有关港口物流行业的数据挖掘辅助决策系统设计毕业论文写作资料-论文写作网

简介:关于对不知道怎么写数据决策论文范文课题研究的大学硕士、相关本科毕业论文数据决策论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。

数据决策论文范文

摘要：为解决港口物流领域的应用系统暴露出的信息重复、数据利用率低、决策分析能力不足等问题,设计一套具有异构分布式港口物流行业数据挖掘与辅助决策系统就变得十分重要.文中根据港口物流实际特点,提出了业务框架模型和数据资源模型,为系统的实际开发奠定了坚实的基础.

关键词：港口物流：数据挖掘：辅助决策：设计

港口物流是指中心港口城市利用其自身的口岸优势,以先进的软硬件环境为依托,强化其对港口周边物流活动的辐射能力,突出港口集货、存货、配货特长,以港口装卸、仓储堆存、运输转运为基础,以信息技术为支撑,以优化港口资源整合为目标,发展具有涵盖物流产业链所有环节特点的港口综合服务体系.而现代港口物流的主要特点表现为：以物流产业内部的合作与整合的规模化“大物流”特性；以物流系统智能化、柔性化的高科技特性；以统一的港口物流信息平台的信息集中港特性.

正是由于现代港口物流集中了大量的信息数据,而这些数据可以被转换成有用的信息和知识.通过对数据进行统一管理,提高港口内信息共享程度,并将应用、数据、服务器和存储设备等集中管理.港口企业或相关单位,则可以通过数据挖掘,获取生产业务、能源管理、收费管理、人力资原管理、设备管理、地理信息管理和安全质量管理等多方面的资源信息.

1.数据挖掘和辅助决策

1.1数据挖掘

数据挖掘的过程可以分为：数据的抽取、数据的存储和管理、数据的展现等.

数据的抽取是数据进入仓库的入口.由于数据仓库是一个独立的数据环境,它需要通过抽取过程将数据从联机事务处理系统、外部数据源、脱机的数据存储介质中导入数据仓库.数据抽取在技术上主要涉及互连、复制、增量、转换、调度和监控等几个方面的处理.在数据抽取方面,未来的技术发展将集中在系统功能集成化方面,以适应数据仓库本身或数据源的变化,使系统更便于管理和维护.

数据的存储和管理是数据挖掘的核心.它需要数据库系统提供有效的存储、索引和查询处理支持,同时依赖高性能（并行）计算技术,另外采取分布式技术也能帮助我们对海量数据进行处理,这对于集成度不高的港口物流领域更是至关重要的.

数据的表现主要有：查询、报表、可视化图形、统计分析等方式,从数据中得到数据关系和模式知识.

1.2辅助决策

辅助决策是指通过数据、模型和知识,以人机交互方式进行半结构化或非结构化决策的计算机应用系统.它是管理信息系统(management information system)向更高一级发展而产生的先进信息管理系统.它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境,调用各种信息资源和分析工具,帮助决策者提高决策水平和质量.

决策按其性质可分为如下3类：

(1)结构化决策,是指对某一决策过程的环境及规则,能用确定的模型或语言描述,以适当的算法产生决策方案,并能从多种方案中选择最优解的决策.

(2)非结构化决策,是指决策过程复杂,不可能用确定的模型和语言来描述其决策过程,更无所谓最优解的决策.

(3)半结构化决策,是介于以上二者之间的决策,这类决策可以建立适当的算法产生决策方案,使决策方案中得到较优的解.

非结构化和半结构化决策一般用于一个组织的中、高管理层,其决策者一方面需要根据经验进行分析判断,另一方面也需要借助计算机为决策提供各种辅助信息,及时做出正确有效的决策.

辅助决策系统基本结构主要由四个部分组成,即数据部分、模型部分、推理部分和人机交互部分：数据部分是一个数据库系统；模型部分包括模型库及其管理系统；推理部分由知识库、知识库管理系统和推理机组成i人机交互部分是决策支持系统的人机交互界面,用以接收和检验用户请求,调用系统内部功能软件为决策服务,使模型运行、数据调用和知识推理达到有机地统一,有效地解决决策问题.

2.功能设计方案

2.1业务框架设计

根据港口物流实际业务需要,业务功能框架设计如下：

系统功能架构可以基于数据采集系统、信息共享平台和决策分析平台,各平台的主要功能如下：

数据采集层主要完成对企业外部信息（如市场信息、竞争对手信息等）和企业内部管理分析需要的缺失信息（如预算信息、成本科目信息等）的采集,可以通过Excel或者Web页面录入的方式实现；对于企业内部的数据库抽取,则通过后台管理程序自动运行,无须手工干预.数据采集系统的服务对象是公司相关业务人员.

信息共享层主要通过6个方面分析企业当前的运营状况：一是基于生产角度考察企业内部生产规模、能力及流程对改进企业财务和客户关系的影响；二是基于财务角度考察企业的战略及其实施和执行是否正在为最终经营结果（如利润）的改善做出贡献；三是基于客户角度考察企业在客户心目中的地位及客户对企业的贡献情况；四是基于设备角度考察设备的应用情况及价值统计；五是基于人力角度考察企业内部人员、部门的构成、绩效及成长状况.六是公用信息发布与查询.信息共享平台的服务对象是公司的分析员和中高层领导、船代、货代、船公司等客户以及政府监管部门的相关人员.

