基于聚类分析的销售管理信息资源规划系统设计与实现

发布时间：2015-02-03 11:50

 

【摘要】 随着经济发展和科技进步，计算机技术在社会各方面的应用越来越广泛。尤其在企业中，越来越多的业务活动开始由计算机自动或者由人和计算机交互完成，这样既方便了对企业的管理也规范了员工的业务活动，并为企业的决策者提供了大量的信息资源，提高了企业的办事效率、降低了企业的运行成本。但是在企业信息化的过程中也遇到了许多问题，例如，在有些企业中不同部门采用了不同的信息管理系统，造成了企业各部门之间信息交互困难的问题；还有企业在信息系统的使用过程中产生了大量的原始数据，但无法得到有效的利用，造成了信息资源的浪费。济南万全信息服务有限公司是一家从事IT产品销售和维修服务的企业，随着企业发展规模的不断扩大，原来手工和办公软件相结合的销售管理方式已经不适合企业管理的需要，所以公司迫切需要一套销售管理系统来提高企业的管理水平和规范员工的业务活动。本文以“济南万全信息服务有限公司的销售管理系统设计与实现”为研究背景，设计开发了一套满足企业需要的销售管理系统。本文完成了以下工作：(1)在阅读大量参考文献的基础上，对国内外销售管理系统发展和应用现状进行了分析研究。参考其他公司在销售管理系统建设中的经验教训，针对企业信息化建设中出现的信息交互困难和信息资源浪费等问题，本文采用了信息资源规划技术和聚类分析技术来解决这些问题。(2)在信息工程思想的指导下，利用信息资源规划技术与方法，在公司领导和员工的密切配合下对济南万全信息服务有限公司的销售管理业务进行了深入的调研和分析，将销售管理业务划分为七个职能域，并对每个职能域的业务活动和数据流进行了详细的分析。在需求分析的基础上建立了销售管理系统的功能模型、数据模型和体系结构模型。(3)针对目前只依靠销售金额大小来划分客户群体的简单方法，建立了客户聚类分析模型。模型选用了模糊聚类的分析方法来分析与客户相关的数据，实现了对客户群体的智能划分，决策者可以根据划分出的客户群体的特点来制定相应的销售策略，从而提高了决策的效率和水平。(4)在系统建模的基础上，采用B/S架构，并基于FlowPortal.NET开发平台实现了销售管理系统的各项功能，系统在实际应用中取得了良好的效果。 

第一章 绪论

1.1  课题的研究背景和意义
随着社会经济的不断发展、经济全球化和信息时代的到来，信息技术在企业的经营管理中发挥的作用越来越大。企业的信息化程度已成为衡量一个企业综合实力的重要标志。随着计算机网络的不断发展和普及，使每台计算机能够通过网络来交换信息，也使信息技术不只是运用于企业单一业务的信息处理，，而且越来越多的应用在企业各部门之间的信息交流和资源共享中，同时也为领导的决策和企业间信息交流提供了方便。
随着时代的发展与进步以及销售业务数量的不断增长，传统落后的销售管理模式已经不能适应当前迅速流转的销售流程。公司在传统的销售管理方面使用了太多的人力和物力资源。为了使这个问题得到有效的解决，国内很多公司开始借鉴国外管理信息系统使用的经验，逐步的将传统的销售管理方式转换为信息系统管理。由软件的自动管理逐步取代员工的手工管理，以达到准确、高效、节约的目的。
济南万全信息服务有限公司是一家从事IT产品销售和维修的综合服务性企业，公司是联想集团在山东各地区的授权维修站和零售商，主要业务是台式电脑、笔记本电脑、服务器和手机的售后服务以及各品牌电脑、IT备件、服务器、手机和延保等产品的增值销售。 随着公司服务站点的增多，业务的规模的扩大，原来手工和办公软件相结合的办公方式不能满足企业的管理需要，济南万全信息服务有限公司迫切需要建立一套销售管理系统，来规范基层员工的业务活动（产品销售、产品采购），并为管理层提供决策支持服务，从而加强企业的管理，降低运营成本，提高决策效率。
所以论文以济南万全信息服务有限公司销售管理系统开发为背景，利用当下先进的信息技术，设计并开发了一套适合企业需求的销售管理系统，具有一定的实际意义和应用价值。 
1.2  国内外发展现状和趋势

