【毕业学位论文】（Word原稿）决策支持系统研究及其在服装行业PLM 中的应用-软件工程

硕士学位论文 （专业学位） 决策支持系统研究 及其在服装行业 的应用 姓 名：郑康平 学 号： 0921170026 所在院系：软件学院 职业类型：工程硕士 专业领域：软件工程 指导教师：穆斌 副指导教师：朱海燕 二 一二年十二月 A in 2012in LM 0921170026 决策支持系统研究及其在服装行业P L M 中的应用 郑康平 同济大学 学位论文版 权使用授权书 本人完全了解同济大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版；在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 学位论文作者签名： 年 月 日 同济大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。 学 位论文作者签名： 年 月 日同济大学 硕士学位论文 摘要 I 摘要 服装企业作为中国的传统型企业，正面临着产品开发周期缩短，运营成本增加，市场竞争激烈和顾客对潮流趋势的要求等诸多问题， 品生命周期管理系统作以产品开发设计为中心的商业解决方案，为服装企业解决上述问题提供了有利的帮助。本论文的目的是基于上海丽婴房婴童用品有限公司的 务数据，通过建立数据仓库，联机分析处理模型和利用数据挖掘算法实现决策支持系统，从而提升 为丽婴房核心管理系统的价值。 本论文首先从决策支持系统的基本原理和技术入手，与工程实践紧密结合，针对丽婴房现有 务数据存在的历史回顾性差，业务汇总分析和对往年产品信息深层次分析挖掘能力相对薄弱等问题进行分析，对决策支持系统进行需求分析。 其次，设计了基于 B/S 架构的丽婴房决策支持系统，其中数据仓库为按主题进行分类的雪花型结构，丽婴房 务数据加载到数据仓库的 程，数据的清洗与转换过程与规则的定义，从而保证数据的可靠性。在系统应用模块中设计了管理驾驶舱，商品企划决策，营运企划决策，销售决策 和客户决策。 然后，对系统实现关键点进行说明与展示。描述了基于改进型 户权限管理与实现方法。以销售数据为例，展示了联机分析处理模块实现过程。对多维关联规则的挖掘算法进行论述，阐述了实现算法与代码。展示了管理驾驶舱，商品企划决策，营运企划决策，销售决策和客户决策各个应用模块的界面，并对相应功能进行具体说明。 最后，对基于 决策支持系统的研究与应用进行总结和展望。 关键字 ：决策支持系统， 据仓库，多维关联规则，服装行业I s a is by a is a to a on It a to of is to on of LM s of It as of of of On of we we a of on , TL to in we of on we we 1 章 引言 1 目录 第 1章 错误 !未找到引用源。 引言 题背景 中国是世界上最大的服装消费国，同时也是世界上最大的服装生产国。由美国次贷危机引发的世界金融风暴，来势迅猛，给我国服装业造成了巨大的影响 1。目前，三分之二的服装企业处于亏损状态，全行业利润率从 2007 年的 降到 08 08 年上半年倒闭的 6 万多家中小企业当中，有万多家属于纺织服装行业，里面大部分为无牌、贴牌、定牌出口企业。从表面看，欧美经济的衰退，订单减少，导致我国服装出口下滑，对欧美市场依存度高的企业陷入困境，整个行 业面临一片冬天的寒风。中国的服装行业意识到正面临着用廉价的劳动力和庞大的市场培育国际品牌和养活国外设计师的尴尬局面。发展自主品牌，改变中国出口服装价格低廉，设计低档，利润低微的 “国际形象”，这是中国服装企业必经的改革之路 2。 怎样创立自主品牌？怎样在竞争激烈的市场中独占鳌头？面对这些问题，企业一方面需完善企业自身的管理体系，加强管理能力，时刻紧跟国际趋势，推出新产品。另一方面依靠计算机信息管理系统，推动管理模式改革，强化企业流程化、标准化管理，借助计算机强大的支持功能协助企业管理层制定战略决策。 产 品生命周期管理（ 为整合人员、流程、业务系统和信息的整套业务解决方案，作用于企业管理中整个产品的生命周期。从市场概念到产品退市， 合产品设计、管理、宣传、使用产品定义和流程操作信息。