（计算机应用技术专业论文）数据挖掘技术在食品经销管理决策中的应用研究.pdf

摘要 随着经济全球化及中国加入w t o ，企业的竞争加剧，传统的决策方法已不 能满足各企业、行业领导人的需要，怎样提高管理决策水平，怎样从历史数据及 管理经验中发现更多地不为人知的知识，是企业发展研究中重要的部分。而数据 挖掘正是从海量数据中发现隐藏其中的不为人知的知识。本文以某食品经销公司 客户信息和销售数据为研究对象，研究应用数据挖掘原理与方法对客户信息与销 售数据进行分析，为食品经销管理决策提供支持。 针对于食品行业中客户细分和销售预测的两个问题，本文提出利用决策树分 类技术解决前一问题，对于后一问题，本文阐述了一种基于b p 神经网络的模型 的时序数据的通用数据挖掘方法来解决。本文首先对这两个问题进行了分析，阐 明了它们在企业决策中的意义和作用。接下来分别以决策树原理和b p 神经网络 的方法为基础，具体研究这两种数据挖掘技术的结构设计原理和实现机制。对客 户细分，充分利用了决策树对数据集智能分类的特点，采用信息增益的判定方法， 论述了决策树主属性的确定、判定属性标准化、计算信息增益、决策树的剪枝、 测试等问题。，并对分类结果进行了分析和解释，对企业的营销计划制定和客户 信息的知识提炼提供了决策支持。利用b p 神经网络模型的非线性逼近的特点， 对经济类时间序列的销售数据进行预测，并将预测结果应用于销售业绩评价和最 优库存管理分析中，取得了令人满意的结果。 关键词：数据挖掘决策树神经网络客户细分预测 a b s t r a c t t r a d i t i o n a la p p r o a c ht om a k ed e c i s i o n sh a v en o tm e tt h ed e v e l o p m e n t o f g l o b a l e c o n o m ya n dh o tc o m p e t i t i o nb e t w e e ne n t e r p r i s e s i ti si m p o r t a n tt or e s e a r c hh o w t o i m p r o v et h em a n a g e m e n ta n dm a k i n gd e c i s i o na n dh o w t od i s c o v e rm o r eu r l k n o w n k n o w l e 始ef r o md a t aa n dm a n a g e m e n te x p e r i e n c e s t h a t sw h e r e d a t am i n i n gc o m e s i n d a t am i n i n g ( 跏巾i sas e to ft e c h n i q u e su s e di n a na u t o m a t e da p p r o a c ht o e x h a u s t i v e l ye x p l o r ea n db r i n gt o t h es u r f a c ec o m p l e xr e l a t i o n s h i p si nv e r yl a r g e d a t a s c t s i nt h i st h e s i s ，d mt e c h n i q u e sa r eu s e di no r d e rt oa n a l y z et h ed a t ao ff o o d e u t e r p d s e t os u p p o r tb u s i n e s sd e c i s i o n - m a k i n g t h i st h e s i sp u t sf o r w a r d st h em e t h o do fa p p l y i n gd e c i s i o nt r e et oc u s t o m e r c l a s s i f i c a t i o nt od i s c o v e rd i s t r i b u t i o nr e g u l a r i t i e so fp r o d u c t sa n dc h a r a c t e r i s t i c so f c u s t o m e r sf r o mn l a s si n f o r m a t i o n ，a n da p p l y i n gt h em o d e lb a s e do nn e u r a ln e t w o r kt o f o r e c a s ts