Decision Support System (DSS): Demo PoS for en detaljhandel

⚡ Smart oppsummering

Konsepter for beslutningsstøttesystemer blir virkelighet i dette demonstrasjonssystemet for salgssteder for en fiktiv butikk. Innebygd Microsoft Access registrerer daglige salgstransaksjoner og eksporterer data til Excel, hvor ledere analyserer ytelse og tar informerte beslutninger.

  • 🏪 Demo av POS-en for detaljhandel: Et salgssystem registrerer daglig salg for en fiktiv butikk ved hjelp av Microsoft Access.
  • 🧩 MIS-komponenter: Designet dekker forretningsprosedyrer, mennesker, maskinvare, programvare og datakrav.
  • 🗃️ Databaseordbok: Kjernetabeller for Produkter, Kunder, Leverandører og Salg definerer feltene og datatypene.
  • 🔗 Enhetsrelasjoner: Et ER-diagram kartlegger hvordan produkter, salg, kunder og leverandører kobles sammen via primærnøkler og fremmednøkler.
  • 🖥️ Brukergrensesnitt: Dataregistreringsvinduer veileder kasserere gjennom registrering av transaksjoner og bokføring av betalinger.
  • 📊 DSS med Excel: Eksporterte salgsdata analyseres i Excel, og transaksjonsposter blir omgjort til beslutningsstøtte.

Beslutningsstøttesystem

I denne opplæringen vil vi lage et enkelt salgsstedsystem for en fiktiv butikk. Systemet vil bli brukt av det operative personalet til å registrere daglige forretningstransaksjoner, det taktiske personalet vil også bruke systemet til å overvåke butikkens nåværende ytelse.

Systemet vil ha muligheten til å eksportere data til Excel. Excel vil bli brukt som en Beslutningsstøttesystem verktøy for å analysere dataene. Dataene i Excel kan også kombineres med data fra andre kilder.

Detaljhandel MIS komponenter

1. Forretningsprosedyrer

Forretningsprosedyrer definerer hvordan de daglige forretningstransaksjonene skal utføres. Utsalgsstedssystemet vil bli brukt til å registrere daglig salg.

Følgende liste skisserer aktivitetene som skal gjøres når en kunde kjøper en vare

  1. Kunden presenterer varer som skal kjøpes til kassen
  2. Kasserer søker i systemet etter den presenterte varen i systemet for å hente prisen
  3. Kasserer legger inn mengden av den kjøpte varen, og systemet beregner totalkostnaden. Denne prosessen gjentas for alle de kjøpte varene
  4. Hvis en kasserer feilaktig legger til en vare eller et vareantall i systemet, bør de kunne fjerne det hvis betalingen ennå ikke er bokført. Hvis betalingen er bokført, skal ikke kassereren kunne fjerne noe.
  5. Etter å ha verifisert den totale kunderegningen, bør systemet tillate kassereren å bokføre kundebetalingen og skrive ut en kvittering for kunden.

2. Mennesker

Brukerne som skal bruke systemet vil være kasserere, regnskapsførere og lagerkontrollbrukere. Alle brukere må bokstavelig talt være datamaskiner og være opplært i hvordan man bruker salgsstedet.

3. maskinvare

Utsalgsstedssystemet vil Microsoft Tilgang som databasemotor. Microsoft adgang er en frittstående databasemotor og som sådan vil systemet kjøres på en enkelt datamaskin. Datamaskinen som brukes må ha følgende spesifikasjoner.

  • Minst 1 GB RAM
  • Minimum 10 GB ledig lagringsplass på den lokale stasjonen der databasen vil være
  • Datamaskinen skal kjøre en Windows-basert drift med minst Windows XP og nyere
  • Prosessorhastigheten bør ha minimum 1GHz

4. Programvare

Datamaskinen som skal brukes med systemet bør ha følgende minimumsspesifikasjoner.

  • Microsoft basert operativsystem
  • Microsoft Office Suite (spesielt Microsoft Word og Microsoft Adgang)

5. Data

De daglige forretningstransaksjonene vil bli lagret i en Microsoft Access-database.

Point of Sale Database Dictionary

En databaseordbok beskriver databasefeltene, hva de gjør og datatypen.

Følgende beskriver tabellene vi vil ha i databasen vår. For enkelhets skyld vil vi holde antall bord til kun fire (4).

