信息系统开发与实践课现状调研 批发零售领域中的信息系统实践现状调研 大学编程作业（TUST 天津科技大学 2023年）

信息系统开发与实践课现状调研 批发零售领域中的信息系统实践现状调研 大学编程作业（TUST 天津科技大学 2023 年）

• 信息系统开发与实践课现状调研 批发零售领域中的信息系统实践现状调研 大学编程作业（TUST 天津科技大学 2023 年）
  • 一、论文简介
  • 二、交流学习
• 批发零售领域中的信息系统实践现状调研
  • 一、批发零售领域发展简介
  • 二、批发零售领域大数据
  • 三、批发零售领域信息系统
  • 四、批发零售领域信息数据挖掘
  • 五、总结
  • 六、参考文献

一、论文简介

本文题目是批发零售领域中的信息系统实践现状调研。批发零售领域是指企业通过各种途径购进商品，再通过销售网络向最终消费者销售商品的行业。随着电子商务的普及和物流技术的提升，批发零售行业也发生了巨大变化。在过去，批发商和零售商之间的交流主要通过传统的电话和传真完成，信息沟通效率低下，且难以管理。但现在，随着信息技术的发展，批发零售业已经开始采用各种信息系统，从而提高了管理效率和信息共享程度。

这篇文章是我大三写的，现在回顾已经非常粗糙，分享出来一方面希望可以帮助初学者，另一方面希望能让同学们可以从目前大学中普遍毫无价值的形式主义作业中解脱出来，更加高效地学习优质计算机知识和主流编程技术，一起发扬开源精神，感受互联网技术的美好愿景。

二、交流学习

互联网开源精神需要大家一起互相交流学习，互相支持奉献。欢迎大家与我友好交流。

加我 QQ 好友获取所有项目源码和项目文档，感谢大家的支持！

批发零售领域中的信息系统实践现状调研

【子领域】 电商销售

【关键词】 CRM；SRM；ERP ；POS ；CRM ；WMS ；关联分析；聚类分析；回归分析；

一、批发零售领域发展简介

批发零售领域是指企业通过各种途径购进商品，再通过销售网络向最终消费者销售商品的行业。随着电子商务的普及和物流技术的提升，批发零售行业也发生了巨大变化。在过去，批发商和零售商之间的交流主要通过传统的电话和传真完成，信息沟通效率低下，且难以管理。但现在，随着信息技术的发展，批发零售业已经开始采用各种信息系统，从而提高了管理效率和信息共享程度。

以下是批发零售领域的发展过程及信息系统的变化：
20 世纪 50 年代，批发零售领域开始使用机械式收银机，实现了对销售数据的记录和统计。
20 世纪 60 年代，批发零售领域引入了条形码技术，通过扫描商品的条形码，实现了对商品信息的快速识别和输入。
20 世纪 70 年代，批发零售领域开始使用电子式收银机，通过连接计算机网络，实现了对销售数据的实时传输和处理。
20 世纪 80 年代，批发零售领域开始使用企业资源规划（ERP）系统，通过集成各个业务模块，实现了对企业内部资源的有效管理和优化。
20 世纪 90 年代，批发零售领域开始使用客户关系管理（CRM）系统和供应链管理（SCM）系统，通过分析客户需求和供应商能力，实现了对市场营销和供应链协调的支持。
21 世纪初，批发零售领域开始使用仓储管理系统（WMS）和物流管理系统（LMS），通过自动化设备和智能算法，实现了对仓库和物流的高效控制和优化。
21 世纪中期，批发零售领域开始使用大数据技术和云计算技术，通过收集和分析海量数据，实现了对消费者行为、市场趋势、竞争对手等的深入洞察和预测。
21 世纪后期，批发零售领域开始使用人工智能技术和物联网技术，通过智能设备和智能服务，实现了对消费者个性化、智能化、便捷化的服务提供。

随着物联网、云计算、大数据等技术的不断发展，批发零售领域将进一步实现数字化、网络化、智能化。未来，批发零售领域的发展趋势将是信息系统的集成和优化。信息系统将更加智能化，能够更好地满足企业的需求，提高企业管理的效率和准确性。

