基于ERP的企业经营决策支持系统研究

时间：2022-11-15 理论教育版权反馈

【摘要】：基于ERP的企业经营决策支持系统研究杨奕琦摘要：本文结合ERP理论和实践的最新进展，采用微软的数据挖掘工具软件Analysis Services创建多维数据集，并利用微软决策树及微软聚集这两种算法创建OLAP数据挖掘模型，以实现人工成本分析和产品销售状况分析等决策支持功能。以数据仓库和OLAP相结合建立的辅助决策系统是决策支持系统的新形式。

基于ERP的企业经营决策支持系统研究

杨奕琦

（广东警官学院，广东广州，51006，E-mail：FHP8589@163.COM）

摘　要：本文结合ERP理论和实践的最新进展，采用微软的数据挖掘工具软件Analysis Services创建多维数据集，并利用微软决策树及微软聚集这两种算法创建OLAP数据挖掘模型，以实现人工成本分析和产品销售状况分析等决策支持功能。帮助企业理顺业务流程，准确、详尽对企业发展战略决策有一定的实用性和理论参考价值。

关键词：ERP　企业经营　决策支持　数据挖掘

Based on ERP Enterprise Management Decision Support System Research

Yang Yiqi

（Guangdong Police College，Guangdong Guangzhou，510232，E-mail：fhp8589@163.com）

Abstract：combining ERP theory and practice，using the latest progress of data mining tool software Microsoft order Services for creating multi-dimension data，and by using Microsoft decision tree and Microsoft gathered the two algorithm create OLAP data mining model，in order to achieve artificially cost Analysis and product sales situation Analysis，decision support functions.Help enterprises to straighten out business process，accurate，detailed development strategic decision of enterprise has certain practical and theoretical reference value.

Key Words：ERP；enterprise management；decision support；data mining

一、引言

随着中国市场经济体制及现代企业制度的建立和实施，社会经济不断进步和发展，市场需求的多样化及市场竞争的全球化，使企业之间的竞争越来越激烈，迫使企业的经营理念和管理方式发生转变，充分认识到准确、详尽的信息对生产经营及企业发展战略决策的重要性，并重视在生产经营及管理中采纳和引进新的科学管理方法。

根据计算机信息处理技术的发展和企业管理需要，提出了以ERP为基础的，为企业提供先进、全面、完善的信息化解决方案和经营决策技术支持，它能指导企业以全局的、系统的观点来规划、营造和调整企业的经营模式，它采用信息技术、自动化技术和先进的管理理念、完成产品的设计、生产、管理、经营决策和市场服务，它强调经营、技术、信息和人的集成。

二、决策支持系统分析

1.决策支持系统的发展

自70年代提出决策支持系统（DSS）以来，DSS已经得到了很大发展。它是在管理信息系统（MIS）基础上发展起来的。MIS是利用数据库技术实现各级管理者的管理业务，在计算机上进行各种事务处理工作。DSS则是要为各级管理者提供辅助决策的能力。

决策支持系统需要对数据、模型、知识、交互四个部件进行集成。决策支持系统既要进行数值计算又要进行数据库操作。数据仓库和OLAP是90年代初提出的概念，到90年代中期已经形成潮流。数据仓库将大量用于事务处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。数据仓库的逻辑结构可分为近期基本数据层、历史数据层和综合数据层（其中综合数据是为决策服务的）。数据仓库的物理结构一般采用星型结构的关系数据库。星型结构由事实表和维度表组成，多个维表之间形成多维数据结构。星型结构的数据体现了空间的多维立方体。这种高度集中的数据为各种不同决策需求提供了有用的分析基础。以数据仓库和OLAP相结合建立的辅助决策系统是决策支持系统的新形式。

2.构造决策支持系统的相关技术

（1）数据仓库与数据集市

数据仓库是在企业管理和决策中的那些面向主题的、集成的、与时间相关的、不可修改的数据集合^［1］。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程，而不是一种可以购买的产品。可以用三种架构来创建数据仓库：星型架构；雪花型架构；星型雪花架构。

