本文分析了数据仓库的特点，并根据钢铁销售统计系统的业务需求给出了其系统结构和数据仓库模型，以交货单为中心，前续包括合同和订单，后续包括结算，以及收发存和库存帐龄，最后指出了其关键技术及实现方法，为管理层在销售决策上提供有力支持。

    1 引 言

    随着国内钢铁企业信息化建设，各钢铁企业在开展MES、ERP等系统的应用过程中，积累了大量的数据信息，可是这些数据信息大多是针对业务部门的，面对大量业务数据，只有将数据转换为有价值的信息与知识，并投入到企业决策管理过程，管理信息化的效益才能体现出来，利用数据仓库、数据挖掘技术对数据进行分析就显得十分必要，而且通过这种方式，也能够让领导更加充分地体会到信息化所带来的成效。当人民把注意力都放在扩大钢铁生产上，钢铁销售恰恰能更加合理的平衡需求和供给，目前我国钢铁销售有销售区域分散、运输方式单一且灵活性差和制约性强、特殊需求种类多、产成品存在不同程度的深加工、仓储数量大等特点，因此，面向销售这个大主题的数据仓库能很好的解决这些问题，其多元化的信息采集与处理手段确保决策的信息支持，强有力的分析上具义为决策层提供了科学的依据，从而最大限度地降低了决策的风险。在企业未来的业务规划和信息系统的规划中，可以进一步通过实施商务智能和决策支持平台，提升企业的管理决策能力。

    2 数据仓库的特点

    数据仓库技术是把多个数据源的历史数据根据某些规则进行集成，并且按照某个宅题进行了重组，形成是一个相对稳定的、反映历史变化的数据集合。用于支持管理决策。根据数据仓库的这个含义，数据仓库拥有以下四个特点：

    1）面向主题。数据仓库中的数据是按照一定的主题域而不是业务系统进行组织的。主题足一个抽象的概念，比如钢铁销售中的合同订单，交货单以及发票，随着企业的不同而有所不同，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。

    2）集成的。构建数据仓库是将多个异构数据源，包括关系数据库，平面文件和联机事务记录集成在一起，比如钢铁企业的ERP，MES等系统。各种业务系统间接或互不关联，其操作平台和操作系统町能是不同的；文件外观布局、字符编码表示方式、区域命名习惯等都足不同的。因此，在将不同来源的数据存储到数据仓库之前，需要进行数据抽取、清理，必要时还要进行系统加工、汇总和整理，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

    3）非易失的。数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，不需要事务处理，恢复和并发控制机制，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就足数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载。

    4）时变的。数据存储从历史的角度提供信息，一般是5-8年的数据。数据仓库的目的决定了它除了包含当前的数据之外，还必须包含历史信息，数据仓库中的数据都隐式或显式的包含数据元素，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

    3 钢铁销售系统的构架方案

    3.1 需求分析

    决策支持系统需要搭建决策支持平台，利用数据仓库、数据挖掘等技术，将合同、订单、交货单、结算发票以及相关数据进行有机整合，实现汇总信息奁询、宏观报表、预警、预测等功能，为相关领导提供决策支持服务。

    钢铁销售子系统要根据市场的信息进行综合分析、预测和实证，以准确预测企业的有效市场需要；根据销售实绩，从中发现趋势特点和相关性，凋整生产结构和提高 销售业绩；根据出厂运输数据进行各项跟踪分析，提高服务质量；对客户关系进行管理，实现营销资源的最佳匹配；交货期校验确定合同按期交货能力以及实现市场 需求与生产能力的最优配置；从库存和帐龄等方面全方位管理库存达到生产和销售合理涵接。

    钢铁销售子系统要实现销售相关业务数据的自动抽取、清洗、转换计算、实现历史数据的自动汇总和分类查询，实现图形分析（包括柱状图，饼图及线条图等），实现可上卷、下钻及切片的OLAP分析，定点预警和对比分析预测等。

    明确了系统的建设必须具备如下功能：

    1）不同的数据源（SAP，热轧，冷轧，运输系统等及手工数据）的相关数据按照规则自动加载到数据仓库；

    2）统计合同最和需求计划量；

    3）统计计划内订单量和计划外订单量；

    4）统计计划外发货量，计划内发货量（包括按时发货、提前发货和延后发货）；

    5）统计结算量和结算金额以及预收金额；

    6）计算库存（包括实物库存和在途库存）；

    7）计算帐龄（一个月、两个月、三个月及三个月以上）和周转率。

    3.2 数据仓库总体架构

    如图1所示的结构。首先从各个数据源中将相关数据通过ETL工具抽取列ODS（Operational Data Store）中，在这一阶段，只进行数据的增量、删除（或作废）处理，过滤掉业务逻辑不需要的数据，并且不对数据进行转换操作。

   

图1 钢铁销售统计系统的结构图

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。