二、批发零售领域大数据

从 2009 年至 2019 年，中国批发市场交易规模保持持续增长态势，但从 2010 年开始增长速度逐步放缓；说明目前传统批发市场的发展已整体进入瓶颈期，受 2020 年初的疫情影响，批发市场线下交易受限，在 2021 年批发交易市场面临了众多问题。

2021 年，约有 96%的中国消费者表示愿意选择直播电商进行网购。对于批发市场来说，直播是增加销售、弥补线下渠道不足的新模式，并不能取代原有的模式;而档口直播的形式既可以保留传统批发市场原有的现场氛围，给线上消费者营造一种高性价比的消费场景，同时具有增加店铺流量、提高转粉率、延长粉丝停留时长等优势。

图 1 中国批发行业市场规模数据分析

图 2 2021 年中国消费者非计划购物场景分布情况

目前中国批发市场主要以专业市场为主;而从不同类型的专业市场交易规模来看，生产资料类型的批发市场所占份额最多，其次是包含水产品、花果蔬菜、畜牧产品在内的农产品类型市场，而纺织、服装以及鞋帽专业市场也有 14806.34 亿元的交易额，属于中国第三大类批发市场。结合不同行业电商分布情况可知，并非所有行业都适合向电商转行，但线上与线下结合已成批发零售行业的必然发展趋势。

图 3 2019 年中国各类细分专业批发市场成交额 TOP10

图 4 2021 年中国不同行业 B2B 电商分布情况

图 5 2019 年中国不同类型专业批发市场交易规模

受疫情影响，居民增加了上网活动和网购行为，在各种电商节成为消费高峰，电商平台不仅带火了“双十一”、“双十二”“618”等节日，后续可能会利用现有节日(如女神节等)再作宣传，通过直播电商等途径辅加促销活动，提高产品销售转化。

图 6 电商销售情况

以淘宝的数组架构为例，批发零售行业数据组织框架主要包括以下几个方面：
(1) 客户数据：包括客户基本信息、购买历史、行为偏好等，可以帮助企业了解客户需求和购买行为，从而制定更有效的营销策略。这些数据可以存储在客户关系管理（CRM）系统中。
(2) 供应商数据：包括供应商基本信息、采购历史、供应商评价等，可以帮助企业了解供应商的质量和信誉情况，从而优化供应链管理。这些数据可以存储在供应商关系管理（SRM）系统中。
(3) 财务数据：包括收入、成本、利润等财务数据，可以帮助企业了解经营状况和财务状况，从而制定更有效的财务管理策略。这些数据可以存储在财务管理系统中
(4) 业务过程数据：包括采购、库存、销售、物流等业务过程数据，通常采用事务性数据库进行存储和管理。这些数据反映了企业的日常经营活动，是企业决策的重要依据。

图 7 淘宝数据架构-逻辑

以淘宝为例，淘宝数据平台是一个庞大的数据体系，涉及到多个领域和技术，整体架构如下：
(1) 数据采集层：该层主要负责采集淘宝平台的各种数据，包括用户行为数据、交易数据、商品数据、广告数据等，数据采集方式包括日志、API、爬虫等。
(2) 数据存储层：该层主要负责存储淘宝平台的大量数据，包括结构化数据、半结构化数据和非结构化数据，数据存储方式包括关系型数据库、非关系型数据库、Hadoop 分布式文件系统等。
(3) 数据分析层：该层主要负责对存储在数据存储层中的数据进行分析和挖掘，包括数据挖掘、机器学习、深度学习等技术。通过对数据的分析和挖掘，淘宝可以发现数据中隐藏的规律和关联，提高用户体验、提高销售效率等。
(4) 数据服务层：该层主要负责对数据进行管理和服务，包括数据查询、数据可视化、数据 API 等，将数据提供给其他部门或者用户使用，以满足不同的业务需求。

