基于数据挖掘的ERP系统决策支持应用研究

崔力文

摘 要：进入新世纪以来，世界经济也发展到了新的阶段，企业的发展也应适应世界经济的发展趋势。在信息化的今天，企业ERP系统作为信息化进程的重要产品，越来越多的企业在实施和应用。然而，随着时间的推移系统中存在着大量的历史数据，这些数据占用着大量的资源，但可以利用的却很少。数据挖掘技术可以从大量的业务数据中提取和挖掘出隐含的而又对决策有潜在价值的信息和知识，为企业制定决策支持提供依据和帮助，现在数据挖掘已成为企业提升管理水平保持企业持续发展的必要方法。

关键词：ERP 数据挖掘 决策支持

一、前言

随着数据时代的来临，ERP系统陆续的出现在各个领域的企业中。随着科技的发展，ERP系统的功能模块也逐渐再完善，同时隐藏在ERP系统数据中的信息也越来越多，我们用常规的分析方法已经无法获得，通过数据挖掘技术对ERP系统中的业务数据进行抽取，挖掘算法的计算并从多个角度进行数据分析得出结论，为企业决策者的做出科学的决策提供可靠的支持。

二、数据挖掘技术

（一）什么是数据挖掘

数据挖掘这个词汇对大部分人来说很陌生，目前也没有一个明确的定义来描述它。大家认为比较确认的定义是，数据挖掘就是从大量的、未经任何处理的数据中，提取出隐藏在其中的、不易被人们知道的、但又是对决策有用的信息等知识的过程[6]。它应该具有以下几个特点：数据是大量的、不为人事先知道的； 挖掘出的信息是可以被接受的、易于理解的，并且是可以被应用的；在某个特定的领域挖掘出的信息是有价值的，并且是有其规律性的，可以大规模应用的、可以预测的应用。

（二）数据挖掘的过程

数据挖掘的过程一般由几个主要的阶段组成：定义挖掘目标、选择目标数据、数据清理和处理、数据变换、数据挖掘操作、结果评估和知识决策。

（三）数据挖掘的方法

利用数据挖掘进行数据分析从不同的角度对数据进行挖掘所采用的方法也不同，常用的算法有很多种，对于不同的数据挖掘任务所采用的算法也是不同的；当然，对于同一任务也可以采用多种方法，在挖掘分析过程中所采用的算法越多，挖掘分析得出的效果也就越好。常用的数据挖掘方法只要有：分类与预测、聚类分析、关联规则、时序模式等。

三、数据仓库技术

关于数据仓库的并没有明确的定义，在我看来数据仓库也是一种数据库，数据仓库系统是指根据需求把各种的所需的应用系统集合在一起，组合成一个广泛的平台，为历史数据的查询分析及信息处理提供帮助和支持。

数据仓库的主要功能是根据挖掘目的从各个数据源中提取相关的数据，对其进行清洗等相关的操作，并把这些数据统一存放到数据仓库中；同时可以以此为基础，在其上进行智能操作，比如查询、分析等等。

数据仓库生成的就是把业务系统中的关系型业务数据抽取出来，并把这些数据的进行数据处理，最后把他们加载到数据仓库中的过程。具体步骤包括：

定义挖掘目标、数据的抽取、数据分析、数据预处理、装载和索引等。

四、关于ERP决策支持的设计

首先要从ERP系统中抽取所需的数据集，抽取数据时应先考虑到需要用到那些数据，然后有針对性的抽取。抽取数据时，可将不准确或者是有遗漏的数据信息删除，并将数据转换成与挖掘目标属性相对应的数据，这个数据可能有多种形式。当这些数据预处理后，再根据需求来源选择相应的模式进行建模的分析，选取相应的算法进行分析处理，得出相应的结果和评估。

以某公司SAP中MM模块为例进行功能设计；本文决策支持以供应商和采购两个部分为例来讨论，通过公司与供应商之间在某一段时间内的采购数据分析需求进行调研，为企业选择供应商提供量化的准确的依据。

