一种ERP数据管理、治理方法的研究

徐 敏，薛晓茹，王国梁，齐 慧

(国网安徽省电力有限公司信息通信分公司，安徽 合肥 230061)

0 引 言

随着现代企业资源计划的不断量化[1]，需要采用更精细化管理模型进行ERP数据分析。结合分区融合技术，进行的资源信息调度，采用大数据分析方法进行ERP数据分析，提高企业资源的智能化管理能力，相关的ERP数据治理和分析方法研究受到人们的极大关注[2]。ERP数据的管理和治理方法是建立在对企业信息资源的大数据融合基础上，通过建立ERP数据信息融合和自适应评估模型，采用模糊信息聚类方法，实现ERP数据的综合治理，但不论文献中提到的方法还是传统方法，进行ERP数据综合治理模糊度都比较大。

文献[3]利用MapReduce模型对数据进行了融合，使更为相似的数据得到较好的融合，但是在数据调度时，未考虑数据的关联规则特征量，导致准确率降低，并未对数据进行去模糊处理，且计算过程较为复杂，增加了数据处理时间；文献[4]利用大数据技术，实现不同类型海量数据的快速调度，加快了数据处理进程，但是未考虑各种数据之间的模糊界限，使数据处理的准确性降低。

对此，该文提出基于模糊信息聚类分析的ERP数据管理和治理方法。首先对ERP数据的存储结构进行了分析，建立ERP数据的分块异构存储结构模型，采用关联维分布式调度的方法，提取ERP数据的关联规则特征量，在云计算中心进行数据的高效索引。根据对ERP数据相似度特征的分析，进行数据融合。在信息检索时，建立ERP数据的语义本体结构模型，采用自适应的特征提取方法完成信息检索。与传统方法不同的是，该方法采用模糊C均值聚类方法，进行ERP数据的二元分组测试，建立高分辨信息融合模型，得到ERP数据信息检索的迭代模型，实现ERP数据的优化管理和治理。最后进行仿真测试分析，以验证该方法的有效性。

1 ERP数据存储结构及特征分析

1.1 ERP数据的存储结构

为了实现ERP数据管理、治理优化，首先需要了解ERP数据存储结构，构建ERP数据的分块存储结构模型，采用模糊特征标注方法进行资源信息调度[5]。如果ERP数据分布满足凸组合模型X～Sα(1,β,0)，1<α<2，即ERP数据管理过程中需要进行特征匹配，在ERP数据信息库中采用模糊关联特征调度方法进行信息匹配，构造ERP数据的线性组合模型为：

(1)

在构建ERP数据的异构存储结构模型时，采用关联维分布式调度的方法[8]，提取ERP数据的关联规则特征量，在云计算中心进行数据的高效索引，采用日志来记录ERP数据的存储节点[9]，构建ERP数据的异构存储模型，得到梯度特征分布向量为2F(x)。在云计算环境中进行ERP数据的分布式挖掘，采用存储节点的异构存储模型进行ERP数据信息融合，建立分布式B树进行ERP数据的分类处理，得到ERP数据的异构存储模型，如图1所示。

图1 ERP数据的异构存储模型

根据图1所示的存储结构模型，在服务器中进行信息调度，将所获得的信息数据储存在本地服务器中，采用回归树分析的方法进行ERP数据的综合管理，综合管理的交叉树结构模型如图2所示。

图2 ERP数据综合管理的交叉树模型

分析上述存储结构所获得的数据，采用模糊特征标注方法进行ERP数据信息检索，根据数据特征进行数据融合，建立ERP数据的语义本体结构模型，提高数据的综合管理和治理能力[10]。

1.2 ERP数据特征融合

建立ERP数据的语义本体结构模型，采用自适应的特征提取方法进行ERP数据的信息检索，建立描述ERP数据特征类别的约束特征函数为：

(2)

判断缓冲节点与服务器中存储相关性，进行ERP数据的分块区域调度[11]。设ERP数据的关联调度的特征分布映射为f(k)，在每次访问根节点的能耗开销计算公式为：

Ui,j(t)=exp[-b[zi(t)-zj(t)]2]

(3)

假设ERP数据有6.4万个对，采用相关性的统计分析方法，得到ERP数据共享度为：

(4)

其中，pi,j(t)为ERP数据共享的模糊相关性特征分布集，s(t)为ERP数据共享的模糊决策增量值。

初始化ERP数据的信息聚类中心，存储B树节点的服务器中找到一个模糊聚类中心点，得到ERP数据的特征分辨函数为F(xi,Aj(L))，i=1,2,…,m，j=1,2,…,k。采用空间规划结构重组的方法，建立ERP数据非线性特征重组模型，在每次访问ERP数据时，统计数据的访问量，结合定量递归分析方法，得到数据的相似度特征为：

根据上述完成ERP数据相似度特征的分析，利用上述相似度进行数据融合，得到数据特征融合函数为：

(6)

其中，δN表示ERP数据融合的谱信息。

利用上式完成数据特征融合，通过该步骤为后续数据的管理奠定可行依据。

2 ERP数据的管理和治理方法优化

2.1 ERP数据的信息检索

根据上述ERP数据的资源信息调度，采用模糊信息索引的方法，在建立ERP数据的分块存储结构模型并进行特征提取的基础上，进行ERP数据的管理和治理优化。该文提出基于模糊信息聚类分析的ERP数据优化检索和管理模型，用4元组(Ei,Ej,d,t)来表示ERP数据共享调度的主特征量，建立其关联函数为：

(7)

