基于数据仓库的煤炭运销决策支持系统研究

1、    基于数据仓库的煤炭运销决策支持系统研究         摘要：分析了中国煤炭运销管理存在的问题，结合煤炭运销管理的特点，对运销决策的功能需求进行了分析，并在此基础上构建了基于数据仓库的煤炭运销决策支持系统模型。 关键词：数据仓库，决策支持系统，煤炭运销 1煤炭企业运销管理存在的问题 (1)营销管理观念落后，营销方法单一。由于煤炭产品的特殊性及受长期计划经济的影响，煤炭企业营销观念基本上仍然停留在产品上，盈利主要是依靠规模效应和成本节约，销

2、售产品仍然采取的是传统的人员推销的方式，先进的营销观念及方法在实际工作中应用比较少， (2)运销管理手段仍然比较落后。目前煤炭企业的运销管理工作很多仍停留在手工处理或半手工处理阶段，信息技术的应用并不普及，从总体来看，煤炭运销信息化管理水平仍有待进一步提高。 (3)信息沟通不充分。煤炭运销管理涉及的业务部门众多，其业务流程涉及合同管理、计划、调运、装车、煤炭采制化验、用户回款结算等多个业务环节，由于缺乏利用先进的信息技术手段进行管理，其信息资源没有得到充分、合理地利用，运销各部门之间信息沟通并不充分，对客户信息、市场情况的变化，由于沟通不及时，无法做出快速反应。 

3、(4)运销决策过程缺乏科学理论的指导。目前煤炭企业的运销决策仍然凭借的是决策者的经验和直觉，没有在基于市场信息、客户信息、企业内部厂矿生产信息、铁路运力等诸多信息的基础上做出科学的分析、合理制订最佳决策，煤炭产品定价、销售计划制定、铁路发运调度等等诸多的决策问题具有很大的优化空间。 在市场经济环境下，煤炭企业面临的决策环境具有信息量大，信息变化快的特点，并且运销决策本身并不是一个结构化的决策问题，决策目标之间往往互相冲突，行动方案带来的影响具有高度的不确定性。决策支持系统(Decision Support System，DSS)可以很好地集成企业内外部信息资源，解决非结构化决策领域问

4、题，消除不确定因素，辅助管理人员进行科学、及时、合理的决策。因而开展煤炭运销决策支持系统研究工作，对于克服目前煤炭运销管理存在的问题，提升煤炭企业运销管理水平，进而增强煤炭企业竞争力具有重要现实意义。 2传统DSS的不足和DW、OLAP及DM概述 2.1DSS和传统DSS不足 决策支持系统是综合利用大量数据，有机组合众多模型如数学模型、数据处理模型等，通过人机交互辅助各级决策者实现科学决策的系统。传统的决策支持系统由对话部件、数据部件、模型部件构成，其结构如图1所示。对话部件作为人机交互接口；模型部件则是决策支持系统的核心，其中存放各类型的模型，通过与对话系统交互

5、以及调用数据库的数据完成决策问题的求解；数据部件用于管理和存储与决策相关问题领域的有关数据。传统的DSS通常是建立在数据库基础之上，随着数据量的增大，数据的查询也趋于复杂，基于数据库的DSS显现出了如下不足之处。 (1)数据往往缺乏组织性，由于应用环境下各部门数据具有不同组织、存储形式，从各个部门抽取的数据没有统一格式标准，数据杂乱且不稳定。 (2)数据利用率低，由于数据缺少统一标准以及原始数据定义的不一致性，数据在语法及语义上均无法很好地被定义描述，很难转化为对于决策有用的信息。 (3)数据处理效率低，数据库语言数值计算能力较低，只能对原始数据进行一般的加工和汇

6、总，大量的数据并不能得到及时的综合分析，无法很好地满足决策的需要。 2.2DW、OLAP及DM技术概述 随着数据仓库技术、联机分析处理以及数据挖掘技术的不断发展，出现了以数据仓库为核心，联机分析处理与数据挖掘技术为手段DSS解决方案，能够很好地克服传统的基于数据库的DSS应用开发存在的问题。 数据仓库(Data Warehouse，DW)是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程。与传统数据库相比，数据仓库存放的是概括性数据、历史性数据、分析性数据，数据按照分析领域对象的标准进行归类并经过了集成的规范化处理，数据访问频率较低但

7、访问量却远高于数据库的访问量，其数据存储结构具有多维特征，能克服数据库的数据组织性差、利用率低的缺点，满足DSS对数据的分析要求。 联机分析处理(OnLine Analytical Processing，OLAP)是专门设计用于支持复杂数据的分析操作，其侧重于对分析人员和中高层管理人员提供决策支持。它可以应分析人员的要求，对多维数据集中的数据进行切片和切块、钻取、旋转操作，快速、灵活地进行大数据量的复杂查询处理，辅助决策人员对数据进行多角度、多侧面的分析，克服传统DSS交互能力差的缺点。 数据挖掘(Data Mining，DM)是从大量的、不完全的、有噪声的、模糊的、随机的