最近几年，产品生命周期管理系统被应用于服装企业中，作为企业的核心管理系统，为服装企业的成功做出了巨大贡献，如西班牙快速时尚品牌 ，其采用的 决方案为管理所有产品系列的开发过程，在企业层面上优化价值链中所有参与者之间的协同工作，使 以更好地开发、管理和控制它的产品系列。 信息系统的应用一 方面为企业管理带来了帮助，另一方面为企业带来了许多有用的数据信息，而且这些信息随着时间的推移，以数量级的速度增加。企业如何充分利用这些海量的数据信息，从中快速精确地挖掘出有价值的信息，从而辅助决策制定，是业务分析及决策支持系统建设的驱动力。 决策支持系统（ 对企业业务数据有目的、有选择的搜集、管理和分析过程，将业务数据转换为对决策有用的信息，用于智能化的分第 1 章 引言 2 析、预测和模拟，目的是使企业的各级决策者获得业务运作的洞察力，促使他们做出对企业更有力的决策 4。 基于 务数据的决策支持系统能综合各种企业内部数据，考虑历史数据，分析未来企业发展趋势，为管理层提供各种决策方案，为决策者在企业发展上提供支持和帮助。首先，企业管理需要科学的决策。企业中的决策已从确定型发展到不确定型，决策的重心从管理的层面上升到战略的层面，而基于 务数据的决策支持系统完全满足战略层面决策的要求。其次，决策支持的主要目的是结合产品生命周期各个阶段的数据为各个层面的用户提供查询、报表和分析。 在服装企业 础上实现决策支持系统将为企业管理层制定决策时提供正确可靠且面向业务主 题的结构化数据，从而帮助管理层制定科学的，可信的战略决策，对公司在战略上、战术上做出决策有着重要的意义。 内外研究现状 决策支持系统是最新的信息系统研究发展阶段，一家美国的调研机构对美国企业做了一项决策技术的调查，结果表明：在 20 世纪末四分之三的美国公司中有 20%的员工使用决策技术，三分之一的公司中有 60%的员工使用决策工具， 86%的人认为企业将会增加在决策系统方面的投资。 信息系统技术专家对决策支持系统（ 研究已经持续40 多年。 20 世纪 60 年代后期诞生了 模式驱动决策支持系统，作为决策支持系统这门学科的开始； 20 世纪 70 年代，决策支持系统的理论得到巨大的发展， 80 年代早中期的财务企划实现系统，电子表格决策支持系统和群组决策支持系统。到了 80 年代后期，通过与知识系统的整合，出现了智能决策支持系统的概念。 90 年代早期出现了针对于不具备计算机概念的管理层数据查询需求的信息执行系统，此种系统提供易于理解的图形访问界面。 90 年代中期，人们开始关注于知识驱动的决策支持系统和基于网页的决策支持系统。目前，人工智能技术不断发展，决策支持系统的智能化程度越来越高，提供的决策支 持能力也越来越强大。 目前基本类型的决策支持系统分为两类 5：模型驱动型和数据驱动型。 模型驱动型决策支持系统强调从公司数据库中取得数据，优化数据从而得到模拟的模型。模型驱动型决策支持系统是找到问题的影响因素和内部关联，使用模型和数据，建立带有问题的模型，再求解模型，最后找到制定决策的方法或者根据建立的模型采取相应的解决方法。它的优点在于模型反映了问题的客观规律，但对企业来说，很多决策问题具有随机性、非线性，影响因素多且不确定等特点，而这些问题却是企业管理层最关心，最难解决的。 第 1 章 引言 3 数据驱动型决策支持系统强调 对具有时间性的企业内部数据、外部数据和实时的数据取得和使用。通过查询和检索工具访问的简单文件系统，提供最基本的数据。通过电脑化的工具访问数据的数据仓库系统，能满足特殊任务和设置并且从大量信息中选取有用数据。数据驱动型决策支持系统利用在线分析系统，在大量的历史数据中得到最有用的数据从而对支持决策制定。 决策支持系统在我国的研究和应用出现在 1985 年，最早的应用为 1985 年到 1988年期间大连理工大学开发的“山西省整体发展决策支持系统”项目，这是个集成专家系统的决策支持系统，对我国的决策支持系统的发展有着较大影 响。 1991 年 4 月召开的全国首届决策支持系统学术交流会以及全国首届决策支持系统专业委员会的成立，标志了我国决策支持系统的研究与应用步入正轨。我国在产品的开发设计方面的决策支持系统研究也有着显著的成果，如 哈尔滨工业大学 的“协同产品设计决策支持系统”课题。 