基于大數據的智能ERP系統設計探究

范瑛

（長沙商貿旅游職業技術學院 湖南長沙 410116）

ERP 系統屬于現代企業管理重要方法，其能夠實現企業管理結構的優化，使業務活動更為便捷地開展，繼而更好地為客戶提供服務。現階段已進入大數據時代，數據采集分析成為企業管理的重要部分，在此形勢下，可將大數據融入傳統ERP 系統中，打造智能ERP系統，用于提升ERP系統功能效果，繼而增強企業管理效能。

1 大數據在ERP系統應用中的作用

以大數據為技術支撐，能夠進一步提升ERP 系統的功能效果。在傳統ERP系統中，其主要由外部集成、內部集成兩部分；在大數據應用下，可實現內外部數據的整合分析處理，以數據為依據，運行ERP 系統，使ERP系統功能更為可靠［1］。將大數據技術融入ERP系統后，更易于業務流程及管理功能的優化，使系統業務活動能夠更加貼合企業的實際情況，繼而出現系統性流程。此外，還可依托于大數據完成企業外部信息數據的集成，整理與企業經營發展相關的所有數據，如運輸、參數、成本、合同、報價等，使大數據成為企業管理的重大優勢，確保企業能夠快速響應外部市場環境變化而做出調整，以此促進企業實現精益化發展。通過持續性的流程優化，彌補原有薄弱環節，以此打造優勢供需鏈。

2 智能ERP系統在大數據背景下的設計思路

2.1 整體框架

隨著計算機技術的不斷升級及大數據技術的日漸完善，可對ERP 系統進一步升級優化。在本次智能ERP系統設計過程中，將大數據技術融入ERP系統中，根據企業常規業務結構，設置了不同層次的功能單元，具體如下。（1）核心層功能單元，主要包括需求單元、生產計劃單元、采購單元、運輸單元、財務單元、經營單元、企業績效單元。（2）基本功能單元，主要涉及采購、生產、庫存、銷售、財務。（3）公共功能單元，包括加工單元、供應商單元、客戶單元、渠道單元、訂單單元。（4）待增單元，該單元尚未設置，隨著企業生產經營的發展，根據企業實際需求，增設新的功能單元，用于保障智能ERP系統的功能完整性。

2.2 單元設計

為確保所設計的ERP 系統能夠切換發揮出其功能，應做好智能ERP 系統的單元設計。本次智能ERP系統的單元設計情況如下。

（1）績效單元。智能ERP 系統依托于互聯網而運行，在實際管理中，績效單元為重要管理內容，此時，可依靠大數據庫及數據挖掘情況做好信息支撐，將績效單元進一步劃分為目標管理單元、預算管理單元、業務合并單元。目標管理單元涉及關鍵績效、企業戰略等子單元，以企業愿景為基礎，做好績效規劃；預算管理單元涉及調賬、預算編制等工作，主要通過預算管理控制為企業發展提供保障；業務合并單元涉及合并報表、數據查詢等內容，可使企業業務管理工作更為有序［2］。

（2）采購單元。在企業發展經營過程中，必然會面臨采購管理難題，此時，可通過智能ERP系統采購單元計算成本權重，以企業實際需求及采購流程為基礎，確定采購單元功能。在本次所設計的智能ERP系統采購單元中，可完成采購申請、收料通知、收料入庫、結論、庫存查詢、報表分析、查詢分析、供應商管理、核算采購參數、上報采購結果等業務，通過該智能ERP 系統，可一體化完成常規性采購業務活動。

（3）財務單元。該單元內容體系繁雜，其以總賬單元為核心，逐漸外延至應付應收賬款、存貨管理、報表管理等單元，同時，為保障企業財務信息的安全性，還需在智能ERP系統采購單元中設置保密單元［3］?？紤]到資本管理對于企業經營發展的重要性，還可單獨設置資本管理單元，從應收賬款管理、現金管理、存貨單元3個部分入手，并將財務管理單元與企業管理層、生產模塊、銷售模塊、客戶體系、辦公室信息管理系統、企業數據信息庫進行關聯，依靠ERP系統財務單元，實現企業范圍內的財務數據共享，以此營造穩定有序的企業財務管理環境。

2.3 功能實現

數據從挖掘采集到存儲使用是一個持續化的過程，故基于大數據構建智能ERP系統時，應結合數據產生到應用的全過程進行分析。

2.3.1 數據源

數據源是智能ERP 系統實現數據分析應用的基礎，在企業智能ERP 系統中，其數據源則為ERP 系統的各個子系統運行數據，如財務管理單元、采購單元等，所有ERP系統單元在運行期間均會產生海量數據，當有數據產生時，則會在第一時間被捕捉，繼而為后續數據處理分析奠定良好基礎。