a l ea m o u n t f i r s t l y , t h en e c e s s i t yo fc l a s s i l y i n gc u s t o m e ra n df o r e c a s t i n g s a l ea m o u n ta r ep r e s e n t e d s e c o n d l y , ad e c i s i o nt r e ea l g o r i t h mb a s e do ni i ) 3a n da e c o n o m i c a lt i m es e r i e sd m t e c h n i q u eb a s e d o nn e u r a ln e t w o r km o d e la r ei n t r o d u c e d t h i st h e s i sa l s op r e s e n t sac u s t o m e rc l a s s i f i c a t i o ni nf o o de n t e r p r i s e l a s t l y , ag e n e r a l n e u r a ln e t w o r km o d e lh a sb e e ne s t a b l i s h e df o re c o n o m i c a lf o r e c a s t i n g ，w h i c hh a s s a t i s f a c t o r yr e s u l t s k e y w o r d s ：d a t am i n i n g ，d e c i s i o nt r e e ，n e u r a ln e t w o r k ，c u s t o m e rc l a s s i f i c a t i o n ， f o r e c a s t i n g 第一章绪论 1 1 食品经销管理决策的现状 近年来，食品企业信息化建设取得了显著成效，许多企业通过计算机集成制造 系统( c i m s ) 示范工程、企业资源计划( e r p ) 、供应链管理( s c m ) 、管理信息系统 ( m i s ) 等系统的开发与应用取得了不同的成绩，有的建立了比较完善的企业网和网 站，以此来进行企业的管理决策。但是，目前绝大部分企业的计算机应用主要还是 业务运营层面上的信息管理，如办公自动化、生产、销售、财务、人事等业务管理。 食品销售企业如何进一步利用信息技术来提高企业的竞争力呢? 首先，进入世纪末，随着经济的全球化、多样化，企业间的竞争日趋激烈，同 时企业所面对的是一个变化迅速的买方市场，企业客户比以往有了更多的选择，也 变得更加挑剔了。这些残酷的商业现状迫使企业从“以产品为中心”转变为“以客 户为中心”，产品的研发、生产、销售都应以客户需求为导向。因而，随着经营观念 的转变，应充分利用现代的信息化管理技术，为企业提供市场分析、客户分析等决 策依据，使生产出来的产品能够符合市场需要，顺利地销售出去，满足客户的需求， 为企业带来利润。这些问题即是最近正在高速发展的客户关系管理( c u s t o m e r r e l a t i o n s h i pm a n a g e m e n t ，c r m ) ，其中的核心问题之一则是客户细分”。它也是 c r m 与e r p 有效结合的基础，因为只有在客户细分的基础上，才能针对不同的消费 群分析其购买需求与服务需求，以此为依据制定适时适量的生产计划、营销计划与 采购计划，使c r m 中的销售、市场、客户服务功能与e r p 中的采购、生产、库存、 人事管理等功能有机地结合起来，最大地发挥它们的作用。另外，销售部门领导、 销售业务人员有很多关于客户的销售经验，如何将这些经验提炼成知识保存起来， 以避免一旦他们离职给企业带来的损失，也是客户细分中要解决的问题。 其次，食品经销企业各业务运营层面的信息系统在支撑企业日常运营管理的同 时，已积累了大量数据，对于食品企业生产、销售、财务等业务管理系统的这些海 量的数据如何分析、利用，辅助决策分析，优化资源，降低成本，是提高企业的竞 争力的必由之路。特别是，食品企业的e r p 大多是在市场预测的基础上实现资源的 优化的，在企业的信息化的实际应用过程中，库存问题比较敏感也较难解决。食品 保质期有限，只有很短的周转期限，它们必须定期更新，企业为保证市场供应，往 往不得不保持较多的库存，而库存过多，不仅占压流动资金，还容易造成食品过期， 给企业带来损失；库存过少，就很难满足客户的需求，那么客户常常会转向竞争对 手那里购买他们所需的商品。这些都严重地影响了企业资源的优化配置和增加了成 本。