文的主要研究工作 本文基于企业决策支持系统在国内外发展状况的基础上，结合上海丽婴房婴童用品有限公司 统应用后的实际问题，提出决策支持系统的设计方案。 主要的研究工作包括以下几个部分： 1. 深入研究服装 个阶段的流程与业务知识，对各个阶段的决策需求进 行分析，从而以软件工程理论为基础，提出一个基于 统的决策支持系统设计模型。 2. 从 统的业务数据与用户需求出发，对决策支持系统的数据仓库数据模型建模进行探讨，从而形成一种高效、可扩展的数据仓库模型。 3. 基于数据仓库的主题，开发应用于各个主题的事实表和维表，从而完成联机分析处理模块的建立。 4. 对决策支持系统的数据挖掘算法进行研究，用于满足产品生命周期各个阶段决策制定的需求。 5. 设计基于会话与元数据模型的 型，从而建立业务数据到数据仓库的加载通道。 文的章节结构 第一章 引言。阐述了研究背景、国内外决 策支持系统的研究现状、本文的研究内容、和章节结构。 第 1 章 引言 4 第二章 决策支持系统相关理论基础。介绍了决策支持系统三个关键技术：数据仓库，联机分析处理和数据挖掘技术的相关概念和理论知识。 第三章 系统需求分析。根据上海丽婴房产品生命周期涉及到的各个部门，对用户的需求进行分析，从而明确系统的实现要求和目的。 第四章 系统设计。本章在第三章需求分析的基础上，设计了整个系统的体系架构，对决策支持系统的关键技术和各个功能模块进行了设计。 第五章 系统实现。从决策支持系统的后台模块到前台模块的实现一一进行详细说明。 第六章 总 结和展望。对整个论文的研究成果做了总结，并就进一步的工作进行了说明。 第 2 章 相关技术概述 5 第 2章 相关技术概述 数据仓库的概念出现在 20 世纪 90 年代初期，成形于 90 年代中期。数据仓库的原理是从普通数据库中提取数据，对这些数据进行预处理，使之成为对决策支持有帮助的数据。数据仓库的出现解决了企业内部对从常年积累下来的历史数据中提取有使用价值能为决策提供辅助的数据的问题。 联机分析处理技术，是对数据进行多维度的分析和查询，挖掘数据与数据之间的关系和有帮助的信息。 数据挖掘技术，是在许多不确定且具有随机性的数据中得到可能存在价值的知识的 一种方法。 这三个技术作为决策支持系统的关键性技术，使决策支持系统从理论变为了可行。 据仓库 数据仓库将原始数据进行处理，使之成为有价值的综合数据，在此基础上通过相应工具对数据进行多角度的分析，用于协助决策者制定更为合理的决策。数据仓库的按照其逻辑结构，可分为实时数据层，历史数据层和综合数据层，物理结构为星型结构的关系数据库 18。 数据仓库的产生 近几年计算机技术大力发展，与此同时用户对计算机的需求也不断地提升。从纵向和横向两个方面来看，计算机应用得到了开拓。横向来看，企业不仅仅满足于对企业内部数 据进行管理，而且还需要集成企业外部数据，如供应商信息等，而这些数据可能是在不同的地理位置，不同的数据库或者具有不同类型，所以企业难于进行集中管理。纵向来看，企业对数据的要求并不再局限于统一管理，而是对这些数据进行深层次的处理与分析。 一般来说，数据库系统主要面向操作型数据，用于事务型操作，当在此基础上对数据进行分析处理时，人们发现目前的数据库系统无法满足这种需求，因为数据库与数据仓库有着如下几个方面的不同： 第 2 章 相关技术概述 6 表 据库与数据仓库比较表 数据库 数据仓库 详细程度 注重于细节 数据综合体现 时间属性 数据具有实时性，随时进行更新 数据具有历史性，所以数据不可更新 操作类型 预定义性，操作需求事先可知 随机性，操作需求事先不可知 系统性能要求 性能要求高 性能要求低 驱动类型 面向应用，由事务驱动 面向分析，由分析驱动 数据量 单次操作数据量小 单次操作数据量大 应用类型 日常操作 面向决策层制定决策之用 关系型数据库管理系统的主要目的是应用于企业内部，实现业务数据的在线实时事务处理 (称 因此其主要特点是多用 户对数据进行实时的添加和编辑。但在应用于决策支持系统时，会发现数据库系统在如下方面存在缺陷： 冗余数据多：数据库系统中存放的是日常业务数据。大量的业务数据对于管理决策层来说没有实际应用价值，所以需要对这些数据进行必要的归类、组合、运算与分析。 