评价网 > 科教论文 > 工学毕业论文 > 计算机应用论文 > 正文

基于数据仓库的超市进销存系统的设计(1)

2013-11-17 01:40 摘 要 结合超市进销存业务的实际特点，分析了传统进销存系统的不足，给出了以数据仓库为核心的体系化环境下的构建进销存系统的思路，并重点阐述了数据仓库系统的设计和实现方法，为超市进销存系统的建立提供了可借鉴的经验。 关键词 数据仓库；在线分析处理；决策支持；数据挖掘1 引言 传统的进销存系统建立在单一的数据库系统上，通常包括业务处理子系统和辅助决策系统，管理信息系统和决策支持系统同在一个数据库中。单一数据库为中心构成的数据库系统，往往满足不了现代超市数据处理多样化的要求。具体表现在以下几个方面： (1)不能同时满足事务处理与分析处理的需要。 (2)无法集成企业内部、外部各方面的数据。 (3)难以适应各类用户对数据综合程度的不同要求。 长期趋势分析预测需要按年度汇总，而中短期预测要用到月、周、日的数据。传统的数据库系统不具备这种综合能力，需要人为地进行综合和汇总，而且每做一次分析，都要进行一次这样的综合，这必将导致极低地处理效率。因此，在事务处理环境中直接构建分析处理应用必将是失败的[1]。 数据仓库和OLAP技术在DSS上的应用已经成为决策支持系统的新趋势。OLAP可以根据需求将决策法过程中的各类信息以多维视图存储于数据仓库中，给决策者提供多元化的业务分析。2 数据仓库环境下的超市进销存系统结构 传统的进销存系统建立的以单一数据库为中心的数据组织模式，已经无法满足决策分析对数据库系统的要求，而数据仓库技术的出现和发展，为上述问题的解决提供了强有力的工具和手段。数据仓库是一种对多个分布式的、异构的数据库提供统一查询的技术。数据仓库管理系统把企业原始数据和来自外部的数据汇集整理成数据仓库，在此基础上通过通畅、合理、全面的信息管理，使最终用户可以直接从数据仓库提取数据进行相关数据分析。 数据仓库并不是对传统数据库的替代，而是在传统数据库的基础上对数据进行重新组织，用于支持决策分析。数据仓库和传统数据库在系统中承担着不同的任务，发挥着不同的作用。即基于传统数据库的业务处理系统完成日常业务数据的录入和处理，这些数据经过加工被送到数据仓库；基于数据仓库的辅助决策系统实现分析处理，为决策者提供完整、及时、准确的决策信息。这样，事务处理环境与分析处理环境实现了分离，相对独立，构成一种新的体系化环境，而数据仓库则是体系化环境的核心[2]。 数据仓库环境下超市进销存系统的结构如图1所示。系统由业务处理子系统、辅助决策子系统和数据管理子系统三部分组成。其中业务处理子系统的后台为传统数据库(可以是多个分布的、异构的数据库)，前台是业务应用系统，完成所有进销存业务的日常处理，是整个进销存系统的数据入口，并向辅助决策子系统提供原始数据；辅助决策子系统的后台为数据仓库，前台由联机分析工具、数据挖掘工具等构成，完成统计分析预测功能，实现对决策的支持；数据管理子系统负责对整个系统数据的管理，特别是实现数据从各数据源(传统数据库)到数据仓库的转移以及数据仓库中数据结构和业务规则的管理。图1 进销存系统结构图3 进销存系统的数据建模3.1 需求分析 对于数据仓库系统而言，决策者最为迫切的需求在于更加准确的掌握超市的经营状况及进、销、存情况，主要包括： ①进货趋势；②销售市场波动趋势；③企业存货情况。因此，我们认为，分析市场经营状况发展趋势所要求的操作数据库的数据有：①商品进货数据；②商品销售数据；③商品库存数据；④顾客信息；⑤销售商信息。3.2 概念模型设计 下面以销售分析为例进行概念模型设计，具体如下： 1)界定销售分析系统边界 建立销售数据仓库所需的数据应包括：订单数据、产品数据、顾客数据、员工数据、供货商数据、货运数据。 2)确定系统的主题及其内容 我们初步确定超市的进销存辅助决策系统有3个主题：商品、顾客和销售商。 商品主题描述企业商品分类及销售情况；顾客主题描述了企业对顾客进行分类及有关顾客合同的管理情况；销售商主题描述了企业销售人员销售商品及销售地区情况。其中，商品主题作为中心，将这3个主题联系起来。其具体内容包括： ·商品： 商品固有信息(商品代号、商品名称、商品类别等) 商品库存信息(商品代号、库房号、库存量、日期等) 商品销售信息(商品代号、顾客代码、销售日期、销售单价、销售数量等) ·顾客： 顾客固有信息(顾客编号、顾客名称、地址号、电话等) 顾客合同信息(顾客编号、合同代码、起始日期、终止日期、数量、价格等) 顾客购货信息(顾客编号、商品代码、单价、数量、日期等) ·销售商： 销售商固有信息(销售商编号、销售商品、销售商品名、销售商地址等) 由于商品主题作为中心，因此，在本文中只对商品主题展开研究与分析。对于商品主题，用户希望考察的是关于商品在不同方面及不同的维度或者不同维度的组合来考察的销售情况。3.3 逻辑模型设计 1)分析主题域 在概念模型设计中，我们确定了几个基本的主题域，但是，数据仓库的设计方法是一个逐步求精的过程，在进行设计时，一般是一次一个主题或一次若干个主题地逐步完成的。所以，我们必须对概念模型设计步骤中确定的几个基本主题域进行分析，并选择首先要实施的主题域。三个主题中，商品、顾客、销售商都与商品的销售有关，因而商品主题最为重要，所以本文选定商品主题先实施。 2)粒度层次划分 粒度指数据仓库中数据单元的详细程度和级别。为了实现的快速和当前主要的是开发一个原型系统，为以后系统超市进销存辅助决策系统的研制和开发提供理论基础和实际开发经验，因此在此销售分析系统采用单数据粒度。 3)确定数据分割策略 由于数据仓库在获得数据时一般按时间顺序进行，同一时间段的数据往往可以连续获得，并且数据仓库的数据综合常常会在时间维上进行，因此系统按时间对数据进行了分割，查询时可只查询相关的分片而不必搜寻整个数据库。 4)多维数据建模 数据仓库的每个主题由多个表实现，通过公共码键联系在一起形成一个完整的主题。这里对“商品”主题进行模式划分，采用星型雪花架构，分析整理出下面的实事表与维度表的设计，具体如图2所示。