1.2.1  国外发展现状和趋势
销售管理系统在国外应用研究较早，在 20 世纪 80 世纪年代，MRPII[1]（制造资源计划）就将销售管理作为企业管理的一部分，但只是服务于企业内部的资源管理计划。20世纪90年代，随着ERP[2]概念的提出，销售管理在企业管理中的地位越来越重要。在这一时期发展起来的数据仓库技术[3]、OLAP技术[4]和数据挖掘技术[5]为决策支持系统[6,7]开拓了一种从大量数据中获取辅助决策信息的新方法，企业决策者运用销售管理系统中的决策支持系统来对其相关的数据进行分析，从而制定出适应市场的销售策略。21世纪以来，随着计算机网络的快速发展和电子商务[8]等新兴销售模式的出现，企业的积累了大量的销售数据，这一时期云计算[9]、智能算法等计算机技术日益成熟，这些技术被应用于对销售数据的处理，产生了良好的效益。尤其是关联规则[10]、聚类分析[11]等算法的应用，发现了许多隐藏在销售数据中的客观规律，例如，运用关联规则算法的“购物篮分析”系统，就发现了尿布和啤酒两个看起来不相关的商品在特定条件下产生的关联性。
1.2.2  国内发展现状和趋势
国内对销售管理系统的使用和相关的研究起步较晚，发展的速度却很快。在销售管理信息系统的应用方面，20 世纪 90 年代，我国开始引入国外先进的销售管理系统[12]，并取得了良好的效果，但是应用范围只是在航天航空、电子和家电等行业。1997年到2004年，随着人们对销售管理系统认识的逐渐加深，我国许多大型企业开始建设自身的销售管理系统[13,14]，销售管理系统的应用范围也扩展到了其他产业。2005年至今，销售管理系统的良好应用，促进了我国软件开发行业的发展，一大批软件开发公司在不同的领域开发出了具有行业特色的销售管理系统[15,16]，这时我国的中小企业也开始建设具有自己特色的销售管理系统[17]。随着移动网络的快速发展，基于移动终端的销售管理系统[18]也逐渐成为企业关注的焦点。
在理论研究方面，1997年，李建忠[19]在论文数据挖掘技术中，研究了数据挖掘技术在销售市场分析和潜在客户发掘中的重要作用。21世纪以来，我国学者开始将人工智能、数据仓库和OLAP等技术应用到不同行业的销售决策支持系统[20,21]中，并取得了显著的效果。2001 年，王武龙[22]将遗传算法和聚类分析算法结合起来的数据挖掘方法应用到了钢材销售管理系统中，分析出了不同的地区对钢材的要求的差异。2013年苗森玉[23]在论文模糊聚类分析在员工销售业绩评估中的应用中，利用模糊聚类算法对国内某品牌化妆品公司的销售数据进行了聚类分析，根据分析结果对销售员的销售业绩进行了评估，得出的结论与实际情况基本相同。2013年刘洁颖和刘满[24]在基于模糊聚类分析的手机流量销售方案中，采用模糊聚类分析的方法，面对不同年龄阶段、不同行业、不同网络使用方式的用户在对手机使用流量需求方面，分别进行了聚类分析，产生的聚类分析结果可以帮助电信企业针对不同的人群设计出合适的手机流量销售策略。

第二章 相关技术介绍

针对企业信息化建设中出现的信息交互困难的问题，本文采用信息资源规划技术来对企业的销售管理系统中的信息资源进行统一的规划，保证了信息的畅通和共享。针对企业中大量的原始数据得不到有效利用的问题，本文采用聚类分析技术对系统中与客户的数据进行聚类分析，将客户划分出具有不同特点的群体，从而帮助企业决策者针对不同的客户群体制定出不同的销售策略。下面本文对信息资源规划技术和聚类分析技术的概念和内容进行详细的阐述。