数据处理效率低：大部分情况下，企业内部的业务数据数量巨大，当决策者想从数据库中提取有关数据并进行分类汇总操作时，就会发现数据库需要花很长时间才能得到结果。 因此需要一种不同于数据库的新型数据存储和组织方式，数据仓库就是这样一种可行的解决方案。数据仓库通过对数据库中的业 务数据进行清理、提取、转换和集成，并在此基础上进行分析处理，从而建立一个独立的分析处理空间。决策者能从其中快速定位与决策相关的数据，辅助决策的制定。 数据仓库并没有取代数据库，而是在原先的数据库的基础上，为了辅助决策制定，单独提供了一个全新的数据存放空间，但是在此空间中存放的数据的质和量与数据库不同。 第 2 章 相关技术概述 7 数据仓库系统的体系架构 一般数据仓库系统包括数据源、数据仓库管理工具、在线分析服务器和前端工具。整个系统以数据仓库为基础，通过数据预处理工具，查询工具，报表工具，分析工具和数据挖掘工具等，满足用户对数据的不 同需求 19。如图 部 数 据文 档 资 料源 数 据E T L 数据 预 处理元 数 据数 据 仓 库 系 统数 据 仓 库 管 理 工 具 在 线 分 析 服 务 器报 表 工 具查 询 工 具数 据 分 析 工 具数 据 挖 掘 工 具前 端 工 具企 业 内 部数 据图 据仓库系统的体系架构 数据源：包括企业内部数据，是这个系统的数据来源与基础。 数据仓库管理工具：作为数据仓库系统的核心，对企业内部运行在不同系统、不同地点的多种数据进行提取、预处理，组织，最终集成进数据仓库。 在线分析服务器：对数据仓库中的数据按照多维度进行组织与分析，以便于对决策制定的支持。实现方法分为 前端工具：主要包括各种报表工具、查询 工具、数据分析工具、数据挖掘工具。 机分析处理 关系数据库之父 1993 年首次提出联机分析处理的概念 20。联机分析处理作为一类产品明显与联机事务处理区分开来，引起了巨大的反响。 联机事务处理主要面向操作人员，基于数据库，主要是用来进行大量的查询、添加、剔除、更新等数据运行工作，要求系统能够快速响应。联机分析处理是分析人员、管理人员或决策人员用于从多角度对数据进行及时、统一、交互地存取，从而对数据有全面了解的技术。 联机分析处理的概念 第 2 章 相关技术概述 8 联机分析处理位于数据仓库体系结构中数据表示层，其核 心技术是“维” 21的概念。联机分析处理的目标是用于决策制定或用于在多维情况下特定的查询与报表需求。 联机分析处理的基本概念有 20,22,23,24： 变量 变量是从真实系统中抽象出来，用于表示数据的确切含义，即用于表示数据“是什么”（数量、单价、总价）。变量的值都具有一个范围，比如“数量”这个变量的取值范围是“不小于 0 的整数 ”。这个范围其实是在实际应用中对变量的限定。 维 维是人们观察客观事物的角度，用于描述数据的实际意义。比如，企业中比较常用的时间维，企业通过此维度把业务数据按照时间进行分割进行分 类统计。另外，企业在统计各部门的成本情况时往往使用根据部门进行分割的维度来进行统计。 维的层级 维在对观察的数据进行某个角度观察的时候，可以对此角度进行层级分类，我们定义这个分类为维的分类。比如，时间维，从上而下的分类可以为年、季节、月份、日期，这些四个分类就是时间维的层级。 维成员 维成员也称维的取值。如果一个维是多层次的，那么该维的维成员是由各个不同维层次的取值组合而成。例如，时间维具有年、月、日这三个层次，分别在年、月、日上各取一个值组合起来，就得到了时间维的一个维成员，“ 2010 年 10 月 1 日”是在具 有三个层次的时间维上的一个取值。 多维数组 多维数组是维和变量的组合表示。一个多维数组可以表示为（维 1，维 2，维 n，变量）。例如，图 示的商品销售数据是按时间、地区和产品组织起来的三维立方体，加上变量“销售额”就组成了一个多维数组（时间，地区，产品，销售额）。 第 2 章 相关技术概述 9 产 品时 间地 区上 海浙 江江 苏裙 子套 装裤 子2 0 0 9 年2 0 1 0 年 2 0 1 1 年销 售 额图 三维立方体示意图 数据单元 数据单元是多维数组的取值。当多维数组的各个维都选中一个维成员，这些成员的组合就唯一确定了一个变量的值，例如 ， 2010 年 10 月，迪斯尼品牌 ,婴儿兔子装，420 元。 