图 8 架构总览

批发零售行业的数据处理流程通常包括以下几个步骤：
(1) 数据采集：在批发零售行业中，数据来源包括销售数据、库存数据、客户数据、供应商数据、物流数据等。数据采集的方式可以是手动输入、扫描条形码、RFID 识别、传感器检测等。采集到的数据需要进行清洗、去重、统一化等预处理，确保数据质量和准确性。
(2) 数据存储：采集到的数据需要进行存储，通常使用数据库进行存储和管理。数据库可以根据业务需求和数据类型的不同进行选择，例如关系型数据库、文档型数据库、列式数据库等。同时，对于大规模数据，可以使用分布式存储系统和大数据平台进行存储和管理。
(3) 数据处理和分析：批发零售行业的数据处理和分析可以采用多种方法和技术，例如数据挖掘、机器学习、统计分析等。通过对销售趋势、库存管理、客户需求等方面的分析，可以提高销售效率、降低成本、优化供应链等。同时，也可以通过对数据进行可视化处理，更直观地展示分析结果。
(4) 决策和调整：通过对数据的处理和分析，批发零售企业可以及时掌握市场变化和客户需求，做出合理的决策和调整。例如，调整销售策略、优化产品组合、调整库存水平、改善客户服务等
(5) 数据保护和安全：批发零售行业的数据处理需要注意数据保护和安全。对于敏感数据和个人隐私，需要进行加密、权限控制和备份等措施，确保数据不被恶意攻击和泄露。

三、批发零售领域信息系统

以下是批发零售领域广泛使用的一些信息系统和它们的子系统组成情况：
ERP 系统：企业资源规划系统（ERP）是管理业务流程的软件平台，用于集成各个部门的信息，并支持财务、采购、销售、库存和物流等业务流程。

图 9 企业资源规划系统（ERP）

它通常由以下子系统组成：
会计系统：财务和会计功能，包括账户和成本管理、财务报表和预算规划。
采购管理系统：用于管理供应商、采购订单、收货和付款等采购过程。
库存管理系统：管理库存水平、出入库、配送和滞销品的处理。
销售管理系统：管理订单、客户、发货和售后服务等销售过程。
物流管理系统：协调供应链、配送和运输过程，以确保产品及时送达客户。

POS 系统：点 of 销售（POS）系统用于在零售店铺中处理交易和管理库存。
它通常由以下子系统组成：
收银系统：处理交易、接受付款、打印收据和处理退款等。
库存管理系统：跟踪库存水平、订单和重新订购等。
销售分析系统：分析销售趋势、库存水平和客户行为等。

CRM 系统：客户关系管理（CRM）系统用于管理客户信息、交互和关系。

图 10 客户关系管理系统（CRM）

它通常由以下子系统组成：
销售自动化系统：管理销售流程、机会和客户信息等。
市场营销自动化系统：创建和管理市场活动、电子邮件和社交媒体营销等。
客户服务管理系统：管理客户服务请求、案例和回答等。

WMS 系统：仓库管理系统（WMS）用于管理物流和仓库操作。

图 11 仓库管理系统（WMS）

它通常由以下子系统组成：
入库系统：管理入库和货物质量检查等。
库存管理系统：管理库存水平、订单和重新订购等。
出库系统：管理出库、包装和发运等。

业务需求：
批发零售领域的信息系统需要能够满足企业的多元化业务需求，包括财务、采购、库存管理、销售管理、物流管理、客户关系管理等方面的需求。此外，信息系统还应该能够实现数据的实时同步、信息共享和协作工作，以提高企业的协调性和管理效率。

使用者：
批发零售领域信息系统的使用者包括企业管理层、业务部门的工作人员和客户等。管理层需要使用系统来监督企业的业务流程和发展情况，以做出决策。业务部门的工作人员需要使用系统来处理具体的业务事务，如采购、销售、库存管理等。客户可以通过系统实现在线下单、查看订单状态等功能。

功能模块：
批发零售领域信息系统的主要功能模块包括会计、采购管理、库存管理、销售管理、物流管理、客户关系管理等。每个模块都包含多个子模块，以实现更加精细化的管理和操作。

模块设计：
每个功能模块的设计需要考虑到业务需求和用户使用习惯，采用简洁明了的设计语言和流程，使得用户易于理解和使用。同时，设计需要考虑系统的可扩展性和灵活性，以便在日后需要新增或修改某些功能时能够顺畅地进行。

