實驗報告 范文（一）

實驗一使用EXCEL中輔助決策工具進行物流預測與企業(yè)經(jīng)營決策分析一、實驗目的：（1）通過本實驗掌握物流預測與確定型決策的原理和工作步驟。（2）熟練運用Excel對物流需求進行預測與企業(yè)經(jīng)營決策分析。（3）培養(yǎng)運用常用信息工具解決物流管理中遇到的實際問題的能力。二、實驗內(nèi)容：表一列出了某物流配送中心過去15個月的產(chǎn)品出貨量，要求用Excel對第16月出貨量進行預測。表一某產(chǎn)品配件的月需求量月份123456789101112131415需求量（萬件）10158201016182022242026272929第一步：建立模型設(shè)d1+、d1-為目標1的偏差情況,依此類推，總時間方面，每提前1鐘獎勵2元，延誤1分鐘則懲罰5元。5d1+-2d1-；總費用方面，每降低1元成本獎勵1元，超過1元則懲罰1元。d2+-d2-；總質(zhì)量方面，每提高一個質(zhì)量等級獎勵1元，降低一個質(zhì)量等級則懲罰2元，-d3++2d3-；則根據(jù)案例分析可得目標函數(shù)為minZ=5d1+-2d1-+d2+-d2--d3++2d3-那么這個約束條件包括質(zhì)量約束、成本約束、時間約束以及平衡約束。第二步，建立工作表，并輸入相關(guān)數(shù)據(jù)，橫向為集貨、分貨、揀貨及配裝四項，縱向包括一般時間、最小時間、成本、質(zhì)量、單位成本、單位質(zhì)量、質(zhì)量權(quán)重、成本約束、質(zhì)量約束，單位成本和單位質(zhì)量未知，如何求得？單位成本=成本/一般時間單位質(zhì)量=（質(zhì)量-質(zhì)量約束）/（一般時間-最小時間）橫向填充即可得到每個環(huán)節(jié)的單位成本和單位質(zhì)量。建立規(guī)劃模型，橫向仍為集貨、分貨、揀貨、配裝及實現(xiàn)值五項，縱向為時間目標、成本目標、質(zhì)量目標，集貨環(huán)節(jié)的成本目標為其對應的時間目標與單位成本之積，其他環(huán)節(jié)依次類推，質(zhì)量目標為其對應的時間目標與單位質(zhì)量的乘積，其他環(huán)節(jié)依此類推。時間目標的實現(xiàn)值為四個環(huán)節(jié)時間目標之和，成本目標實現(xiàn)值也是四個環(huán)節(jié)之和，質(zhì)量目標的實現(xiàn)值為各環(huán)節(jié)質(zhì)量權(quán)重與各環(huán)節(jié)質(zhì)量目標的乘積之和。建立規(guī)劃模型，橫向為目標值、正偏差、負偏差、平衡值、約束、目標值，總時間在T=100分鐘內(nèi)，總費用限制在C=700元內(nèi)，總質(zhì)量要求達到Q=5，于是目標值下方的約束值分別為100、700、5，時間目標的平衡值為實現(xiàn)值-正偏差+負偏差，成本目標、質(zhì)量目標依此類推。輸入各目標的處罰系數(shù)，總偏差為目標值的正負偏差之積與處罰系數(shù)的正負偏差之積的和。第三步：求解在“規(guī)劃求解參數(shù)”對話框中，輸入總偏差下的位置，等于“最小值”，在“可變單元格”處輸人“$I$16:$J$18,$B$16:$E$16”在“規(guī)劃求解選項”對話框，選定“采用線性模型”以及“假定非負”，得到結(jié)果。實驗分析與總結(jié)移動平均法適用于即期預測，當產(chǎn)品需求既不快速增長也不快速下降，且不存在季節(jié)性因素時，移動平均法能有效。當時間序列的數(shù)值由于受周期變動和隨機波動的影響，起伏較大，不易顯示出事件的發(fā)展趨勢時，使用移動平均法可以消除這些因素的影響，顯示出事件的發(fā)展方向與趨勢（即趨勢線），然后依趨勢線分析預測序列的長期趨勢。指數(shù)平滑法兼容了全期平均和移動平均所長，不舍棄過去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠離，賦予逐漸收斂為零的權(quán)數(shù)。