联机分析处理的特性 基于联机分析处理产品的实际使用情况和用户对此类产品的需求，人们为联机分析处理给出了一个更加简明的定义 对共享的多维信息进行快速分析。依照这个定义，我们得出联机分析处理的一些特性 25,26： 快速性 联机分析处理应具有对用户需求进行快速响应的能力。通常情况下，对用户的分析需求系统应在 5 秒内做出响应。如果系统在 30 秒内还未对用户的需求做出响应的话，用户将丢失主要线索，从而查询的质量将降低。面对大规模的数据分析查询，系统要满足这样的 要求并非易事，因此需要更全面更强大的技术支撑，比如结构化的数据存储，预先定义的处理模型、性能良好的基础架构建设等。 可分析性 联机分析处理系统应具有应对任何用户的逻辑分析需求和统计分析需求的能力。虽然系统预先定好如何响应用户需求，但并不表明系统能够回答用户提出的任何问第 2 章 相关技术概述 10 题。因此要求系统能与其他外部分析工具连接，如时间序列分析工具、成本分配工具，意外报警、数据开采等，这样用户在一个平台上就能处理他全部的需求。 共享性 联机分析处理应具有在确保系统安全的基础上，提供多用户进行数据与信息的共享。联机分析处理应能够限 制不同用户的使用权限，在元数据层级上进行权限设定，以便对用户的权限进行更好的控制。例如，当多个用户并发向联机分析处理服务器提交更新数据要求时，系统应能对用户进行权限辨认，只有具有相应权限的用户才能进行此操作。 多维性 联机分析处理系统必须提供对用于数据分析的多维试图和分析，完全支持层次维和多重层次维，因此多维性是联机分析处理的关键属性。 信息性 联机分析处理系统应具有及时获得数据，并且对大量的数据进行管理的能力。 据挖掘 当今社会信息技术在各行各业中得到普遍应用，使得数据库得到了大规模的应用。存在于数据库 中大量的，未经过加工处理的业务数据是很难从中得到对企业发展有用的信息，而这些数据的意义在于经过加工处理后从中得到辅助决策支持的重要信息。为了能得到更高层次的分析，同时提供企业管理层一个全局性的分析信息，在各行各业中建立了相应的数据仓库。而数据仓库中繁多的多维数据，并不能真正提供决策支持的帮助信息，同时普通的查询、报表等工具又没法满足挖掘信息的需求。所以，诞生了数据挖掘技术，解决了人们在大量数据中提取有价值的潜在知识的需求。数据挖掘技术也正是随着数据仓库技术的发展而逐步完善起来的。 数据挖掘的概念 数据挖掘 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、人们事先不知道的、但又是潜在有用的信息和知识的过程。 数据挖掘不但被许多科研人员认为是数据库系统和机器学习方面一个重要的研究课题，而是被许多企业家看作是一个能带来巨大回报的重要工具。数据挖掘是一个汇集了机器学习、数据库、模式识别、统计学、人工智能、管理信息系统等多学科的交叉型学科，多学科的相互交融与相互促进，使得数据挖掘得到了大力发展，并且成为了当今世界上数据库和决策支持系统最前沿的研究方向之一。 第 2 章 相关技术概述 11 数据挖掘的任务 数据挖掘的任务有以下 几种 1、分类：是数据挖掘中最常见的一种任务，其目的在于在样本数据中对数据的属性、特征等各个方面进行分析，从而对数据进行相应的分类，得到分类规则。然后根据此规则对某一非样本个体或对象进行分组或分类。在分类任务中，样本个体或对象的类标识是已知的。 2、聚类：目的是在数据库中发现未知的数据类。这种数据类的划分基于对个体或数据对象之间的相似性进行分析，从而把满足相似条件的个体或数据对象分在同一组，反之分在不同的组。在聚类任务中，数据类划分的数量和类型均是未知的，所以需要对挖掘结果进行合理的分析和解释。 3、关联规 则：是在数据库中寻求数据与数据之间的关联关系，比如“在购买上衣的顾客中， 80%也会买某款裤子。”就是一种关联关系。关联关系在早些时候主要用于对零售业的交易数据进行分析，以对物品的摆放规则提出建议，从而提高销售量。所以，该方法有时被称为“货篮分析”。 4、数据总结：即对数据库中的大量数据的属性、特性等方面进行提炼，使用户从一个全局性的角度来查看数据。计数、求和、求平均值、求最大值和最小值等计算都是数据总结的具体化。