数据库设计：
批发零售领域信息系统的数据库设计需要考虑到数据的安全性、完整性和准确性。数据库应该采用标准化的设计，使得数据的存储和访问变得更加高效和便捷。同时，数据库的设计也需要考虑到系统的扩展性和灵活性，以支持日后业务量的增加和变化。

系统架构：
批发零售领域信息系统的系统架构需要满足高可用性、高并发和高性能的要求。系统应该采用分布式架构和负载均衡策略，以实现系统的稳定性和性能优化。

系统特点：
批发零售领域信息系统的特点包括实时性、可扩展性、可定制化、移动化、云化等。系统需要能够实现实时的数据同步和信息共享，以保证企业内部各部门之间的协调和高效运转。同时，系统还需要具备良好的可扩展性和可定制化特点，以适应企业业务的日益增长和变化。

另外，随着移动化的趋势不断加强，批发零售领域的信息系统也需要具备移动端的支持，使得用户能够在任何时间、任何地点通过移动设备实现业务操作和管理。此外，云化也是现代信息系统的重要特点之一，批发零售领域的信息系统也需要具备云端部署、云端存储和云端计算等特点，以实现更高效、更灵活的管理方式。

系统开发架构：
批发零售领域信息系统的开发架构需要采用现代化的技术和开发工具，以实现高效的开发和迭代。常见的开发架构包括 MVC、SOA 和微服务架构等。同时，开发人员还需要采用敏捷开发和 DevOps 等现代化的开发方法，以保证开发过程的高效和协同。

使用效果：
批发零售领域信息系统的使用效果需要从多个方面进行评估，包括管理效率、业务效率、成本效益、客户满意度等。通过系统的实时监控和数据分析，可以对系统的使用效果进行评估和改进，以不断提高企业的运营和管理水平。同时，用户的反馈和满意度也是评估系统使用效果的重要指标之一，通过用户的反馈和需求，可以进一步优化系统的功能和设计。

批发零售领域信息系统开发所用到的技术、开发流程、开发模式可能因项目而异，但是一般会包括以下内容：

技术：批发零售领域信息系统开发会使用多种技术，包括但不限于：
数据库技术：例如 MySQL、Oracle、SQL Server 等
服务器端技术：例如 Java、PHP、Python 等
前端技术：例如 HTML、CSS、JavaScript 等
操作系统：例如 Linux、Windows Server 等
云技术：例如 AWS、Azure、Google Cloud 等
开发流程：一般情况下，批发零售领域信息系统的开发流程会采用敏捷开发或迭代开发的方式，以快速迭代和响应客户需求。开发流程的主要步骤包括需求分析、系统设计、开发、测试、上线和运维。

图 12 软件开发阶段

开发模式：批发零售领域信息系统开发的常见模式包括 MVC 模式、微服务模式、SOA 模式等。

其中，MVC 模式是一种将应用程序分为模型、视图和控制器三个部分的设计模式。

图 13 MVC 模式

微服务模式则是一种将系统拆分为多个微服务的设计模式。

图 14 微服务架构的设计模式

SOA 模式则是一种将应用程序作为一系列可重用的服务的设计模式。

图 15 SOA 软件架构流程

四、批发零售领域信息数据挖掘

数据挖掘就是从大量的数据中，提取隐藏在其中的，事先不知道的、但潜在有用的信息的过程。数据挖掘的目标是建立一个决策模型，根据过去的行动数据来预测未来的行为。

数据挖掘是一门交叉学科，它涉及了数据库、人工智能、统计学、可视化等不同的学科和领域。

数据挖掘的流程一般可通过明确目标、数据搜集、数据清洗、构建模型、模型评估、应用部署 6 个步骤进行。

以《数据挖掘算法在厦门市卷烟新零售策略中的应用》此篇论文为例分析数据挖掘在零售邻域的应用：

论文概要：
在卷烟新零售时代，需要充分运用大数据分析方法精准、高效地挖掘消费者数据价值。

该文基于厦门市卷烟零售数据，采用关联算法剖析厦门市居民卷烟消费习惯，根据支持度和置信度指标挖掘出强关联的卷烟品种，从而指导零售户优化营销策略;

