基于数据仓库的烟草库存决策支持系统

文｜叶宗强

烟草企业作为国家税收重点企业，其在多年的经营和发展中累积了大量的数据，这些数据的利用效率直接影响企业的决策和发展方向。因此，本文提出基于数据仓库的烟草库存决策支持系统的设计研究，为企业决策者对于库存决策提供科学依据，提供很好的辅助决策的效果。

一、引言

库存即存货，是各个企业非常重要的一种可流动的企业资产[1]。烟草企业也是一样，通过科学有效的方式调整烟草的库存量，可以使企业的资金合理分配使用，不会因库存过多而导致企业的流动资金减少，公司活动资金周转不开，无法参与其他需要资金的商业活动。调控合理的库存量将有利于企业的长期发展，进而增加烟草公司的经济收益。

以大数据分析为依托，信阳烟草公司已形成了一套“状态评价”为手段的市场调控模式。对库存数据的有效分析，增强了货源组织的有效性，增强了市场调控的及时性和科学性；通过对市场状态的把握，将市场状态评价机制引入货源分配投放体系，使货源投放更加均衡，与市场需求更加匹配。

鉴于此，有必要利用烟草行业累积的大量营销数据，对这些数据进行挖掘分析，挖掘出其隐藏的价值。本文利用大数据的相关技术论述了基于数据仓库的烟草库存决策支持系统，将烟草行业累积的大量数据进行挖掘分析，找出与库存有关的数据信息从而支持企业决策者做出合理的库存决策，增大决策的可行性，将库存控制在合理的水平，提升烟草企业在市场的综合竞争力。

二、系统总体架构

烟草公司积累了大量数据，可以用来分析用户的行为特征和烟草品牌的营销预测，以告诉公司他们下一步要往哪个方向发展。下面介绍基于数据仓库的香烟库存决策支持系统的总体结构。

图1 基于数据仓库的烟草库存决策支持系统的总体架构

如图1，该系统有四层：操作层整合和迁移不同的数据源，将数据传入ETL层。ETL层将从上一层得到的数据进行抽取后转换为相同的系统和格式，输入数据仓库中。数据仓库层对的数据进一步分析。表示层将数据仓库层中的数据从多个维度进行整合，通过联机分析、数据挖掘等一系列分析，最后得出分析决策的结果。

三、基于DW的烟草行业的库存DSS的构建

（一）数据抽取

抽样提取后的数据才会被载入数据仓库，它本身只是一个数据环境，需要从交易系统、外部数据源等中获取数据。

每一个与数据检索有关的技术部门都已经成熟，其中一些与程序密不可分，但总体上没有足够的整合。目前市面上的抽取工具需要根据顾客购买选择的源数据和技术分析得到的目标数据之间的对应关系自动生成数据提取代码，但是提取工具所能够识别抽取的数据类型是有限制的。数据提取过程还可能进行数据转换，需要贴合实际应用等，而现在的提取工具还不能很好的实现这些。数据抽取可不使用提取工具，但提取过程中使用的工具应实现有效的管理，调度和维护，这对数据抽取是非常重要的。

（二）数据仓库设计与实现

系统基于Web技术的企业Intranet应用集成框架结构，它是b/s模式工作，是信息发布和搜索的重要手段，是网络技术和数据仓库的综合应用，数据仓库的使用范围不断扩展。数据仓库可从需求分析、模型设计和物理设计这三个方面着手设计实现。

图2 数据仓库结构图

需求分析主要从供应链管理信息着手，包括：

（1)客户分析：香烟公司需要快速及时地响应客户需求，每个客户都有自己的特点，在他们的喜好、变化趋势中都会有所体现。而企业需要准确知道顾客的需求及需求变化趋势，才能迅速把握市场发展趋势，从而采取相应的措施。

（2）成本分析：香烟企业高收益的基本要求是降低、减少成本。材料成本、设备成本、库存成本等数据在生产成本和核算经营成本控制中扮演着重要的角色。

数据仓库面向主体，香烟库存决策支持系统目的就是通过客户信息、销售量等数据对客户的满意度、需求进行分析，了解顾客需求及变化趋势，帮助企业从客户实际需求出发，精准制定库存决策，将库存控制在与市场发展趋势所需的水平，降低因库存过多或缺货带来的影响。企业库存决策支持系统的主体有市场、产品、营销和财务，主体对应的数据库有：

（1）市场主体数据库，主要包括：产品信息，了解当前市面上产品详情，以便对顾客的需求及时响应；目标市场信息，用于市场分析，了解市场发展趋势；竞争对手信息，了解分析对手的现状和竞争力；客户信息，了解顾客需求、对产品的反馈等信息。

（2）产品主体数据库：产品描述，用于产品分析。

（3）营销主体数据库：营销业务数据建立数据库进行分析。

（4）财务主体数据库：销售额、销售人员业绩的查询分析。

数据仓库中的主体域被设计为一组组相关表，包括事实表与维表。事实表中有主体特有的标识数据，还有r维表的外键。由销售时间、物料、营销人员等多个方面建立维表；数据分析会进行大量的联机分析处理（OLAP）操作，可以使用星形数据模式从多个维度来描述数据。数据仓库的星形模式图如图3所示。

物理模型主要以解决数据存储及优化等问题。因烟草数据仓库的数据多、信息量大，则应考虑数据存取速度、存储效率、可靠性等因素选择合适的存储方式。

图3 数据仓库星型模式

数据仓库的数据由OLAP进行一系列的数据处理操作来从多个角度进行实时化、动态化分析，以文字、图形、曲线等形式为客户提供不同角度的观测数据，与星型结构中的多维数据组织相户结合、相辅相成，将分析结果转化为信息，为决策提供支持。例如，如果客户和卷烟销量保持不变，将时间“切片”，则可以得到时间维度上各类客户香烟月购入量信息，决策者可以根据信息采取相应的库存策略。

Brio企业作为系统开发工具对Oracle（源数据库）进行OLAP分析和前端展示。Brio Enterprise Server 使用推送服务器技术，提供自动化查询、报告发布等功能。选择分析时段、纬度及分析类型，将产品、产业等细分为年、季、月，进行切片等处理，获得多种分析图，适应客户OLAP分析要求。企业进而采取相应的补货、甩货、清仓等决策。及时准确地制定库存决策，将库存控制在与市场发展趋势所需的水平，降低因库存过多或缺货带来的损失影响，从而促进企业收益的持续增长。

数据挖掘(DM)是各个企业库存决策中用到的一种重要的技术。它是根据事情实际情况或观察到的数据，找到相适应的模式来进行决策支持的。数据仓库或大型数据库，文件系统或任何其他组织在一起的数据集合在进行数据分析时一般采用DM，例如国际互联网上的Web信息资源。

四、结语

本文通过对传统库存控制策略的了解，发现传统库存策略还有不足之处，为满足企业的业务需求，仍需改进和完善。利用现有的大数据挖掘分析技术，将烟草行业大量数据隐藏的有用信息用于支持企业决策者做出合理的库存决策。通过对大量烟草数据进行汇总分析，论述了基于数据仓库的烟草库存决策支持系统。该系统以数据仓库为基础，采用联机分析处理系统、数据挖掘等分析决策方法，对分析得出的结果进行验证，得到真实、可靠的决策依据。

该系统具有较好的现实意义，帮助企业库存决策人员及时发现客户需求变化，掌握烟草市场发展趋势并迅速做出反应，把库存控制在合理的水平，以便及时响应市场的需求，避免因库存过多或缺货带来的损失。有效解决烟草决库存问题，实现企业高效运转。