由于数据库中的数据所包含的信息往往是最原始、最基本的信息，而有时人们需要从较高的层次上游览数据， 这就要求从不同的层次上对数据进行总结以满足需求。 5、序列模式：是基于一段时间范围内，在数据库中寻找数据之间的关联性，比如“在某一时间购买了某品牌服饰的所有顾客中， 50%会在 2 个月内购买这一品牌的其他服饰。”就是序列模式。序列模式同关联模式非常相似，区别在于序列模式表述的是基于时间的关系，而不是关于数据对象的关系。所以，在某些资料中也称为基于时间的关联规则。 6、依赖关系是通过对数据库中数据的分析，获取数据间的某种因果联系。这种因果联系既可能是内在的某种概率分布关系的描述，也可能是数据对象间存在的确定的函数 关系。 7、偏差分析用于在数据库中发现数据中存在的偏差或异常。例如下列几种偏差或异常就应引起人们的关注：不适用于任何一标准类的异常，有时可能意味着严重的错误或欺诈；相邻时间段内信息的异常变动，如二月份与一月份相比销售收入的突然升高。 8、趋势预测是根据数据库中的历史信息对未来信息做出估计。实际上，预测这一数据挖掘任务并不一定是独立的。一般来讲，上述几种数据挖掘任务的结果，都可以在分析后用于趋势预测。 第 2 章 相关技术概述 12 数据挖掘的过程 数据挖掘的整个过程可以分为三个阶段：数据准备、数据挖掘、数据结果解释与评估，如下图 数 据 源 目 标 数 据预 处 理 后数 据模 式 知 识数 据 选 取 预 处 理 数 据 挖 掘 模 式 评 价 与 表 达数 据 准 备 数 据 挖 掘 数 据 结 果 解 释 与 评 估图 据挖掘过程 1、数据准备：这个阶段中包括四个方面的工作内容：数据清理、数据集成、数据转换和数据精炼。数据清理是对原始数据中不完整、不正确或其它方面不能达到质量要求的数据进行净化处理，以提高数据挖掘的结果质量。数据集成是把来自不同数据源或者不同类型的原始数据进行统一的存储。数据精炼是利用一些方法缩减数据的数量，或者从最初的特征中就找到真正有价值的特征来消除数据的维数，从而提高数据挖掘算法的效率与质量。 2、数据 挖掘：在这个阶段中第一步需要明确挖掘的目标，即前一节中所提及的挖掘任务。第二步确定目标之后，需要对挖掘使用的算法进行确定。通常情况下，同一个挖掘任务可以由不同的挖掘算法实现。比方说：产品关联规则中可以使用购物篮分析、 法、多维关联规则挖掘等算法。因此，在确定算法前，需要对用户的挖掘目标进行多方面的分析。例如：用户的诉求是需要得到描述型，易于理解的结果还是需要得到精准度较高的预测结果。数据挖掘算法作为数据挖掘的核心技术，一直是此领域开发人员的研究方法。 3、数据结果的解释与评估：在大部分情况下， 数据挖掘的结果与用户预期的结果有出路或者根本不能使用。在这种情况下需要把结果从结果集中删除。然后从选择挖掘数据开始，从头进行数据挖掘的整个过程。其中有可能需要对使用的挖掘算法进行调整，选择另一种算法。最终生成的数据挖掘结果，需要以一种直观、易读、易理解的方式呈现给最终用户。 章小结 第 2 章 相关技术概述 13 本章主要论述了基于服装 统的决策支持系统说要运用到的关键性技术和概念。论述了数据仓库的概念，体系架构，分析了数据库与数据仓库的区别；论述了联机分析处理（ 概念和特性。最后论述了数据挖掘的概念与主要任务。 第 3 章 系统需求分析 14 第 3章 系统需求分析 上海丽婴房婴童用品有限公司（以下简称上海丽婴房）作为台湾丽婴房品牌在中国大陆的全资子公司，于 1993 年在上海成立，公司主要业务是婴童服饰、用品的专业生产、制作、零售和批发。目前上海丽婴房拥有 1 家分公司（北京）， 6 个外区办事处以及 6 个区域仓库，并且在 76 个主要城市拥有 1642 个直营零售据点，在 90 个二、三级城市拥有 1916 个经销点。 2010 年，上海丽婴房的营业额达到了 7 亿人民币，在婴童行业居于前列。本章以上海丽婴房为背景，对其 统使用过程中产生的决策支持相关问题进行需求分析。 海丽婴房 统应用现状 上海丽婴房以代理世界各国的优秀婴童服装以及用品品牌来实现多品牌的策略。在童装方面，丽婴房不仅有自创的品牌，同时采取授权、代理的形式，设计、生产和销售世界其他著名品牌的产品。