所以对产品销售量的准确预测有助于优化库存；再有，预测的准确性还涉及到 了对业务人员销售业绩的科学公平客观地评价。因此，如何提高预测水平是企业的 信息化建设能真正发挥作用的关键。要解决这个问题，关键技术之是对销售量有 准确的估算。 因此，研究客户缅分和产品销售预测对于食品企业的信怠化建设的完善及提高 企业竞争力是很有意义的。接下来的问题就是利用何种方法对其进行研究。 1 2 基于数据挖掘的决策分析 无论是客户细分还是产品销售预测，其研究的主要问题都是现存的大量客户和 销售数据，客户细分利用的是企业经营历史中积累的大量与客户有关的数据；产品 销售预测基于的也是企业经营过程中积累的大量销售数据。这些大量的数据对企业 来说是宝贵的财富，因为它们是管理层做出决策的重要依据。但现如今，重要的决 策常常不是基于数据库中信息丰富的数据，而是基于决策者的直觉，这是因为决策 者缺乏从大量的数据中提取有价值知识的工具；另一方面，一些辅助决策的技术( 比 如说专家系统) 依赖用户或专家人工的将知识输入知识库，这一过程常常有偏差和 错误，并且耗时、费用高；再有，使用传统的数据分析和处理方法分析的只是数据 局部或表面的特性，而无法得到隐藏在这些数据之后的有关这些数据整体特征的描 述及其发展趋势的预测信息。人们希望能够让计算机自动智能地分析企业数据库中 的海量数据以获取信息。这就是推动数据挖掘( d a t am i n i n g ，d m ) 这一辅助决策工 具产生并发展的强大动力。数据挖掘技术正是一种能够解决挖掘有价值信息这类问 题的新的手段、方法。 1 2 1 数据挖掘的产生 在数据库技术飞速发展的同时，人工智能的一个分支一机器学习的研究也取得 很大进展。正是由于数据库和机器学习的发展，也是为了满足人们实际工作中的需 要，从9 0 年代开始，面向数据库的机器学习方法形成了数据库中的知识发现 ( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ，k d d ) ，并发展起来。数据挖掘( d a t a m i n i n g ， d m ) 是知识发现中的关键步骤，其处理对象是大量的日常业务数据，且的是为了从 这些数据中抽取一些有价值的知识或信息。它在许多领域中都有广泛的应用前景。 随着科学技术的飞速发展与实际应用的急尉需求，对数据挖掘技术的探讨和应用日 益强烈。 数据挖掘是一种从大量数据中抽取模式的技术，通过数据挖掘可以实现从数据 库中发现知识。这个i i d d 过程就是从大量的、不完全的、有噪声的、模糊的、随机 的数据中识别出隐含在其中的、人们事先不知道的有效的、新颖的、潜在有用的和 最终可理解的模式之非平凡的过程。严格地说，数据挖掘只是整个k d d 过程的一个 组成部分数据挖掘工作量也只占到整个k d d 过程总工作量的约1 5 到2 5 ，但是数 据挖掘却是整个k d d 过程中的一个核心部分。还有很多和这一术语相近似的术语， 如数据分析、数据融合以及决策支持等。人们把原始数据看作是形成知识的源泉， 就像从矿石中采矿一样。原始数据可以是结构化的，如关系型数据库中的数据，也 可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。 发现知识的方法可以是数学的，也可以是非数学的：可以是演绎的，也可以是归纳 的。发现了的知识可以被用于信息管理、查询优化、决策支持、过程控制等，还可 以用于数据自身的维护。因此，数据挖掘是门广义的交叉学科，它涉及到了多个 不同领域，尤其是数据库、人工智能、数理统计、可视化、并行计算等诸多方面。 1 2 2 数据挖掘与其它相关技术的比较 数据挖掘本身是多种技术综合在一起实现的，相互依赖又互不相同，本小节的 内容讨论它们之问的相同点及区别。 ( 一) 数据挖掘，人工智能和统计 人工智能和统计分析，这两门学科都致力于模式发现和预测。数据挖掘利用了 它们的基本技术。 数据挖掘不是为了替代传统的统计分析技术。相反，它是统计分析方法学的延 伸和扩展。大多数的统计分析技术都基于完善的数学理论和高超的技巧，预测的准 确度还是令人满意的，但对使用者的要求很高。两随着计算机能力的不断增强，我 们有可能利用计算机强大的计算能力只通过相对简单和固定的方法完成同样的功 能。 在人工智能中，一些新兴的技术同样在知识发现领域取得了很好的效果，如神 经元网络和决策树，在足够多的数据和计算能力下，它们几乎不用人的关照就能自 动完成许多有价值功能。 t 数据挖掘就是利用了统计和人工智能技术的应用程序，它把这些高深复杂的技 术封装起来，使人们不用自己掌握这些技术也能完成同样的功能，并且更专注于自 己所要解决的问题。 ( 二) 数据挖掘与联机分析系统( 0 nl i n ea n a l y t i c a p r o c e s s i n g ，o l a p ) 传统的数据库工具( 包括查询工具、报表生成器等) 都属于操作型工具，它们 建立在操作型数据之上，主要是为了满足日常信息提取之需。 数据挖掘与联机分析系统都属于分析型工具，但两者之问有着明显的区别。数 据挖掘与传统的数据分析( 如查询、报表、o l a p ) 的本质区别是数据挖掘是在没有 明确假设的前提下去挖掘信息、发现知识。它的分析过程是自动的。一个成熟的d m 系统除了具有良好的核心的技术外，还应该具有开放性的结构，友好的用户接口。 d m 的用户不必提出确切的问题，而只需d m 去挖掘隐藏的模式并预测未来的趋势， 这样更有利于发现未知的事实。数据挖掘所得到的信息具有先前未知、有效和可用 三个特征。先前未知的信息是指该信息是预先未曾预料到的，即数据挖掘是要发现 那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息 越是出乎意料，就可能越有价值。 o l a p 是一种自上而下、不断深入的分析工具：用户提出问题或假设，o l a p 负责 从上至下深入地提取出关于该问题的详细信息，并以可视化的方式呈现给用户。与 d m 相比，o l a p 更多地依靠用户输入问题和假设，但用户先入为主的局限性可能会限 制问题和假设的范围，从而影响最终的结论。因此，作为验证型分析工具，o l a p 更 需要对用户需求有全面而深入的了解。 显然，从对数据分析的深度的角度来看，o l a p 位于较浅的层次，而d m 所处的 位置则较深。如果按e f c o d d 的数据分析模型来区分这两者，那么应该说o l a p 实 现了解释模型和思考模型，而d 妍则实现了更深的层次一公式模型。所处分析模型层 次的不同决定了这两者的分析能力和所能回答的问题种类也不相同。 尽管d m 与o l a p 存在着上面的差异，但作为数据仓库系统的工具层的组成部分， 两者是相辅相成的。并且，随着o l a p 的发展，o l a p 与d m 间的界限正在逐渐模糊， 因为越来多的o l a p 厂商将d m 的方法融入他们的产品中，这可能是o l a p 产品的一个 发展方向。在整个决策分析系统中，o l a p 与d m 以及其他工具由于内在技术以及适 用范围的不同，必须协调使用才能发挥最佳的作用。 ( 三) 数据挖掘、数据仓库与决策支持系统 决策是决策者根据所掌握的信息选择行为的过程。为决策者提供支持的信息称 为决策支持信息，相应的信息系统称为决策支持系统 1 1 0 时为a ；产销率= ( 1 0 5 t 1 1 0 ) 时为b ；产销率= ( 1 0 0 ，1 0 5 ) 时为c ；产销率= ( 1 0 4 ， 9 6 ) 时为d ；产销率 9 6 时为e 。式( 5 2 ) 产销率计算公式中的计划量均由本 章中的销售预测挖掘的结果月销售预测表中具体的值来代替。可在月初进行 上一月的销售业绩评价和当月的预测挖掘。 评价系统中各数据库与各功能模块的逻辑关系如图5 - 5 所示，图中，矩形框 代表各处理功能操作；圆角矩形框是数据模块，为存储着各种类型数据的数据库； 粗箭头表示各种形式的数据流动。 图5 - 5 销售业绩评价系统功能逻辑关系图 5 3 2 库存管理分析 在世界经济日趋全球化的今天，产品的生命周期已经越来越短，特别是食品 行业这类产品，其主要特点就是产品生命周期短，不确定因素多，产品销售的变 化大，需求预测难以确定，过量的库存必然导致资本的积压、甚至亏本；而过少 的库存就不能满足客户服务所需，从而造成客户流失，因而对库存的要求更高。 库存管理是有关存货的生产管理活动，也就是对企业在经营过程中为销售或 生产耗用储备的资产的管理，包括对原材料、燃料、包装物、产成品以及发出商 品的管理。库存中的存货是一种重要的流动资产，是企业物流的重组成部分。对 存货实施科学的管理，可以降低企业平均资金的占用水平，提高存货的流转速度 和总资产周转率，从而提高企业的经流效益；同时，对存货实施科学的管理、以及 在此基础上的决策，也是降低企业生产成本的一个十分重要的环节。库存的作用 是在供给和需求之间建立缓冲，平衡供需矛盾。供大于求和供不应求都是对企业 不利的结果，而引起这种不平衡的主要原因是对库存预测的偏差。如果可以实现 库存的正确预测，特别是实现零库存，将使企业在市场的竞争中具有优势。 因此，对下一期的各类产品销售量的精确预测就相当重要，本文在此利用销 售预测挖掘系统的对下期销售量的预测值来指导库存管理，进行有效决策。本文 中主要是针对食品公司的成品库进行决策指导。 ( 一) 食品公司原有库存管理系统的组成及功能 食品公司原有的库存管理系统已运行多年，操作简单方便，在仓库管理方面 极大地提高了企业的工作效率，况且操作人员已使用熟练，用户提出了不要改变 原有系统的需求，所以本文设计的f o o d d a m s 系统只是利用原系统中的汇总与 打印子模块生成的库存总表来进行简单分析决策。 原库存管理系统的组成如图5 - 6 所示： 图5 - 6 成品库库存管理系统功能结构图 录入系统录入原始的数据( 入库单、提货单及出厂证) ，然后经由数据处理系 统进行计算、索引、归类等处理，最后管理人员可按时间、品种来浏览、查询、 修改录入的数据，并可以在汇总打印系统中将汇总好的各项表格打印出来。其中， 汇总打印系统包括了日报表、每日出库单、提货单报表、退库货品报表、月报表、 客户单、库存总表等。库存总表表结构如下： | 日期i 商品编号f 商品名称f 库存总量f ( 二) 库存管理分析系统概述 在本文的f o o d - d a m s 系统中，充分利用了原库存管理系统中的库存总表作 为比较数据库来进行分析。 在本文讨论的分析系统中，主要是根据数据挖掘系统中对某类产品下期销售 量的预测结果，与当前的该类产品的库存总量进行比较，得出结论，来进行决策。 分析系统中各数据库与各功能模块的逻辑关系如图5 7 所示( 图中各图形表 示意义与图5 6 中相同) ： 图5 7 库存管理分析系统功能逻辑关系图 管理决策人员可以根据库存量分析表所提供的数据，在计划生产、经营销售、 加快资金周转、保障物资供应和实现合理库存方面进行决策。 5 4 进一步的工作 本文主要讨论数据挖掘技术中的决策树分类技术和神经网络在食品企业的 应用。并对挖掘结果的应用进行了简单的介绍。在上两节中我们也提到，销售业 绩评价和有效的库存管理有很多的因素来确定，如何将它们结合在一起，这些都 值得我们去做进一步的研究和探讨。下面是对这两个问题进一步应用的初步考 虑。 在此，可以考虑用b p 人工神经网络的数据挖掘技术来解决，b p 人工神经 网络模仿人脑的结构和功熊，它具有非线性处理能力，能有效处理信息含糊、不 完整、存在矛盾等复杂环境的认知判断问题，能体现人的思维方式。b p 网络具 有自学习功能，可以从典型事例中提取所包含的一般原则，学会处理具体问题。 经训练后，各神经元的权值就是网络所学到的知识。神经网络通过对已有方案及 其评价结果的学习，可获得隐含其中的人的经验、知识以及对各目标重要性的看 法等直觉思维：一旦用来评价时，网络便可再现这些经验、知识与直觉思维，对 复杂闯题作出合理的判断；由此既体现了人的主观判断，又大大减少了评价过程 中不利的人为因素的影响。 l 、业绩评价 在5 3 i 节提到，对人员的业绩评价有定量和定性的各方面指标，定量指标 可以根据一定的计算公式和数理统计方法去得到，定性指标传统方法是人为主观 评价，怎样减少人为因素的影响? 将各个评价指标作为b p 网络模型的输入值， 输出值按5 3 1 节介绍的五个等级，因此，输出神经元共5 个，第一个为1 其余 5 8 为o 表示优，依次第二、三、四、五个神经元输出为1 而其余输出为0 表示良好、 一般、完成、差。输入已知样本对网络进行训练、测试，最后用训练好的网络模 型进行业绩平价。 2 、有效库存管理分析 影响库存的涉及面广，影响因素很多，除了5 3 2 节提到的销售量，还有地 区经济发展水平及发达程度、地区人1 3 多少，用户收入水平，产品价格等因素。 可以将指标中的定性指标进行量化处理后，把所有影响库存的相关指标作为输入 点，以库存作为输出点，输入已知样本，经过网络的学习训练后，得到一组有效 的权值，作为知识库进行保存，形成一个训练好的网络模型，再用其他的样本进 行验证，得到的结果如果在允许的误差范围内，这样就完成t t j f l 练。通过训练好 的模型，以零库存为期望值，得到销售量的值，这样就可为企业的生产、销售的 产品数量提供决策支持。 3 1 p 网络在库存管理中的零库存的应用，使企业不但可以进行库存的预测，还 可以反过来对产量进行调攘，为企业减少库存量，获得最大的效益提供一个参考 的方案。 6 。1 总结 第六章结束语 本文所研究的是有关食品企业经销管理决策过程中的数据挖掘。数据挖掘技 术是伴随着企业数据量的迅速膨胀和对知识发现的迫切需要出现的。作为一种有 效的信息处理技术，数据挖掘可以从数据库中发现人们感* 趣的知识，而这些知 识可以帮助人们正确决策。 针对食品企业经销管理决策分析中的主要问题客户细分和销售预测，本文基 于数据挖掘技术设计了食品公司客户细分与销售预测分析系统( f o o d m a m s ) 。 该系统应用决策树的分类方法对客户进行细分，利用得到的分类规则对企业的营 销计划制定和客户信息的知识提炼提供了决策支持；用b p 神经网络技术进行销 售预测，并将预测结果应用到销售业绩评价和最优库存管理分析系统中。 