任永峰，楊 松

(淮陰工學院計算機工程學院，江蘇淮安223003)

0 引言

在電子商務中加入決策支持系統(tǒng)是對數(shù)據(jù)的一種總結(jié)，其本身并不能夠替代決策者本身，它的主要功能是為了提高決策者的決策效率，幫助企業(yè)的決策者強化洞察力。通過決策支持系統(tǒng)將企業(yè)決策者的知識、技能和IT技術(shù)進行完美結(jié)合，使得決策者能夠面對迅速變化的市場做出及時的響應，并有效地配置企業(yè)的各項資源。

目前有很多關(guān)于智能分析和預測的研究，但這些研究大都基于理論上的分析，沒有給出實例，或者很多系統(tǒng)都預留了上述功能的接口，但是沒有實現(xiàn)。

本文是在一套電子商務系統(tǒng)的基礎上對智能分析和智能決策的模型進行研究，希望能給用戶的后期決策提供參考。

1 智能分析

智能分析模塊主要用來分析實際數(shù)據(jù)，從宏觀的角度去衡量商務平臺的運作是否良好、合理?？梢圆扇煞N方法來實現(xiàn):第一，和往年的最佳年度作對比，從中找出差異;第二，請相關(guān)的行業(yè)專家制定規(guī)范的業(yè)績發(fā)展標準，用實際的數(shù)據(jù)如銷售數(shù)據(jù)和專家標準作比較，確定當前的業(yè)務發(fā)展是否合理。

模糊規(guī)則的一般表示形式為:

if A then B(CF，λ)

E為模糊命題表示的模糊條件，可用一個模糊命題表示簡單條件，用多個模糊命題表示組合條件;B是用模糊命題表示的模糊結(jié)論;CF是模糊規(guī)則的可信度因子，可以是一個確定的數(shù)，也可以是一個模糊數(shù)或模糊語言值;是規(guī)則的閾值，用于指定規(guī)則被使用的限制。

模糊規(guī)則的模糊條件是模糊命題，與之匹配的結(jié)論也是模糊命題，故要采用模糊匹配的方法來計算兩個模糊命題的相似程度，即比配度。

本系統(tǒng)采用最佳年度對比的方法，具體算法如下:

根據(jù)制定的總銷量增長比例，確定各商品類的具體需要達到的最低銷量值，即盈虧分界銷量。盈虧分界分析所提供的信息，對于企業(yè)合理計劃和有效控制生產(chǎn)經(jīng)營極為有用，如預測成本，利潤，銷量等。

變量設置如下:

P——利潤，TR——收 入，TC——總 成 本，VC——單位變動成本，F(xiàn)C——固定成本，SP——單價，V——銷量。

盈虧分界點分析是以成本性態(tài)分析和變動成本法為基礎，其利潤計算如下:

利潤=銷售收入－變動成本－固定成本

使利潤為零，則銷售收入=變動成本+固定成本銷量單價=銷量單位變動成本+固定成本

v×SP=v×VC+FC?v=FC/(SP－VC)

安全邊際是指正常銷售量或現(xiàn)有銷售量超過盈虧分界點銷量的差值。安全邊際越大，企業(yè)虧損的可能性就越小，企業(yè)的經(jīng)營就越安全。

計算各類別商品的相關(guān)參數(shù)，單價和單位變動成本取加權(quán)平均值，銷售量取本年度和最佳年度的總銷售量，求得兩個年度的安全邊際率，從而構(gòu)成一個屬于論域 U={u1，u2，u3，u4，u5，u6}的模糊集合A和模糊集合B。

計算兩大集合的海明距離和歐幾里德距離:

歐幾里德距離:

模糊匹配度δ(A，B)為語義距離d(A，B)的補集，從而可得匹配度 δ(A，B)=1－ d(A，B)。和閾值λ比較，確定是否和命題條件(專家知識)模糊匹配。

如果確實模糊匹配，則本年度的銷售情況良好，匹配度越高，說明銷售情況趨于最優(yōu)化。反之，銷售情況不理想，可查看銷售增長緩慢或下降的商品類，進行具體地分析，制定相應的對策。由于系統(tǒng)針對某銷售企業(yè)2009年銷售數(shù)據(jù)進行分析(如表1所示)，通過分析得出該年度的銷售的模糊匹配度大于門檻值0.6，說明該年度銷售情況良好。

表1 智能分析結(jié)果

2 智能預測

智能預測模塊是根據(jù)企業(yè)已有的數(shù)據(jù)，用算法進行處理，并在此基礎上實現(xiàn)預測未來發(fā)展的趨勢。

在本系統(tǒng)中，數(shù)據(jù)倉庫將海量復雜的客戶行為數(shù)據(jù)集中起來，建立一個整合的、結(jié)構(gòu)化的數(shù)據(jù)模型，在此基礎上對數(shù)據(jù)進行標準化、抽象化、規(guī)范化分類、分析，為企業(yè)管理層提供及時的決策信息，為企業(yè)業(yè)務部門提供有效的反饋數(shù)據(jù)?，F(xiàn)在，NCR、IBM、Oracle等廠商都在數(shù)據(jù)倉庫領(lǐng)域有所建樹，一些預見性的模型和解決方案已經(jīng)被建立起來，數(shù)據(jù)倉庫已不僅僅是簡單的數(shù)據(jù)存儲，而成為對客戶資料進行分析，挖掘客戶潛力的基石。

本系統(tǒng)可以幫助企業(yè)建立起龐大的數(shù)據(jù)倉庫，但在數(shù)據(jù)倉庫中進行數(shù)據(jù)挖掘是本系統(tǒng)的最核心的部分。

目前，主要的數(shù)據(jù)挖掘算法有:分類模式、關(guān)聯(lián)規(guī)則、決策樹、序列模式、聚類模式分析、神經(jīng)網(wǎng)絡算法等等。在選擇數(shù)據(jù)挖掘算法時，應該根據(jù)數(shù)據(jù)的結(jié)構(gòu)和分析的目的采取不同的算法，有些時候可能采取多種算法相結(jié)合的方法來實現(xiàn)分析的目的。結(jié)合本商務平臺的實際，并考慮到未來計算機技術(shù)發(fā)展的方向，本系統(tǒng)采用了最新的神經(jīng)網(wǎng)絡中的BP算法。

從本質(zhì)上講，人工神經(jīng)網(wǎng)絡的學習是一種歸納學習方式，它通過對大量實例的反復學習，由內(nèi)部自適應過程不斷修改各神經(jīng)元之間互連的權(quán)值，最終讓神經(jīng)網(wǎng)絡的權(quán)值分布收斂在一個穩(wěn)定的范圍。一個人工神經(jīng)網(wǎng)絡可針對特定的輸入模式，通過前向計算得出輸出模式和一個特定的解。

感知器(Perception)是由美國學者F.Rosenblatt于1957年提出的一個具有單層計算單元的神經(jīng)網(wǎng)絡。它在識別印刷體字符方面表現(xiàn)出了良好的性能，引起人們很多興趣。后來許多改進型的感知器在文字識別、語音識別等應用領(lǐng)域取得了進展，使得早期的神經(jīng)網(wǎng)絡的研究達到了高潮。

感知器的輸入可以是非離散量，它的權(quán)向量不僅是非離散量，而且可以學習調(diào)整。感知器是一個線性閾值單元組成的網(wǎng)絡，可以對輸入樣本進行分類，而且多層感知器，在某些樣本點上對函數(shù)進行逼近，雖然在分類和逼近的精度上都不及非線性單元組成的網(wǎng)絡，但是可以對其他網(wǎng)絡的分析提供依據(jù)。

本系統(tǒng)采用根據(jù)以往月份的銷售記錄預測未來月份的銷售情況，由于預測的多變性，所以只能針對相對較小的一個范圍進行預測計算，比如針對電子類1到6月份的銷售記錄預測7月份的銷售量。