在整个产品生命周期中，丽婴房掌握产品设计，采购，渠道到行销的各个环节，而将生产外包给下游工厂，这样可以使其将重心放在研发和设计上。因此面对多品牌，多渠道的管理问题上，丽婴房引进了产品生命周期管理 统。下图为上海丽婴房 程图。 图 婴房 程图 第 3 章 系统需求分析 15 通过 统，丽婴房建立了企业研发管理基础平台 ，实现研发业务流程，进度在线管控。创建了产品设计研发数据库，系统化、标准化积累并维护了丽婴房自有核心产品价值。整合了供应商信息，让供应商更多参与产品研发，增加成本的可控性。将企划研发端的产品数据与终端零售数据结合，实现以市场营销为导向的产品研发。提升中心企划及设计企划的管理效率，加强企划方案执行力，提高产品市场率。 在运用系统一段时间后，系统中所存储的业务数据越来越庞大，丽婴房 用户发现 统提供的业务数据挖掘和分析功能相对薄弱，部分业务数据统计分析仍采用导出数据后线下作业的手工处理模式，在一定程 度上降低了日常工作中进行业务查询和数据分析的工作效率。因此上海丽婴房需要 数据进行重新组合与分析，建立一套辅助决策的支持系统。 司管理层的需求 在每个企业中，管理者都是赋予企业生命、注入活力的要素。如果没有管理者的领导，“生产资源”始终只是资源，永远不会转化为产品。公司管理层作为公司运营的核心团队，肩负着企业是否成功，是否长存的重要使命。因此公司管理层需要为公司制定长期与短期的战略计划，对公司的将来进行规划与预测。丽婴房作为服装企业，具有规划周期短，市场变化快等特点，所以对管理层的决策制定提出了快速 响应，时刻紧跟市场情况的要求。 管理层需要时刻掌握整个公司的运营状况，包括产品开发进度控制，各个区域的销售汇总，库存情况汇总与细分等，可以通过简明易懂一目了然的方式呈现这些数据。业务数据在后台自动运行，减少人员参与，保证数据的公正与完整性。在数据的安全性方面，可以对各个部门不同职责的人员进行相应的数据访问权限设定。对敏感数据进行屏蔽，达到各取所需，专注于各自领域的要求。 品企划部的需求 商品企划的概念最早形成于欧美一些国家，国内企业则在上世纪 90 年代末期开始引进商品企划，并在 2005 年开始慢慢尝试运用商品 企划来制定新的一季的产品规划。商品企划是根据企业的发展战略和经营目标，对设计、生产、营销等售前和售后各项资源的一个管理整合过程。商品企划在企业里相当于参谋总部，它的主要职能是协调各个作战单位的战略布局，各个部门根据需要出现在不同的阵地，使大家结合在一起，从而实现战略目标。 上海丽婴房商品企划部隶属于商品部，承担着丽婴房全部品牌服饰年度品牌计划定义，主题波段计划定义，波段日历定义，产品结构定义，同时肩负监控产品从设第 3 章 系统需求分析 16 计，开发，生产到销售各个阶段的进度。商品企划部门希望通过决策支持系统对最近两年的业务数据进行分解 和汇总，从而帮助其对下个季度的产品结构做出战略规划。对历史数据进行深层次的挖掘，找出畅销款式与哪些因素有关，从而对企划定义主题和上市波段提供支持。根据以往的季节开发计划，结合目前的开发形式，制定下个季度的开发计划。 商 品 企 划数 据 分 析市 场 预 测决 策 建 议历 史 数 据 统 计当 前 数 据 统 计畅 销 款 因 素 分 析产 品 定 价 策 略开 发 计 划 制 定产 品 面 世 计 划图 品企划部需求的用例图 品设计部的需求 设计的原意是指 针对一个特定的目标，在计划的过程中求得一种问题的解决和策略，进而满足人们的某种需求 。设计所涉及的范围十分广泛，包括社会规划、理论模型、产品 设计和工程组织方案的制定等等。当然，设计的目标体现了人类文化演进的机制，是创造审美的重要手段。 服装设计顾名思义就是设计服装款式，服装设计过程“即根据设计对象的要求进行构思，并绘制出效果图、平面图，再根据图纸进行制作，达到完成设计的全过程”。设计同时具有“事实要素”和“价值要素”。前者说明事态的状况，后者则用理论和审美的命题来进行表述，即是“好坏和美丑”。 上海丽婴房设计部以品牌进行划分，一个品牌为一个小组，每个组中设置一个组长，若干款式设计师和一个图案设计师。通过 台，设计小组以流水化的作业流程设 计季度的产品款式。设计师往往天马行空地开展工作，当灵感来了，相同结构的第 3 章 系统需求分析 17 产品设计多个款式，而其他结构的产品却赶不上交货期。