基于數據倉庫的煙草庫存決策支持系統

文｜葉宗強

煙草企業作為國家稅收重點企業，其在多年的經營和發展中累積了大量的數據，這些數據的利用效率直接影響企業的決策和發展方向。因此，本文提出基于數據倉庫的煙草庫存決策支持系統的設計研究，為企業決策者對于庫存決策提供科學依據，提供很好的輔助決策的效果。

一、引言

庫存即存貨，是各個企業非常重要的一種可流動的企業資產[1]。煙草企業也是一樣，通過科學有效的方式調整煙草的庫存量，可以使企業的資金合理分配使用，不會因庫存過多而導致企業的流動資金減少，公司活動資金周轉不開，無法參與其他需要資金的商業活動。調控合理的庫存量將有利于企業的長期發展，進而增加煙草公司的經濟收益。

以大數據分析為依托，信陽煙草公司已形成了一套“狀態評價”為手段的市場調控模式。對庫存數據的有效分析，增強了貨源組織的有效性，增強了市場調控的及時性和科學性；通過對市場狀態的把握，將市場狀態評價機制引入貨源分配投放體系，使貨源投放更加均衡，與市場需求更加匹配。

鑒于此，有必要利用煙草行業累積的大量營銷數據，對這些數據進行挖掘分析，挖掘出其隱藏的價值。本文利用大數據的相關技術論述了基于數據倉庫的煙草庫存決策支持系統，將煙草行業累積的大量數據進行挖掘分析，找出與庫存有關的數據信息從而支持企業決策者做出合理的庫存決策，增大決策的可行性，將庫存控制在合理的水平，提升煙草企業在市場的綜合競爭力。

二、系統總體架構

煙草公司積累了大量數據，可以用來分析用戶的行為特征和煙草品牌的營銷預測，以告訴公司他們下一步要往哪個方向發展。下面介紹基于數據倉庫的香煙庫存決策支持系統的總體結構。

圖1 基于數據倉庫的煙草庫存決策支持系統的總體架構

如圖1，該系統有四層：操作層整合和遷移不同的數據源，將數據傳入ETL層。ETL層將從上一層得到的數據進行抽取后轉換為相同的系統和格式，輸入數據倉庫中。數據倉庫層對的數據進一步分析。表示層將數據倉庫層中的數據從多個維度進行整合，通過聯機分析、數據挖掘等一系列分析，最后得出分析決策的結果。

三、基于DW的煙草行業的庫存DSS的構建

（一）數據抽取

抽樣提取后的數據才會被載入數據倉庫，它本身只是一個數據環境，需要從交易系統、外部數據源等中獲取數據。

每一個與數據檢索有關的技術部門都已經成熟，其中一些與程序密不可分，但總體上沒有足夠的整合。目前市面上的抽取工具需要根據顧客購買選擇的源數據和技術分析得到的目標數據之間的對應關系自動生成數據提取代碼，但是提取工具所能夠識別抽取的數據類型是有限制的。數據提取過程還可能進行數據轉換，需要貼合實際應用等，而現在的提取工具還不能很好的實現這些。數據抽取可不使用提取工具，但提取過程中使用的工具應實現有效的管理，調度和維護，這對數據抽取是非常重要的。

（二）數據倉庫設計與實現

系統基于Web技術的企業Intranet應用集成框架結構，它是b/s模式工作，是信息發布和搜索的重要手段，是網絡技術和數據倉庫的綜合應用，數據倉庫的使用范圍不斷擴展。數據倉庫可從需求分析、模型設計和物理設計這三個方面著手設計實現。

圖2 數據倉庫結構圖

需求分析主要從供應鏈管理信息著手，包括：

（1)客戶分析：香煙公司需要快速及時地響應客戶需求，每個客戶都有自己的特點，在他們的喜好、變化趨勢中都會有所體現。而企業需要準確知道顧客的需求及需求變化趨勢，才能迅速把握市場發展趨勢，從而采取相應的措施。

