--新零售商业分析系统技术解决方案

1、智慧零售商业分析系统新零售商业分析系统技术解决方案目录一、概述41.1项目构建背景41.2项目构建的必要性41.3项目建设目标51.3.1建立企业数据中心51.3.2建立综合查询分析中心61.3.3建立领导决策支持中心61.4预期收益61.4.1短期效益61.4.2长期效益71.5系统总体框架71.6系统应用层次81.7项目风险及风险控制91.7.1项冃风险91.7.2风险控制10二、系统需求102.1需求总述102.2具体业务需求102.2.1规范基层企业数据编码和数据口径112.2.2实现数据集中式处理和管理112.2.3建立统一的决策分析管理平台112.3主要功能模块11三、系统功能涉及

2、概要123.1销售分析模型123.2库存分析模型143.3采购分析模型163.4商品价格分析173.5商品周转率分析183.6商品利润效率分析193.7客户流动性分析203.8客户釆购相关性分析213.9会员忠诚度分析22四、数据中心设计方案234.1数据中心设计思想234.2数据中心设计框架图244.3数据口径统一24五、数据整理设计方案255.1数据整合255.2数据汇总设计26六、总体技术设计方案266.1系统应用环境设计266.1.1系统软件支撑平台266.2应用平台设计276.2.1决策支持平台276.2.2产品功能特点276.3基于应用平台的应用实现方式336.3.1实现过程描述3

3、36.3.2基于应用平台进行应用实现的效益分析35一、概述1.1项目构建背景随着我国经济快速成长，国民所得不断的提高，教育水准的普及与提高，科技的进步，民众之生活水准提升，国人的生活型态改变，消费习性或购物习惯也跟着大幅转变，加上国内零售业的应运而起且迅速发展，使综合商品零售业如百货公司、便利商店、超级市场及量贩店的家数不但激增且彼此间的竞争更日趋激烈。迈入信息时代的今天，零售业为了强化企业竞争力，近年来大力推动商业自动化，主要的科技包括加值型网络(ValueAddedNetwork;VAN)商品条形码(BarCode)销售点系统(POS)、电子订货系统(ElectronicOrderingS

4、ystem;EOS)及智慧无人超市系统(IntelligentSupermarketSystem)。对经营能力(实时、正确掌握商品信息、有效调整商品结构、商业服务品质改善等)，与商业价值(如销货金成长率提供、现金流量/效益、资本报酬率等)都有获得显著成效。1.2项目构建的必要性国内零售业不断扩大规模，对于管理方面存在诸多难点，比如：门店分布各地，需要为不同地域客户群提供服务，管理面临规模大以及地理扩展的挑战，及集中化管理和提升管理效率；客户群非常庞大，需求多样化，对客流量分布、客户购买频率、消费水平等情况的分析以及客户需求把握、会员忠诚度管理；经营品种繁多、规格多样，难以有效掌控各类产品销售情

5、况、库存情况、缺货情况、盈利情况，以及形成未来商品的销售趋势预判;利润率普遍较低，需要通过信息管理系统提供全面、及时、准确的分析数据，是管理层能及时掌握销售情况、促销情况、盈利情况等，而今日的零售业者更为了明日的竞争力，积极投入销售情报数据库分析，顾客关系管理分析，与商业智能分析等信息系统的开发。期望更精准掌握顾客消费习性，达到企业屹立不摇的地位。1.3项目建设目标1.3.1建立企业数据中心项目建设的第一个目标就是建立企业数据中心，公司SAPHANA数据库系统经过多年的正常运行，产生大量的业务数据，当前，这大量的业务数据如果继续存储在业务系统势必将影响业务系统的正常运行，大量的查询和报表也影响