2.3.2 數據采集

智能ERP系統的部分數據來源于常規化的企業結構數據，如物料存儲數據、員工信息、客戶信息、產品參數等，當該類常規數據產生后，將會被存儲至SQL Server、Oracle、MySQL 等關聯數據庫內，為常規數據的調取奠定良好基礎［4］。對智能ERP系統中數據產生渠道進行分析，其主要來源于以下幾種渠道：（1）Web 網站訪問日志；（2）系統網站界面的js 代碼記錄，如用戶訪問時的頁面組件等，此外，ajax后臺日志同樣可獲得相關信息數據；（3）系統網站頁面上的埋點像素圖片，當有頁面訪問記錄產生時，其相關數據將會直接上傳至記錄日志中。結合ERP 系統實際應用情況來看，能夠被智能ERP系統所采集到的信息主要有產品產生數據、ERP系統操作信息、銷售數據、業務訂單信息等，隨著企業的穩定運行，智能ERP 系統內的數據規模將會不斷增大，并逐漸構建為基礎數據網，將各類信息數據進行關聯，使ERP系統內數據信息可更好地被利用。

在ERP系統實際應用期間，所有的操作數據、企業生產數據、業務訂單情況、業務銷售數據都將會被采集到智能ERP系統中，以此構建成企業最基礎的數據庫。企業生產經營期間所涉及的數據存在相互關聯的關系，無論是日志數據還是HDFS數據，都是智能ERP系統的數據采集過程。智能ERP系統實現數據采集的相關技術較多，具體如下。（1）Shell 腳本。該技術具有開發簡單、應用便捷、輕量級的優勢，但無法控制在數據采集期間形成容錯情況。（2）Java程序。該采集程序能夠實現數據精準控制，但在實際開發應用期間存在一定難度。（3）Flume 框架。該技術屬于成熟性數據采集系統，其歸屬于Hadoop 體系，故其能夠與其他技術體系實現良好融合，繼而能夠在一定程度上提高數據采集的容錯能力及可靠性。經上述數據采集技術分析后，最終選擇采用Flume 框架進行數據采集，以智能ERP 系統為基礎，進行Agent 節點的部署設置工作，完成文件配置修改后，將開啟Agent節點，節點啟動后，即可將數據上傳至指定HDFS 目錄內，為后續數據處理分析與應用奠定基礎［5］。

2.3.3 數據預處理

智能ERP 系統數據采集是一個廣泛化的過程，部分錯誤數據、低效數據、無效數據同樣被采集存儲至數據庫內。為避免該部分數據影響后續數據分析工作，在數據最終存儲及分析決策之前，應通過數據預處理過程，剔除誤數據、低效數據、無效數據，并將數據信息的格式進行規整轉換，以數據分析需求為依據進行數據分類。智能ERP系統所獲得的數據在規格大小及類型上存在一定差異，給數據存儲分析帶來一定局限，此時，可應用Map Reduce 工具，此工具屬于分布式運算程序框架，其以Hadoop 數據為基礎設定框架結構，該Map Reduce 工具的核心功能在于編寫邏輯代碼，將具有特定特征的數據組件進行整合，并將其歸納至同一Hadoop集群上［6］。使用Map Reduce工具時，應將系統開發重點放在業務邏輯的編寫上，通過計算機分布式框架，完成數據預處理工作。

2.3.4 數據存儲

在智能ERP系統中，其主要依托于Hadoop集群完成大數據分析，而分析功能的實現主要依靠Hive 倉庫工具來實現。Hive倉庫工具歸屬于Hadoop體系，其能夠將結構化數據按照特定數據庫表的形式進行轉化映射，同時還可借助SQL語法完成數據信息智能查詢［7］。若在數據存儲期間直接在智能ERP 系統內引入Hadoop 體系，將會帶來較高的系統開發成本，并造成一定技術學習成本；另外，企業項目周期相對較短，若引入Map Reduce 工具，則會形成較高的時間成本，同時還會造成一定邏輯開發難度。結合上述分析，可在數據存儲過程中引入Hive 倉庫工具，以SQL 語法為操作接口，以此實現快速開發，避免了其他技術所造成的額外成本。

完成數據采集并預處理后，將數據傳輸至Hive 數據倉庫內，以Hive 數據倉庫為載體進行數據信息挖掘與分析，而在此期間，可劃分層次，分層進行數據分析。從本質上來看，智能ERP 系統數據存儲分析的過程是從ODS 原始數據內調取中間表的過程，將url、時間等非結構數據提取出來，并細化數據字段信息，最終形成明細中間表，以明細中間表為基礎進行數字指標統計分析。通常情況下，企業ERP 系統所應用的數據屬于關聯型數據庫，即SQL Server、Oracle、MySQL 等，在數據存儲期間，可在關聯型數據庫基礎上接入HBase 數據庫，使智能ERP系統的數據存儲功能更加完善，借助HBase 數據庫，完成大型數據的分析存儲工作［8］。在以往ERP 系統中，常見的數據庫問題為部分數據無法存儲，且備份機制缺失，當數據庫內存儲數量較高時，則會出現數據庫運行緩慢的情況。而接入HBase數據庫后，則可良好規避上述問題，通過實現數據的線性擴展，增大數據存儲量，并構建了完整的備份機制，為智能ERP系統的數據存儲功能提供了保障。