数据集市，或者叫做“小数据仓库”。数据集市是针对某个部门或者某个主题所创建的数据仓库^［1］。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。

数据集市可以依赖与数据仓库，也可以脱离数据仓库单独存在。数据集市和数据仓库不是主从关系。

决策支持系统相当于基于数据仓库的应用。决策支持就是在收集所有有关数据和信息，经过加工整理，来为企业决策管理层提供信息，为决策者的决策提供依据。

（2）联机分析处理（LAP）与多维数据集

联机分析处理是希望以更亲和的人机界面，使用户可以从各种观点来抽取所需的分析数据，所谓的“观点”，一般称为“纬度”。用户并不是直接去存取数据仓库的数据，然后通过比较方便的使用方法呈现给用户。联机分析处理服务的功能具有下列特征：多维度架构；层次式分析观点；可任意切割的数据。

多维数据集是数据的一种多维结构^［2］。多维数据集由维度和度量值的集合进行定义。以多维方式建立数据模型可简化联机业务分析，提高查询性能。通过创建数据多维数据集，Analysis Manager可将存储在关系数据库中的数据转换为具有实际含义并且易于查询的业务信息。管理关系数据以进行多维使用的最常用的方式是星型架构。星型架构由一个事实数据表和链接到该事实数据表的多个维度表组成。

（3）数据挖掘与数据挖掘模型

数据挖掘（Data Mining）就是从大量的、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^［3］。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。

数据挖掘技术从一开始就是面向应用的。它不仅是面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。数据挖掘技术所应用得算法包括：聚类分析、因子分析、决策树、数据可视化、神经网络、规则联合、规则归纳。

数据挖掘模型是一种包含运行特定数据挖掘任务所需的全部设置的模型。数据挖掘对查找和描述特定多维数据集中的隐藏模式非常有用。因为多维数据集中的数据增长很快，所以手动查找信息可能非常困难。数据挖掘提供的算法允许自动模式查找及交互式分析。我们可以在Analysis Services中设置将要训练数据的数据挖掘模型。

3.系统结构模式选择

考虑到业务的特殊性，系统采用C/S和B/S模式相结合的方式。由于电子商务功能以及职工收入查询功能的录入工作比较少，所以采用B/S模式比较合适.而其他的功能模块需要较快的存储速度和较多的录入，交互性比较强，所以采用C/S模式。

相对于单独采用C/S或B/S，这种设计的优点在于：

（1）保证敏感数据的安全性，特别是对数据库的修改和新增记录加强了控制；

（2）经济有效地利用企业内部计算机的资源，简化了一部分可以简化的客户端；

（3）既保证了复杂功能的交互性，又保证了一般功能的易用与统一；

（4）系统维护简便，布局合理；网络效率高。

三、决策支持系统的设计

1.系统开发应用环境

基于ERP的企业经营决策系统是一个具有海量数据的系统，是一个客户端/服务器＋浏览器/服务器（C/S＋B/S）模式的企业资源计划系统，所有的数据都保存在服务器。服务器端采用企业级数据库服务器两台，企业级WEB服务器一台，后台数据库可用SQLSERVER2000企业版。客户端使用普通商用P4微机。

2.数据库设计

根据业务需求，总公司与各分公司或分厂处于不同的城市或城市中的各个地区，在业务上它们处理各自的数据，但也需要彼此之间数据的交换和处理。从全局应用的角度出发，将这些数据库自下而上构成分布式数据库系统，各营业机构仍然存放本机构的数据，总公司的数据库则存放所有业务数据，并对数据进行完整性和一致性的检查。

作为一个具有跨地域子公司的企业，它们的ERP系统的数据保存在各自局域网的数据库服务器里面。分公司和总公司大量的数据需要同步，例如职工的资料。职工资料不同步会影响到系统其它统计操作的精确性。

开发时应用分布式事务处理的方法，实现不同地区数据库之间的关键数据的同步。例如企业某地区生产厂的某职工的资料改变了，此事件用分布式事务处理的方法同时更新了厂的数据库与总公司的数据库，如果某一个数据库的数据库更新失败，其它数据库服务器立即进行事务回滚，保证了数据的一致性。