2.1  信息资源规划技术
2.1.1  信息资源规划概述
信息资源规划（Information Resource Planning，IRP），是指对政府部门或企业在管理工作中所需要的信息，从收集、处理、存储、传输到使用的全方位规划[25,26]。信息在我们的生活中随处可见，例如，在零售行业，信息在产品采购、产品销售、库存管理和客户服务等业务活动中不断地产生、交换和使用。信息资源规划的主要目标是保证企事业单位实际工作中的信息畅通和共享，以及保证与其外部单位的信息交流的顺畅，使信息作为一种资源得到充分的利用。这就需要对公司或政府的信息资源进行全方位的规划。早在 20 世纪70年代末、80 年代初，美国信息资源管理学家、信息资源管理的理论奠基人霍顿和马钱德就阐明了信息资源的重要性。信息资源对企业来说也是一种有价值的资源，和其他资源如人、物资源同样重要。因此，如何管理好企业的信息资源，并能利用这些资源来提高企业的竞争力和效益，是企业的领导者所面临的重要问题，而解决的方法就是对企业的信息资源进行全面统一的规划。
对信息资源进行有效的规划具有以下重要的意义：
(1)  协助用户清晰的了解和规范化的表示其需求，使其在选择应用系统时具有主动性。在信息资源规划的实施过程中，主要的工作是在信息资源规划师和用户的业务人员紧密配合下共同完成的，需要对业务进行全面的调研、分析和整理，最终用规范化的文档来表示用户真实的需求。
(2)  打破“信息孤岛”，实现应用系统的集成和信息资源的共享。对信息资源缺少一致性的管理准则，是“信息孤岛”出现的重要原因，所以在信息资源规划的过程中，一项重要的工作就是对数据进行标准化的处理，这样就为应用系统的整合和信息资源的共享工作提供了前提。
(3)  帮助用户选择合适的应用软件，并保证软件的成功应用。通过信息资源规划的实施，用户就清楚的了解了自身真实的需求，在应用软件选择与实施过程中就有了主动权，消除了心中的疑虑，减少了出现“得不偿失”等错误的几率。

2.2  聚类分析技术
2.2.1  聚类分析概述
虽说聚类在学术界至今还没有公认的定义，但我们可以简单的将其描述为，聚类[32,33]（Clustering）就是将一个数据集根据其属性划分为若干个簇或组的过程，使得同一个簇或组内的对象相似，而不同簇或组的对象不相似，即一个簇是由彼此间相似的一组对象所构成的集合，不同簇中的对象一般不相似或者相似度很低。
聚类分析是人类活动中的一件重要的内容，人们在幼年时就不断的改变下意识的聚类模式来学习区分牛和羊，或者植物和动物，辨认出不同的事物。聚类分析最初来自分类学，在以前人们主要通过自身的经验和专业特长来进行划分事物的类别。由于社会生产力和科技的发展，人们对事物的认识逐渐增强，分类的要求不断增高，分类越来越细致，单凭经验和专业知识很难得以确切的分类。所以人们开始将定性分析和定量分析联合起来进行分类分析，这时数学作为一种分类工具，使用的越来越广，并成立了新的学科数据值分类学。随着统计分析的出现，聚类分析逐渐从数值分析中脱离出来，成为了一个相对独立的分支。
聚类分析是数据挖掘和统计分析中的重要的研究领域，研究热度一直很高。聚类分析从机器学习的角度来看，它是一种无监督的学习方法，即事先对数据集的分布一点都没有了解，是通过对数据集中物理或者抽象的对象划分成具有一定特征组的过程。这也是聚类分析和分类分析的区别，即分类分析是有监督的机器学习的方法，所以聚类的类别来自于数据的本身，而分类的类别是数据分析人员事先定义好的。正是由于聚类分析的是根据数据集的特征进行无监督的分类，所以使用聚类算法的用户不但要对所用的技术深刻了解，还要对进行分析的数据有足够的了解，了解的越多越能真实成功的分析出数据的类别，从而达到聚类分析的目的。
随着聚类分析技术的蓬勃发展，已经在一些探索领域得到广泛的应用[24]，如市场营销、信息检索、Web数据挖掘、网络安全、地质勘探、生物学、空间数据分析等。在市场营销中，人们用聚类分析发现不同的顾客群体，通过发现顾客的消费或购买的模式来描述不同的顾客群特征。在网络安全中聚类分析被用来对网络数据包和用户行为日志进行详细分析，从而监测出异常的用户行为和网络数据，从而判断用户的网络和主机是否遭受过非法的入侵和侵害。在 Web数据挖掘领域，聚类分析可以按照文档内容的相关程度，从而将具有相同关注度的文章聚集到一起，方便了用户的查阅。