（2）成本分析：香煙企業高收益的基本要求是降低、減少成本。材料成本、設備成本、庫存成本等數據在生產成本和核算經營成本控制中扮演著重要的角色。

數據倉庫面向主體，香煙庫存決策支持系統目的就是通過客戶信息、銷售量等數據對客戶的滿意度、需求進行分析，了解顧客需求及變化趨勢，幫助企業從客戶實際需求出發，精準制定庫存決策，將庫存控制在與市場發展趨勢所需的水平，降低因庫存過多或缺貨帶來的影響。企業庫存決策支持系統的主體有市場、產品、營銷和財務，主體對應的數據庫有：

（1）市場主體數據庫，主要包括：產品信息，了解當前市面上產品詳情，以便對顧客的需求及時響應；目標市場信息，用于市場分析，了解市場發展趨勢；競爭對手信息，了解分析對手的現狀和競爭力；客戶信息，了解顧客需求、對產品的反饋等信息。

（2）產品主體數據庫：產品描述，用于產品分析。

（3）營銷主體數據庫：營銷業務數據建立數據庫進行分析。

（4）財務主體數據庫：銷售額、銷售人員業績的查詢分析。

數據倉庫中的主體域被設計為一組組相關表，包括事實表與維表。事實表中有主體特有的標識數據，還有r維表的外鍵。由銷售時間、物料、營銷人員等多個方面建立維表；數據分析會進行大量的聯機分析處理（OLAP）操作，可以使用星形數據模式從多個維度來描述數據。數據倉庫的星形模式圖如圖3所示。

物理模型主要以解決數據存儲及優化等問題。因煙草數據倉庫的數據多、信息量大，則應考慮數據存取速度、存儲效率、可靠性等因素選擇合適的存儲方式。

圖3 數據倉庫星型模式

數據倉庫的數據由OLAP進行一系列的數據處理操作來從多個角度進行實時化、動態化分析，以文字、圖形、曲線等形式為客戶提供不同角度的觀測數據，與星型結構中的多維數據組織相戶結合、相輔相成，將分析結果轉化為信息，為決策提供支持。例如，如果客戶和卷煙銷量保持不變，將時間“切片”，則可以得到時間維度上各類客戶香煙月購入量信息，決策者可以根據信息采取相應的庫存策略。

Brio企業作為系統開發工具對Oracle（源數據庫）進行OLAP分析和前端展示。Brio Enterprise Server 使用推送服務器技術，提供自動化查詢、報告發布等功能。選擇分析時段、緯度及分析類型，將產品、產業等細分為年、季、月，進行切片等處理，獲得多種分析圖，適應客戶OLAP分析要求。企業進而采取相應的補貨、甩貨、清倉等決策。及時準確地制定庫存決策，將庫存控制在與市場發展趨勢所需的水平，降低因庫存過多或缺貨帶來的損失影響，從而促進企業收益的持續增長。

數據挖掘(DM)是各個企業庫存決策中用到的一種重要的技術。它是根據事情實際情況或觀察到的數據，找到相適應的模式來進行決策支持的。數據倉庫或大型數據庫，文件系統或任何其他組織在一起的數據集合在進行數據分析時一般采用DM，例如國際互聯網上的Web信息資源。

四、結語

本文通過對傳統庫存控制策略的了解，發現傳統庫存策略還有不足之處，為滿足企業的業務需求，仍需改進和完善。利用現有的大數據挖掘分析技術，將煙草行業大量數據隱藏的有用信息用于支持企業決策者做出合理的庫存決策。通過對大量煙草數據進行匯總分析，論述了基于數據倉庫的煙草庫存決策支持系統。該系統以數據倉庫為基礎，采用聯機分析處理系統、數據挖掘等分析決策方法，對分析得出的結果進行驗證，得到真實、可靠的決策依據。

該系統具有較好的現實意義，幫助企業庫存決策人員及時發現客戶需求變化，掌握煙草市場發展趨勢并迅速做出反應，把庫存控制在合理的水平，以便及時響應市場的需求，避免因庫存過多或缺貨帶來的損失。有效解決煙草決庫存問題，實現企業高效運轉。