6、业务系统的效率和性能，如果定期备份，这些历史业务数据将不能对当前业务起参考价值，业务系统的历史数据价值大打折扣，如何做到既不影响业务系统的正常运行又最大限度的利用历史数据的价值呢？唯一的办法就是建立企业数据中心，定期将业务系统数据、财务系统数据以及其他应用信息系统的数据抽取到数据中心。1.3.2建立综合査询分析中心项目建设第二个目标就是建设综合查询分析中心，数据中心建设完毕之后搭建企业综合查询分析平台，在数据中心基础上搭建的综合查询分析平台不但能实现单业务系统的简单查询，还能实现如下业务系统所不能实现的查询分析功能。多业务系统之间的综合查询。根据数据模型来实现数据的钻取、旋转、交叉等分析。线图

7、、柱状图、饼图、面积图、ABC分类图等图表连动直观分析。数据统计分析以及分组统计分析。相关分析、趋势分析、趋势预测、聚类分析等高级分析。1.3.3建立领导决策支持中心项目建设最后一个目标也是最重要的一个目标是建立领导决策支持中心，系统将对历史数据进行分组统计分析、周期分析和趋势分析，找出企业主要利润点以及主要利润点的变化情况和变化趋势，为领导决策提供理论支持。1.4预期收益1.4.1短期效益系统建设的短期效益就是通过对商品销售情况、库存情况、釆购情况、成本、费用等直接关系到企业效益的经营业务数据进行分析，逐步优化产品的结构来提高商品销售金额、合理控制库存降低库存成本、对费用进行分析控制费用以及

8、对现金流进行分析来控制安全的现金流。通过对以上经营情况进行分析来提高销售降低成本以实现提高企业的经营效益和经营效率，增强企业的竞争优势。1.4.2长期效益系统建设的长期效益主要通过对商品的销售趋势分析、商品结构变化分析以及财务分析（如：成本分析、现金流分析）建立一套完整的监控预警以及决策支持体系及时调整企业经营策略，增强企业抗风险能力。1.5系统总体框架智慧零售商业分析系统的总体框架由数据源、数据中心、分析平台和信息服务四个部分构成，数据源即为数据仓库的基础数据源，其主要是各个业务部门的基础业务数据以及零售行业的一些统计信息，各个业务部门的基础业务数据通过数据抽取和数据转换、数据过滤来获取，零

9、售行业的一些统计信息则通过录入来获取。数据中心是集中存储经过统一标准转化的各个业务部门的业务数据的数据仓库。智慧零售商业分析系统的总体框架图如下：ft1.6系统应用层次系统应用层次分为三个层次，分别是数据层、商业应用层次和企业应用层次，数据层主要分为基础数据源层次、据加工转换层次和数据存储中心层次，数据源为各个部门的业务系统，数据加工层次主要是各个部门的业务数据与标准数据进行比较转换。数据中心层次主要是对各个业务信息系统的业务数据进行整合并按分析模型进行存储；商业应用层次主要是根据需求建立各种分析模型，以及查询、报表应用层次；企业应用层次主要是为各个部门以及公司领导提供信息服务的应用层次。系统

10、应用层次如下图：企业应用层商业成用层数据层第5层企业应用层次仇向企业的应用服务（报告、邮件）权限、角色第4层商业应用层次数据建模、数据分析、报表生成、数据査询第3层数据中心层次数据存储、数据汇总第2层数据加工整理层次数据抽取、数据清理、数据加工第1层数据源层次&个*：门的业务系统（业务数据与标准数据对照）1.7项目风险及风险控制1.7.1项目风险即使零售业商业智能受到全球零售业的注重，热衷程度也逐渐升高。但是对企业而言，因为涉及的范围及层级甚广，包括信息技术、投资金额、业务流程、资料完整性等，项目的风险性较高。综观国外，仍然不乏有成功案例；反观国内，零售业者对于商业智能的信息技术与解决方案尚属