但是難以確定指數(shù)平滑指數(shù)，受主觀影響較大?？偲钪蹬c目標值得正負偏差息息相關(guān)，當處罰權(quán)重的正負偏差給定時，可以不斷調(diào)整目標值的正負偏差，負偏差不變，正偏差都為正數(shù)時，值越大，總偏差越大，總的來說，由于總偏差為乘積和，它與偏差的數(shù)值及正負符號有必然聯(lián)系。時間目標分別為7、15、15、30，總偏差為0，當正偏差分別取6、4、3，負偏差分別取-2、-3、-3時，總偏差為32，而且經(jīng)多次取值實驗得知，總偏差與時間目標的正負偏差的絕對值為正相關(guān)，與成本目標正負偏差的絕對值成正相關(guān)，與質(zhì)量目標的正負偏差的絕對值為負相關(guān)?？芍?，當時間目標分別為7、15、15、30時，利益最大。實驗二數(shù)據(jù)倉庫的構(gòu)建

一、實驗目的及要求（一）實驗目的1．理解數(shù)據(jù)庫與數(shù)據(jù)倉庫之間的區(qū)別與聯(lián)系；2．掌握典型的關(guān)系型數(shù)據(jù)庫及其數(shù)據(jù)倉庫系統(tǒng)的工作原理以及應用方法；3．掌握數(shù)據(jù)倉庫建立的基本方法及其相關(guān)工具的使用。（二）實驗要求利用實驗室提供的實驗軟件，認真完成規(guī)定的實驗項目，真實地記錄實驗中遇到的各種問題和解決的方法與過程，并繪出模擬實驗案例的數(shù)據(jù)倉庫模型。實驗完成后，應根據(jù)實驗情況寫出實驗報告。二、實驗設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務器與客戶端安裝MSSQLServer服務系統(tǒng)以及AnalysisServices系統(tǒng)。三、實驗內(nèi)容以SQLServer為系統(tǒng)平臺，設(shè)計、建立數(shù)據(jù)庫，并以此為基礎(chǔ)創(chuàng)建數(shù)據(jù)倉庫。四、實驗步驟第一步，啟動SQLServer服務，與服務器建立新連接。第二步，注冊服務器，服務器名稱為“student+號碼”第三步，建立系統(tǒng)數(shù)據(jù)源連接，此連接需打開控制面板，在管理工具的數(shù)據(jù)源中建立，按指導書中的步驟建立名為“教程”的數(shù)據(jù)源，第四步，建立數(shù)據(jù)庫和數(shù)據(jù)源，可以按指導書中的詳細說明來建立，需要在AnalysisManager樹視圖中展開“AnalysisServers，來新建數(shù)據(jù)庫，此數(shù)據(jù)庫名稱與數(shù)據(jù)源名稱一樣，都為“教程”，建立之后，需要測試鏈接，測試成功，說明鏈接好了。第五步，建立多維數(shù)據(jù)集，現(xiàn)在的身份是FoodMartCorporation的數(shù)據(jù)庫管理員。FoodMart是一家大型的連鎖店，在美國、墨西哥和加拿大有銷售業(yè)務。市場部想要按產(chǎn)品和顧客分析1998年進行的所有銷售業(yè)務數(shù)據(jù)。使用存儲在公司數(shù)據(jù)倉庫中的數(shù)據(jù)，就能建立多維數(shù)據(jù)結(jié)構(gòu)（多維數(shù)據(jù)集），以便在市場分析人員查詢數(shù)據(jù)庫時獲取快速的響應。建立一個多維數(shù)據(jù)集，用于進行銷售分析。首先，打開多維數(shù)據(jù)集向?qū)?，在AnalysisManager樹窗格中，“教程”數(shù)據(jù)庫下新建。然后，向多維數(shù)據(jù)集添加度量值，度量值是要進行分析的數(shù)據(jù)庫中的量化值。常用的度量值為銷售、成本和預算數(shù)據(jù)。度量值根據(jù)多維數(shù)據(jù)集不同的維度類別進行分析。