2.3.5 分析決策

在大數據技術作用下，企業智能ERP 系統能夠實現廣泛化數據采集與分析存儲，在此基礎上，還可依托數據庫展開數據統計分析，交叉計算數據維度及指標，以此獲得精準化數據分析結果。通常情況下，企業在生產經營期間將會生成不同的數據統計需求，其中，多維度PV 統計、來訪者數量、業務請求數量等屬于企業典型指標［9］?；诖髷祿闹悄蹺RP 系統，在分析決策功能設計期間可融入Map Reduce程序，對用戶訪問數據進行識別，并將企業所需的指標數據導入信息表內，以此為基礎獲得用戶停留時長等指標，繼而更好地為企業經營決策提供依據。

2.3.6 數據展示

完成智能ERP 系統數據的處理存儲與分析后，可將有效數據呈現為生產報表，并將數據從ERP 系統中導出。在智能ERP 系統中，數據經過了采集、預處理、存儲、分析等過程，此時，為更好地完成智能ERP 系統數據應用，可依據企業需求，將數據以不同形式呈現出來，如可視化銷售統計表、財務報表等。智能ERP系統以大數據技術為支撐，依靠Hadoop 體系，得出數據報表結果，可進一步將其從Hive 數據倉庫內導出，呈現為可視化報表，以此用于企業的業務經營發展。基于大數據的ERP系統，運行期間，經過了數據采集、分析、結果導出的過程，在系統設計時，可將上述任務劃分為多個Oozie 工作流，借助程序進行調節，繼而使數據信息以多元化形式呈現出來。在ERP系統數據分析功能設計時，應增設前端展現工具，設計前端展現工具，將Java Web嵌入系統體系內，在Java Web作用下，讀取報表結果，進一步將報表結果以Java 報表網頁的形式呈現，為企業經營運行提供便利。在設計ERP 系統前端展現工具時，企業需根據自身需求確定展現方式，搭建完整的技術框架，挖掘MySQLl 關聯數據庫內信息，使信息以Json 格式傳輸至系統頁面，運用Eharts 程序解析Json 格式信息，以此確保ERP 系統內信息數據可被展現出多種形式，以供利用。

4 智能ERP系統設計結果分析

為驗證本次所設計的智能ERP 系統的性能，選取某上市公司公開數據為基礎，運行智能ERP系統，從系統模塊化、反應時長、安全性3個方面進行對比分析。

4.1 系統模塊化

為使性能驗證效果更直接，選取其他兩種ERP 系統，將其分別定義為系統2 與系統3，而本次所設計的智能ERP 系統則為系統1。運用Matlab 平臺進行系統模塊化功能檢驗，發現系統1、系統2 存在明顯的模塊化變化，可見隨著公司的運行，系統2 與系統1 隨之運行。由此可證明，本次所設計的智能ERP 系統具有良好的模塊化功能，且因ERP系統還設有待增單元，可結合市場變化或企業戰略發展而動態增設功能模板，使智能ERP系統的功能模塊更為靈活、可靠［10］。

4.2 反應時長

對3 個ERP 系統的反應時長數據進行采集，其結果如表1所示。根據表1數據可見，本次所設計的智能ERP 系統（系統1）對于系統運行操作的平均反應時長為3.6μs，系統2 的平均反應時長為9.2μs，而系統3 的平均反應時長為10.4μs，根據平均反應時長的數據對比，不難發現，本次所設計的智能ERP系統在反應時長上具有顯著優勢，系統運行效率更佳。

表1 3 個ERP 系統的反應時長數據

4.3 安全性

為檢驗智能ERP 系統的安全性，了解ERP 系統的穩定性與抗風險性，對3個ERP系統設定了攻擊源，在不同攻擊源狀態下，采集3個系統的安全系數，具體如表2所示。在不同攻擊源數量條件下，3個ERP系統表現出了差異化安全系數，其中，本次所設計的智能ERP系統（系統1）在攻擊源條件下，其平均安全系數為0.982，系統2 的平均安全系數為0.73，系統3的平均安全系數為0.756。根據3個ERP系統的平均安全系數，不難發現，本次基于大數據所設計的ERP 系統在安全性方面存在顯著優勢，面對攻擊源仍可穩定運行。此外，為最大限度地提高智能ERP系統運行安全性，在本次模塊單元設計中，于財務系統單元內增設了保密單元，用于增強ERP系統財務數據安全性，進行財務數據加密存儲與傳輸，以此保障ERP系統數據安全。

表2 3 個ERP 系統的安全系數對比

5 結語

綜上所述，以大數據為技術支撐的智能ERP 系統可大幅提升企業管理質量，提高企業信息化層次，使企業管理活動能夠更規范地進行。在設計智能ERP系統時，應在明確基本框架基礎上，做好單元設計，并從數據源確定、數據采集、數據預處理、數據存儲、分析決策、數據展示6個方面入手，確保大數據能更好地融入ERP系統中。將本次所設計的智能ERP系統與其他系統進行對比，發現本次所設計的系統在響應性及整體功能上存在良好優勢，具有較強應用價值。