8、数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它以大型数据库或数据仓库为基础，运用人工智能、机器学习、统计学等技术，分析企业原有的数据，通过关联分析、时序模式、分类、聚类、偏差监测、预测等六个方面的挖掘任务，做出归纳性的推理，从中发现潜在的模式，帮助决策者做出正确决策。 3煤炭运销决策支持系统功能分析 本文结合目前煤炭企业运销管理业务的特点及业务现状，提出煤炭运销决策支持系统应实现的6大业务功能，如图2所示。(1)客户分析。客户是企业的重要战略资源，客户分析是DSS系统的核心内容之一。客户分析的关键在于全面的客户历史发运、回款、结算、煤炭数量

9、或质量原因引起的商务纠纷处理记录等业务数据。分析的内容主要包括客户细分、客户信用分析、客户购煤行为分析、客户贡献率分析等，通过客户分析可以获取、保持、增加价值客户，提高客户满意度、降低企业的交易风险。 (2)市场分析。市场分析的数据来源于同行业销售及市场调研数据，分析的内容主要包括市场现状分析、竞争状况分析、市场预测分析、煤炭价格分析等。通过市场分析，煤炭企业可以把握煤炭市场销售动态，准确对未来煤炭需求及价格走势进行合理预测，从而为企业营销策略的制订提供参考。 (3)销售分析。销售分析主要包括煤炭销量构成分析，销量变化及影响因素分析，销售利润分析，商品煤煤质变化分析，销售分

10、部绩效分析等。通过销售分析可以考核业务绩效，及时发现运销管理过程中存在的问题并提出解决方案，以调整营销策略，提高企业赢利能力，使企业利润最大化。 (4)业务决策。为实现煤炭企业产运销平衡的目标，在企业内部销售生产计划编排、月度铁路运输计划制定、发运调度配车方案确定的过程中，系统综合煤炭需求、铁路运力、生产矿产量以及生产矿煤质数据进行决策优化，为运销管理人员提供切实可行的优化方案。 (5)综合查询。主要实现对运销业务情况的全面综合的在线查询，包括合同执行计划查询、铁路月度计划执行情况查询、发运统计查询、商品煤煤质查询、用户往来账款查询等等，通过综合查询可以让管理者全面清楚地了

11、解运销业务情况，为决策制订提供参考。 (6)业务报表。综合的统计报表是煤炭运销管理中的重要内容，业务报表应具备操作简单、自动化程度高等特点，使用者可很方便地在短时间提取不同数据源数据并按灵活定制的各种表格样式生成相应的统计报表，满足不断变化的报表需求。 客户分析、市场分析、销售分析是DSS的核心部分，可以采用OLAP多维分析的方式，也可以采用DM技术方式，例如客户细分可以采用DM的聚类分析方法。业务决策可以采用模型决策技术加以实现，比如发运调度配车方案问题可以转化为多目标优化问题。对于综合查询部分属业务数据的综合统计查询，可以直接建立在数据仓库上实现，业务报表既可自行开发也

12、可利用一些成熟的报表工具来实现。 4煤炭运销决策支持系统模型 结合前面对于煤炭运销决策支持系统功能的分析，本文提出煤炭运销决策支持系统模型如图3所示。在决策支持系统模型中，数据仓库依据拟解决的运销决策领域问题，实现所需底层数据的有效集成。运销管理过程中涉及的发运、煤质、生产库存、财务等内外部数据信息作为不同的数据源经ETL工具进行抽取、综合、转换后，以统一的结构和规范整合到数据仓库中。在决策分析时，人机交互图形用户界面提供用户和系统之间的信息传递和交流，引导解释系统作为系统的核心部分，实现对用户输入的相关决策问题语言的解释和处理，并依据决策问题类型的不同调用相应的决策分析子

13、系统。系统的决策分析由OLAP子系统、DM子系统以及模型决策子系统3部分组成，OLAP通过构建多维的数据模型，实现多维数据的分析处理，DM发掘数据内部隐藏的知识和规律，而模型决策子系统通过各种决策模型实现问题的求解，决策分析所涉及的领域知识、方法、数学模型由系统的知识库、方法库、模型库支持，分析所需的数据来源于数据仓库。决策分析的结果经引导解释系统处理后，由人机交互图形用户界面向用户展现。参考文献： 1付永水.当前煤炭营销市场存在的问题与策略J，中州煤炭，2000(1) 2陈文伟.决策支持系统及其开发M.北京：清华大学出版社，2000 3高洪深.决策支持系统M.北京：清华大学出版社，2000 4康晓东.基于数据仓库的数据挖掘技术M.北京：机械工业出版社，20055王艳华，蒋加伏.数据仓库技术J.