基于大数据的智能ERP系统设计探究

范瑛

（长沙商贸旅游职业技术学院 湖南长沙 410116）

ERP 系统属于现代企业管理重要方法，其能够实现企业管理结构的优化，使业务活动更为便捷地开展，继而更好地为客户提供服务。现阶段已进入大数据时代，数据采集分析成为企业管理的重要部分，在此形势下，可将大数据融入传统ERP 系统中，打造智能ERP系统，用于提升ERP系统功能效果，继而增强企业管理效能。

1 大数据在ERP系统应用中的作用

以大数据为技术支撑，能够进一步提升ERP 系统的功能效果。在传统ERP系统中，其主要由外部集成、内部集成两部分；在大数据应用下，可实现内外部数据的整合分析处理，以数据为依据，运行ERP 系统，使ERP系统功能更为可靠［1］。将大数据技术融入ERP系统后，更易于业务流程及管理功能的优化，使系统业务活动能够更加贴合企业的实际情况，继而出现系统性流程。此外，还可依托于大数据完成企业外部信息数据的集成，整理与企业经营发展相关的所有数据，如运输、参数、成本、合同、报价等，使大数据成为企业管理的重大优势，确保企业能够快速响应外部市场环境变化而做出调整，以此促进企业实现精益化发展。通过持续性的流程优化，弥补原有薄弱环节，以此打造优势供需链。

2 智能ERP系统在大数据背景下的设计思路

2.1 整体框架

随着计算机技术的不断升级及大数据技术的日渐完善，可对ERP 系统进一步升级优化。在本次智能ERP系统设计过程中，将大数据技术融入ERP系统中，根据企业常规业务结构，设置了不同层次的功能单元，具体如下。（1）核心层功能单元，主要包括需求单元、生产计划单元、采购单元、运输单元、财务单元、经营单元、企业绩效单元。（2）基本功能单元，主要涉及采购、生产、库存、销售、财务。（3）公共功能单元，包括加工单元、供应商单元、客户单元、渠道单元、订单单元。（4）待增单元，该单元尚未设置，随着企业生产经营的发展，根据企业实际需求，增设新的功能单元，用于保障智能ERP系统的功能完整性。

2.2 单元设计

为确保所设计的ERP 系统能够切换发挥出其功能，应做好智能ERP 系统的单元设计。本次智能ERP系统的单元设计情况如下。

（1）绩效单元。智能ERP 系统依托于互联网而运行，在实际管理中，绩效单元为重要管理内容，此时，可依靠大数据库及数据挖掘情况做好信息支撑，将绩效单元进一步划分为目标管理单元、预算管理单元、业务合并单元。目标管理单元涉及关键绩效、企业战略等子单元，以企业愿景为基础，做好绩效规划；预算管理单元涉及调账、预算编制等工作，主要通过预算管理控制为企业发展提供保障；业务合并单元涉及合并报表、数据查询等内容，可使企业业务管理工作更为有序［2］。

（2）采购单元。在企业发展经营过程中，必然会面临采购管理难题，此时，可通过智能ERP系统采购单元计算成本权重，以企业实际需求及采购流程为基础，确定采购单元功能。在本次所设计的智能ERP系统采购单元中，可完成采购申请、收料通知、收料入库、结论、库存查询、报表分析、查询分析、供应商管理、核算采购参数、上报采购结果等业务，通过该智能ERP 系统，可一体化完成常规性采购业务活动。

（3）财务单元。该单元内容体系繁杂，其以总账单元为核心，逐渐外延至应付应收账款、存货管理、报表管理等单元，同时，为保障企业财务信息的安全性，还需在智能ERP系统采购单元中设置保密单元［3］。考虑到资本管理对于企业经营发展的重要性，还可单独设置资本管理单元，从应收账款管理、现金管理、存货单元3个部分入手，并将财务管理单元与企业管理层、生产模块、销售模块、客户体系、办公室信息管理系统、企业数据信息库进行关联，依靠ERP系统财务单元，实现企业范围内的财务数据共享，以此营造稳定有序的企业财务管理环境。

2.3 功能实现

数据从挖掘采集到存储使用是一个持续化的过程，故基于大数据构建智能ERP系统时，应结合数据产生到应用的全过程进行分析。

2.3.1 数据源

数据源是智能ERP 系统实现数据分析应用的基础，在企业智能ERP 系统中，其数据源则为ERP 系统的各个子系统运行数据，如财务管理单元、采购单元等，所有ERP系统单元在运行期间均会产生海量数据，当有数据产生时，则会在第一时间被捕捉，继而为后续数据处理分析奠定良好基础。