我么你要分析1998年進行的所有銷售業(yè)務數(shù)據(jù)，必然在“教程”數(shù)據(jù)源中單擊“sales_fact_1998”。再建立時間維度，在向?qū)У摹斑x擇多維數(shù)據(jù)集的維度”步驟，單擊“新建維度”命令。此操作將調(diào)用維度向?qū)А＿x擇“星型架構(gòu)：單個維度表”，在“選擇維度類型”中，選擇“時間維度”，接下來，將定義維度的級別，“選擇時間級別”，單擊“年、季度、月”，這樣可以按年、季度、月份來查看和分析數(shù)據(jù)，輸入“Time”作為新維度的名稱。接下來建立產(chǎn)品維度，選擇“雪花架構(gòu)，將“Product”和“product_class”將它們添加到“選定的表”，在“維度名稱”框中，輸入“Product”，并保持“與其它多維數(shù)據(jù)集共享此維度”也就是復選框為選中狀態(tài)。再建立客戶維度，選擇“星型架構(gòu)，選擇“Customer”維度表，在“維度名稱”框中，輸入“Customer”。保持“與其它多維數(shù)據(jù)集共享此維度”復選框的選中狀態(tài)。在多維數(shù)據(jù)集向?qū)У淖詈笠徊?，將多維數(shù)據(jù)集命名為“Sales”結(jié)果如圖五、實驗思考題1．

SqlServer環(huán)境下，數(shù)據(jù)庫與表之間的關(guān)系。數(shù)據(jù)庫由多個表組成，數(shù)據(jù)庫是表的集合，是以一定組織方式存儲的相互有關(guān)的數(shù)據(jù)集合，數(shù)據(jù)庫不僅要存儲表，還要表示它們之間的關(guān)系。2.

多維數(shù)據(jù)集建立過程中，如何理解數(shù)據(jù)倉庫與源數(shù)據(jù)。數(shù)據(jù)倉庫是面向主題、集成的、不可更新的、隨時間變化的數(shù)據(jù)集合，用以支持企業(yè)或組織的決策分析過程。數(shù)據(jù)倉庫有具體的主題，如顧客、保險索賠、采購、銷售等；數(shù)據(jù)倉庫不可更新，只能讀取，不能修改或更新，但內(nèi)容是可以變化的，隨十佳能不斷變化，過時的數(shù)據(jù)被丟棄，變化記錄未新的數(shù)據(jù)。3.

維表和事實表之間的關(guān)系。事實表是數(shù)據(jù)庫中最大的表，是星型模型結(jié)構(gòu)的核心，事實表包含了基本商業(yè)事務的詳細信息，維度表除了代表維之外，還具有字段，維度表包含有隨時間變化的數(shù)據(jù)記錄，當數(shù)據(jù)倉庫的數(shù)據(jù)隨時間變化而有增減時，維度表的數(shù)據(jù)行應該隨維屬性的變化而變化。事實表解決數(shù)據(jù)倉庫中用什么支持決策分析的問題，維度表解決數(shù)據(jù)如何分析的問題。4．

創(chuàng)建數(shù)據(jù)倉庫的基本過程明確數(shù)據(jù)倉庫建立背景及問題，比如本實驗中是分析FoodMart公司的銷售情況注冊服務器設(shè)計表、修改審查表建立系統(tǒng)數(shù)據(jù)源連接，建立數(shù)據(jù)源、多維數(shù)據(jù)集實驗三多維數(shù)據(jù)組織與分析（OLAP）一、實驗目的及要求（一）實驗目的1．理解維（表）、成員、層次（粒度）等基本概念及其之間的關(guān)系；2．理解多維數(shù)據(jù)集創(chuàng)建的基本原理與流程；3．理解并掌握OLAP分析的基本過程與方法；（二）實驗要求利用實驗室和指導教師提供的實驗軟件，認真完成規(guī)定的實驗內(nèi)容，真實地記錄實驗中遇到的各種問題和解決的方法與過程，并根據(jù)實驗案例繪出多維數(shù)據(jù)組織模型及其OLAP操作過程。二、實驗設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務器與客戶端安裝MSSQLServer服務系統(tǒng)、AnalysisServices系統(tǒng)以及CrystalReport系統(tǒng)。