第一章绪论|
1.1研究背景及意义
机械制造业是国民经济最重要的支柱产业，而模具行业是机械工业很重要的组成部分。目前我国模具企业已普遍认识到信息技术对企业管理、运行的促进作用，很多企业实施了 ERP、 SCM、 MES等管理信息化或者生产制造信息化系统。但是这些信息化系统主要目的是进行日常的事务处理。随着经济全球化和知识经济时代的到来，市场竞争日趋激烈，如何把握瞬息万变的市场情况和企业经营情况从而及时地正确地做出商业决策是摆在所有公司高层的一个重要课题。因此模具企业提出了更高层次的信息化需求。同时，企业的各种业务系统经过多年的模具毕业论文运行，积累了大量的历史数据。使大部分企业出现了 "数据监狱"现象，既不利于企业的管理，也不利于信息的有效利用。模具企业迫切需要一种方式来从企业浩瀚的数据中筛选出对企业有用的信息，将原来事务处理的数据转变为决策支持的数据，来增强企业的决策能力。在这样的背景之下，加之大容量数据存储、并行处理、数据集成、人工智能以及数据挖掘等相关信息技术的飞速发展，商业智能系统应运而生。商业智能就是这样一种基于数据管理和利用的综合性技术和解决方案，将在制造业信息化领域大有可为。商业智能为支持管理决策提供一个信息平台，从业务数控毕业论文处理系统获得和组织数据，通过对数据进行提取、整理、分析，可以发现那些潜在的知识和规律，最终通过分析结果快速准确地制定有关策略，从而不断提高企业的管理水平，优化资源配置，节约成本以提高效益，最终提升企业的竞争力。
1.2国内外硏究现状
对于什么是商业智能，不管是学术界还是企业界面都没有统一的定义。商业智能一词最早机电毕业论文是由Hans Peter Luhn于1958年提出的但是目前普遍认为商业智能这一术语最早由Gartner Group的Howard Dresner于1989年首次提出，他认为商业智能描述了一系列的概念和方法，应用基于事实的支持系统来辅助商业决策的制定。
第二章系统总体设计
2.1系统概述
商业智能包括数据报表、数据分析、数据挖掘三个层面。早年出现的报表系统已经可以称为商业智能了，但只是商业智能的低端实现。现在国外的企业，大部分已经进入了中端商业智能，叫做数据分析。而具有数据挖掘功能的称为高端商业智能。从技术层面上讲，高端商业智能也不是什么新技术，它只是数据仓库（DW)、在线分析处理（OLAP)和数据挖掘（DM)等技术的综合运用。数据仓库是商业智能的数据基础，为OLAP和数据挖掘等应用提供所需要的、整齐一致的数据。OLAP技术则帮助分析人员、管理人员从多种角度地把原始数据转化为能够真正为用户所理解的、并真实反映数据维特性的信息。数据挖掘高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式。 OLAP与数据挖掘在功能上是互补的，在实际应用中应根据实际的需求来设计商业智能系统所具有的决策支持功能。目前商业智能己经发展成为多种形式。有学者认为一个商业智能系统是管理驾驶船、OLAP以及数据挖掘三者的全部。其实管理驾驶舱就已经具有OLAP分析功能了，因此一个具有数据挖掘技术的管理驾驶舱系统就可以构成一个高端商业智能系统。管理驾驶舱(Management Cockpit, MC)是以驾驶舱的形式，通过一系列详尽量化的指标体系形象化、直观化、具体化地实时反映企业的运行状态，让企业高层管理人员能及时、准确地把握和调整企业的发展方向。当然也包括监视企业运行的关键绩效指标（KPI)，并可以对异常KPI预警和挖掘分析。
第二章系统总体.............................6
2.1系统概述.............................6
2.2体系结构.............................7
2.3本章小结.............................9
第三章模具企业KPI.............................10
3.1KPI体系设计.............................10
3.2KPI体系设计.............................11
3.3企业级KPI.............................12
第四章模具企业数据.............................16
4.1主题需求分析.............................16
4.2数据仓库设计.............................19
4.3数据模型建立.............................19
结论与展望
本文以模具企业为背景，根据商业智能的相关理论，对建立模具企业商业智能系统的关键技术展开研究。首先对设计模具企业的KPI体系进行了探讨。在分析了原料采购对模具企业的重要性后，提出了扩展增加"供应商"维度的平衡计分卡方法，并用来设计模具企业的KPI体系。讨论了该方法的设计过程，并介绍了运用该方法设计企业级KPI体系的实例。接着讨论了模具企业数据仓库的建立。数据仓库的建立主要包含两大部分的内容，数据模型设计以及与数据源系统的接口设计。数据模型是根据主题需求来建立的，本文根据各部门业务活动类型的不同而将主题分成10个大主题，并以销售主题为例详细介绍了建立维表、事实表以至逻辑模型的过程，接着也讨论了物理模型的设计。接口设计主要是指数据的ETL，介绍了进行数据ETL的策略，并全面地介绍了运用SSIS工具实现维表ETL与事实表ETL的方法。在文章的最后章节介绍了将前面章节设计的商业智能系统的解决方案运用于实际商业智能系统建立的实现情况，主要以示例概括地介绍了系统的两大主要功能。