（一）数据仓库模型设计

数据仓库的设计要经过概念模型设计、逻辑模型设计和物理模型设计三个过程来实现。

（1）概念模型设计

确定系统的边界：在SAP的MM模块的调研决策需求中，决策者最感兴趣的是供应商的评价、物资的采购方案、采购价格等内容。为了对数据进行全方面的分析和精确的预测，我们将系统的边界定为原SAP系统MM模块中关于供应商的管理、采购管理和物料管理的集合。

确定主题域：在数据仓库中的数据以主题域方式出现的，每一个主题对应着相应的数据类型，表示可在一个空间内进行挖掘分析。根据该公司SAP系统中MM模块的结构和相关需求进行分析，确定了本论文研究的基本主题为供应商主题、物资采购主题和物料主题。

（2）逻辑模型设计

逻辑模型设计就是每个主题是怎样实现的，并且对这个实现的过程进行定义，然后将这个实现过程的相关内容记录在数据仓库的数据中。这里就不做过多的介绍，本文只对物资采购主题域的逻辑模型设计作为示范，其它主题域的逻辑设计类似完成。建立物资采购主体模型包括：选取业务数据、定义粒度和维度、 确定事实和维。

（3）物理模型设计

数据仓库的物理数据模型主要是确定数据将采用什么样的结构进行存储，采用什么样的数据搜索策略、以及该数据应该存储在什么地方等问题。其中包括：

确定数据的搜索策略、确定数据的存储位置。

（二）数据建模分析

在对物资采购数据中与供应商的相关的信息（如供货日期、供货金额及供货及时率）进行预处理后，将对其数据进行数据挖掘及算法的选择。根据其数据的特点，在此我选择聚类分析的算法对供应商相关的数据进行分析。该算法可以挖掘中不同供应商所隐含的一些信息。根据挖掘出的信息企业就可以针对不同的供应商采取不同的采购原则和策略。可以加大同对企业贡献度较大的供应商的合作，同时也可以使一些贡献度较低的供应商通过一些措施发展成贡献度较高的供应商。

基于供应商相关数据集的聚类分析，可以按照以下步骤进行：

（1）先确定一个聚类算法在此我选择的是K-Means算法，用该算法对供应商数据集进行聚类分析，把该数据集命名为D划分为若干个类，命名类为C（C=（C1，C2…Cn））。其中，D=C1∪C2∪…∪Cn。

（2）选取供货日期、供货金额和供货及时率三个指标作为输入变量，应用聚类分析算法K-Means进行聚类分析。

（3）对于每一个Ci （i=1，2，…n），根据其中成员的特点，归纳出能够描述其特征的一条或几个规则。然后对规则进行评判，若聚类分析的结果的可信度比较高，则可在实际的工作中将聚类的结果加以应用，否则，可以选择其它聚类的算法再次进行分析。

这样，我们就实现了对供应商的细致划分，就可以根据不同类型的供应商采取相应的采购策略了。

五、结语

随着信息时代的来临，各个公司在ERP系统投入了大量的人力物力以及财力，ERP系统本身也更新换代多次，系统中留存着大量的历史业务数据。现在这些数据一直未能合理的利用起来，企业的各级决策者还是依靠自己的经验来做决策，这样的决策缺乏科学依据。现在的时代是信息时代、是数据的时代，为了避免这些大量的数据继续沉睡，为了使这些数据能为决策者提供科学的、有价值的决策依据，利用数据挖掘技术对ERP数据进行挖掘增加决策支持功能的必要性是不言而喻的。

参考文献：

[1] 谭跃进，黄金才，朱承等.决策支持系统.电子工业出版社，2011.6.12-15.

[2] 范明，孟小峰.数据挖掘概念与技术.北京：机械工业出版社，2013.6.32-36.