

1.1 數據倉庫技術在服裝生產銷售中的應用具有必然性

近期，在我國南方一些城市，很多服裝企業因產品積壓，造成企業發展困難，甚至有個別企業倒閉。作為服裝企業，必須要快速地預測到人們穿衣的心理，市場的變化。服裝產品不同其它產品，一些服裝款式更新換代非常快，常因地域不同、人們的年齡階段不同、文化層次不同、居住環境不同、思想觀念等不同而影響人們的穿衣習慣。企業要能夠快速準確地捕捉到市場的需求，并將這種需求及時反饋給生產部門，使企業按需生產，減少庫存，加快資金運轉，贏得更大利潤。靠人工去調研，是不能準確掌握市場變化的，必須靠現代化的大數據技術進行挖掘分析，將隱藏在數據倉庫中的有用數據找出來，從而指導服裝企業進行生產銷售[1-3]。

1.2 數據挖掘技術的應用

數據挖掘技術在服裝生產銷售中的應用，是指通過歷史銷售數據作為數據源，進行挖掘分析，找到隱藏在數據倉庫中的規律，從而為服裝生產提供決策。數據倉庫的應用主要包含以下步驟。

1.2.1 概念設計

在概念設計中，先要確定好數據源。將設計好的服裝銷售系統，在線運行一段時間。將系統后臺數據庫中收集的歷史數據，作為數據倉庫中的基礎數據，進行分析。在分析數據倉庫數據之前，首先要建立數據倉庫，創建數據倉庫，必須搞清楚在服裝銷售中，業務數據范圍。知道了業務數據之后，然后才能夠確定主題，根據主題有針對性地去創建數據倉庫。這樣創建的數據倉庫才是合理的，具有針對性的。對于服裝銷售應該有3個主題：銷售產品那就是服裝、銷售的對象那就是客戶、誰銷售也就是服裝企業，這3個影響著服裝銷售關鍵環節，也是服裝銷售的關鍵。

1.2.2 邏輯設計

邏輯設計其實重在功能上的設計，意味著創建的數據倉庫要合理，這需要注意粒度的劃分、維度的劃分以及數據模型的創建。

1.2.2.1 粒度的劃分

粒度的劃分要合理，不能過大也不能過小，這樣設置才能恰到好處，才能提高查詢效率。過大劃分不夠細，過小又過于靈活會產生誤差。

1.2.2.2 維度的劃分

（1）時間維度：服裝產品受時間變化影響很大，一個時間段一個款式、一個色系。在服裝銷售中，對于服裝產品來說，銷售時間非常重要，時間一過產品可能就不流行了，賣不出去了。因此，將時間作為一個維度進行分析是必要的。

（2）商品維度：產品的銷售過程中，賣什么也是企業關心的問題，所賣的產品怎樣，人們喜歡程度如何，這就是商品維度。根據服裝銷售情況，多多關注商品維度可以幫助企業生產出滿足市場需要的產品。

（3）顧客維度：客戶就是上帝，是服裝銷售中的主要組成部分。如果沒有了客戶，生產的服裝給誰穿？所以，我們除了要關心時間和生產的對象服裝之外，另一個關心的就是顧客。

1.2.2.3 建立模型

創建一個水立方模型，然后對時間進行切片，按照季度進行切片、按照月進行切片、按照周、按照周內或者周末、按照天進行，按照上午、中午、下午進行切片，然后每一個切片對應服裝的銷售情況進行分析、挖掘并進行總結，找到規律，從而指導次年的服裝生產銷售。

建立水立方模型，通過3個坐標，橫軸X，縱軸Y，豎軸Z，建立水立方模型，然后對立方體模型中的數據按照時間維度進行切塊，對塊進行再切片，在立方體中進行鉆取，分析。數據倉庫技術中，建立立方體模型非常重要，立方體模型建立好之后，有利于后續的分析研究。

1.2.3 數據倉庫的生成

數據倉庫的生成必須要對歷史數據進行統一標準化，將一些不識別的，錯誤的數據要提前進行消除，確保使用的數據能夠使用，而且高效使用，沒有歧義。具體應該完成以下工作：數據清洗→數據分割→建立數據倉庫→聯機分析處理→挖掘分析→得出結論。

數據清洗主要是將不完整的要補充完整，保障數據的完整、正確[4,5]。數據分割就是把數據中大小不合適的，按照要求分割合適了，可以先進行數據的標準化，然后根據數據的特點進行分割，分割出利于研究、利于分析的數據。接下來，創建數據倉庫。數據倉庫建好之后，采用聯機分析處理技術進行聯機分析處理。通過聯機分析處理就能夠得出相應的數據信息，使用這些數據信息來幫助服裝企業進行生產銷售，從而提高服裝企業的效率[6]。數據的清洗過程分為：元素化數據→標準化數據→校驗數據→匹配數據→消除重復數據→檔案化數據。

元素化數據就是將數據大小進行規范，然后按照統一的標準格式進行檢查，對一些人工發現不了的問題數據，采用校驗的辦法來檢測。對于數據中一些問題，比如，大量重復的數據導致不能識別，就需要匹配，通過匹配就會將重復的數據顯示出來，進行清除，所得出的數據相對比較標準。能夠使用的數據，將它保存歸檔。

數據倉庫的創建，微軟公司的SQL Server2008數據庫軟件中有專用的向導可以創建，按照上述的步驟來做簡單方便。

數據倉庫建好之后就是數據挖掘分析，而挖掘分析的第一步就是OLAP，一些數據存儲位置，數據較大等原因，在一臺機器上執行效果不是很好。可以將不同地理位置的計算機通過互聯網聯系在一起進行聯機分析處理，效率比較高，也是比較重要的環節。

2 結語

采用數據倉庫技術幫助服裝企業進行生產銷售決策，可以大大提高服裝企業利潤，減少產品庫存，提高企業的資金周轉。要使用數據倉庫技術，先要使用服裝銷售管理系統，而這個系統一定要在線運營一段時間，通過運營收集很多的歷史交易數據，通過歷史交易數據作為數據源，來進行分析挖掘，最終將隱藏在數據倉庫中的數據挖掘分析處理，從而指導企業的生產銷售，最終使企業的發展越來越好。

使用數據倉庫技術最重要的是要搭建一個服裝銷售系統，通過服裝銷售系統的運作來記錄服裝交易的業務數據，以業務數據為基礎建立數據倉庫，對數據倉庫進行分析研究，最終得出能夠指導服裝企業進行生產銷售的服裝銷售系統。系統的的創建可以采用SQL Server2008做后臺數據庫，前臺界面采用WEB技術，開發一套基于WEB的服裝銷售系統，數據倉庫的創建也是通過SQL Server2008軟件中的BIDS工具進行開發。比較簡單容易操作，而服裝銷售系統必須要在線運營一段時間，一般是一年期限，就能夠收集到想要的數據。