程麗麗

(臺州職業(yè)技術學院，浙江臺州318000)

1.研究背景

隨著計算機網(wǎng)絡技術和數(shù)據(jù)庫技術的高速發(fā)展，為網(wǎng)絡商店的繁盛提供了技術的支持、交易的平臺和豐富的資源。網(wǎng)絡商店已經(jīng)由小規(guī)模不斷發(fā)展為大規(guī)模，而傳統(tǒng)的網(wǎng)絡商店的人工管理方式，已經(jīng)無法適應快速發(fā)展的需求。越來越多的網(wǎng)絡商店考慮使用電子化的信息管理系統(tǒng)來代替人工管理方式，提高運營效率，增加收益。

傳統(tǒng)的信息管理系統(tǒng)中數(shù)據(jù)庫技術的應用往往將關注的重點放在如何進行日常業(yè)務的處理、如何實現(xiàn)數(shù)據(jù)的收集、查詢、存儲、統(tǒng)計、處理等功能，更多的是數(shù)據(jù)事務系統(tǒng)。隨著網(wǎng)絡商店的數(shù)量不斷遞增，規(guī)模不斷擴大，對系統(tǒng)的要求不是僅局限于數(shù)據(jù)的一般事務處理，而是如何借助系統(tǒng)，把原始的銷售經(jīng)營數(shù)據(jù)轉(zhuǎn)化為網(wǎng)絡商店決策支持的價值信息，獲取最大的競爭優(yōu)勢，搶占市場。

數(shù)據(jù)倉庫技術的應用則能夠解決目前網(wǎng)絡商店經(jīng)營者思考的問題，彌補傳統(tǒng)的數(shù)據(jù)庫技術在分析應用、決策支持上的缺陷[1]，快速、準確、高效地從大量的歷史數(shù)據(jù)、報表、單據(jù)中萃取信息，獲得知識。數(shù)據(jù)倉庫是研究和解決從數(shù)據(jù)庫中獲取信息的問題，是決策支持系統(tǒng)和聯(lián)機分析應用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境，它的特點是面向主題的、集成的、穩(wěn)定的和時變的[2]。數(shù)據(jù)倉庫是分析系統(tǒng)的數(shù)據(jù)平臺，為用戶提供分析和決策的支持，把有價值的分析數(shù)據(jù)從事務處理環(huán)境中提取出來進行重新組織，同時建立分析處理的環(huán)境[3]。

2.數(shù)據(jù)倉庫在網(wǎng)絡商店中的應用

目前網(wǎng)絡商店數(shù)量急速增加，經(jīng)營者與客戶是一種距離交易方式，這和實體店的面對面交易方式有很大的不同，提高網(wǎng)店的點擊率、吸引顧客的眼球、獲得良好的信譽評價、提高網(wǎng)店的等級等等都是網(wǎng)店經(jīng)營者所關心的問題。如何將利益最大化、如何摸清市場需求、如何組織銷售行為、如何控制庫存、如何尋找最優(yōu)供應商、如何分析客戶群等等都成為了經(jīng)營者亟待解決的問題。

數(shù)據(jù)倉庫可以保證對業(yè)務數(shù)據(jù)的便捷訪問，解決負責的問題。通過對大量原始數(shù)據(jù)的分析，幫助網(wǎng)絡商店經(jīng)營者解決最關心、最敏感的問題，這些問題中可能是如何選擇商品打造爆款、熱銷款；如何對商品進行布局設計、組合設計，以提高銷量；如何控制庫存，保證爆款熱銷商品的有效供應，如何對滯銷商品進行庫存清倉；如何對市場需求進行預測，保證商品采購的合理提前期；如何對商品評價結(jié)果進行分析，尋找客戶最關心的問題，并解決問題。

這些問題，可以通過建立基于數(shù)據(jù)倉庫的網(wǎng)絡商店決策支持系統(tǒng)，利用數(shù)據(jù)挖掘技術，獲得有價值的決策信息，在日益激烈的網(wǎng)絡商店競爭中脫穎而出。

