大数据挖掘在企业ERP的应用(共4037字).doc

大数据挖掘在企业ERP的应用(共4037字)摘要:随着互联网信息技术的不断发展，现代社会已经进入到了一个每天产生庞大信息量的时代，大量的数据信息在各个行业中催生而出。也正是在此背景下，大数据挖掘技术诞生了，旨在更好的信息支持提供给决策者。作为现代先进制造技术之一的大数据挖掘技术，在我国制造企业内应用优势非常显著。本文从大数据挖掘技术及EP系统的相关概述入手，阐述分析大数据挖掘技术在企业EP中应用的必要性，从而从产品质量管理、市场营销和采购管理等方面来提出大数据挖掘技术在企业EP中应用的具体策略，以此为我国众多制造企业进一步提高大数据挖掘技术应用水平提供参考依据。关键词:大数据挖掘技术;EP系统;制造业;应用各个行业在信息化时代中产生的数据信息都是海量的，尽管一些有用的信息隐藏在这些数据信息中，但是这些数据过于杂乱无序，很难被有效地利用起来。因此想要有效利用信息，亟待解决的问题就是如何对这些数据进行处理。数据挖掘技术就是在此情况下诞生的，与原有的数据处理方法相比，大数据挖掘技术所涉及的领域较多，在各个行业发展过程中所扮演的角色也往往更加重要。作为世界第一制造大国，我国的制造业早已成为了支柱产业，支撑着我国的国民经济发展以及广大劳动者生存。近些年，在我国社会关系变革的过程中，大数据产业作为一个主要推力正在影响着制造业的发展，智能化、网络化和数字化正在成为我国制造业的核心技术。可见，在未来，我国制造业不仅仅会有大量数据产生，其发展还离不开大数据技术。本文就是在此背景下选择对大数据挖掘技术在企业EP中的应用进行研究分析。一、大数据挖掘技术及EP系统的相关概述(一)大数据挖掘技术概述。1数据挖掘的定义。由于不断推进的信息化发展，数据近些年的增长呈现出爆发态势，目前各个行业想要顺利发展，当务之急就是需要从海量信息中筛选出有用的数据。正因此，越来越多的学者开始研究数据挖掘技术。作为发现数据知识的手段，数据挖掘实际上就是将有用的信息从海量数据中发掘出来，从随机的、模糊的、有噪声的、不完全的、大量的实际应用数据中，将可被理解的、存在价值的、未知的、具有规律性的知识和信息挖掘出来的过程。在决策分析、检索优化和数据管理等多个方面都可以应用挖掘出的数据信息。数据挖掘技术所具备的优势非常显著，其可以预测性地描述复杂的数据，自动化地完成挖掘数据的过程对于人类处理海量数据非常有利。2大数据挖掘的基本分析方法。在应用大数据挖掘技术的过程中，最核心、最基础的部门就是大数据挖掘的分析方法。数据挖掘过程想要实现，离不开可靠、科学的方法，面对的问题不同可采用的方法也会有所差异。目前大数据挖掘的分析方法主要有以下三个。聚类分析法，按照特性、功能和作用将数据对象进行分组聚类，毫无逻辑可言的数据就会快速地变成有联系的数据，然后再次利用和分析分组数据，从而将有价值的数据挖掘出来，将具有价值的数据价值发挥出来。该方法主要在数据识别、统计学和心理学等领域应用较多。特征性数据分析法，在分类整理数据时根据特性分类就是特征性数据分析法，根据普遍存在于数据之间的规律，计算机工作者可以实现数据的特性分析。关联性分析法，一些数据由于者加密方法的使用，较为隐蔽，因此想要利用和挖掘这类数据，就需要使用关联性分析法，关联性识别此类数据信息，将有效的数据快速获取。在信息管理工作对精准度要求较高时，往往使用关联性分析法。(二)EP系统概述。1EP系统概念EP系统指的就是企业资源管理企划系统，目前该系统广泛地应用于多个领域。企业的业务逻辑和物料、人力、财力等资源在EP系统的作用下可以得到综合运用、整合，帮助企业有效地利用内外资源。作为企业资源管理系统，EP系统有着较高的稳定性，集成度较高，且EP系统的核心功能就是整个应用系统可根据企业情况来设计，根据企业业务逻辑和物资数据来辅助企业开展管理活动。在制造企业内应用EP系统，可以帮助企业有效地整合整个供应链，准确地分配安排企业物料，为企业的资源管理更加合理提供保障。此外，在制造企业内应用EP系统，还可以提前安排采购和生产等业务，将更加有效的决策信息提供给企业管理者。2EP系统数据特点。EP系统数据主要具备以下几点特点:第一，EP系统数据具备完整性，对于企业开始应用EP系统之后的所有历史数据，系统内都有记录，全面覆盖着企业的业务链，企业所有运营模块如上下游客户、财务核算、物料管理、生产运营等数据都储存在EP系统内。