基于數據挖掘的ERP系統決策支持應用研究

崔力文

摘 要：進入新世紀以來，世界經濟也發(fā)展到了新的階段，企業(yè)的發(fā)展也應適應世界經濟的發(fā)展趨勢。在信息化的今天，企業(yè)ERP系統作為信息化進程的重要產品，越來越多的企業(yè)在實施和應用。然而，隨著時間的推移系統中存在著大量的歷史數據，這些數據占用著大量的資源，但可以利用的卻很少。數據挖掘技術可以從大量的業(yè)務數據中提取和挖掘出隱含的而又對決策有潛在價值的信息和知識，為企業(yè)制定決策支持提供依據和幫助，現在數據挖掘已成為企業(yè)提升管理水平保持企業(yè)持續(xù)發(fā)展的必要方法。

關鍵詞：ERP 數據挖掘 決策支持

一、前言

隨著數據時代的來臨，ERP系統陸續(xù)的出現在各個領域的企業(yè)中。隨著科技的發(fā)展，ERP系統的功能模塊也逐漸再完善，同時隱藏在ERP系統數據中的信息也越來越多，我們用常規(guī)的分析方法已經無法獲得，通過數據挖掘技術對ERP系統中的業(yè)務數據進行抽取，挖掘算法的計算并從多個角度進行數據分析得出結論，為企業(yè)決策者的做出科學的決策提供可靠的支持。

二、數據挖掘技術

（一）什么是數據挖掘

數據挖掘這個詞匯對大部分人來說很陌生，目前也沒有一個明確的定義來描述它。大家認為比較確認的定義是，數據挖掘就是從大量的、未經任何處理的數據中，提取出隱藏在其中的、不易被人們知道的、但又是對決策有用的信息等知識的過程[6]。它應該具有以下幾個特點：數據是大量的、不為人事先知道的； 挖掘出的信息是可以被接受的、易于理解的，并且是可以被應用的；在某個特定的領域挖掘出的信息是有價值的，并且是有其規(guī)律性的，可以大規(guī)模應用的、可以預測的應用。

（二）數據挖掘的過程

數據挖掘的過程一般由幾個主要的階段組成：定義挖掘目標、選擇目標數據、數據清理和處理、數據變換、數據挖掘操作、結果評估和知識決策。

（三）數據挖掘的方法

利用數據挖掘進行數據分析從不同的角度對數據進行挖掘所采用的方法也不同，常用的算法有很多種，對于不同的數據挖掘任務所采用的算法也是不同的；當然，對于同一任務也可以采用多種方法，在挖掘分析過程中所采用的算法越多，挖掘分析得出的效果也就越好。常用的數據挖掘方法只要有：分類與預測、聚類分析、關聯規(guī)則、時序模式等。

三、數據倉庫技術

關于數據倉庫的并沒有明確的定義，在我看來數據倉庫也是一種數據庫，數據倉庫系統是指根據需求把各種的所需的應用系統集合在一起，組合成一個廣泛的平臺，為歷史數據的查詢分析及信息處理提供幫助和支持。

數據倉庫的主要功能是根據挖掘目的從各個數據源中提取相關的數據，對其進行清洗等相關的操作，并把這些數據統一存放到數據倉庫中；同時可以以此為基礎，在其上進行智能操作，比如查詢、分析等等。

數據倉庫生成的就是把業(yè)務系統中的關系型業(yè)務數據抽取出來，并把這些數據的進行數據處理，最后把他們加載到數據倉庫中的過程。具體步驟包括：

定義挖掘目標、數據的抽取、數據分析、數據預處理、裝載和索引等。

四、關于ERP決策支持的設計

首先要從ERP系統中抽取所需的數據集，抽取數據時應先考慮到需要用到那些數據，然后有針對性的抽取。抽取數據時，可將不準確或者是有遺漏的數據信息刪除，并將數據轉換成與挖掘目標屬性相對應的數據，這個數據可能有多種形式。當這些數據預處理后，再根據需求來源選擇相應的模式進行建模的分析，選取相應的算法進行分析處理，得出相應的結果和評估。

