浅谈数据仓库技术在服装生产销售中的应用

郝建军

（陕西服装工程学院，陕西西安 712046）

随着人们生活水平的不断提高，服装不再是过去的只要能穿就行，逐渐成为人们生活中的一种时尚产品。人们对穿衣的要求越来越高，冬季装既要保暖而且还要时尚，不能过于臃肿；夏装要求舒适凉快，美观耐穿。在销售方面，服装产品受很多因素的影响，如：季节变化、气候、年龄层次、区域、颜色、人们的喜好等。在服装销售中，往往出现企业的生产跟不上市场的需求。每一个时间段都有流行的款式和色系，企业的生产若不能很好地掌握市场需求，会导致产品积压。所以服装销售中，消费者心理、消费观念、经济水平、消费人群、当前流行款式、穿衣舒适度、气候等成为销售的重要因素。如何使服装企业很快掌握市场情况，了解消费者心理需求状况，传统的问卷办法已经不能快速准确掌握大量的消费者的需求状况，通过数据仓库进行数据分析、挖掘是一种比较好的办法。

1 数据仓库技术在服装生产销售中的应用

1.1 数据仓库技术在服装生产销售中的应用具有必然性

近期，在我国南方一些城市，很多服装企业因产品积压，造成企业发展困难，甚至有个别企业倒闭。作为服装企业，必须要快速地预测到人们穿衣的心理，市场的变化。服装产品不同其它产品，一些服装款式更新换代非常快，常因地域不同、人们的年龄阶段不同、文化层次不同、居住环境不同、思想观念等不同而影响人们的穿衣习惯。企业要能够快速准确地捕捉到市场的需求，并将这种需求及时反馈给生产部门，使企业按需生产，减少库存，加快资金运转，赢得更大利润。靠人工去调研，是不能准确掌握市场变化的，必须靠现代化的大数据技术进行挖掘分析，将隐藏在数据仓库中的有用数据找出来，从而指导服装企业进行生产销售[1-3]。

1.2 数据挖掘技术的应用

数据挖掘技术在服装生产销售中的应用，是指通过历史销售数据作为数据源，进行挖掘分析，找到隐藏在数据仓库中的规律，从而为服装生产提供决策。数据仓库的应用主要包含以下步骤。

1.2.1 概念设计

在概念设计中，先要确定好数据源。将设计好的服装销售系统，在线运行一段时间。将系统后台数据库中收集的历史数据，作为数据仓库中的基础数据，进行分析。在分析数据仓库数据之前，首先要建立数据仓库，创建数据仓库，必须搞清楚在服装销售中，业务数据范围。知道了业务数据之后，然后才能够确定主题，根据主题有针对性地去创建数据仓库。这样创建的数据仓库才是合理的，具有针对性的。对于服装销售应该有3个主题：销售产品那就是服装、销售的对象那就是客户、谁销售也就是服装企业，这3个影响着服装销售关键环节，也是服装销售的关键。

1.2.2 逻辑设计

逻辑设计其实重在功能上的设计，意味着创建的数据仓库要合理，这需要注意粒度的划分、维度的划分以及数据模型的创建。

1.2.2.1 粒度的划分

粒度的划分要合理，不能过大也不能过小，这样设置才能恰到好处，才能提高查询效率。过大划分不够细，过小又过于灵活会产生误差。

1.2.2.2 维度的划分

（1）时间维度：服装产品受时间变化影响很大，一个时间段一个款式、一个色系。在服装销售中，对于服装产品来说，销售时间非常重要，时间一过产品可能就不流行了，卖不出去了。因此，将时间作为一个维度进行分析是必要的。

（2）商品维度：产品的销售过程中，卖什么也是企业关心的问题，所卖的产品怎样，人们喜欢程度如何，这就是商品维度。根据服装销售情况，多多关注商品维度可以帮助企业生产出满足市场需要的产品。

（3）顾客维度：客户就是上帝，是服装销售中的主要组成部分。如果没有了客户，生产的服装给谁穿？所以，我们除了要关心时间和生产的对象服装之外，另一个关心的就是顾客。

1.2.2.3 建立模型

创建一个水立方模型，然后对时间进行切片，按照季度进行切片、按照月进行切片、按照周、按照周内或者周末、按照天进行，按照上午、中午、下午进行切片，然后每一个切片对应服装的销售情况进行分析、挖掘并进行总结，找到规律，从而指导次年的服装生产销售。

建立水立方模型，通过3个坐标，横轴X，纵轴Y，竖轴Z，建立水立方模型，然后对立方体模型中的数据按照时间维度进行切块，对块进行再切片，在立方体中进行钻取，分析。数据仓库技术中，建立立方体模型非常重要，立方体模型建立好之后，有利于后续的分析研究。

1.2.3 数据仓库的生成

数据仓库的生成必须要对历史数据进行统一标准化，将一些不识别的，错误的数据要提前进行消除，确保使用的数据能够使用，而且高效使用，没有歧义。具体应该完成以下工作：数据清洗→数据分割→建立数据仓库→联机分析处理→挖掘分析→得出结论。

数据清洗主要是将不完整的要补充完整，保障数据的完整、正确[4,5]。数据分割就是把数据中大小不合适的，按照要求分割合适了，可以先进行数据的标准化，然后根据数据的特点进行分割，分割出利于研究、利于分析的数据。接下来，创建数据仓库。数据仓库建好之后，采用联机分析处理技术进行联机分析处理。通过联机分析处理就能够得出相应的数据信息，使用这些数据信息来帮助服装企业进行生产销售，从而提高服装企业的效率[6]。数据的清洗过程分为：元素化数据→标准化数据→校验数据→匹配数据→消除重复数据→档案化数据。

元素化数据就是将数据大小进行规范，然后按照统一的标准格式进行检查，对一些人工发现不了的问题数据，采用校验的办法来检测。对于数据中一些问题，比如，大量重复的数据导致不能识别，就需要匹配，通过匹配就会将重复的数据显示出来，进行清除，所得出的数据相对比较标准。能够使用的数据，将它保存归档。

数据仓库的创建，微软公司的SQL Server2008数据库软件中有专用的向导可以创建，按照上述的步骤来做简单方便。

数据仓库建好之后就是数据挖掘分析，而挖掘分析的第一步就是OLAP，一些数据存储位置，数据较大等原因，在一台机器上执行效果不是很好。可以将不同地理位置的计算机通过互联网联系在一起进行联机分析处理，效率比较高，也是比较重要的环节。

2 结语

采用数据仓库技术帮助服装企业进行生产销售决策，可以大大提高服装企业利润，减少产品库存，提高企业的资金周转。要使用数据仓库技术，先要使用服装销售管理系统，而这个系统一定要在线运营一段时间，通过运营收集很多的历史交易数据，通过历史交易数据作为数据源，来进行分析挖掘，最终将隐藏在数据仓库中的数据挖掘分析处理，从而指导企业的生产销售，最终使企业的发展越来越好。

使用数据仓库技术最重要的是要搭建一个服装销售系统，通过服装销售系统的运作来记录服装交易的业务数据，以业务数据为基础建立数据仓库，对数据仓库进行分析研究，最终得出能够指导服装企业进行生产销售的服装销售系统。系统的的创建可以采用SQL Server2008做后台数据库，前台界面采用WEB技术，开发一套基于WEB的服装销售系统，数据仓库的创建也是通过SQL Server2008软件中的BIDS工具进行开发。比较简单容易操作，而服装销售系统必须要在线运营一段时间，一般是一年期限，就能够收集到想要的数据。