三、實驗內(nèi)容1．運用AnalysisServer工具進行維度、度量值以及多維數(shù)據(jù)集的創(chuàng)建（模擬案例）。2．使用維度瀏覽器進行多維數(shù)據(jù)的查詢、編輯操作。3．對多維數(shù)據(jù)集進行切片、切塊、旋轉(zhuǎn)、鉆取操作。四、實驗步驟第一步：編輯多維數(shù)據(jù)集，可以先恢復實驗二的數(shù)據(jù)，在多維數(shù)據(jù)集出現(xiàn)之前，先新建數(shù)據(jù)源，同實驗二，建立名為“教程”的數(shù)據(jù)源，這樣打開多維數(shù)據(jù)集編輯器才能看到多維數(shù)據(jù)集出現(xiàn)。第二步：使用存儲設(shè)計向?qū)гO(shè)計存儲，實驗指導書上沒有明確告知歡迎向?qū)В覔艚坛碳纯?，選擇“MOLAP”作為數(shù)據(jù)存儲類型，在“設(shè)置聚合選項”下單擊“性能提升達到”。在此框中輸入“40”作為指定百分比，指示AnalysisServices將性能提升到40%，而不管需要多大的磁盤空間。管理員可以用此優(yōu)化能力平衡查詢性能需求和存儲聚合數(shù)據(jù)所需磁盤空間大小。當多維數(shù)據(jù)表有所改動時，設(shè)計存儲窗格會再次彈出來，同樣輸入“40”作為指定百分比。第三步：安裝SQLSP3補丁，與實驗指導書一起提供了，安裝后還是無法瀏覽多維數(shù)據(jù)集數(shù)據(jù)，可以先注銷電腦，再次安裝，即可看到多維數(shù)據(jù)集數(shù)據(jù)第四步：替換網(wǎng)格中的維度，選擇“Product”維度按鈕并將其拖動到網(wǎng)格上，然后直接放在“Measures”上方。“Product”維度和“Measures”維度在多維數(shù)據(jù)集瀏覽器中將交換位置。第五步：按時間篩選數(shù)據(jù)，展開“所有Time”和“1998”節(jié)點，然后單擊“Quarter1”。將對網(wǎng)格中的數(shù)據(jù)進行篩選，使篩選出的數(shù)據(jù)為僅反映第一季度情況的數(shù)字。第六步：編輯多維數(shù)據(jù)集，使用多維數(shù)據(jù)集編輯器可以對現(xiàn)有多維數(shù)據(jù)集進行更改。使用多維數(shù)據(jù)集編輯器向現(xiàn)有的Sales多維數(shù)據(jù)集添加維度，添加“promotion”表，雙擊“promotion”表中的“promotion_name”列，來定義新的維度，在“映射列”對話框中選擇“維度”選項，將promotion_name重命名為promotion第七步：鉆取多維數(shù)據(jù)，首先啟用多維數(shù)據(jù)集的鉆取功能，在“教程”數(shù)據(jù)庫下，展開“多維數(shù)據(jù)集”文件，編輯“Sales”多維數(shù)據(jù)集，在“多維數(shù)據(jù)集鉆取選項”對話框中選擇“啟用鉆取”復選框，全選所有列第八步：給角色提供鉆取權(quán)限，在“Sales”多維數(shù)據(jù)集，單擊“管理角色”命令，出現(xiàn)其對話框，新建“Management”角色，指導書上寫單擊“Management”角色，由于沒有出現(xiàn)，于是自己新建，選中“允許鉆取”，提供鉆取權(quán)限。第九步：使用分析管理器深化到源系統(tǒng)，在AnalysisManager樹窗格中，瀏覽數(shù)據(jù)，展開“USA”、“WA”和“REDMOND”級別，展開“Country”級別，鉆取“Abbey”的單位銷售額五、實驗思考題1．

編輯多維數(shù)據(jù)集不同的維度時應注意什么問題。編輯多維數(shù)據(jù)集不同的維度時應注意維度的所屬結(jié)構(gòu)，維度的層次級別及級別的順序。2.