其中，P(d|t,ci)为ci类ERP数据的特征分辨率，在所有客户端进行ERP数据融合和信息检索[12-13]，得到ERP数据治理的特征集δk变为δik(t)：

δik(t)=G(V=k|Ui,Θ(t))

(8)

采用延迟更新的方法进行ERP数据的量化编码，得到输出编码结果为：

(9)

在数据的目标域空间，对采集的ERP数据进行特征筛选，得到ERP数据的信息熵满足：

esupt(D)>θ

(10)

采用模糊C均值聚类方法，进行ERP数据的二元分组测试，建立高分辨信息融合模型，得到ERP数据信息检索的迭代模型为：

(11)

(12)

2.2 数据模糊聚类及优化治理输出

数据模糊聚类是指根据一组数据，把其含义划分为不同的类别，而各个类别之间并没有直接联系，根据实际需要把一些联系比较强的数据划分为一类，是进行数据模糊采样的前提。在语义本体模型中执行ERP数据的样本统计，得到ERP数据信息采样的n个统计变量，遍历多个节点进行ERP数据综合治理，得到综合治理的特征分解函数为：

(13)

采用分布式的决策树模型进行ERP数据的统计分析，建立ERP数据的统计检测模型为：

(14)

(15)

其中，m，n分别是ERP数据分布的维数和采样节点。

设D为不确定数据库，Ti为数据的特征信息采样延迟，由此得到ERP数据的特征重组输出为：

(16)

(17)

3 仿真测试分析

3.1 实验环境及数据时域分布

为了验证该方法在实现ERP数据管理和治理优化中的应用性能，结合上述过程中的信息融合方法，进行ERP数据的综合管理。采用Matlab进行实验测试分析，设定对ERP数据采样的节点数为220，Sink节点为12，数据采样的单组长度为1 200，分块融合聚类的分辨率为0.83，相似度系数为1.25。根据上述仿真参数设定，进行ERP检索，得到的数据时域分布如图3所示。

图3 数据时域分布

以图3的数据时域分布为研究对象，结合企业大数据融合聚类以及数据的优化治理输出，进行ERP数据管理和综合治理，随机采用企业金融、人力资源和综合资源三种事物集。

3.2 实验指标

为全面验证该方法的鲁棒性，分别检测其吞吐量及数据召回率。其中，数据吞吐量计算公式为：

(18)

其中，VU表示并发数，Ti表示响应时长，R表示平均每个用户发出的请求数量。若吞吐量越高，则表示该方法数据传输性能越好。

数据召回率计算公式为：

(19)

其中，Nz表示总数据数量。若数据召回率越高，则表示方法具有较高的数据查全性能。

3.3 实验分析

为验证该方法的有效性及可行性，本次实验将随机采用企业金融、人力资源和综合资源三种事物集分别测试其输出的吞吐量，得到的测试结果如图4～图6所示。

图4 企业金融事物集下的吞吐量

图5 人力资源事物集下的吞吐量

图6 综合资源事物集下吞吐量

该方法通过构建ERP数据的分块存储结构模型，在服务器中进行信息调度，经数据信息检索后对ERP进行数据融合，分析数据时域分布情况，测试在不同事物集下的输出吞吐量。分析上述仿真结果可知，采用该方法能在不同的ERP数据管理模式下提高资源调度吞吐量，根据资源调度吞吐量的结果，测试数据的召回率，得到的对比结果见表1。

由表1可知，随着迭代次数的增加，三种方法的召回率都随之增高，但文中方法的召回率始终高于文献[3]和文献[4]，显示出了良好的召回性能。文中方法根据数据特征进行数据融合，通过建立描述ERP数据特征类别的约束特征函数来构建ERP数据的语义本体结构模型，从而完成特征数据融合，提高了资源调度吞吐量，对数据进行了有效管理，为后续处理奠定了基础。在进行ERP数据的信息检索时，采用模糊C均值聚类方法，建立高分辨信息融合模型，通过ERP数据的二元分组测试，得到ERP数据信息检索的迭代模型，加快了数据处理进程。在输出过程中，根据信息聚类结果，进行ERP数据的动态规划，采用自适应寻优方法，提高了数据召回率，强化了数据管理的优化检索，实现ERP数据的优化管理和治理。

表1 数据召回率测试

4 结束语

ERP融合了企业信息技术和实践经验，随着企业的进步，不断对其数据资源进行优化，加强了员工之间协同合作，提高了企业的发展水平，为增强企业竞争力做出了巨大贡献。研究ERP数据管理、治理方法对企业管理有着重要的作用，通过对企业的ERP数据管理，提高企业的资源信息管理和调度能力。该文提出基于模糊信息聚类分析的ERP数据优化检索和管理模型。通过建立描述ERP数据特征类别的约束特征函数来构建ERP数据的语义本体结构模型，并提取ERP数据的关联规则特征量，实现在云计算中心进行数据的高效索引，采用日志来记录ERP数据的存储节点，在所有客户端进行ERP数据融合和信息检索。采用模糊C均值聚类方法，建立高分辨信息融合模型，通过ERP数据的二元分组测试，得到ERP数据信息检索的迭代模型，加快了数据处理进程。在输出过程中，根据信息聚类结果，采用自适应寻优方法，实现ERP数据的优化管理和治理。经实验证明，该方法能在不同的ERP数据管理模式下，提高资源调度吞吐量，数据治理融合及召回率较高。由此可知，用该方法进行资源数据管理的检索能力较好，具有较好的ERP数据的管理和治理能力。