云環(huán)境下商務(wù)智能的研究.pdf

1、隨著我國制造業(yè)信息化的快速發(fā)展，企業(yè)要保持競爭優(yōu)勢成為新經(jīng)濟(jì)時(shí)代的贏家，就需要把握住“信息”這條命脈。煙草行業(yè)通過ERP、CRM、SCM等系統(tǒng)，積累了大量業(yè)務(wù)數(shù)據(jù)，為制造業(yè)實(shí)施商務(wù)智能提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。但隨著信息化的深入推進(jìn)，需要處理的業(yè)務(wù)數(shù)據(jù)量越來越大，達(dá)到海量級別，數(shù)據(jù)的處理也遇到了瓶頸，云計(jì)算的出現(xiàn)和發(fā)展恰好解決了這個(gè)問題。
　　 企業(yè)通過應(yīng)用云計(jì)算以低廉的成本來處理日益增長的大規(guī)模數(shù)據(jù)，加快了企業(yè)發(fā)展進(jìn)程，并為企業(yè)創(chuàng)造

2、更多的利益。在這樣背景下，本文在制造業(yè)商務(wù)智能技術(shù)及產(chǎn)品研發(fā)的基礎(chǔ)上，立足煙草行業(yè)，以浙江煙草為例，通過將商務(wù)智能與云計(jì)算結(jié)合，將數(shù)據(jù)挖掘算法應(yīng)用于云平臺，對浙江中煙綜合經(jīng)濟(jì)運(yùn)行分析系統(tǒng)展開研究與設(shè)計(jì)。
　　 論文研究內(nèi)容主要包括以下幾個(gè)方面:
　　 (1)商務(wù)智能和Hadoop分布式平臺。本文深入研究了Hadoop的兩大核心技術(shù)HDFS和Mapreduce編程模型，同時(shí)也詳細(xì)介紹了商務(wù)智能的相關(guān)理論及數(shù)據(jù)挖掘算法。

3、r>　　 (2)基于MapReduce的k-means算法研究。K-means算法是聚類分析的常用算法，本文中的綜合經(jīng)濟(jì)運(yùn)行平臺也采用了此算法。該算法簡便、運(yùn)行速度快，易于實(shí)現(xiàn)，但在處理煙草企業(yè)集團(tuán)大規(guī)模數(shù)據(jù)時(shí)，遇到了瓶頸。數(shù)據(jù)規(guī)模變大，運(yùn)算次數(shù)也隨之增多，耗時(shí)也增多，為了解決這個(gè)瓶頸，本文使用MapReduce編程模型，在Hadoop平臺上實(shí)現(xiàn)k-means算法的MapReduce并行化。為進(jìn)一步提高算法的效率，還對傳統(tǒng)的算法從孤立

4、點(diǎn)處理、k值確定、歐氏距離、初始中心點(diǎn)選取四個(gè)方面做了改進(jìn)。
　　 (3)建立煙草數(shù)據(jù)倉庫。采集浙江省11家地市公司數(shù)據(jù)，并使用ETL工具進(jìn)行抽取與整合。
　　 (4)Hadoop平臺建設(shè)與分析。搭建了Hadoop平臺環(huán)境，以煙草數(shù)據(jù)倉庫中的系統(tǒng)實(shí)際運(yùn)行為數(shù)據(jù)為例，做實(shí)驗(yàn)驗(yàn)證改進(jìn)的k-means算法的聚類結(jié)果和基于MapReduce的改進(jìn)k-means算法的聚類結(jié)果的加速比和可擴(kuò)展性。實(shí)驗(yàn)結(jié)果表明應(yīng)用改進(jìn)的k-means