切片、鉆取、切塊等OLAP瀏覽操作之間的差異。切片是通過在數(shù)據(jù)立方體的一個維上執(zhí)行選擇操作，來定義子方；鉆取是通過維的概念分層，在多維數(shù)據(jù)立方體上進行聚集操作，分為上鉆和下鉆；切塊是通過在數(shù)據(jù)立方體的兩個或更多個維上執(zhí)行選擇操作，導出一個子方。3．

維度的增加或刪除會對多維數(shù)據(jù)集產(chǎn)生什么影響。多維數(shù)據(jù)集是在不同維度的數(shù)據(jù)上進行預測和分析，維度增加，多維數(shù)據(jù)集則能在此維度上進行數(shù)據(jù)分析，刪除則無法在該維度上進行分析。六、分析總結(jié)實體-聯(lián)系數(shù)據(jù)模型廣泛用于關(guān)系數(shù)據(jù)庫設(shè)計。在那里，數(shù)據(jù)庫模式由實體的集合和它們之間的聯(lián)系組成。這種數(shù)據(jù)模型適用于聯(lián)機事務處理。然而，數(shù)據(jù)倉庫需要簡明的、面向主題的模式，便于聯(lián)機數(shù)據(jù)分析。最流行的數(shù)據(jù)倉庫數(shù)據(jù)模型是多維數(shù)據(jù)模型。這種模型可以以星形模式、雪花模式、或事實星座模式形式存在。實驗四數(shù)據(jù)挖掘一、實驗目的及要求（一）實驗目的1．理解數(shù)據(jù)挖掘的基本概念及其過程；2．理解數(shù)據(jù)挖掘與數(shù)據(jù)倉庫、OLAP之間的關(guān)系3．理解基本的數(shù)據(jù)挖掘技術(shù)與方法的工作原理與過程，掌握數(shù)據(jù)挖掘相關(guān)工具的使用。（二）實驗要求利用實驗室和指導教師提供的實驗軟件，認真完成規(guī)定的實驗內(nèi)容，真實地記錄實驗中遇到的各種問題和解決的方法與過程，并繪出實驗案例的數(shù)據(jù)挖掘模型。實驗完成后，應根據(jù)實驗情況寫出實驗報告。二、實驗設(shè)備及軟件基于NT的局域網(wǎng)絡(luò)，服務器與客戶端安裝MSSQLServer服務系統(tǒng)、AnalysisServices系統(tǒng)以及CrystalReport系統(tǒng)。三、實驗內(nèi)容將創(chuàng)建一個數(shù)據(jù)挖掘模型以訓練銷售數(shù)據(jù)，并使用“Microsoft決策樹”算法在客戶群中找出會員卡選擇模式。請將要挖掘的維度（事例維度）設(shè)置為客戶，再將Member_Card成員的屬性設(shè)置為數(shù)據(jù)挖掘算法識別模式時要使用的信息。然后選擇人口統(tǒng)計特征列表，算法將從中確定模式：婚姻狀況、年收入、在家子女數(shù)和教育程度。下一步需要訓練模型，以便能夠瀏覽樹視圖并從中讀取模式。市場部將根據(jù)這些模式設(shè)計新的會員卡，使其適應申請各類會員卡的客戶類型。四、實驗步驟第一步：創(chuàng)建揭示客戶模式的數(shù)據(jù)挖掘模型，在AnalysisManager樹視圖中，展開“多維數(shù)據(jù)集”文件夾，新建挖掘模型，選擇“Microsoft決策樹”，在“維度”框中選擇“Customer”，選擇“MemberCard”的成員屬性，在“創(chuàng)建維度和虛擬多維數(shù)據(jù)集（可選）”步驟中，在輸入“CustomerPatterns”作為“維度名稱”。