f o o d d a m s 系统按数据挖掘处理过程大致分为数据收集，预处理、模式发 现、知识表达和预测应用五部分，主要包括数据输入、数据维护、查询汇总、客 户细分、销售预测、知识表达输出、业绩评价和库存管理分析模块。介绍了各模 块的主要功能和实现技术，并重点介绍了客户细分和销售预测的实现技术与核心 算法。 本文采用了决策树的分类方法，具体介绍了用于客户细分的决策树的构造过 程，以某食品企业的客户数据为研究对象，进行了分类挖掘，并对分类结果进行 了分析和解释，对企业的营销计划制定和客户信息的知识提炼提供了决策支持。 对于销售预测问题，本文提出了基于b p 神经网络的通用时间序列数据挖掘技术， 重点讨论了模型的建立过程及其预测方面的能力，并将其用于对产品的未来销售 量预测中，取得了满意的结果。最后还讨论了将预测结果应用到销售业绩评价和 最优库存管理中。 在本文的研究过程中，深刻体会到应将数据挖掘工作日常化，即将适宜的数 据挖掘技术嵌入到企业日常的管理信息系统之中来发现和提取知识，使利用信息 系统收集来的数据充分发挥作用，以提供决策支持，这将是信息系统今后重点发 展的方向之一。 6 2 进一步研究问题 现今时代已经是信息时代，来自不同信息源的各方面信息量迅速增长。人们 采集数据的手法之多，数据数量之大，是历史上所没有过的。信息时代成为数据 挖掘产生的土壤，又带给数据挖掘各种考验。数据挖掘随着许多新情况- 新要求 新问题的出现，不断发展和成熟。它从产生至今，出现了许多的分支和研究方向， 已经产生了许多成果和方法，很多方法已趋成熟。但是，也有不少新的方法在不 断尝试。本文应用基于数据挖掘技术的方法，对食品企业经销管理决策分析中的 主要问题进行了初步的研究与分析，同时也有很多问题可以进一步研究，不断扩 充、完善。 1 、对于时序数据挖掘技术研究 在本文中采用的是基于b p 神经网络模型的通用时间序列数据挖掘技术，当 今，在预测领域的一个热点是采用组合模式对单一的传统预测方法进行组合预 测。但综合运用多种智能计算的方法并不多见，如何更好确定组合预测中的权系 数，具体的方法需要进一步研究和应用。 2 、对i d 3 算法进一步研究的问题 在i d 3 算法中，对属性的考虑仅限于单属性。而在实际的分类系统中，类的 划分不仅仅与单属性有关，往往与一个属性集有关。因此，将上述算法扩充到考 虑多属性是一个有待研究的课题。 2 、扩大应用范围 本文研究了基于数据挖掘的技术在食品企业中的应用，并设计了相应的系统， 但接下来可以进一步做的工作是，如何增加系统的通用性，扩大系统的行业应用 范围，为多行业全面提高企业信息化程度提供科学的决策支持。 参考文献 1 】陈文伟，智能决策技术，电子工业出版社，1 9 9 8 【2 韩家伟等，数据挖掘技术和概念，电子工业出版社，2 0 0 0 【3 】戴敏，基于数据挖掘技术的运动员体能测试指标分析研究，2 0 0 1 4 1 汤绍龙，数据挖掘在客户细分和供应商选择上的应用研究，硕士研究生论文，2 0 0 2 5 1 李宝东、宋瀚涛，数据挖掘在客户关系管理( cr m ) 中的应用t 计算机应用研究，2 0 0 2 6 】王宁等，基于i n t e m e t 的e r p 与c r m 系统集成，工业控制计算机。2 0 0 3 【7 】谭旭等，利用决策树发掘分类规则的算法研究，云南大学学报，2 0 0 0 8 】周丹晨，c r a m 环境下面向知识发现的数据分类技术的应用研究，计算机应用与软件，2 0 0 4 【9 】康健、梁允荣，分类挖掘技术在金融客户关系管理中的应用，北京理工大学学报，2 0 0 3 1 0 】o l i v e rm e s c h a nw e i r , a n a l y s i so fc u s t o m e r - d r i v e ns y s t e m i cv a r i a t i o ni nt h ea i r l i n ea s s e m b l y p r o c e s s ，m a s s a c h u s e t t si n s t i t u t eo f t e c h n o l o g y , s l o a ns c h o o lo f m a n a g e m e n t2 0 0 0 1 1 c h e nm i n g - s c a n ，h a nj i a - w e i ，y up h i l i ps ，d a t am i n i n g ：a no v e r v i e wf r o mad a t a b a s e p e r s p e c t i v e ，i e e e t