11、萌芽阶段。零售业商业智能一般包括顾客关系管理、商店经营、商品组合、商品推广、财务分析与电子商务等分析范围。1.7.2风险控制在项目实施过程中因为涉及到数据的完整性、应用的重视程度、分析模型的准确性等多方面因素，所以项目存在一定的风险,我们将通过以下手段来控制项目风险：充分调研，充分了解企业管理以及绩效管理的焦点，建设能满足分析需求的数据分析模型。认真了解业务系统，充分把握业务系统数据，提高数据的准确性和完整性。企业领导亲自负责，通过企业领导亲自负责来提高系统的应用重视程度。二、系统需求2.1需求总述智慧零售商业分析系统总体需求是整合企业业务数据，建立企业数据中心，并搭建企业综合查询中心、企业监

12、控预警体系和企业领导决策支持中心。2.2具体业务需求通过规范数据信息流程和集中交换达到数据的一致性和准确性，管理决策的适时性和动态性，并在通过对数据的整合，提供一定的分析和决策支持等信息分析功能。信息流程通过数据信息流程的规范，按照统一指标、统一统计口径、统一数据概念的要求，将各个业务系统以及财务系统的数据按照统一的标准抽取到数据中心，使各个业务系统的数据相互共享。2.2.2实现数据集中式处理和管理对各个企业经过标准化处理后的数据，公司实现集中式管理。系统要能按月和年提供及时准确的各类业务信息（釆购信息、销售信息、库存信息），使各个企业的数据相互共享、相互参照。2.2.3建立统一的决策分析管理

13、平台通过对上报的基础数据信息的提取和加工整理，本着规范化与灵活性相结合的原则，设定不同的使用权限（组织和人员），灵活使用数据，进行分析和查询。系统统一下发固定报表模板，同时用户可根据个性化需求灵活定制报表，提供决策支持。2.3主要功能模块系统应具备下述功能模块：数据抽取管理、数据挖掘管理、数据汇总处理、报表及统计分析、系统管理模块等。数据抽取管理模块：将各个业务系统的业务数据经过标准化处理之后上报的企业数据中心。数据挖掘管理模块：挖掘不同网站、不同数据源的同类相似商品详细信息经过标准处理之后上报的企业数据中心。数据汇总处理模块：将各个业务系统的业务数据按商品等分类信息等进行汇总处理。报表及统计

14、分析模块：按各个部门以及公司领导的应用需求建立分析模型。系统管理模块：包括系统运行所需要的单位信息，人员和角色信息，以及用户权限设置等。三、系统功能涉及概要3.1销售分析模型分析内容：以商业销售数据为分析对象，分析商业销售情况，商品类型的销售结构、供货商销售毛利贡献排行情况、品种毛利贡献情况、销售金额增长趋势、销售毛利增长趋势、销售毛利率变化趋势、主题主打商品销售趋势、商品品种销售金额区间分析、库区销售规模区间分析等。而分析维又可从管理架构（企业组织）、时间维度、商品属性、经营方式等角度观察，这些分析维又釆用多级钻取，从而获得相当透彻的分析思路；同时根据历史数据产生预测信息、报警信息等分析数据

15、；还可根据各种销售指标产生新的透视表，例如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等。这些复杂的指标在原来的数据库中是难以实现的，公司领导们虽然知道它们非常有用，但因为无法得到，使得这些指标的地位也若有若无。直到BI技术出现之后，这些指标才重新得到了管理者和分析者们的宠幸。通过销售分析我们能够分析当前销售情况、销售增长情况、销售结构情况、销售模式结构情况（自营、代销、租赁的结构情况）、销售结构变化情况等等。指标设计：商品销量、销售单价、销售金额、会员卡销售金额、会员卡销售金额比重、会员卡总剩余金额维度设计：时间维度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供应库位经

16、营方式维度：经营类型数据加工方法：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：商品类型的销售结构供货商销售毛利贡献排行情况商品品种毛利贡献情况销售金额增长趋势销售毛利增长趋势销售毛利率变化趋势主打商品销售趋势供应商销售金额区间分析品种销售金额区间分析主体品种区间分析会员卡消费趋势经营类型结构分析其他自定义模板3.2库存分析模型分析内容：库存直接反映企业经营状况和资金周转效率，所以对库存进行分析能够有效控制库存、降低经营风险、降低经营成本和提高经营效益。主要分析各项库存指标，例如