然后輸入“TrainedCube”作為“虛擬多維數(shù)據(jù)集名稱”，鍵入“Customerpatternsdiscovery”作為模型名稱第二步:讀取客戶決策樹，可以使用編輯器編輯模型屬性或者瀏覽OLAP挖掘模型結(jié)果，決策樹顯示包括四個部分，中間的“內(nèi)容詳情”窗格(1)顯示焦點所在的決策樹的部分?！皟?nèi)容選擇區(qū)”窗格(2)顯示樹的完整視圖。該窗格使您可以將焦點設(shè)置到樹的其它部分。其它的兩個窗格分別是“特性”窗格(3)（特性信息可以用“合計”選項卡以數(shù)值方式查看或者用“直方圖”選項卡以圖形方式查看）和與焦點所在節(jié)點相關(guān)聯(lián)的“節(jié)點路徑”區(qū)域(4)。在“內(nèi)容詳情”窗格的決策樹區(qū)域中，顏色代表“事例”的密度（在本事例中為：客戶的密度）。顏色越深則節(jié)點中包含的事例就越多。特性窗格顯示“全部”節(jié)點中，所有事例的55.83%（或者說4263個示例）可能選擇銅卡(Bronze)；11.50%可能選擇金卡(Golden)；23.32%可能選擇普通卡(Normal)；9.34%可能選擇銀卡(Silver)。如果沒有顯示百分比，則可以調(diào)整“特性”窗格中“合計”面板的“可能性”列的大小。樹的第一個級別由“yearlyincome”屬性決定。樹的組織由算法決定，其基礎(chǔ)是該屬性在輸出中的重要性。這意味著“yearlyincome”屬性是最重要的因素，它將決定客戶可能選擇的會員卡的類型。選擇“Customer.Lname.YearlyIncome=$150K+”節(jié)點。該特性窗格顯示收入較多的客戶中，45.09%的客戶可能會選擇金卡。這個百分比要比“全部”節(jié)點中的(11.50%)高得多。當繼續(xù)在樹中做進一步調(diào)查時，讓我們調(diào)查一下這些百分比是如何演化的。在“節(jié)點路徑”窗格中，可以看到包含于該節(jié)點的客戶的完整的特征定義：收入高于150000美元且已婚的客戶。該“特性”窗格現(xiàn)在顯示：與上一級別(45.09%)相比，較高百分比(81.05%)的客戶可能會選擇金卡。我們再返回到頂層，進行一種與此不同的調(diào)查，即調(diào)查可能選擇普通卡的客戶。若要返回頂層節(jié)點，可以單擊從“Customer.Lname.YearlyIncome=

$150K+”節(jié)點左面伸出來的線（方法1）或者使用“內(nèi)容選擇區(qū)”回到樹的頂部.可以看到“Customer.Lname.YearlyIncome=$10K$30K”節(jié)點的顏色非常深。這意味著這些客戶選擇普通卡的可能性非常高?！疤匦浴贝案耧@示在此年收入范圍內(nèi)的客戶中，91.92%的客戶可能會選擇普通卡。樹還顯示已無法對此節(jié)點進行進一步調(diào)查。這意味著在樹的這個分支中，年收入是決定客戶選擇普通卡的可能性的唯一因素?？梢圆榭礃涞钠渌种Р⒄{(diào)查客戶選擇一種卡而不選擇另一種卡的可能性。市場部可以使用此信息來確定最可能選擇某種類型卡的客戶的特征。根據(jù)這些特征（收入、子女數(shù)、婚姻狀況等等），可以重新定義