r a n s a c t i o no nk n o w l e d g ea n dd a t a e n g i n e e r i n g ，1 9 9 6 ，8 ( 6 ) 1 2 】徐海蔚、杨明福，数据采掘支持的新型d s s 系统在i n t r a n e t 上的扩展，计算机工程，1 9 9 9 ， 2 5 ( 8 ) ：9 6 - 9 8 【1 3 】陈京民等，数据仓库与数据挖掘技术，北京；电子工业出版社，2 0 0 2 1 4 】a l e xb e r s o n ，s t e p h e ns m i t h ，k e r rt h e a r l i n g b u i l d i n gd a t am i n i n ga p p l i c a t i o n sf o rc r m f m a m e r i c a ：m c g r a w h i l lc o m p a i e s ，l n e ，2 0 0 0 【1 5 张晓红，神经网络经济预测法研究，预测，v 0 1 2 0 ，6 1 6 2 ，2 0 0 1 6 1 6 】企业资源管理研究中心cr m 研究小组客户关系管理( cr m ) ：理念，技术，产品应用和未 来 e b o l h t t p ：c r m a m t e a m o r g 2 0 0 0 i t 7 i b m c o r p o r a t i o n ，d a t am i n i n g ：e x t e n d i n gt h ei n f o r m a t i o nw a r e h o u s ef r a m e w o r k w h i t e p a p e r , 1 9 9 6 ( h t t p ：w w w a l m a d e n i b m c o m c s q u e s t p a p e r s w h i t e p a p e r h t m l ) 【1 8 】i b m c o r p o r a t i o n ，i b m sd a t a m i a i n gt e c h n o l o g y ，w 1 w w b o o k ( h t t p ： b o o k s r v 2 ，r a l e i g h i b m c o m ：8 0 c g i - b i n b o o k ，m g r b o o k m g r c m d b o o k s d a t a m i n e c c o n t e n t s ) ，1 9 9 6 1 9 1d a t a m i n i n g ：d i s c o v e r i n gh i d d e nv a l u ei ny o u rd a t a w a r e h o u s e ，p i l o ts o f t w a r ew w w f i l e s ( h t t p ：w w w p i l o t s w c o m d m p a p e r d m i n d e x h t m l ) ，1 9 9 6 2 0 】d o h e h h ，t h eo r g a n i z a t i o no f b e h a v i o r , w i l e y , 1 9 9 4 2 1 y a o m ，h u a n g y j ，t h ea p p l i c a t i o no f g e n e r a l i z e dc o m p u t i n g i nd e c i s i o n - m a k i n g ， j o u r n a lo f s y s t e ms c i e n c ea n ds y s t e me n g i n e e r i n g ，2 0 0 1 ，( 1 0 ) ：3 9 7 - 4 0 2 2 2 】史忠植，知识发现，清华大学出版社，2 0 0 2 ，2 3 0 - 2 4 1 【2 3 】张晓红，神经网络经济预测法研究， 预测，v 0 1 2 0 ，n o 6 ，2 0 0 1 6 【2 4 沈斌，姚敏，温长洋，一种基于混合模型的时间序列数据挖掘系统，中国矿业大学学报， v 0 1 3 2 ，n o 3 ，2 0 0 3 5 【2 s 】何炎祥、李峰等，神经网络在库存管理中的应用，计算机工程与应用，2 0 0 2 1 5 【2 6 】王伟等，人工神经网络原理，北京：北京航空航天出版社，1 9 9 5 2 7 】许东，吴铮，基于m a t l a b 6 x 的系统分析与设计神经网络( 第二版) ，西安电子科技 大学出版社，2 0 0 2 2 8 】颜雪松