通過計算1到6月電子類的銷售情況，預測7月份的銷售數(shù)量。確定預測神經(jīng)網(wǎng)絡的結(jié)構(gòu)為n輸入單輸出的三層結(jié)構(gòu)，此處n=6，由于只有一個隱層，在隱層中設置3n個隱層節(jié)點，網(wǎng)絡結(jié)構(gòu)為6181。

輸入節(jié)點的傳遞函數(shù)采用f(x)=x，隱層節(jié)點和輸出節(jié)點的傳遞函數(shù)采用Sigmoid型函數(shù)f(x)當 x=0 時，f(x)=0，符合預測條件。輸入層和隱層的連接權(quán)矩陣為 W=［wij］n×3n，隱層各節(jié)點的閾值為 θ=(θj)3n，隱層和輸出層的連接權(quán)表示為U=［uj］3n，輸出節(jié)點的閾值為r，一般設為零。

隱層各節(jié)點輸入量為:

隱層各節(jié)點輸出量為:

輸出節(jié)點輸入量為:

輸出節(jié)點輸出量為:

3n個隱層節(jié)點和輸出節(jié)點的連接權(quán)值的修正量:

輸入層n個節(jié)點和隱層3n連接權(quán)值修正量:

修改wij=wij+△wijuj=uj+△uj

采用多輸入單輸出的BP網(wǎng)絡，對一個輸入模式，只能得到一個輸出結(jié)果。采用多輸入多輸出的BP網(wǎng)絡，對一個輸入模式可同時得到多個輸出結(jié)果，稱之為神經(jīng)網(wǎng)絡的并行推理。和傳統(tǒng)的一元線性回歸，指數(shù)曲線擬合，對數(shù)曲線擬合相比，采用神經(jīng)網(wǎng)絡的算法的擬合精度大大超過了傳統(tǒng)的預測方法。

將1～6月電子類的銷售情況的具體數(shù)據(jù)利用已建立的模型進行計算，如表2所示，得到的預測結(jié)果是7月份銷售為99.99和實際的銷售92相比，誤差為7.99，具有比較好的參考價值。

表2 銷售智能預測結(jié)果

3 總結(jié)

本文主要探討了如何在電子商務中建立智能分析和智能決策的模型，并利用實際的數(shù)據(jù)對模型進行分析和驗證，并得到接近實際的結(jié)論。智能分析和智能決策的本質(zhì)就是以人為本，從人的角度出發(fā)，設身處地為客戶著想，讓客戶在實際工作中能夠最大化的提高工作效率。

［1］趙品，朱鎮(zhèn).企業(yè)電子商務戰(zhàn)略實施關(guān)鍵成功因素的實證研究［J］.清華大學學報:自然科學版，2006，46(S1):914－922.

［2］Garcia － Molina H，Ullman J D，Widom J.Database System Implementation Prentice Hall，2000(中文版:數(shù)據(jù)庫系統(tǒng)實現(xiàn))［M］.北京:機械工業(yè)出版社，2001.

［3］陳芳，金甌，賀建飚.BP神經(jīng)網(wǎng)絡在預測物流成本中的應用［J］.計算機信息，2008(5):175－177.

［4］朱啟紅，張剛.基于人工神經(jīng)網(wǎng)絡的企業(yè)知識管理評價模型［J］.科學學與科學技術(shù)管理，2003(8):32－34.

［5］林宏渝.SQL 2000決策分析OLAP建置與應用［M］.北京:中國鐵道出版社，2001.

［6］Matt J，Crouch.怎樣用 ASP和 COM 進行 Web編程［M］.康博創(chuàng)作室，譯.北京:人民郵電出版社，2002.

［7］鄭英鐸.電子商務安全綜述［J］.市場周刊·管理探索，2005(2):148－172.

［8］李乃文.C#程序設計實踐教程［M］.北京:清華大學出版社，2007.