3.基于數(shù)據(jù)倉庫系統(tǒng)結(jié)構(gòu)構(gòu)建

數(shù)據(jù)倉庫是在原有的數(shù)據(jù)庫系統(tǒng)的基礎上，利用抽取、轉(zhuǎn)換、裝載等方法去分析、集成和挖掘現(xiàn)有的數(shù)據(jù)資源，為管理者提供決策支持[4]。數(shù)據(jù)倉庫體系結(jié)構(gòu)由三部分組成，分別是數(shù)據(jù)獲取、數(shù)據(jù)存儲管理和數(shù)據(jù)展現(xiàn)，基于數(shù)據(jù)倉庫的網(wǎng)絡商店決策支持系統(tǒng)體系結(jié)構(gòu)如圖1。

在該三層結(jié)構(gòu)中，我們把它分為四個部分，分別為：處理對象、核心構(gòu)件、手段方法、工具。

(1)處理對象。也就是數(shù)據(jù)源，數(shù)據(jù)源作為該系統(tǒng)的處理對象，是整個系統(tǒng)數(shù)據(jù)的源泉。一般分為企業(yè)的內(nèi)部信息和外部信息，在這里數(shù)據(jù)源主要包括：計劃信息、銷售信息、庫存信息、采購信息、物流信息、客戶信息、供應商信息和評價、流量信息等。

(2)核心構(gòu)件。數(shù)據(jù)倉庫是整個系統(tǒng)的核心部分。其關鍵在于對數(shù)據(jù)進行存儲和管理。數(shù)據(jù)倉庫的組織方式與傳統(tǒng)的數(shù)據(jù)庫有所不同，它能夠決定對外部數(shù)據(jù)的表現(xiàn)形式[5]。要選擇產(chǎn)品和技術來建立數(shù)據(jù)倉庫，需要從數(shù)據(jù)倉庫技術特點入手，對現(xiàn)有的業(yè)務系統(tǒng)的數(shù)據(jù)進行抽取、清理，并有效集成。

(3)手段方法。借助數(shù)據(jù)挖掘和聯(lián)機分析，聯(lián)機分析主要是對需要的數(shù)據(jù)進行有效集成，按多維模型予以組織，以便進行多角度、多層次的分析，并發(fā)現(xiàn)趨勢[6]。數(shù)據(jù)挖掘主要是面向具體的應用，并不是簡單的數(shù)據(jù)處理和操作，它能夠為某一個具體的應用尋找可行的、合理的方案，為各級決策者提供支持，提高效益，節(jié)約成本。

(4)工具。工具主要是指前端工具，主要包括各種報表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉庫或數(shù)據(jù)集市的應用開發(fā)工具[7]。其中數(shù)據(jù)分析工具主要針對OLAP服務器，報表工具、數(shù)據(jù)挖掘工具主要針對數(shù)據(jù)倉庫。

基于數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu)主要采用了自底向上的開發(fā)模式，由數(shù)據(jù)驅(qū)動，以技術支撐，滿足應用需求，逐漸完善的開發(fā)過程，可根據(jù)用戶的反饋信息調(diào)整應用需求。

4.數(shù)據(jù)倉庫模型設計與實現(xiàn)

數(shù)據(jù)倉庫是面向主題的、集成的、隨時間不斷變化的數(shù)據(jù)集合，對庫存信息、采購信息、物流信息、客戶信息、供應商信息、評價流量信息等業(yè)務數(shù)據(jù)進行重組。

4.1 數(shù)據(jù)源分析

對于網(wǎng)絡商店數(shù)據(jù)倉庫來講，其主要數(shù)據(jù)源有兩個：一個是來源于網(wǎng)絡商店的外部，例如：物流信息、客戶信息、供應商信息、評價流量信息，這些信息對于網(wǎng)絡商店來講一般是只讀的；另一個是來源于網(wǎng)絡商店內(nèi)部，例如：計劃信息、銷售信息、庫存信息、采購信息等，這些數(shù)據(jù)來源于不同的對象，如電子商務平臺、網(wǎng)絡商店管理系統(tǒng)等。

