0 前言

    隨著以計算機為主的信息技術的發(fā)展，煤炭企業(yè)的數(shù)據(jù)量越積越多，但其中能為企業(yè)管理者有用的信息并不多，這里的有用的信息主要是能為企業(yè)決策者提供依據(jù)或提供參考的信息。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、甚至是隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。它可以按照企業(yè)的管理目標，對企業(yè)的大量數(shù)據(jù)進行分析和處理，挖掘其中隱藏的、未知的規(guī)則和信息，并進一步將其模型化，然后將分析結果用于管理決策，提高企業(yè)管理者的決策能力和決策水平，進而提高企業(yè)管理者的管理效率和企業(yè)的經(jīng)濟效益。

    目前，許多企業(yè)都廣泛采用了ERP軟件系統(tǒng)，但由于ERP軟件本身功能的不足，有的只能提供基本的數(shù)據(jù)查詢和分析。有的缺乏對高層次的數(shù)據(jù)分析和決策行為的支持，這就需要通過數(shù)據(jù)挖掘技術在ERP中的應用來改善現(xiàn)有ERP系統(tǒng)。

    1 數(shù)據(jù)挖掘技術

    1.1 數(shù)據(jù)挖掘的概念

    數(shù)據(jù)挖掘，在人工智能領域，習慣上又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database，KDD），也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。知識發(fā)現(xiàn)過程由以下3個階段組成：（1）數(shù)據(jù)準備；（2）數(shù)據(jù)挖掘；（3）結果表達和解釋。數(shù)據(jù)挖掘可以與用戶或知識庫交互。典型數(shù)據(jù)挖掘系統(tǒng)的結構如圖1所示。

    圖1 典型的數(shù)據(jù)挖掘系統(tǒng)的結構

    并非所有的信息發(fā)現(xiàn)任務都被視為數(shù)據(jù)挖掘。例如，使用數(shù)據(jù)庫管理系統(tǒng)查找個別的記錄，或通過因特網(wǎng)的搜索引擎查找特定的Web頁面。則是信息檢索（information retrieval）領域的任務。雖然這些任務是鶯要的�？赡苌婕笆褂脧碗s的算法和數(shù)據(jù)結構，但是它們主要依賴傳統(tǒng)的計算機科學技術和數(shù)據(jù)的明顯特征來創(chuàng)建索引結構，從而有效地組織和檢索信息。盡管如此。數(shù)據(jù)挖掘技術也已用來增強信息檢索系統(tǒng)的能力。

    1.2 數(shù)據(jù)挖掘的過程

    一般而言，數(shù)據(jù)挖掘的過程中各步驟的大體內(nèi)容如圖2：

    圖2數(shù)據(jù)挖掘過程圖

第1步確定挖掘對象

    清晰地定義出主題業(yè)務，明確數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的首要步驟，挖掘的最后結構是不可預測的，但要探索的問題應是具有預見性的，為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性，是不會成功的。

    第2步挖掘前的準備

    （1）數(shù)據(jù)選擇

    搜索所有與業(yè)務對象有關的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應用的數(shù)據(jù)。

    （2）數(shù)據(jù)預處理

    研究等挖掘數(shù)據(jù)的質量，為進一步的分析做準備，并確定將要進行的挖掘操作的類型。

    （3）數(shù)據(jù)轉換

    將待挖掘數(shù)據(jù)轉換成一個分析模型。這個分析模型是針對某種或某幾種挖掘算法建立的，建立一個真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關鍵。

    第3步數(shù)據(jù)挖掘

    對所得到的經(jīng)過轉換的數(shù)據(jù)進行挖掘。除了完善從中選擇合適的挖掘算法外，其余一切工作都應該可以自動地完成。

    第4步數(shù)據(jù)結果分析

    解釋并評估分析結果，其使用的分析方法一般應依數(shù)據(jù)挖掘操作而定，通常情況下可能會用到可視化技術。

    第5步知識的同化

    將數(shù)據(jù)分析所得到的知識集成到業(yè)務信息系統(tǒng)的組織結構中去。

    2 煤炭企業(yè)ERP的功能分析

    企業(yè)資源計劃（EntERPrise Resource Planning，ERP）是建立在以計算機為主的信息技術基礎上，利用現(xiàn)代企業(yè)的先進管理思想，全面集成企業(yè)各種資源信息，為企業(yè)提供計劃、組織、控制和決策等方面的全方位和系統(tǒng)化的管理平臺。煤炭企業(yè)ERP涉及煤炭企業(yè)的采購管理、生產(chǎn)管理、銷售管理、物流管理、財務管理以及人力資源管理等各個方面的管理問題。