17、商品库存数量、库存对比情况、库存结构情况、库存金额情况、库存变化情况、商品存销比、库存销售天数、库存安全情况、库存盘点情况、库存损耗情况等；而分析维又可从管理架构（企业组织）、时间维度、商品属性、经营方式等角度观察。指标设计：商品库存销量、商品库存金额、入库金额、出库金额、库存效率、平均每天销售数量、库存销售天数、存销比、库存损耗数量。指标计算：库存效率二库存金额/（入库金额+出库金额）72）*100%存销比二库存金额/出库金额*100%库存销售天数二库存数量/平均每天销售数量维度设计：时间维度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经莒类型数据加工方法

18、：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板库存结构情况分析：分析库存商品结构情况，即商品按大类进行分类，分析各类商品在库存金额中占的比重，按公司部门进行分类，分析各个部门的商品在库存中的结构情况。库存流动与库存量比较分析：分析存销比、库存流动成本以及库存成本比较寻求合理库存流动频率，以便在满足销售的情况下降低库存、节约经营成本。库存与效益情况分析：分析库存量、库存分布量与经济效益之间的关系，以备合理安排库存。库存情况与销售情况分析：分析库存量、库存分布量与销售数量之间的关系，

19、分析影响销售的存货因素，以便合理安排库存和库存分布。合理库存区间分析：分析库存量的上下限警戒线，库存的上下限为系统根据最近一段时间的日销售量、订货时间等因素自动计算库存的当前的上下限，为库存安全随时预警。当前库存健康状况：主要是分析当前库存的合理情况，根据销售的商品与库存的商品进行对比，库存情况是否合理，并给出合理的建议。库存变化情况分析：分析库存的一些随着时间的变化情况，例如：库存变化趋势、库存结构变化情况等等，对这些情况进行分析，随时掌握市场动态和消费变化趋势情况。库存损耗分析：分析库存盘点情况，即对库存损耗进行分析,有效降低库存损耗。其他库存分析：自定义其他库存分析模板。3.3釆购分析模

20、型分析内容：釆购分析主要是对釆购成本和釆购周期进行分析指标设计：商品销量、销售单价、销售金额、会员卡销售金额、会员卡销售金额比重、会员卡总剩余金额维度设计：时间维度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经营类型数据加工方法：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：釆购成本对比分析釆购周期趋势分析釆购成本趋势分析3.4商品价格分析分析内容：记录商品实时价格来分析单品价格走势指标设计：采购单价、销售单价维度设计：时间维度：年、季度、月、

21、日。组织结构维度：部门、楼层商品属性维度：商品分类、商品大类、商品供应商经营方式维度：经营类型数据加工方法：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：商品类型的销售结构其他自定义模板3.5商品周转率分析分析内容：商品周转率直接影响企业的经营效率，一般来说商品周转率越大，流通周期越短，经营效率就越高，通过对商品周转率分析，我们将对商品按流通特征进行分类，并且能够通过周转率分析来安排商品采购、以降低商品库存，缩短商品流通周期，提高经营效率。指标设计：商品销售数量、商品销售金额、库

22、存数量、库存金额、单品销售天数、单品周转周期维度设计：时间维度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经营类型数据加工方法：商品平均周转天数计算、同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：商品周转率排行分析其他自定义模板3.6商品利润效率分析分析内容：商品利润效率分析主要是对商品毛利率、商品利润效率分析等等。指标设计：商品销售金额、商品库存金额、毛利、毛利率、商品利润率指标计算：毛利率=毛利/商品销售金额利润率=毛利/平均库存金额维度设

23、计：时间维度：年、季度、月商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经营类型数据加工方法：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。模板：毛利率排行分析利润率排行分析其他自定义模板3.7客户流动性分析分析内容：客流分析是根据购买单据来分析一天中客流的特征、购买特征等等，合理安排经营和销售人员以及作息时间。指标设计：单据数量、销售金额、平均单据金额指标计算：平均单据销售金额二销售金额/单据数量维度设计：时间维度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供