以某公司SAP中MM模塊為例進行功能設計；本文決策支持以供應商和采購兩個部分為例來討論，通過公司與供應商之間在某一段時間內的采購數據分析需求進行調研，為企業(yè)選擇供應商提供量化的準確的依據。

（一）數據倉庫模型設計

數據倉庫的設計要經過概念模型設計、邏輯模型設計和物理模型設計三個過程來實現。

（1）概念模型設計

確定系統的邊界：在SAP的MM模塊的調研決策需求中，決策者最感興趣的是供應商的評價、物資的采購方案、采購價格等內容。為了對數據進行全方面的分析和精確的預測，我們將系統的邊界定為原SAP系統MM模塊中關于供應商的管理、采購管理和物料管理的集合。

確定主題域：在數據倉庫中的數據以主題域方式出現的，每一個主題對應著相應的數據類型，表示可在一個空間內進行挖掘分析。根據該公司SAP系統中MM模塊的結構和相關需求進行分析，確定了本論文研究的基本主題為供應商主題、物資采購主題和物料主題。

（2）邏輯模型設計

邏輯模型設計就是每個主題是怎樣實現的，并且對這個實現的過程進行定義，然后將這個實現過程的相關內容記錄在數據倉庫的數據中。這里就不做過多的介紹，本文只對物資采購主題域的邏輯模型設計作為示范，其它主題域的邏輯設計類似完成。建立物資采購主體模型包括：選取業(yè)務數據、定義粒度和維度、 確定事實和維。

（3）物理模型設計

數據倉庫的物理數據模型主要是確定數據將采用什么樣的結構進行存儲，采用什么樣的數據搜索策略、以及該數據應該存儲在什么地方等問題。其中包括：

確定數據的搜索策略、確定數據的存儲位置。

（二）數據建模分析

在對物資采購數據中與供應商的相關的信息（如供貨日期、供貨金額及供貨及時率）進行預處理后，將對其數據進行數據挖掘及算法的選擇。根據其數據的特點，在此我選擇聚類分析的算法對供應商相關的數據進行分析。該算法可以挖掘中不同供應商所隱含的一些信息。根據挖掘出的信息企業(yè)就可以針對不同的供應商采取不同的采購原則和策略?？梢约哟笸瑢ζ髽I(yè)貢獻度較大的供應商的合作，同時也可以使一些貢獻度較低的供應商通過一些措施發(fā)展成貢獻度較高的供應商。

基于供應商相關數據集的聚類分析，可以按照以下步驟進行：

（1）先確定一個聚類算法在此我選擇的是K-Means算法，用該算法對供應商數據集進行聚類分析，把該數據集命名為D劃分為若干個類，命名類為C（C=（C1，C2…Cn））。其中，D=C1∪C2∪…∪Cn。

（2）選取供貨日期、供貨金額和供貨及時率三個指標作為輸入變量，應用聚類分析算法K-Means進行聚類分析。

（3）對于每一個Ci （i=1，2，…n），根據其中成員的特點，歸納出能夠描述其特征的一條或幾個規(guī)則。然后對規(guī)則進行評判，若聚類分析的結果的可信度比較高，則可在實際的工作中將聚類的結果加以應用，否則，可以選擇其它聚類的算法再次進行分析。

這樣，我們就實現了對供應商的細致劃分，就可以根據不同類型的供應商采取相應的采購策略了。

五、結語

隨著信息時代的來臨，各個公司在ERP系統投入了大量的人力物力以及財力，ERP系統本身也更新換代多次，系統中留存著大量的歷史業(yè)務數據?，F在這些數據一直未能合理的利用起來，企業(yè)的各級決策者還是依靠自己的經驗來做決策，這樣的決策缺乏科學依據。現在的時代是信息時代、是數據的時代，為了避免這些大量的數據繼續(xù)沉睡，為了使這些數據能為決策者提供科學的、有價值的決策依據，利用數據挖掘技術對ERP數據進行挖掘增加決策支持功能的必要性是不言而喻的。

參考文獻：

[1] 譚躍進，黃金才，朱承等.決策支持系統.電子工業(yè)出版社，2011.6.12-15.

[2] 范明，孟小峰.數據挖掘概念與技術.北京：機械工業(yè)出版社，2013.6.32-36.