决策分析层为企业制定各种决策提供参考依据,主要包括以下4方面的决策：一是企业制定发展规划：二是改进港口物流过程中对各方的服务质量；三是基于经济效益分析实现成本细分,辅助企业制定定价策略；四是优化企业内部人员的配置和设备的管理.更多的决策分析主题可根据用户需要增加.决策分析平台的服务对象是公司的中高级管理层.

2.2决策分析层功能设计

(1)发展规划辅助决策：为港口物流企业制定的一些建设规划提供参考,如新建堆场、增加运力、开拓市场等.用户在制定此类规划时,通常需要参考企业内外的生产、财务等基础数据和企业外部市场环境信息等.

(2)服务质量辅助决策：针对港口物流作业前方的码头、海关、船方、货主等相关的作业情况进行统计分析,辅助企业制定相应的政策.例如通过来源地日均来货量,目的地日均论文范文量,车辆均次作业时间等指标,可以为改进服务质量、制定服务相关政策提供一定参考依据.

(3)定价策略辅助决策：企业制订定价策略的同时,首先必须掌握国家政策并以此为基础,参考市场行情论文范文以提高企业的竞争力；另外,针对不同的货种,根据其利润率情况,结合国家政策论文范文和市场行情论文范文,确定不同的论文范文单价,确保企业既能够吸引货源,又能达到最大盈利；针对不同的客户,可以通过客户的利润率分析和稳定性分析,辅助制定客户交易协议,对于利润率高而且稳定性较差的客户,可在论文范文上多做功夫,提高客户的稳定性.

(4)资源配置辅助决策：从队伍建设和设备管理的角度考虑如何配置合适的资源,使企业以最低的成本实现工作效率最大化.可以从设备利用率、人均工时成本、生产收入分析、人均利润率、设备台时统计分析、设备维修和故障率分析等多个层面确定论文范文设备是否都能为企业产生最大效益.

3.底层数据资源结构设计

3.1数据资源体系架构

由于数据来源分散,各个应用系统使用差异较大,因此必须考虑采用分布式异构数据资源虚拟化技术来解决该问题

系统体系分为三层：数据获取层、数据管理层、数据使用层.在数据获取层,需要从各个作业单位及外部系统的多个源数据系统中抽取和汇总各种业务数据,为数据仓库提供业务数据；在数据管理层,数据仓库存放经过抽取转换后的数据,数据集市可根据项目需要确定是否建立；在数据使用层,提供给管理者、分析员、业务员等一个统一的企业信息门户,访问各种业务分析应用报告.

3.2 数据采集设计

数据采集主要完成确定从哪个系统中抽取什么样的数据,如何保证来自不同源数据系统的同类数据的一致性和完整性,如何把转换完成的数据装载到数据仓库中,以及如何处理在转换和装载过程中出现的错误等.

数据采集需要建立统一的数据资源服务接口,该接口可采用多种技术手段实现,如采用基于SDO的通用数据访问模型,或者采用数据库内部级连采集数据等.

数据采集后,需要建立一个可供分析的数据仓库.要确定数据仓库的存储机制、业务分析的数据模型,以及数据仓库与源数据库的映射关系等.

3.3 报表和分析应用设计

报表和分析是统计企业日常管理的报表、提供灵活的OLAP分析和专题报告等辅助领导决策.

联机分析处理的概念最早是由关系数据库之父E．F．Codd年提出的.当时,Codd认为联机事务处理OLTP( On -Line Transaction Processing)已不能满足终端用户对数据库查询分析的需要,SQL对大数据库进行的简单查询也不能满足用户分析的需求.用户的决策分析需要对关系数据库进行大量计算才能得到结果,而查询的结果并不能满足决策者提出的需求.因此,Codd提出了多维数据库和多维分析的概念,即OLAP.OLAP主要通过多维的方式来对数据进行分析、查询和报表.它不同于传统的OLTP应用.OLTP应用主要是用来完成用户的事务处理,通常要进行大量的更新操作,同时对响应时间要求比较高；而OLAP应用主要是对用户当前及历史数据进行分析,辅助领导决策.

目前,常见的OLAP主要有基于多维数据库的MOLAP及基于关系数据库的ROLAP.在数据仓库应用中,联机分析处理应用一般是数据仓库应用的前端工具：同时,联机分析处理工具还可以同数据挖掘工具、统计分析工具配合使用,增强决策分析功能.

OLAP分析基于多维数据立方体.立方体按探察业务的OLAP多维因素分析模型的设计创建.通过对多维数据立方体的OLAP分析,用户可以辨明趋势、跟踪业务运作、创建高效的统计汇总报表.利用OLAP分析,可以将业务系统中分模块的查询功能利用一个立方体实现.