24、应商经营方式维度：经菅类型数据加工方法：同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：客流时段分析商品销售时段分析其他自定义模板3.8客户采购相关性分析分析内容：根据对同一个单据同时出现两个商品的频率进行分析，来分析客户釆购的相关性，并根据这些相关程度合理安排商品摆放位置和釆购、库存计划。其示意如下：顾客釆购A商品的同时一般同时相对应地要釆购B商品，这样我们就将A商品和B商品尽可能的摆放在一起，在安排A商品采购的同时我们同时做好B商品的釆购计划。指标设计：商品销量维度设计：时间维

25、度：年、季度、月、日。商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经营类型数据加工方法：顾客采购商品相关性统计模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图。分析模板：相关性排名分析其他自定义模板3.9会员忠诚度分析分析内容：会员卡分析主要是对会员卡消费情况进行分析，主要分析会员卡消费金额比重、会员卡消费走势分析、会员卡消费特征（会员卡主要消费哪些类别的商品），会员卡资金流通周期分析等等。指标设计：总销售金额、会员卡消费金额、会员卡消费份额、会员卡总金额、会员卡存入资金、会员卡资金流

26、通周期分析。指标计算：会员卡资金流通周期=会员卡存入金额/会员卡消费金额维度设计：时间维度：年、季度、月。商品属性维度：商品分类、商品大类、商品供应库位经营方式维度：经营类型数据加工方法：会员卡消费商品统计、同比分析模型设计：时间序列模型、同比与环比主要分析方法：结构分析、趋势分析、对比分析、ABC分析、综合评价。输出样式：线图、柱型图、饼图、ABC分析图分析模板：会员卡消费份额分析会员卡消费特征分析，即会员卡消费商品大类结构分析会员卡消费时间区间分析会员卡资金流通周期分析会员卡剩余金额走势分析其他自定义模板四、数据中心设计方案4.1数据中心设计思想数据中心建设方案是将数据中心分为三个部分，第

27、一部分是建立数据中心基础表用来保存将各个业务系统的采购、销售、库存等业务经过统一标准进行规范后的基础数据，在数据中心基础上建立描述企业采购、销售、库存、发展速度、市场、品牌、企业综合状况等关键绩效指标的表，第三层在基础表和关键绩效指标的基础上根据系统数据分析需求，建立的各个专项分析数据集市和综合数据分析集市，数据中心分为三个层次之后，系统具有灵活扩展的能力，在第一层能够扩展基础数据，增加基础业务数据，在第二层能够增加关键绩效指标(KPI：KeyPerformanceIndicators),在第三层能够增加应用分析主题。4.2数据中心设计框架图4.3数据口径统一统计的口径是数据不同量级上的体现，

28、不同的统计口径有着不同的参照和对应关系，如产值在国内统计体现是人民币，在国际上则要对应美元。同样，不同的层次的数量上表现也不一致，低层次的表现数量可能是千元，高一级就变为万元，面对形式多种多样，各种不同的数据统计口径，必须确定一个统一口径，然后建立相关的口径范围，在数据源内部作整体的转换。现有口径标准收集口径标准的兼容性收集标准涉及业务范围的收集统计口径使用范围分析可操作性分析编码规则分析兼容性分析口径转换标准制定文档整理口径维护应用指导大纲编写标准维护和管理制度通过标准统计口径的建立，统一了源数据量的表达方式。避免出现对比混乱等问题。五、数据整理设计方案5.1数据整合将各个业务系统的业务数据