    中國煤炭企業(yè)經(jīng)過多年的努力，企業(yè)信息基礎設施建設已經(jīng)具備一定規(guī)模，在信息建設和資源管理等方面，計算機設備和計算機應用水平處于國內(nèi)領先地位。煤炭企業(yè)高層已經(jīng)意識到了以計算機為主的信息技術的是企業(yè)行業(yè)領域的發(fā)展趨勢，煤炭企業(yè)會計信息系統(tǒng)逐步從核算型過渡到財務管理型，適應ERP企業(yè)的管理模式，具有財務分析和領導決策功能，覆蓋整個財務、采購、銷售等工作范圍，成為ERP和電子商務系統(tǒng)的核心系統(tǒng)。

    但是在煤炭企業(yè)ERP實施當中，隨著ERP軟件系統(tǒng)積累的數(shù)據(jù)不斷增加，數(shù)據(jù)管理相對落后的問題已隨之出現(xiàn)。傳統(tǒng)的數(shù)據(jù)分析和處理方法（如查詢、報表）根本無法快速、有效地從大量數(shù)據(jù)中獲取所需的數(shù)據(jù)，煤炭企業(yè)ERP系統(tǒng)自身也缺乏高層次的數(shù)據(jù)分析和決策支持手段，只能提供較為簡單的數(shù)據(jù)顯示和數(shù)據(jù)查詢，企業(yè)管理決策者們無法從龐大的業(yè)務數(shù)據(jù)中獲取隱藏的知識，這就使得數(shù)據(jù)挖掘技術在煤炭企業(yè)ERP的數(shù)據(jù)分析和處理中有廣泛的應用空間。

    3 數(shù)據(jù)挖掘在煤炭企業(yè)ERP中的應用實例

    為了證實基于數(shù)據(jù)挖掘技術的煤炭企業(yè)ERP的應用的可行性和有效性，通過下面相關實驗進行說明。通過對近年來中國部分煤炭企業(yè)ERP系統(tǒng)數(shù)據(jù)庫的查詢，得到了2006～2010年煤炭企業(yè)營業(yè)額的相關數(shù)據(jù)（見表1），利用數(shù)據(jù)挖掘進行未來3a的營業(yè)額數(shù)據(jù)預測。

    表1 2006-2010年中國部分煤炭企業(yè)營業(yè)額單位：億元

    預測方法采用灰色預測模型GM（1，1）�；疑�理論的微分方程模型稱為GM模型（Grey Model）。模型是將原始數(shù)據(jù)列作生成處理后建立模型方程。GM（1，1）表示1階1個變量的微分方程模型模型。

建模的步驟如下：

    （1）由原始數(shù)列x（0） ，計算累加生成數(shù)列x（1） 。

    （2）對x（1） ，采用最上二乘法按下式確定模型參數(shù)：

    （3）建立預測模型，求出累加序列：

    計算之后，可得預測結果，如表2所示。

    表2中國部分煤炭企業(yè)營業(yè)額預測值單位：億元

    實驗結果表明，GM模型預測精度較高，這說明單變量灰色預測在煤炭企業(yè)銷售最預測中是可行的，其分析結果對于煤炭銷售策略的制定、市場細分、目標客戶群的確定具有一定的參考價值。

    4 結語

    煤炭企業(yè)與標準的制造業(yè)相比，具有很多不同的特點，研究煤炭企業(yè)實施ERP的可行性和解決方案具有很強的理論和實際意義。文中通過對煤炭企業(yè)各種數(shù)據(jù)深入分析，探索數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術在ERP企業(yè)中的應用模式，建立基于數(shù)據(jù)挖掘技術的煤炭企業(yè)ERP系統(tǒng)，從而提高煤炭企業(yè)ERP系統(tǒng)的決策功能，真正做到運用數(shù)據(jù)挖掘等信息技術改造傳統(tǒng)的煤炭企業(yè)，優(yōu)化企業(yè)資源，提高決策分析水平，增強綜合競爭力。

轉載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標題：基于數(shù)據(jù)挖掘技術的煤炭企業(yè)ERP應用

本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/10820013794.html