基于数据仓库和多维分析技术的决策支持系统
1)降低库存成本
通过数据仓库系统，将成千上万种货物的销售数据和库存数据集中起
来，通过数据分析，对知识进行分类，可以知道库存中一段时间内，没有收到订单
的货物，很少收到订单的货物和库存中周转很快的货物。从而决策者能决定对货物
进行相应增减，确保正确的库存，从而加快资金周转、降低库存成本。最为典型的
分类方法是基于决策树的分类方法。它是从实例集中构造决策树，是一种有指导的
学习方法。该方法先根据训练子集形成决策树。如果该树不能对所有对象给出正确
的分类，那么选择一些例外加入到训练子集中，重复该过程一直到形成正确的决策
集。
2)进行市场分析
利用 OLAP 数据分析工具对数据仓库的数据仔细研究，以分析客户的购买
习惯、产品组成和其它战略性的信息。系统对销售量最大的产品进行分析，然后确
保在正确的时间、正确的地点有正确的库存。
3)进行趋势分析
利用数据仓库对产品种类和库存的趋势进行分析，以选定需要补充的产
品，研究客户购买趋势，分析季节性购买模式，确定降价商品，并对其数量做出反
应。为了能够预测出季节性销售量，系统要检索数据仓库中 1 万种产品 1 年多来的
销售数据，并在此基础上进行分析。
4)进行商品分组布局、购买推荐和商品参照分析
通过从代销记录中挖掘相关信息，可以发现购买某一种商品的顾客可能
购买其它商品。购物篮分析是挖掘此类信息的一个典型例子。通过发现顾客放入其
购物篮中的不同商品之间的关系，分析顾客的购买习惯。采用 Apriori 算法，可以
找到哪些商品频繁的被顾客同时购买。这类信息可用于形成一定的购买推荐，或者
保持一定的最佳商品分组布局，以帮助客户选择商品，刺激顾客的购买欲望从而达
到增加销售额，节省顾客购买时间。
5)进行促销活动的有效性分析
超市常常通过广告、优惠券、各种折扣和让利的方式搞促销活动，以达
到促销产品，吸引顾客的目的。但只有充分了解客户，才能定位促销活动，提高客
户响应率，降低促销活动成本。通过多维分析可以对比促销期间的销售量和交易数
量与促销活动前后的有关情况，关联分析可以挖掘出哪些商品可能随促销商品一同
被购买。利用数据挖掘技术还可以分析出应该在什么时间、在什么地点、以何种方
式和对什么样的人搞促销活动，能真正达到促销目的，避免企业资源的不必要浪
费。同时，数据挖掘也可以使用过去有关促销的数据来寻找未来投资中回报最大的
用户。
6)进行顾客忠诚度分析
各个超市往往通过办理会员卡的方式，建立了顾客会员制度来跟踪顾客
的消费行为。通过对顾客会员的信息进行数据挖掘，可以记录一个顾客的购买系
列，顾客的忠诚和购买趋势可以按系统的方式加以分析。由同一顾客在不同时期购
买的商品可以分组为序列。序列模式挖掘可用于分析顾客的消费或忠诚度的变化，
据此对价格和商品的花样加以调整和更新，以便留住老客户，吸引新客户.