ERP业务数据的特点.docx

更多企业学院：中小企业治理全能版183套讲座 89700份资料总经理、高层治理49套讲座 16388份资料中层治理学院46套讲座 6020料国学智慧、易经46套讲座人力资源学院56套讲座 27123份资料各时期职员培训学院77套讲座 324份资料职员治理企业学院67套讲座 8720料工厂生产治理学院52套讲座 13920料财务治理学院53套讲座 17945份资料销售经理学院56套讲座 14350份资料销售人员培训学院72套讲座 4879份资料更多企业学院：中小企业治理全能版183套讲座 89700份资料总经理、高层治理49套讲座 16388份资料中层治理学院46套讲座 6020料国学智慧、易经46套讲座人力资源学院56套讲座 27123份资料各时期职员培训学院77套讲座 324份资料职员治理企业学院67套讲座 8720料工厂生产治理学院52套讲座 13920料财务治理学院53套讲座 17945份资料销售经理学院56套讲座 14350份资料销售人员培训学院72套讲座 4879份资料更多企业学院：中小企业治理全能版183套讲座 89700份资料总经理、高层治理49套讲座 16388份资料中层治理学院46套讲座 6020料国学智慧、易经46套讲座人力资源学院56套讲座 27123份资料各时期职员培训学院77套讲座 324份资料职员治理企业学院67套讲座 8720料工厂生产治理学院52套讲座 13920料财务治理学院53套讲座 17945份资料销售经理学院56套讲座 14350份资料销售人员培训学院72套讲座 4879份资料商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中，能够讲，制造业是特不需要商业智能的行业。因此，本期我们就将目光转向制造业，讨论一下商业智能在ERP业务中的应用。在文中，我们以一家鞋服制造企业为例，描述其ERP相关的B系统项目特点，让大伙儿对制造业B在ERP业务的应用有一个直观的印象和清晰的理解。商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中，能够讲，制造业是特不需要商业智能的行业。因此，本期，我们就将目光转向制造业，讨论一下商业智能在ERP业务中的应用。ERP务数据的特点

1、数据量庞大。制造业的数据量特不大，动辄以百万、千万为单位计，甚至上亿条，能够讲是海量的，会对企业的业务数据库造成极大的负荷，因此，制造业是特不适合做B项目的。

2、数据整齐程度差，随意性较大。大量数据采集是人工归集的，数据准确性专门差，且专门不规整，数据格式专门不统一，数据类型混乱而嘈杂。

3、信息分散、不及时、不共享。和其他行业不同，制造业产、供、销、人、财、物是一个有机的整体，它们之间存在大量信息交换。而人工治理信息分散，缺乏完善的基础数据，大大阻碍治理决策的科学性和准确性。

二、ERP业务B项目特点下面，我们就以一家鞋服制造企业为例，描述其ERP相关的B系统项目特点，让大伙儿对制造业B在ERP业务的应用有一个直观的印象和清晰的理解。我们都明白，一个完整的B项目流程包括三个差不多步骤：第一步，通过ETL流程，利用WNDOWSSQLSERVER20组件NTEGRATONSERVCE工具，将数据从业务数据库源系统中抽取、转换、清洗和加载到数据仓库中；第二步，通过OLAP流程，利用WNDOWSSQLSERVER204组件ANALYSSSERVCESC具，将数据仓库中的数据，按照分析的模式进行聚合和计算，并把计算结果以某种特定的结果存储起来，搭建起多维分析模型，以便客户端快速查询和使用。第三步，通过报表流程，利用WNDOWSSQLSERVER2中00的5组件REPORTNGSERVCES表工具，将客户端需要的信息完整、迅速而灵活地展现出来，完成数据前端展现任务。在本例中，源数据来自于企业的ERP系统，8个事实表记录以每天几万条的数量级增加，目前均已累计达到百余万行。针对如此的系统特性，为了提高查询效率，我们在设计数据仓库的时候，需要注意如下几点：1）为了加快数据查询的速度，提高数据仓库的执行性能，在每张维度表的主键列上建立聚拢索引，在每张事实表的D列上建立聚拢索引，并在每个关联列上建立非聚拢索引。2）尽量将常用的计算固化成数据表中的字段列，并通过ETL过程进行处理。尽管如此会使数据仓库变得更加庞大，然而，却提升了前端查询、汇总和分析的效率。关于辅助领导决策的企业级B系统来讲，关于分析效率的需求远高于数据仓库的空间占有需求。3）制造业的数据最大特点确实是数据量极其庞大，会致Cube处4理变慢，占用专门多的系统资源。因此，在搭建数据仓库时，就必须提早采纳一定的设计策略和调整方法。方法确实是将维度表尽量制作的薄一点，同时，将事实表尽量制作的窄一点。如此，在Cube处理时，就会大大提高效率。在数据仓库建模完成后，我们通过ETL过程将源系统中的数据导入到数据仓库。那么，在应用SSS的过程中，我们需要注意如下几点：1)数据格式不统

一、不规整问题。本例中，在字段中含有“”、“”等全角字符，SSS在处理时就会报错，必须进行处理。解决方法确实是在列名后加上collateChnese_PRC_C_AS_WS关键字，即可找到含有全角的字符，然后用Replace即可替换掉。2)ETL的增量抽取问题。由于制造业数据量极大，更新速度快，且对数据更新的实时性要求极高，不可能每次都将全部数据进行抽取加载，因此，增量抽取问题就显的尤为重要了。解决方法为：1、在时刻戳字段添加聚拢索引；

2、设置变量猎取最大值。3)ETL包调度远程连接报错问题。在ETL包中，假如连接治理器连接的是远程服务器的数据库，手动运行ETL包没有问题，但是，假如在调度中运行该包，就会报错。解决方法为，在本地服务器和远程服务器使用同一用户名和密码。之后，我们就能够为OLAP维度建模了。我们以数据仓库中的维度表为基础，建立维度。其中，比较值得一提的是地区维度的设计：Dm_Rgon，该维度共有3个属性，分不是DmRegon，ArealD，以及Parentrowd，其中DmRegon字段作为逻辑主键，并在此属性层次结构下，与其他2个属性层次结构分不建立了属性关系。一般项目中的地区维度会被建成标准的层次关系，然而在本例中，基于销售地区分布不平衡的特点，我们采纳了父子维度关系，简练的表达了地区之间的从属关系。如图所示：DmRegon字段和Parentrowd字段形成了父子维度关系。（图一）在将数据仓库建模和OLAP维度建模成功搭建好以后，现在，我们开始以数据仓库为基础创建多维立方体CUBE在那个地点，我们建立了8个度量值组，分不为Fact_SalesOrder（采购订单度量值组），Fact_PosSales（门店销售明细度量值组），Fact_WatOrder（销售下单度量值组），Fact_SalesContact（销售合同度量值组），Fact_PosStorageLog（门店明细度量值组），Fact_StorageLog（大仓库明细度量值组），Fact_PPODoc（订货