1引言

当今世界是信息的时代，拥有越多的信息就意味着拥有越多的成功机会。同时，企业经营管理的着眼点也已经从后台转向前台，经营模式逐渐从产品驱动、技术驱动向市场驱动转化。在系统中亦是如此。为了更好的进行进销存系统管理，为企业增加利润。系统需要对产品的销售趋势、库存的管理方法、何时采购、采购多少，以及什么样的客户应给予何种优惠等等问题进行深入的研究。此时，传统数据决策支持系统已经不能满足现代进销存管理系统的需求了。我们迫切的需要—种新的数据分析方法的支持，即数据挖掘技术。数据挖掘能够为系统的决策支持提供了良好的平台和技术支持，掌握并正确的运用数据挖掘技术，是企业在经济全球化和全球经济信息化发展趋势中的制胜法宝。

2数据挖掘在进销存系统中的作用

众所周知，现代的进销存管理系统迫切需要一种新技术。这种技术可以从一定时期的历史数据和大量的细节数据中找到规律，挖掘知识，从而为人员提供决策支持。而数据挖掘正是这样一种可以从大量数据中提取出隐藏在数据之后有用信息的技术，它可以为人们的正确决策提供了很大的帮助。

从定义上讲，数据挖掘是一种新的商业信息处理技术，它是对商业数据库中的大量业务数据进行抽取、转化、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。它是一种深层次的数据分析方法。

数据挖掘的最终目标是发现有价值的知识，包括概念、规则、模式和模型等，为管理、决策和科学研究提供有利的参考和依据。

综上所述，正确使用数据挖掘技术，将会对进销存系统在决策支持方面产生极其深远而积极的影响。

3进销存系统决策支持系统的设计与分析

下面就具体的针对我所设计的进销存决策支持系统进行一下功能设计和数据分析：

3.1功能设计

1．建立进销存系统的数据仓库，包括从操作数据库到数据仓库的抽取转换模块，面向主题的数据仓库，特定需求的数据集市、元数据等。

2．建立基于数据仓库的决策支持系统，包括OLAP查询模块和数据挖掘模块。从而有效的完成预测原料及产品的供应和需求的变化趋势，合理的、科学的进行库存控制，合适的选择等功能。

3．建立查询界面和消息定时发布机制。

这就是完整的数据仓库决策支持实现方案：从各种数据源主动地取出数据；经过清理、整合；再按决策支持的需要分主题、重组数据；按照时序节奏不断地自动装载、更新数据仓库；用数据处理工具进行决策分析；最后以多种形式将决策支持的意见呈现给决策者。

3.2数据分析

数据仓库中所需的数据主要来自于进销存系统的传统数据库。传统数据库中主要有四类信息：档案信息、销售信息、采购信息、仓库信息。具体来说，档案信息中包括客户档案、供应商档案、产品档案和仓库档案等方面；销售信息，如销售订单、报价单等；采购信息，如采购订单等；仓库信息，如产品入库单、产品出库单、产品退货单等。

出于决策分析的目的，我们认为进销存系统的管理人员通常关心的都应该是有关采购、销售和库存方面的问题。所以，我们设计的数据仓库将按照采购、销售和库存三个主题重组数据。在第四部分将给出更为详细的分析说明。

4进销存管理系统的数据模型

1．概念模型

根据数据分析中确定的采购、销售、库存三个主题，首先对系统进行总体设计，图1所示的即为本系统的高层概念模型。

2．逻辑数据模型

逻辑数据模型，是从概念模型过渡到物理模型的中间层次，因此又称中间层模型。一般而言，高层概念模型中的每一个主要的主题域，都需要建立—个对应的逻辑模型。因此，该层的重点是细化数据，明确维度表和事实表，并在维度表和事实表中添加属性。我们采用数据仓库设计中通常使用的雪花型构架来构造分析主题的逻辑数据模型。根据主题建立的四个逻辑数据模型分别是产品库存、原料库存、采购、销售逻辑数据模型。现以销售逻辑数据模型为例，设计如图2所示的逻辑数据模型。

3．物理模型

最后一步是根据逻辑模型建立对应的物理表结构来存储数据，即建立相应的物理模型。这些基础表包括：采购客户表、销售客户表、原料表、产品表、原料类别表、产品类别表、采购表、销售表、进出库产品表、进出库原料表等。

.

本文由名易进销存管理系统软件收集提供：https:欢迎查阅更多信息