3.HR数据集市的设计

针对人力资源系统的数据库特点，设计面向企业职工成本分析为主题，选择用星型架构。在星型架构中纬度表只会与事实表生成关系，纬度表与纬度表之间是不会生成任何的关系。设计事实表为职工成本事实表，包含了工资成本，福利成本，培训成本，税金成本等属性，至于纬度表就包括时间纬度，职位纬度，部门纬度，学历纬度。由于方便用户作数据浏览和分析，把事实表的5个度量值属性设定为中文字段名。如图1所示：

图1　HR数据集市星型架构图

4.关系数据库与数据集市间的数据转移

应用SQLSERVER 2000自带的DTS设计器设计数据转移计划。DTS的设计器功能强大，支持多任务，也是可视化界面，容易操作。它可以灵活方便地在不同数据源之间复制数据。而且可以另存为DTS包，如果以后还有相同的复制任务，直接运行DTS包即可。并且可以调度DTS包，设定在某个固定的时间，或者经过某个固定的时间段甚至发生某个事件之后执行DTS包复制数据。

以人力成本事实表的数据转移为例讲述关系数据库与数据集市的数据转移设计。由关系数据库模型以及HR数据集市模型图可以看出，数据表的结构相差很大。关系数据库中与职工资料和成本金额相关的数据表有5个，要构建与数据集市EMPLOYEE表结构相适应的视图。在数据转移计划中编写如下的SQL语句，让DTS包每次执行的时候都先生成临时数据集，然后再把数据复制到HR数据集市中。下面是执行人工成本事实表（EMPLOYEE）数据转移的SQL设计代码。

5.创建多维数据集进行数据分析

利用Analysis Servers创建新的OLAP数据库并指定数据源为之前设计的HR数据集市，然后创建多维数据集，以EMPLOYEE为员工成本事实表，选择DATE，DEPARTMENT，POSITION，EDUCATION这四个表分别为时间纬度表，部门纬度表，职位纬度表，学历纬度表。设定“工资成本”，“福利成本”，“培训成本”，“税金成本”，“其它成本”为事实表的五个度量值，设定“年”和“月”为时间纬度表的度量值，“职位”为职位纬度表的度量值，“部门”为部门纬度表的度量值，“学历”为学历纬度表的度量值。

当多维数据集处理完毕后，可以用分析处理器做简单的浏览，如图2为人工成本（SPEND）多维数据集的浏览图。图示现在是以时间纬度和部门纬度来分析数据，可以把其它两个纬度拖动到浏览窗来转换分析的视角。并且可以做各数据项sum（），avg（），count（）等函数的计算。

图2　多维数据集浏览图

6.多维交互图表

经过数据集市的建模，数据转移计划的设计以及多维数据集的创建之后，用户可以利用EXCEL的数据透视表（PivotTable）功能，直接抽取多维数据集的数据，而且可以用各类三维图表来显示数据，并作各个纬度的数据分析。如图3所示是用户可以随意设计的一张三维数据透视表。用户通过选定外部OLAP数据源抽取了数据之后，可以在工具栏选择纬度以及度量值拖动到透视表的分页区域。横列和纵列，以不同的观点来分析数据。用户也可以将多个纬度拖动坐标轴上实现多层显示。

图4是用户可以随意设计的交互式三维图表，此图表与图3的数据透视表是直接连接的，也就是数据源以及所选择的纬度是相关的。图4的三个坐标分别为部门，时间，成本金额。

图3　数据透视表截图

图4　交互式三维图表截图

四、人力资源建模测试

经过人事部门数据集市的建模，据转移计划的设计以及多维数据集的创建之后，使用决策支持系统，用户可以利用EXCEL的数据透视表功能，直接抽取多维数据集的数据，可得到各类三维图表来直观显示数据，并做出不同数据分析。如图5所示：（不同颜色代表不同的工种，纵坐标代表年龄，横坐标代表人数）企业领导可以对企业的人力资源状况有直观的了解。