第二，EP系统数据具备高增长性，企业的运营数据增长速度非常快，经过日积月累在EP系统内储备的数据信息量已经非常庞大，可以用于企业数据库的搭建。第三，EP系统数据具有一定的关联度，尽管在EP系统内数据的分布较为零散，但是各个业务模块之间还是有一定联系，因此这些数据之间有一定的关联度。二、企业EP应用大数据挖掘技术的必要性(一)大数据挖掘与EP系统数据库关联技术在企业的EP系统中应用大数据挖掘技术，实际上就是在EP系统嵌入大数据挖掘分析功能，将EP系统数据库可以独立访问的系统建设起来。可见，企业的EP系统数据库与大数据挖掘有一定联系，在EP系统中应用大数据挖掘技术时，为确保数据库信息的安全，则需要在数据仓库储备、传送信息时，预处理原始信息。(二)大数据挖掘技术弥补了EP的不足在企业内，大量的经营数据信息都储存在EP系统内，对于任何一个企业而言，这些在EP系统储存记录的信息都是一个没有被挖掘的宝藏。如果企业能够对大数据挖掘技术进行充分地利用，在EP系统中应用大数据挖掘技术，则可以充分地发挥这个宝藏的价值，将这些储存在EP系统的信息为企业的发展壮大做出其应有的贡献。三、企业EP中大数据挖掘技术的具体应用(一)在产品质量管理中大数据挖掘技术的应用。在制造企业内，产品质量检验与管理属于重要环节。一般的制造企业在管理控制检验产品质量时，通常采用的方法均为六西格玛法。分析和测评样本数据为六西格玛法的核心所在，在进行测量分析时常用到关联分析、多变异分析、回归分析和聚类分析，而这些都是大数据挖掘技术的分析方法。可见，大数据挖掘技术在制造类企业EP系统的产品质量管理子系统中，可以进行应用，且大数据挖掘技术的应用可提供更为可靠、准确的数据给制造类企业，用于产品的质量管理，便于制造类企业改进产品质量管理。(二)在市场营销中大数据挖掘技术的应用。在制造类企业的EP系统中，市场营销子系统属于众多子系统中的一个，但是大量的营销数据记录在其中，直接关系到整个制造企业的运营。根据EP系统的市场营销子系统，可以生成反映不同的季节、不同产品、不同区域销售价格、销售额以及产品销量的柱形图、饼图和折线图等，让制造类企业的管理层清楚地了解产品销量以及销售人员的业务能力。但是如果制造类企业管理者想要根据市场营销子系统的数据信息来进行产品定价、策划营销方案，则需要进一步挖掘数据。而大数据挖掘技术在EP系统市场营销子系统中的应用，则可以实现这一目标，分类归纳数据、识别数据的相关性，预处理数据时利用聚类分析法，将样本数据形成。比如在预测和判定销售价格时，则可以利用数据挖掘技术中的线性回归分析法，将预测模型建立，更为精确地预测未来市场，将时间序列数据提供给企业管理者，辅助其进行判断决策。(三)在采购管理中大数据挖掘技术的应用。采购管理工作对于制造类企业而言尤为重要，产品的质量以及企业的生产成本都与原料采购有着直接联系。如果企业原料采购成本过高，则企业的生产成本就会增加;如果企业采购的原料质量偏低，则生产的产品达标率将会受到负面影响。而将大数据挖掘技术嵌入到制造类企业的EP系统采购管理子系统中，首先，可以收集采购原始数据，将供应商管理系统、物料配送系统、库存系统中的数据提取出来;然后，通过聚类分析法的使用，预处理、筛选收集到的数据信息，将无关的数据信息剔除掉之后，在关联、归纳、分类样本数据，从而将相关的评估数据模型建立。这样有利于考核供应商，为制造类企业供应商选择质量提供保障。四、结语由于各个行业发展迅速，在信息时代中作为应用工具的大数据挖掘技术所具备的价值逐渐增加，目前大数据挖掘技术已经成为了辅助人们进行判断决策的重要工具。如果制造类企业将大数据挖掘技术嵌入到EP系统的各个子系统内，则有利大数据挖掘技术与EP系统在企业内进一步发挥其作用。可见，在制造类企业的EP系统中，大数据挖掘技术具有一定应用价值。参考文献:1李晓辉数据挖掘技术下的煤炭企业EP系统使用途径研究J南方农机，2017(24)2唐雅璇，李丽娟，吴芬琳大数据时代的数据挖掘技术与应用J电子技术与软件工程，2017(21)3曾岸林基于大数据技术的企业EP的应用探究J数字技术与应用，2017(2)4刘青融入大数据技术的EP数据新价值分析与研究J中国管理信息化，2017(11)第 7 页 共 7 页