 

第三章 销售管理系统的分析与建模..................................11
3.1  系统需求分析.................................................11
3.1.1  业务梳理与业务模型........................................11
3.1.2  用户视图与数据流分析................................. 19
3.2  系统建模...................................................... 29
3.2.1  系统功能建模................................. 30
3.2.2  系统数据建模.................................. 34
3.2.3  系统体系结构建模............................... 36
3.3 本章小结......................................... 37
第四章 聚类分析在销售管理系统中的应用..............39
4.1  模糊聚类算法................................. 39
4.1.1  模糊聚类中的基本概念....................... 39
4.1.2  模糊聚类算法步骤........................... 40
4.2  客户聚类分析模型...........................42
4.3  实验分析..............................43
4.4  本章小结..................................45
第五章 销售管理系统的实现.....................47
5.1  系统环境...................................47
5.1.1  系统开发环境..........................47
5.1.2  系统运行环境...........................48
5.2  系统数据库实现.........................48
5.3  系统功能实现..............................49

第五章 销售管理系统的实现

本文在信息资源规划思想的指导下详细的分析了系统的需求，并在需求分析的基础上建立了系统的功能模型、数据模型和系统体系模型。本章在系统建模的基础上继续阐述系统的功能实现过程，主要包括系统的开发和运行环境、系统数据库的实现和系统各功能模块的实现过程。销售管理系统的使用对象是济南万全信息服务有限公司的总公司和分布在山东省各地市的分公司，所以系统采用成本较低、配置容易的B/S结构来实现。

5.1  系统环境
5.1.1  系统开发环境
本系统使用的开发环境和工具如表5-1所示。

 

 

本系统使用了由上海易正信息技术有限公司的软件开发平台 FlowPortal.NET。平台基于微软的 ASP.NET 技术，采用 C#语言进行设计。平台为开发人员提供了强大的开发功能，主要包括：系统流程的可视化实现，开发人员可以用其流程设计器设计系统的流程，平台会根据设计自动转化为相应的控制逻辑代码；丰富的页面组件，平台在.NET的组件的基础上扩展了页面组件功能，如增加了开窗查询组件，方便了开发人员界面开发。
本系统采用的是B/S结构，系统发布在济南总公司的 Web服务器上，总公司通过内网来访问系统，而其他各地市的分公司通过互联网进行访问。系统服务器的配置最低要求是：硬件要求CPU主频高于2G、内存8G和存储器不低于500G，网络带宽要求10Mbps；软件要求操作系统Microsoft Windows Server 2008、Web服务软件是IIS6.0 及以上版本、数据库管理软件是Microsoft SQL Server 2008和FlowPortal. net 企业管理器软件。客户端的要求：PC 机上装有 IE6.0 及以上版本，同时要安装浏览器插件XFormShell，以及常用 Office 软件和打印机驱动程序，网络带宽要求为 1Mbps。
系统的左边栏是系统的功能区，右面是系统操作区，功能区主要包括新建业务、草稿、待办事项、业务查询、产品管理、客户管理和系统管理等菜单。新建业务菜单下的功能模块是销售管理、采购管理、库存管理、财务管理等子系统的新建业务功能模块的集合，如销售订单等。系统会根据用户的不同权限，分配不同的功能模块，如销售人员只能在新建业务下看到产品销售、需求申请和产品退货等功能模块。草稿菜单是用来暂时保存用户未提交的业务菜单的，在业务单中会有一个“保存”，点击这个按钮就可以将未编辑完的页面保存到草稿箱，等用户想再次编辑时，用户就可以在草稿菜单下“表单草稿”功能中找到并提取进行编辑和提交。