因此设计部希望决策支持系统能够通过不同角度（如按品牌，按职能，按产品分类等）对设计师的工作量进行统计，合理安排其工作，从而掌控整个产品线的开发进度。可根据产品品类对设计中的款式进行数据统计，及时反馈目前设计品类的情况，对设计师的工作进行必要的干预，不让他们白做或者多做工作。 产 品 设 计数 据 分 析市 场 预 测决 策 建 议历 史 数 据 统 计设 计 师 工 作 量 统 计设 计 师 工 作 安 排 策 略年 度 工 作 安 排 策 略流 行 颜 色 预 测面 辅 料 应 用图 品设计部需求的用 例图 品开发部的需求 产品开发部负责面辅料的开发与采购，成衣外协供应商的筛选，供应商合同管理，产品的尺码定义，工艺设定，样衣核可，大货订单采购与管理。产品开发部面临着多任务同时进行与多人完成同一任务的问题，比如进行面料开发时，同种面料由多个供应商同时开发，这就需要这样一个平台来对这个任务实时追踪与跟进。因此产品开发部要求决策支持系统对其在处理面料和供应商选择时对同品类不同工厂的报价进行分析，对同面料不同工厂的报价分析，对同品类不同工厂的加工费报价分析，从而帮助其做出决策。 第 3 章 系统需求分析 18 产 品 开 发数 据 分 析市 场 预 测决 策 建 议历 史 数 据 统 计产 品 成 本 分 析供 应 商 评 分 决 策供 应 商 报 价 分 析生 产 发 单 管 理面 料 开 发图 品开发部需求的用例图 品销售部的需求 丽婴房是以一线城市直营、二三线城市加盟的销售模式。因此在直营店的管理上，决策人员需要进行店面产品搭配布置，根据每个店的往年销售情况进行产品品类分配、销售数据统计等一系列与销售相关的决策问题， 能作为产品销售数据管理平台用于销售数据的录入，无法提供对销售数据的决策分析。因此需要基于 据的决策支持系统用于销售数据分析支持。以下为产品销售阶段的需求用例图。 第 3 章 系统需求分析 19 产 品 销 售数 据 分 析市 场 预 测决 策 建 议销 售 数 据 统 计库 存 统 计门 店 发 货 管 理库 存 管 理销 售 情 况 预 测图 品销售部需求的用例图 行性研究 可行性研究的目的在于在最短的时间内以最小的代价用于确定用户的需求是否可以实现。可行性研究并不是去实际的解读用户需求问题，而是对这些需求进行分析用于确定是否可以实现。可行性研究是对系统分析和设计的过程进行简化说明，是在较高层次上以一种抽象的方式来对系统设计进行描述的过程。 以下从经济和技术两方面全面分析基于上海丽婴房 统实现决策支持系统的可行性。 经济可行性分析 决策支持系统的运行需要人员和设备的两方面 投入。在人员方面，上海丽婴房具有一个完整的 术支持团队，其中包括软件开发人员，软件维护人员与硬件网络维护人员，共计 20 人的团队。在 目实施过程中，其中两位员工直接被指派到目组成为全职的 目维护与支持人员，全程参与 目实施过程的调研，测试环境建立， 户培训等工作。因此有理由相信他们对整个 统的业务数据是相当了解的，另外他们以前担任软件开发人员，对系统层面的技术能力也是比较全面的。随着用户对系统的了解与熟悉， 统的维护工作将趋于稳定，所以这两位 护人员将有 更多的时间进入到决策支持系统的项目中。因此对于基于第 3 章 系统需求分析 20 决策支持系统，在人员方面，上海丽婴房无需额外投入，沿用现有人员就可以。 在硬件设备方面，通过对决策支持系统的用户数和历史数据量分析，进行硬件成本的估算。在日常工作中，商品企划部门和销售部门为决策系统的主要用户，其他部门以管理层为主，经过统计得到目前用户数在 60 人左右。考虑到硬件设备五年的使用周期，所以在当前的用户数上考虑五年的人员规划和企业的发展情况，最终得到用户数为 100 人。对于数据量，主要以产品为出发点进行定量分析。上海丽婴房每个品牌的产品一年 为 200 款，一共 8 个品牌，决策支持系统中的数据仓库将存储同个产品不同状态时的全部历史数据，所以数据量将成倍递增。因此在数据存储这块将采用 种方式提供了可扩充性。 I n t e r n e 墙交 换 机W e b 服 务 器数 据 库 服 务 器S A N 交 换 机3 器应 用 服 务 器3 阵 列图 统硬