采用层次聚类法对不同种类零售户和不同特征消费者群体进行分类，从多维度、全方位得出零售户和消费者的画像，以便制定个性化的零售户销售策略，满足差异化的消费者需求;

采用回归分析，构建 2018 年厦门市卷烟市场容量预测方程，实现对市场的总体把握。

关联分析：
关联分析是从大量数据中发现项集之间有趣的关联和相关联系的一种统计算法。关联分析的一个典型例子是购物篮分析，该过程通过发现顾客放入其购物篮中的不同商品之间的联系，分析顾客的购买习惯，帮助零售商制定营销策略。

如表 1 所示，关联分析通过搜寻频繁项集，计算支持度和置信度来找出强关联规则，而这种规则通常反映了消费者的购买习惯、偏好等潜在信息，有助于零售户制订营销策略，促进销售，提高利润。

表 1 关联分析指标表

本文使用 Apriori 算法，它是一种经典的关联分析方法，其核心是逐层搜索迭代法。通过频繁 k－项集探索频繁(k + 1) －项集，以此类推搜索出所有的频繁项集。

聚类分析：
聚类分析是一种非监督式的分类方法。按照“物以类聚”的思想，通过对样本的训练将其亲疏远近的关系刻画出来，然后将性质相近的样本归为一类，并尽可能显著的区分各个类。

层次聚类法亦称为系统聚类法，是一种较为稳健的分类方法。层次聚类核心思想是通过某种相似性测度计算节点之间的相似性,在不同层次对数据集进行划分，从而形成树形的聚类结构.数据集的划分可采用“自底向上”的聚合策略,也可采用“自顶向下”的分拆策略。

多数情况下，我们用样本的距离远近刻画相似度，首先将距离相近的样品(或变量)先聚成类，距离相远的后聚成类，依此过程一直进行下去，最终每个样品(或变量)总能聚到合适的类中。

常用的距离有最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法和离差平方和法。它们的归类步骤基本一致，主要差异是类间距离的计算方法不同。

回归分析：
回归分析是研究一个变量关于另一个(些)变量的具体依赖关系的计算方法和理论。通过筛选出与被解释变量高度相关的变量作为解释变量，按照一定的标准拟合他们之间的曲线，从而很好地解释和预测被解释变量的水平。

常用的回归分析模型是线性回归。解释变量向量记为 x，被解释变量向量记为 y，则 y = x’β + ε，表明 x 增加一个单位对 y 的边际效应是 β。线性模型的首要任务是估计系数向量 β，常用的估计方法是最小二乘法 OLS，通过求使得所有样本残差平方和最小时的最优化问题:

可得：

进而对任意一个样本观测值 x，可以预测在这点处的值 y^ = x’β^ 。此外，我们还可以给出估计量 β^ 和 y^ 的 95%置信区间。

数据来源：
本次分析采用海晟直营门店、见福便利店和永辉超市的销售数据（见表 2）。

表 2 数据样本说明

模型建立与分析：
由表 3 可知，1 ～ 10 种关联规则支持度逐渐降低，表明消费者购买对应规则商品的购买欲望逐渐减少，中华(软 1)和中华(硬)的组合购买行为是最普遍的，也是消费者组合购买欲望最强的。具体而言，消费者在购买两种及两种以上商品的订单中，平均 100 个订单中，有 2 个订单是中华(软 1)和中华(硬)、1 个订单是七匹狼(软灰)和中华(硬)、1 个订单是七匹狼(蓝)和七匹狼(软灰)，平均 1000 个订单中，9 个订单是中华(硬)和芙蓉王(硬)。

表 3 按支持度筛选的全规格卷烟关联规则

模型建立与分析：
烟草的零售客户在地理位置、人流量、销售额、业态和产品丰富程度等方面存在诸多差异，因此，这些零售客户的消费群体自然也不同。我们希望通过零售客户的一些基本信息和消费信息对零售客户画像，从消费者的角度更加精确地区别不同类别的零售户，有针对性地制订营销策略。