第六章 总结与展望

6.1  总结
随着科技的进步和社会的发展，信息技术在社会各方面的应用越来越广泛，各种管理信息系统在企业和政府部门得到应用，从而方便了企业的管理和提高了政府部门的办事效率，信息资源作为一种战略资源在企事业单位中的作用越来越重要。本文以济南万全信息服务有限公司的销售管理系统开发建设为背景，利用所学的知识和专业技能，按照信息资源规划的思想和方法，对系统进行需求分析和建模，最终开发出一套基于 B/S架构模式的销售管理系统，同时本文还探讨了聚类分析算法在系统中的实际应用。
本文首先研究了销售管理系统开发背景和实际意义，然后对国内外销售管理系统的应用现状进行了分析，同时阐述了先进技术在销售管理系统中的应用现状和趋势。本文在第二章中详细的介绍了系统开发过程中使用的关键技术，即信息资源规划技术和聚类分析技术。本文对信息资源规划的概念和实施的意义进行了详细的阐述，并详细的介绍了信息资源规划的技术实施的工程步骤，同时本文还阐述里信息资源规划重要成果主题数据库的特征和优点。本文还对聚类分析的概念、研究内容和经常使用的聚类分析算法进行了简单的介绍。本文在第三章中按照信息资源规划的步骤论述了销售管理系统的需求分析和系统建模过程，  并利用业务流程图、用户视图和数据流程图等详细的表达了系统的业务梳理、数据流分析工作。本文在第四章中探讨了聚类分析算法在销售管理系统中的应用，根据客户群体的特性，本文建立了客户分类模型，采用模糊聚类算法来对系统中的与客户相关的数据进行聚类分析，并通过仿真实验证明了算法的有效性。本文最后阐述了销售管理系统的实现过程，详细介绍了系统的开发和运行环境以及系统数据库和主要功能模块的实现过程。

 
6.2  展望
销售管理系统在公司试运行以来，确实提高了公司员工的工作效率，方便了公司领导对业务的管理，提高了公司对客户的服务水平。但系统还存在着一些不足，也是本文下一步主要的工作方向：首先系统只对公司与销售相关的业务进行了信息资源规划和系统建设，公司中其他的业务，如财务管理和人力资源管理还需要继续的规划和建设；其次，系统仅仅分析了与客户信息相关的数据，对系统中其他数据进行分析与挖掘也是论文的下一步主要工作，如对销售数据进行关联规则分析。

 参考文献:

[1] 杨丽华,李保林,刘涛.  聚类分析在商用车销售客户细分中的应用[J]. 湖北汽车工业学院学报. 2013(04)
[2] 苗森玉.  模糊聚类分析在员工销售业绩评估中的应用[J]. 哈尔滨师范大学自然科学学报. 2013(02)
[3] 杨波,李桂伦,王云龙.  浅析管理信息系统的应用与开发[J]. 科技致富向导. 2012(27)
[4] 陈良海.  基于数据仓库的销售决策分析系统设计[J]. 淮阴工学院学报. 2011(05)
[5] 王家胜.  聚类分析在高校图书馆读者群体细分中的应用[J]. 农业图书情报学刊. 2011(09)
[6] 王新才,李雯,陈划生.  论档案信息资源规划的实施[J]. 信息资源管理学报. 2011(01)
[7] 袁绍晚.  城建档案信息资源规划探索[J]. 城建档案. 2009(08)
[8] 张丽芳.  3种聚类算法性能比较分析[J]. 长江大学学报(自然科学版)理工卷. 2009(02)
[9] 陈康,郑纬民.  云计算:系统实例与研究现状[J]. 软件学报. 2009(05)
[10] 谢昊航,张忠辅,郑小平,何辉.  基于模糊数学的网格资源综合调度算法[J]. 重庆工学院学报(自然科学版). 2009(03)



本文编号：11825