[发明专利]一种RFID供应链数据的多维分析方法

说明书

技术领域

本发明涉及一种多维分析方法，具体涉及一种RFID供应链数据的多维分析方法。

背景技术

在RFID供应链系统中，存在海量的数据，比如，一个物品的编号、存储在库中的区域、库的编号、库所在的属地、库存等等。对于商家来说这些海量的数据包含了一个物品的销售情况，直接影响自身的利益。因此就需要对这些数据进行良好的组织呈现。

现在通常将这些数据存储在关系数据库（OLTP）中，但是OLTP面对的是操作人员和低层管理人员，对数据进行基本的查询和增删操作比较方便，而无法对决策和管理提供支持。而多维数据分析（OLAP）是一海量数据为基础的复杂数据分析技术，侧重面对的是决策层和高层管理人员，能够很清晰的显示数据的关系。因此多维数据分析给我们提供了新的思路和方法，能够为决策和管理提供支持。

发明内容

本发明提供了一种RFID供应链数据的多维分析方法，解决了关系数据库存储RFID供应链系统中的数据无法对决策和管理提供支持的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种RFID供应链数据的多维分析方法，包括以下步骤，

步骤一，数据采集，将RFID供应链系统中各个网点的所有数据采集到统计分析服务器上的一个中间数据库中；

步骤二，根据采集的数据设计星型多维分析模型；

步骤三，根据设计的星型多维分析模型将中间数据库中的数据存入一个具有星型架构特征的关系型数据库中；

步骤四，通过客户终端对具有星型架构特征的关系型数据库中的数据进行显示。

步骤二中设计星型多维分析模型的过程为，根据采集的数据构建事实表和维度表，维度表通过一个主键链接到事实表中与之对应的一个外键上。

所述事实表包括编号、日期、区域、总量和日最大提取量，其中编号、日期和区域为外键；所述维度表包括编号维度表、日期维度表和区域维度表，所述编号维度表包括物品编号、种类编号和大类编号，其中物品编号为主键，所述日期维度表包括日期、月份和年份，其中日期为主键，所述区域维度表包括库区号、库号和属地名称，其中库区号为主键。

步骤三中，数据存储之前要先进行清理，然后进行转换，最后存储；清理用以将无意义数据以及不完整的数据清除，转换用以将不符合存储类型的字符进行转换。

本发明的有益效果是：本发明通过多维数据分析设计星型多维分析模型，并在星型多维分析模型的基础上将中间数据库中的数据转换到一个具有星型架构特征的关系型数据库中，最后通过客户终端显示；本发明能够跟直观的呈现数据以及之间的关系，着重面对的是决策层和高层管理人员，为其决策和管理提供支持。

附图说明

图1为本发明的流程图。

图2为星型多维分析模型的结构图。

具体实施方式

下面将结合说明书附图，对本发明作进一步说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1所示，一种RFID供应链数据的多维分析方法，包括以下步骤。

步骤一，数据采集，将RFID供应链系统中各个网点的所有数据采集到统计分析服务器上的一个中间数据库中。

步骤二，根据采集的数据设计星型多维分析模型。

设计星型多维分析模型的过程为，根据采集的数据构建事实表和维度表，维度表通过一个主键链接到事实表中与之对应的一个外键上。

如图2所示，事实表包括编号、日期、区域、总量和日最大提取量，其中编号、日期和区域为外键；所述维度表包括编号维度表、日期维度表和区域维度表，所述编号维度表包括物品编号、种类编号和大类编号，其中物品编号为主键，所述日期维度表包括日期、月份和年份，其中日期为主键，所述区域维度表包括库区号、库号和属地名称，其中库区号为主键。

步骤三，根据设计的星型多维分析模型将中间数据库中的数据存入一个具有星型架构特征的关系型数据库中。

在存储之前先要对数据进行清理、转换。随着采集的数据越来越多，其中种类繁杂并且录入不规范等原因，可能存在两种情况：第一种，无意义数据；第二种，有意义的数据，但是存在不完整的情况。这些数据需要对其进行清理（清理的内容和方法可以参考《计算机审计技术和方法》，里面描述的方法与本发明的清理方法实质内容一致）。

清理完成后的数据进行适当的转换，使其更适用于存储。由于采集的数据中数据的类型可能与所需要的类型有差别，例如对于日期时间字段，存储在中间数据库中的可能为字符串类型，这样不利于分类，因此需要对其进行转换。