超市商业智能模型研究
摘 要：针对超市这种商业企业经营决策的需要，以某POS系统为例，在不影响超市POS系统运行的前提下对POS系统的数据库进行少量修改，进而设计出数据仓库、多维数据集、数据挖掘模型和报表模型，通过商业智能门户向企业数据分析人员和经营决策人员提供操作简便、界面好的平台。关键词：商业智能；数据仓库；OLAP1 引言
随着竞争的加剧，POS系统在零售企业中得到了广泛的应用。POS系统和联机电子秤等极大地提高了前台销售和盘存的速度，并可以随时打印各项报表，使得零售企业的日常管理实现了信息化，为企业积累了丰富的、比较完整的能反映企业经营过程的数据。为了充分利用大量历史数据，各零售企业开始建设数据仓库系统，在商品分析、销售分析、库存分析、客户分析等方面取得了一定的成功。但是目前零售企业的数据分析存在一定缺陷：
（1）对客户的分析有一定的片面性。我国零售业（超市）的客户多数是居民，超市POS系统可以记录居民的姓名、年龄、地址、电话、职业、受教育程度等基本信息。客户信息记录的是会员个人的信息，但使用会员卡的可能是家庭的任何成员。目前的POS系统中没有记录这些家庭信息，从而导致客户分析的不准确。
（2）货架分析。目前的POS系统记录了每一笔销售，但没有记录商品销售前所摆放的货架。需要分析商品在不同货架的销售情况时因为缺少这个信息而无法进行。
（3）目前零售业的数据分析系统一般采用DW OLAP DM的结构，主要以C/S的模式实现，一般要求用户对数据和模型比较熟悉，主要供数据分析人员使用，而企业经营决策者因为对数据和模型不熟悉而不能自如使用这个系统。
综上所述，对原POS系统的数据库进行适当修改以适应数据分析的需求，用商业智能系统对DW、OLAP、DM进行整合并利用商业智能门户向使用者提供统一的界面有十分重要的现实意义。
2 商业智能的概念
商业智能(Business Intelligence ，简称 BI)的概念最早是GartnerGroup 的Howard Dresner于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。商业智能可以说是提高企业市场竞争力的一种技术手段或方法论，一般包含数据仓库、联机分析处理、数据挖掘三个部件。
3 数据仓库设计
3.1 超市数据仓库的主题分析
根据前面的分析，我们可以确定以下几个主题：
（1）销售主题：对销售情况进行多维分析,以发现销售数据的异常变化并追溯原因。
（2）商品主题：对商品的进销存及退货进行分析，为超市进行商品品种和品牌调整分析提供数据。
（3）客户主题：对客户的购买情况进行多维分析，以分析客户的购买习惯、计算客户的价值、进行客户流失预测等。
（4）货架主题：位置不同，货架的租金也不相同。通过分析不同类别在不同货架的销售及利润，为超市调整商品而已提供支持。
3.2 超市数据仓库逻辑结构
确定了数据仓库的主题后，就要根据主题设计主题的逻辑结构。在上述主题中，销售主题、客户主题和商品主题可以设计成雪花结构，而供应商主题、货架主题可以设计成星型结构。这些模型通过公共维度表形成星座模型。 4 对源系统数据库的修改
如前所述，目前POS系统提供的数据与实现数据仓库各主题所需的数据相比存在一定差距，这是因为POS系统中数据定义不全面造成的。但POS系统是一种典型的OLTP系统，高效准确地处理销售事务是它最重要的功能，它不会为了满足分析处理的要求而增加额外的功能从而降低系统运行效率，而企业也不必要为了满足分析环境的`需要就废除现有的系统重新开发或者购买新的POS系统。一个折衷的办法是对现有系统的数据库进行修改以适应分析环境的需要。