表 4 零售客户指标

模型建立与分析：
用户画像构建：
对厦门市 45 家会员商店的消费数据进行层次聚类，将所有样本分为 5 大类，聚类图见图 16。

为了更直观反映类与类之间的界限，采用 t － SNE 非线性降维方法降至二维得到层次聚类的散点图，如图 17 所示，类与类之间的界限明显，表明层次聚类效果显著。

图 16 层次聚类谱系聚类图

图 17 t -SNE 降维系统聚类分布散点图

模型建立与分析：

聚类结果

表 5 零售客户层次聚类结果

模型建立与分析：
选取影响卷烟销量的非烟因子

对卷烟总销量和所有备选因子进行销量相关性分析。如图 18 所示，卷烟和白酒、卷烟和烟具的销量都具有显著的相关性。

图 18 卷烟与非烟产品的相关图

模型建立与分析：
进一步，计算出卷烟总销量和所有备选非烟因子的相关系数，结果如表 6 所示。

表 6 相关系数

由表 6 可知，白酒、洋酒、葡萄酒、茗茶的销量与卷烟总销量具有极强的相关性，故选择白酒、洋酒、葡萄酒、茗茶作为预测模型自变量。

模型建立与分析：
构建预测模型

利用海晟卷烟总销售量作为因变量 Q，白酒 x1、葡萄酒 x2、茗茶 x3 的销售量作为自变量拟合回归模型，通过对不显著变量进行剔除，得到修正后的估计结果，如表 7 所示。

表 7 回归估计结果

结果表明，白酒、葡萄酒和茗茶对卷烟市场容量的边际影响显著为正。具体来说，在合理的预测白酒、葡萄酒及茗茶的销量时，可以有效预测卷烟市场容量。

根据对应行业的全国发展研究报告，预估了 2018 年厦门市年度白酒、葡萄酒及茗茶的销量增长率，分别为 10%、7%和 5%。进而，根据海晟连锁 2017 年的白酒、葡萄酒及茗茶的销量，预估海晟连锁 2018 年白酒、葡萄酒及茗茶的销量

五、总结

批发零售领域是一个不断发展和变化的行业，信息技术的发展将为批发零售企业带来更多的机遇和挑战。未来，批发零售企业需要更多地关注信息系统的集成和优化，以提高企业管理的效率和准确性。同时，批发零售企业需要注重大数据的处理和分析，以挖掘出有用的信息，提高销售效率和供应链效率。

通过调研批发零售领域中的信息系统实践现状，我感受到了信息系统在该领域中所起到的重要作用。信息系统不仅可以提高批发零售企业的运营效率和效益，还可以增强批发零售企业与消费者、供应商等各方之间的互动和合作。同时，我也认识到了信息系统在该领域中所面临的挑战和机遇。随着消费者需求的多样化、个性化和变化性，以及竞争环境的复杂化和激烈化，信息系统需要不断创新和改进，以适应市场变化和满足客户期望。

我预测未来该领域信息系统的发展方向将是：

更加智能化，利用人工智能技术，提供更加精准、灵活、自适应的决策支持和服务推荐；

更加互动化，利用物联网技术，实现更加丰富、多元、实时的信息交流和反馈；

更加集成化，利用云计算技术，实现更加统一、协同、高效的资源管理和优化。

六、参考文献

[1] 徐小平, 方涛, 王思嘉. (2020). 人工智能之数据挖掘报告 2020 年第 9 期. 数据挖掘与知识发现, 4(9), 1-10.

[2] 王冰. 大数据技术在批发零售企业中的应用研究[J]. 数字技术与应用, 2020(12): 87-88.

[3] 侯瑞洁. 信息技术与批发零售业的发展[J]. 商业研究, 2021(5): 69-70.

[4] 李婷婷. 数据挖掘技术在批发零售企业中的应用研究[J]. 管理科学与工程, 2019(6): 107-108.

[5] 李晓峰, 郭建军. 批发零售业信息化发展现状及趋势分析[J]. 中国商贸, 2019(12): 13-15.

[6] 王晓娟, 王晓娟. 基于大数据的电子商务信息系统研究[J]. 电子商务, 2019(04): 1-4.

[7] 张晓莉, 赵宇. 基于数据挖掘的电子商务信息系统优化设计[J]. 计算机与网络, 2018(11): 1-4.