29、文件进行解析并存入数据中心的基础数据表。数据汇总实现的功能是企业管理中心对各个业务系统的采购、销售、库存、价格等基础数据按时间维度、商品名称、租户、商品类别等维度进行分门别类汇总处理。按时间进行汇总处理按商品进行汇总处理按供应商进行汇总处理六、总体技术设计方案6.1系统应用环境设计6.1.1系统软件支撑平台6.1.1.1服务器系统项目正式上线将部署在阿里云服务器。6.1.1.2数据库产品数据库釆用SAPHANAo6.2.1决策支持平台决策支持平台，是我们在多年企业管理软件的设计开发基础上，研究并吸收了国内外先进的企业管理思想，使用先进的决策模型和算法，针对数据应用和数据分析开发出来的一套用于企

30、业经营综合分析、预测及决策支持的软件系统。该平台具有柔性、重用、开放、易用、提供二次开发和快速订制的特点，为领导提供丰富直观的决策信息，实现从传统MIS系统解决“是什么”到决策支持系统解决“为什么”的重大转变。6.2.2产品功能特点基于分布式组件对象的三层体系结构。系统基于COM/DCOM分布式组件模型技术，釆用数据库服务器/应用服务器/客户端浏览器的三层体系结构。客户端釆用IE浏览器方式，通过中间层的应用服务器与后台数据库连接，保证了真正“瘦客户”的实现，无需依赖第三方软件；中间层应用服务器釆用分布式组件技术，提供数据访问和事务处理功能，支持所有主流数据库系统，便于扩充。丰富的数据分析、预测

31、算法。以事实数据为基础，从事实数据、总量数据、增长数据三个方面，提供趋势、周期、结构、类比等多种分析方法，对企业经营行为进行综合分析；提供多因素关联分析，帮助用户找出指标间的关联关系；以内置的线性拟合、傅利叶拟合算法为基础，提供趋势预测，帮助领导发现规律，定位焦点问题。同时系统还支持多维分析。丰富的数据展现方式。数据展现除了提供用户自定义报表和传统的散点图、线型图、柱状图、饼图外，还提供了Parto图、雷达图、电子地图导航等多种展现方式，使数据分析更加直观。提供信息二次加工机制。系统生成的查询分析结果，能够灵活地输出成HTML、EXCEL.XML等各种格式的报告，供用户进行二次加工。提供数据挖

32、掘和钻取。系统提供向下钻取、向上钻取、交叉钻取的数据挖掘功能，数据挖掘的路径能够由用户自由设置。提供报告生成体系。能够让用户进行数据分析后，生成定性评价报告。智能化问题分析模板的定义：系统能根据用户对问题分析过程的记录和分析，形成问题模板，用户在对同类问题进行分析时，能够直接应用模板，实现对分析路径、输出样式、分析方法、报告格式等的重用。灵活的用户定制和二次开发功能。为用户提供的是一个开放的决策支持平台，用户能够按自己的习惯和要求定制自己的决策支持系统，当然，如果用户愿意，我们愿意提供这种定制服务。6.2.3决策支持实现原理6.2.3.1数据准备数据综合应用的处理对象是海量的数据，这些原始数据

33、一般储存在一个数据库系统中，也有可能存储在分布的多个数据库系统中，例如：PTO管理中心要分析整个集团的采购量、采购单价、销量、存量以及效益情况就必须从各个基层企业的数据库系统中提取相关的业务信息。因为业务系统中的原始数据相当庞大，关系复杂，而且存在很多没有信息价值的数据，这样往往不适合直接在这这些数据上进行综合分析，这样就必须对原始数据进行简单的提取和再生成，使数据更具有信息性和可分析性，这就需要数据仓库和数据整理技术为数据综合应用做好数据准备。(数据抽取数据存储)。6.2.3.2数据挖掘数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、

34、人们事先不知道的、但又是潜在有用的信息和知识的过程。人们把原始数据看作是形成知识的源泉，就像从矿石中釆矿一样。原始数据能够是结构化的，如关系数据库中的数据,也能够是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法能够是数学的，也能够是非数学的；能够是演绎的，也能够是归纳的。发现了的知识能够被用于信息管理、查询优化、决策支持、过程控制等，还能够用于数据自身的维护。所以，数据挖掘是一门很广义的交叉学科,它汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。特别要指出的是，数据挖掘技术从一开始就是面向应用的。它不但是

