基于粗糙集的商业智能决策的研究与应用

【摘要】：商业智能是指从海量的业务数据中通过数据挖掘技术提取和发现商业运行的知识规则,用于指导进一步的商业决策的方法,是现代企业获取核心竞争力的重要手段。对于一家全国性的手机连锁销售企业,销售网点的选择是其日常的频繁和重要的商业决策活动。然而,销售网点的选择中,面临着包括区域消费特点、用户年龄结构、品牌形象等多种因素的相互作用,使得单纯的人工决策很难考虑周全,最终影响到企业销售网络的整体业绩和发展。本文提出了一个商业智能决策的信息系统,通过对销售网点选择的案例分析,运用粗糙集理论,提取和发现在销售网点决策中的知识规则,作为销售网点的智能决策的依据,以辅助提升企业的商业智能决策的水平。 本文构建的商业智能决策系统包括两大子系统：规则生成子系统和智能决策子系统。在规则生成子系统中,样本案例的选择和清洗模块主要是对样本案例进行明确,对其参考数据进行定量化预处理,构建样本结构：决策表模块则是通过对结构化样本案例数据的分解,根据影响因素的评估体系,构建决策表,并进行属性约简和值约简；规则提取模块则是运用粗糙集知识规则发现算法,计算影响决策的因素对销售网点决策的贡献度,提取销售网点决策的知识规则；规则库管理负责将提取出来的规则存入到知识规则库的决策规则表中,为销售网点的智能决策子系统提供知识支持。在智能决策子系统中,数据采集与预处理模块对当前的销售网点决策的初始数据进行采集、记录和预处理；规则推理和分析模块则根据初始化数据,在知识规则库中的规则集合中进行比对分析,发现最匹配的决策规则；商业决策模块将形成最终的决策建议,实现商业智能的辅助决策。 在决策规则生成中,本文基于粗糙集理论,通过对已有的销售网点选择的大量经验数据的分析和预处理,建立了影响因素离散决策表。然后运用简约算法,计算每个销售网点影响因素属性与条件属性集合的依赖度,发现影响因素的属性与决策属性之间的关系,评定各个因素与决策的关联程度,发现和提取出有用的特征属性和特征属性集(核),并通过去除影响度小或者冗余的影响因素,得到精简的用于销售网点决策的知识规则。 最后,本文建立的商业智能决策系统通过在一家全国性的大型手机销售连锁企业进行了试验性应用,对实际数据进行了分析和提取,发现了若干条决策规则,并分析了销售网点决策结果,验证了系统的成果。