4.2 維度設計

網(wǎng)絡商店數(shù)據(jù)倉庫的維度設計，從供應鏈的角度來看，其維度設計如下表1。

表1 維度設計表

在這些維度項中，可以將2個或2個以上的維護組合，分析出可供決策的信息。例如，時間維可和商品維進行組合分析，得出某種商品的銷售、庫存、采購的變化。再如，商品維、時間維和流量維組合分析，得出某種商品的流量變化等等。可以為網(wǎng)絡商店管理者提供某種商品的銷售預測情況，提供決策支持。

4.3 粒度設計

粒度是數(shù)據(jù)倉庫中數(shù)據(jù)單元的細節(jié)程度或綜合程度的級別。它可以對數(shù)據(jù)或數(shù)據(jù)綜合所使用的時間段參數(shù)進行記錄，決定了數(shù)據(jù)倉庫中所存儲的數(shù)據(jù)在時間上的級別和詳細程度。

在進行粒度設計時數(shù)據(jù)可以是最原始的數(shù)據(jù)（關注細節(jié)的），也可以是匯總數(shù)據(jù)，例如1周的、1月的、1季度的、半年的、1年的等等。數(shù)據(jù)的粒度隨著時間跨度的增大而逐漸變粗。時間細化程度越高，粒度越小，時間細化程度越低，粒度越大。

針對網(wǎng)絡商店自身的特點，將銷售分析、庫存分析、采購分析問題中的粒度進行如下表2劃分。

表2 粒度設計表

4.4 多維數(shù)據(jù)模型設計

多維數(shù)據(jù)模型由多維數(shù)據(jù)結(jié)構(gòu)和多維數(shù)據(jù)操作組成。多維數(shù)據(jù)模型是由星形模型、雪花模型和星座模型構(gòu)建，它是OLAP的邏輯模型。通過維度設計，尋找需要觀察的特定角度，而每一個維的粒度就是維的層次數(shù)。維中的成員就代表該維上的一個確定取值。以時間維為例，其粒度有日期、周數(shù)、月份、季度、年、節(jié)假日。月份粒度上有1到12個月，季度有1到4季度。再如在商品維上粒度商品類別有新品、折扣品、清倉品等。多維數(shù)據(jù)模型多采用多維數(shù)組的表現(xiàn)形式：（維1，維2，維3……，維n，變量）。

在基于數(shù)據(jù)倉庫的網(wǎng)絡商店決策支持系統(tǒng)中，將主題分為三個：銷售主題、倉庫主題、采購主題，其星型模型如下圖2。

5.數(shù)據(jù)挖掘、分析、輸出

在基于數(shù)據(jù)倉庫的網(wǎng)絡商店決策支持系統(tǒng)體系結(jié)構(gòu)中前臺工具可以提供報表生成工具，借助諸如交互式窗口、聯(lián)機幫助、向?qū)浇缑娴确绞?，幫助用戶定義各種復雜的報表，實現(xiàn)多維分析、隨機查詢、統(tǒng)計分析等功能，在滿足現(xiàn)有數(shù)據(jù)源的基礎上，為不同決策層提供相對有價值數(shù)據(jù)的提取、轉(zhuǎn)換、展現(xiàn)[8]。通過數(shù)據(jù)分析展現(xiàn)工具對數(shù)據(jù)倉庫中的數(shù)據(jù)進行挖掘和多維分析、匯總，并以報表、圖表、交互式界面的形式展現(xiàn)給決策者，決策者可以很直觀地看到分析的結(jié)果。針對用戶的不同對工具進行合理選擇，可以對可變報表、固定報表進行在線分析處理。

數(shù)據(jù)倉庫可以有效地彌補傳統(tǒng)數(shù)據(jù)庫在分析型應用上的缺陷，從歷史數(shù)據(jù)中獲取有價值的信息。利用數(shù)據(jù)挖掘技術解決網(wǎng)絡商店管理過程中有關決策支持方面的諸多問題。

第一，商品的擺放、搭配。在這里可以選擇商品銷售活動（促銷）為維度對銷售主題進行分析，將商品的擺放、搭配放在一起。也可以選擇時間作為維度對銷售主題進行分析，將同一段時間內(nèi)，銷售量相似的商品擺放、搭配在一起，并可考慮參加相同的銷售活動。