35、面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用B有的数据对未来的活动进行预测。这样一来，就把人们对数据的应用，从低层次的末端查管理办法，制定既有查询操作，提高到为各级经营决策者提供决策支持。这种需求驱动力，比数据库査询更为强大。6.2.3.3建立模型建立模型就是根据实际应用的需要，釆用一定的模式模型来模拟数据的相互关系和数据发展趋势。有些模型可能是没有实际意义或者没有使用价值的，也有可能不能准确的反映数据的真实意义，甚至在某些情况下是与事实相反的，所以，如何建立模型、建什么样的模型是建立

36、模型的关键，常用的模式包括以下几类：A.分类模式分类模式是一个分类函数（分类器），能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。回归模式回归模式的函数定义与分类模式相似，它们的差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。如给出某种动物的特征，能够用分类模式判定这种动物是哺乳动物还是鸟类；给出某个人的教育情况、工作经验，能够用回归模式判定这个人的年工资在哪个范围内，是在6000元以下，还是在6000元到1万元之间，还是在1万元以上。时间序列模式时间序列模式根据数据随时间变化的趋

37、势预测将来的值。这里要考虑到时间的特殊性质，像一些周期性的时间定义如星期、月、季节、年等，不同的日子如节假日可能造成的影响，日期本身的计算方法，还有一些需要特殊考虑的地方如时间前后的相关性（过去的事情对将来有多大的影响力）等。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。聚类模式聚类模式把数据划分到不同的组中，组之间的差别尽可能大,组内的差别尽可能小。与分类模式不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪一（几）个数据项来定义组。一般来说，业务知识丰富的人应该能够理解这些组的含义，如果产生的模式无法理解或不可用，则该模式可能是无意义的

38、，需要回到上阶段重新组织数据。关联模式关联模式是数据项之间的关联规则。关联规则是如下形式的一种规则：“在无力偿还贷款的人当中，60%的人的月收入在3000元以下。”序列模式序列模式与关联模式相仿，而把数据之间的关联性与时间联系起来。为了发现序列模式，不但需要知道事件是否发生，而且需要确定事件发生的时间。例如，在购买彩电的人们当中，60%的人会在3个月内购买影碟机。在解决实际问题时，经常要同时使用多种模式。分类模式和回归模式是使用最普遍的模式。分类模式、回归模式、时间序列模式也被认为是受监督知识，因为在建立模式前数据的结果是已知的，能够直接用来检测模式的准确性，模式的产生是在受监督的情况下进行的

39、。一般在建立这些模式时，使用一部分数据作为样本，用另一部分数据来检验、校正模式。聚类模式、关联模式、序列模式则是非监督知识，因为在模式建立前结果是未知的，模式的产生不受任何监督。6.2.3.4数据统计单变量统计分析：MDDAS提供基本统计分析工具，进行最大值、最小值、算术平均值、几何平均值、众数、中位数、极差、方差、标准差以及各类比例计算。选择分析的分析变量或指标，系统自动生成分析变量或指标的基本统计信息，如下图。6.2.3.5自动报告系统自动报告系统是决策支持对数据集进行加工处理，做出客观评论形成文字分析结果的一个子系统，使用报告系统生成经济运行分析既能简化分析过程又能够满足类似幻灯片的汇报效果。6.2.3.6报表系统通过定义Excel报表模板，系统根据模板生成Excel报表。6.3基于应用平台的应用实现方式6.3.1实现过程描述在有了业务解释平台、工作流管理平台等平台系统之后，我们的软件开发过程发生了很大变化，这种变化体现在系统设计和系统实现的各个阶段之中。当前的开发都是以平台的使用为基础的，在系统设计期间我们用工作流管理平台来设计业务的工作流程以及各功能模块之间的应用整合。在系统实现阶段，使用业务解释平台以定制的方式，快速实现各自的程序模块，在开发人员完成程