2.3.2 数据采集

智能ERP系统的部分数据来源于常规化的企业结构数据，如物料存储数据、员工信息、客户信息、产品参数等，当该类常规数据产生后，将会被存储至SQL Server、Oracle、MySQL 等关联数据库内，为常规数据的调取奠定良好基础［4］。对智能ERP系统中数据产生渠道进行分析，其主要来源于以下几种渠道：（1）Web 网站访问日志；（2）系统网站界面的js 代码记录，如用户访问时的页面组件等，此外，ajax后台日志同样可获得相关信息数据；（3）系统网站页面上的埋点像素图片，当有页面访问记录产生时，其相关数据将会直接上传至记录日志中。结合ERP 系统实际应用情况来看，能够被智能ERP系统所采集到的信息主要有产品产生数据、ERP系统操作信息、销售数据、业务订单信息等，随着企业的稳定运行，智能ERP 系统内的数据规模将会不断增大，并逐渐构建为基础数据网，将各类信息数据进行关联，使ERP系统内数据信息可更好地被利用。

在ERP系统实际应用期间，所有的操作数据、企业生产数据、业务订单情况、业务销售数据都将会被采集到智能ERP系统中，以此构建成企业最基础的数据库。企业生产经营期间所涉及的数据存在相互关联的关系，无论是日志数据还是HDFS数据，都是智能ERP系统的数据采集过程。智能ERP系统实现数据采集的相关技术较多，具体如下。（1）Shell 脚本。该技术具有开发简单、应用便捷、轻量级的优势，但无法控制在数据采集期间形成容错情况。（2）Java程序。该采集程序能够实现数据精准控制，但在实际开发应用期间存在一定难度。（3）Flume 框架。该技术属于成熟性数据采集系统，其归属于Hadoop 体系，故其能够与其他技术体系实现良好融合，继而能够在一定程度上提高数据采集的容错能力及可靠性。经上述数据采集技术分析后，最终选择采用Flume 框架进行数据采集，以智能ERP 系统为基础，进行Agent 节点的部署设置工作，完成文件配置修改后，将开启Agent节点，节点启动后，即可将数据上传至指定HDFS 目录内，为后续数据处理分析与应用奠定基础［5］。

2.3.3 数据预处理

智能ERP 系统数据采集是一个广泛化的过程，部分错误数据、低效数据、无效数据同样被采集存储至数据库内。为避免该部分数据影响后续数据分析工作，在数据最终存储及分析决策之前，应通过数据预处理过程，剔除误数据、低效数据、无效数据，并将数据信息的格式进行规整转换，以数据分析需求为依据进行数据分类。智能ERP系统所获得的数据在规格大小及类型上存在一定差异，给数据存储分析带来一定局限，此时，可应用Map Reduce 工具，此工具属于分布式运算程序框架，其以Hadoop 数据为基础设定框架结构，该Map Reduce 工具的核心功能在于编写逻辑代码，将具有特定特征的数据组件进行整合，并将其归纳至同一Hadoop集群上［6］。使用Map Reduce工具时，应将系统开发重点放在业务逻辑的编写上，通过计算机分布式框架，完成数据预处理工作。

2.3.4 数据存储

在智能ERP系统中，其主要依托于Hadoop集群完成大数据分析，而分析功能的实现主要依靠Hive 仓库工具来实现。Hive仓库工具归属于Hadoop体系，其能够将结构化数据按照特定数据库表的形式进行转化映射，同时还可借助SQL语法完成数据信息智能查询［7］。若在数据存储期间直接在智能ERP 系统内引入Hadoop 体系，将会带来较高的系统开发成本，并造成一定技术学习成本；另外，企业项目周期相对较短，若引入Map Reduce 工具，则会形成较高的时间成本，同时还会造成一定逻辑开发难度。结合上述分析，可在数据存储过程中引入Hive 仓库工具，以SQL 语法为操作接口，以此实现快速开发，避免了其他技术所造成的额外成本。

完成数据采集并预处理后，将数据传输至Hive 数据仓库内，以Hive 数据仓库为载体进行数据信息挖掘与分析，而在此期间，可划分层次，分层进行数据分析。从本质上来看，智能ERP 系统数据存储分析的过程是从ODS 原始数据内调取中间表的过程，将url、时间等非结构数据提取出来，并细化数据字段信息，最终形成明细中间表，以明细中间表为基础进行数字指标统计分析。通常情况下，企业ERP 系统所应用的数据属于关联型数据库，即SQL Server、Oracle、MySQL 等，在数据存储期间，可在关联型数据库基础上接入HBase 数据库，使智能ERP系统的数据存储功能更加完善，借助HBase 数据库，完成大型数据的分析存储工作［8］。在以往ERP 系统中，常见的数据库问题为部分数据无法存储，且备份机制缺失，当数据库内存储数量较高时，则会出现数据库运行缓慢的情况。而接入HBase数据库后，则可良好规避上述问题，通过实现数据的线性扩展，增大数据存储量，并构建了完整的备份机制，为智能ERP系统的数据存储功能提供了保障。