第二，爆款商品的選擇?？梢酝ㄟ^改進的BP算法、聚類算法對同一個時間段內(nèi)的商品銷售量進行分析，找出暢銷商品和滯銷商品，分析商品的發(fā)展規(guī)律，對市場的變化進行分析，選擇順應市場變化的商品，并對爆款商品進行挖掘、開發(fā)、設計、打造，同時控制滯銷商品。

第三，商品銷售活動（促銷）策略選擇?？山柚鷽Q策樹、因果圖的方法分析購買某種商品的客戶行為，根據(jù)其購買行為對客戶群進行分組、針對客戶的屬性，例如，性別、年齡等有針對性地策劃廣告和促銷活動。也可針對商品在某一時間段內(nèi)的銷售情況或商品本身的屬性，設計促銷活動。例如，對于大單客戶可設計贈送會員卡、積分等方式，刺激這類客戶的二次甚至多次消費。對于新客戶，可設計贈送小禮品等方式。提高網(wǎng)店的瀏覽量和人氣。

第四，銷售預測?？蛇x擇時間維，對商品的銷售情況進行分析，爆款商品保證庫存充足，滯銷商品采取促銷活動，清空庫存。并根據(jù)市場需求情況進行預測，提前補足庫存，提前設計促銷活動。

第五，庫存動態(tài)控制。選擇時間作為庫存監(jiān)控的維度，分析庫存隨時間的變化情況。計算商品的安全庫存、最大庫存，通過庫存動態(tài)控制保證資金的最大程度流通。

第六，采購分析。這里采購分析包含供應商選擇，商品詢價，成本計算等等。建立供應商評估體系，結(jié)合時間維度變化、商品維度變化對供應商選擇進行支持。

6.結(jié)語

在目前激烈的網(wǎng)絡商店競爭環(huán)境中，建立基于數(shù)據(jù)倉庫的決策支持系統(tǒng)，對數(shù)據(jù)進行挖掘、分析，為管理者提供快速、高效、方便、準確的決策支持。通過對源數(shù)據(jù)庫的數(shù)據(jù)進行抽取、轉(zhuǎn)換后裝載到數(shù)據(jù)倉庫中去。本文對基于數(shù)據(jù)倉庫的網(wǎng)絡商店決策支持系統(tǒng)進行研究，構(gòu)建其體系結(jié)構(gòu)。同時對維度、粒度、多維數(shù)據(jù)模型進行設計，實現(xiàn)數(shù)據(jù)倉庫建模。提供一個信息集成和決策的平臺，實現(xiàn)對信息進行聯(lián)機分析處理，構(gòu)建數(shù)據(jù)分析環(huán)境，將原始的經(jīng)營數(shù)據(jù)轉(zhuǎn)化為商業(yè)決策信息，獲取競爭優(yōu)勢。

[1]王柳靖，黎勇，王一川.基于內(nèi)容管理的煙草企業(yè)信息倉庫系統(tǒng)[J].計算機工程，2010，36(23)：40-43，46.

[2]張波，耿在丹，杜保強.基于數(shù)據(jù)倉庫的學生信息管理決策系統(tǒng)[J].實驗室研究與探索，2009，(12)：59-62.

[3]馬剛，劉天時，程國建.基于數(shù)據(jù)倉庫技術的醫(yī)院信息系統(tǒng)應用研究[J].西安石油大學學報(自然科學)，2010，(7)：99-102.

[4]李潔，楊金會，滕振芳.數(shù)據(jù)倉庫及數(shù)據(jù)挖掘技術在超市中的應用[J].吉林工程技術師范學院學報，2010(2)：248-250.

[5]王炳雪，陳元忠.基于模糊邏輯的多維時序軟關聯(lián)規(guī)則挖掘[J].計算機工程，2011，37(10)：35-37.

[6]譚鋒奇，李洪奇，孟照旭等.數(shù)據(jù)挖掘方法在石油勘探開發(fā)中的應用研究[J].石油地球物理勘探，2010，(1)：85-91.

[7]魏德志，洪聯(lián)系，林麗娜等.一種基于HGA和數(shù)據(jù)挖掘的AMG模型[J].計算機工程，2012，38(7)：99-101.

[8]張維群.數(shù)據(jù)挖掘研究和應用的現(xiàn)狀與前景[J].統(tǒng)計與信息論壇，2004，(01)：95-96.