1 引言
隨着競爭的加劇，POS系統在零售企業中得到了廣泛的應用。POS系統和聯機電子秤等極大地提高了前臺銷售和盤存的速度，並可以隨時打印各項報表，使得零售企業的日常管理實現了資訊化，爲企業積累了豐富的、比較完整的能反映企業經營過程的數據。爲了充分利用大量歷史數據，各零售企業開始建設數據倉庫系統，在商品分析、銷售分析、庫存分析、客戶分析等方面取得了一定的成功。但是目前零售企業的數據分析存在一定缺陷：
（1）對客戶的分析有一定的片面性。我國零售業（超市）的客戶多數是居民，超市POS系統可以記錄居民的姓名、年齡、地址、電話、職業、受教育程度等基本資訊。客戶資訊記錄的是會員個人的資訊，但使用會員卡的可能是家庭的任何成員。目前的POS系統中沒有記錄這些家庭資訊，從而導致客戶分析的不準確。
（2）貨架分析。目前的POS系統記錄了每一筆銷售，但沒有記錄商品銷售前所擺放的貨架。需要分析商品在不同貨架的銷售情況時因爲缺少這個資訊而無法進行。
（3）目前零售業的數據分析系統一般採用DW OLAP DM的結構，主要以C/S的模式實現，一般要求用戶對數據和模型比較熟悉，主要供數據分析人員使用，而企業經營決策者因爲對數據和模型不熟悉而不能自如使用這個系統。
綜上所述，對原POS系統的數據庫進行適當修改以適應數據分析的需求，用商業智能系統對DW、OLAP、DM進行整合並利用商業智能門戶向使用者提供統一的介面有十分重要的現實意義。
2 商業智能的概念
商業智能(Business Intelligence ，簡稱 BI)的概念最早是GartnerGroup 的Howard Dresner於1996年提出來的。當時將商業智能定義爲一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策爲目的技術及其應用。商業智能可以說是提高企業市場競爭力的一種技術手段或方法論，一般包含數據倉庫、聯機分析處理、數據挖掘三個部件。
3 數據倉庫設計
3.1 超市數據倉庫的主題分析
根據前面的分析，我們可以確定以下幾個主題：
（1）銷售主題：對銷售情況進行多維分析,以發現銷售數據的異常變化並追溯原因。
（2）商品主題：對商品的進銷存及退貨進行分析，爲超市進行商品品種和品牌調整分析提供數據。
（3）客戶主題：對客戶的購買情況進行多維分析，以分析客戶的購買習慣、計算客戶的價值、進行客戶流失預測等。
（4）貨架主題：位置不同，貨架的租金也不相同。透過分析不同類別在不同貨架的銷售及利潤，爲超市調整商品而已提供支援。
3.2 超市數據倉庫邏輯結構
確定了數據倉庫的主題後，就要根據主題設計主題的邏輯結構。在上述主題中，銷售主題、客戶主題和商品主題可以設計成雪花結構，而供應商主題、貨架主題可以設計成星型結構。這些模型透過公共維度表形成星座模型。 4 對源系統數據庫的修改
如前所述，目前POS系統提供的數據與實現數據倉庫各主題所需的數據相比存在一定差距，這是因爲POS系統中數據定義不全面造成的。但POS系統是一種典型的OLTP系統，高效準確地處理銷售事務是它最重要的功能，它不會爲了滿足分析處理的要求而增加額外的功能從而降低系統執行效率，而企業也不必要爲了滿足分析環境的`需要就廢除現有的系統重新開發或者購買新的POS系統。一個折衷的辦法是對現有系統的數據庫進行修改以適應分析環境的需要。