云環(huán)境下商務智能的研究.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)濟時代的贏家，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)務數(shù)據(jù)，為制造業(yè)實施商務智能提供堅實的數(shù)據(jù)基礎。但隨著信息化的深入推進，需要處理的業(yè)務數(shù)據(jù)量越來越大，達到海量級別，數(shù)據(jù)的處理也遇到了瓶頸，云計算的出現(xiàn)和發(fā)展恰好解決了這個問題。
　　 企業(yè)通過應用云計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)商務智能技術及產(chǎn)品研發(fā)的基礎上，立足煙草行業(yè)，以浙江煙草為例，通過將商務智能與云計算結合，將數(shù)據(jù)挖掘算法應用于云平臺，對浙江中煙綜合經(jīng)濟運行分析系統(tǒng)展開研究與設計。
　　 論文研究內(nèi)容主要包括以下幾個方面:
　　 (1)商務智能和Hadoop分布式平臺。本文深入研究了Hadoop的兩大核心技術HDFS和Mapreduce編程模型，同時也詳細介紹了商務智能的相關理論及數(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)濟運行平臺也采用了此算法。該算法簡便、運行速度快，易于實現(xiàn)，但在處理煙草企業(yè)集團大規(guī)模數(shù)據(jù)時，遇到了瓶頸。數(shù)據(jù)規(guī)模變大，運算次數(shù)也隨之增多，耗時也增多，為了解決這個瓶頸，本文使用MapReduce編程模型，在Hadoop平臺上實現(xiàn)k-means算法的MapReduce并行化。為進一步提高算法的效率，還對傳統(tǒng)的算法從孤立

4、點處理、k值確定、歐氏距離、初始中心點選取四個方面做了改進。
　　 (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工具進行抽取與整合。
　　 (4)Hadoop平臺建設與分析。搭建了Hadoop平臺環(huán)境，以煙草數(shù)據(jù)倉庫中的系統(tǒng)實際運行為數(shù)據(jù)為例，做實驗驗證改進的k-means算法的聚類結果和基于MapReduce的改進k-means算法的聚類結果的加速比和可擴展性。實驗結果表明應用改進的k-means