2.3.5 分析决策

在大数据技术作用下，企业智能ERP 系统能够实现广泛化数据采集与分析存储，在此基础上，还可依托数据库展开数据统计分析，交叉计算数据维度及指标，以此获得精准化数据分析结果。通常情况下，企业在生产经营期间将会生成不同的数据统计需求，其中，多维度PV 统计、来访者数量、业务请求数量等属于企业典型指标［9］。基于大数据的智能ERP 系统，在分析决策功能设计期间可融入Map Reduce程序，对用户访问数据进行识别，并将企业所需的指标数据导入信息表内，以此为基础获得用户停留时长等指标，继而更好地为企业经营决策提供依据。

2.3.6 数据展示

完成智能ERP 系统数据的处理存储与分析后，可将有效数据呈现为生产报表，并将数据从ERP 系统中导出。在智能ERP 系统中，数据经过了采集、预处理、存储、分析等过程，此时，为更好地完成智能ERP 系统数据应用，可依据企业需求，将数据以不同形式呈现出来，如可视化销售统计表、财务报表等。智能ERP系统以大数据技术为支撑，依靠Hadoop 体系，得出数据报表结果，可进一步将其从Hive 数据仓库内导出，呈现为可视化报表，以此用于企业的业务经营发展。基于大数据的ERP系统，运行期间，经过了数据采集、分析、结果导出的过程，在系统设计时，可将上述任务划分为多个Oozie 工作流，借助程序进行调节，继而使数据信息以多元化形式呈现出来。在ERP系统数据分析功能设计时，应增设前端展现工具，设计前端展现工具，将Java Web嵌入系统体系内，在Java Web作用下，读取报表结果，进一步将报表结果以Java 报表网页的形式呈现，为企业经营运行提供便利。在设计ERP 系统前端展现工具时，企业需根据自身需求确定展现方式，搭建完整的技术框架，挖掘MySQLl 关联数据库内信息，使信息以Json 格式传输至系统页面，运用Eharts 程序解析Json 格式信息，以此确保ERP 系统内信息数据可被展现出多种形式，以供利用。

4 智能ERP系统设计结果分析

为验证本次所设计的智能ERP 系统的性能，选取某上市公司公开数据为基础，运行智能ERP系统，从系统模块化、反应时长、安全性3个方面进行对比分析。

4.1 系统模块化

为使性能验证效果更直接，选取其他两种ERP 系统，将其分别定义为系统2 与系统3，而本次所设计的智能ERP 系统则为系统1。运用Matlab 平台进行系统模块化功能检验，发现系统1、系统2 存在明显的模块化变化，可见随着公司的运行，系统2 与系统1 随之运行。由此可证明，本次所设计的智能ERP 系统具有良好的模块化功能，且因ERP系统还设有待增单元，可结合市场变化或企业战略发展而动态增设功能模板，使智能ERP系统的功能模块更为灵活、可靠［10］。

4.2 反应时长

对3 个ERP 系统的反应时长数据进行采集，其结果如表1所示。根据表1数据可见，本次所设计的智能ERP 系统（系统1）对于系统运行操作的平均反应时长为3.6μs，系统2 的平均反应时长为9.2μs，而系统3 的平均反应时长为10.4μs，根据平均反应时长的数据对比，不难发现，本次所设计的智能ERP系统在反应时长上具有显著优势，系统运行效率更佳。

表1 3 个ERP 系统的反应时长数据

4.3 安全性

为检验智能ERP 系统的安全性，了解ERP 系统的稳定性与抗风险性，对3个ERP系统设定了攻击源，在不同攻击源状态下，采集3个系统的安全系数，具体如表2所示。在不同攻击源数量条件下，3个ERP系统表现出了差异化安全系数，其中，本次所设计的智能ERP系统（系统1）在攻击源条件下，其平均安全系数为0.982，系统2 的平均安全系数为0.73，系统3的平均安全系数为0.756。根据3个ERP系统的平均安全系数，不难发现，本次基于大数据所设计的ERP 系统在安全性方面存在显著优势，面对攻击源仍可稳定运行。此外，为最大限度地提高智能ERP系统运行安全性，在本次模块单元设计中，于财务系统单元内增设了保密单元，用于增强ERP系统财务数据安全性，进行财务数据加密存储与传输，以此保障ERP系统数据安全。

表2 3 个ERP 系统的安全系数对比

5 结语

综上所述，以大数据为技术支撑的智能ERP 系统可大幅提升企业管理质量，提高企业信息化层次，使企业管理活动能够更规范地进行。在设计智能ERP系统时，应在明确基本框架基础上，做好单元设计，并从数据源确定、数据采集、数据预处理、数据存储、分析决策、数据展示6个方面入手，确保大数据能更好地融入ERP系统中。将本次所设计的智能ERP系统与其他系统进行对比，发现本次所设计的系统在响应性及整体功能上存在良好优势，具有较强应用价值。