Produkttabell

S / N Feltnavn Data-type Tekniske beskrivelser
1 id Numerisk Ta opp primærnøkkel
2 Produktnavn String Navn på produktet
3 Pris Numerisk Prisen på produktet
4 Antall_til_hånden Numerisk Tilgjengelig mengde tilgjengelig til enhver tid
5 Recommended_supplier_id Numerisk Utenlandsk nøkkel som lenker til leverandørtabell

Kundetabell

S / N Feltnavn Data-type Tekniske beskrivelser
1 id Numerisk Ta opp primærnøkkel
2 Kundenavn String Navn på kunden
3 Totalt_kjøp Numerisk Akkumulert verdi av det totale salget til den aktuelle kunden

Leverandørtabell

S / N Feltnavn Data-type Tekniske beskrivelser
1 id Numerisk Ta opp primærnøkkel
2 Leverandørnavn String Leverandørens navn
3 Contact_number Numerisk Kontaktnummer til leverandøren
4 E-postadresse String E-postadresse til leverandøren

Salgstabell

S / N Feltnavn Data-type Tekniske beskrivelser
1 id Numerisk Ta opp primærnøkkel
2 Kunde ID Numerisk Kunde unik identifikator
3 Transaksjonsdato Dato Datoen da transaksjonen ble registrert
4 Amount_paid Numerisk Totalt kjøpsbeløp
5 Betalt boolean Boolsk felt som viser om en kunde har betalt eller ikke

Salgsdetaljer-tabell

S / N Feltnavn Data-type Tekniske beskrivelser
1 id Numerisk Ta opp primærnøkkel
2 salgs-ID Numerisk Unik salgsidentifikator
3 Produkt ID Numerisk Produktets unike identifikator
4 kvantitet Numerisk Mengde av solgt produkt
5 Betalt boolean Boolsk felt som viser om en kunde har betalt eller ikke

Databaseenhetsrelasjonsdiagram for salgssted

Entitetsrelasjonsdiagrammet viser forholdet mellom tabeller i databasen. Tabellen nedenfor beskriver relasjonene mellom databasetabellene

S / N Slektskap primær Utenlandsk nøkkel Relasjonsnatur
1 Produkter til salg ID i produkter Product_id i salg 1 til mange
2 Salg til kunder ID i kunder Customer_id i salg Mange til mange
3 Produkter til leverandører ID i leverandører Recommended_supplier_id i produkter Mange til 1

Følgende bilde viser relasjonene mellom tabellene i databasen vår.

Entitetsforhold til salgssteddatabasen

Hvordan en transaksjon behandles i systemet

  1. Systemet henter alle kundeposter fra kundetabellen og fyller ut rullegardinkombinasjonen
  2. Kassereren klikker på ny transaksjonsknapp. Dette oppretter en ny post i salgstabellen og genererer en transaksjons-ID.
  3. Systemet henter alle produkter fra produkttabellen og fyller ut rullegardinkombinasjonen
  4. Kassereren velger et produkt fra nedtrekkslisten. Systemet beholder produkt-ID og pris for gjeldende vare.
  5. Kassereren legger inn kjøpt kvantum. Systemet beregner delsum basert på lagret pris og oppgitt mengde. Denne prosessen gjentas til alle produkter er lagt inn i systemet.
  6. Kassereren legger inn beløpet som kunden har betalt. Systemet beregner endringen dersom kunden betaler mer enn prisen.
  7. Kasserer klikker på post betaling-knappen. Systemet oppdaterer;
    1. produktmengde tilgjengelig i produkttabellen
    2. oppdaterer feltet for betalt beløp og merker transaksjonen som betalt i salgstabellen
    3. oppdaterer feltet for totale kjøp i kundetabellen

Skjermbilder av grafisk brukergrensesnitt på salgsstedet

Systemets hovedvindu – dette er inngangspunktet til systemet. Den lar brukerne legge inn data, behandle transaksjoner, skrive ut rapporter og eksportere salgsdata til Excel for videre analyse.

Her har vi demonstrert ulike datainntastingsvinduer brukt under POS, for å gi en oversikt over feltet som fylles ut mens transaksjonen utføres.

Point of Sale Grafisk brukergrensesnitt

Kassavindu brukt av kasserere ved kassen

Vindu for salgssted

Brukergrensesnittet er utformet på en slik måte at det veileder kassereren gjennom trinnene som er involvert i å legge inn en vellykket kjøpstransaksjon.

Vinduet for inntasting av kundedata

Kundedatainntastingsvindu

Vinduet for inntasting av produktdata

Inntastingsvindu for produkter

Spørsmål og svar

Et beslutningsstøttesystem samler inn og analyserer forretningsdata for å hjelpe ledere med å ta informerte beslutninger. I denne demonstrasjonen fungerer salgsdata eksportert til Excel som DSS for å analysere butikkytelsen.

Et MIS produserer rutinemessige driftsrapporter, mens et DSS analyserer data for å støtte spesifikke beslutninger. Her er POS-systemet MIS, og Excel-analyselaget oppå det er DSS.

Microsoft Access er en lett, frittstående databasemotor som kjører på én datamaskin, noe som gjør den ideell for demonstrasjoner av en liten butikk. Den integreres også enkelt med Excel for rapportering og analyse.

AI legger til prediktiv analyse, spørringer i naturlig språk og automatisert innsikt til moderne beslutningsstøttesystemer. I stedet for bare å rapportere tidligere salg, kan et AI-drevet DSS forutsi etterspørsel og anbefale handlinger til ledere.

Ikke helt. AI forbedrer et datasystem for sikkerhet og sikkerhet med prognoser og mønsterdeteksjon, men menneskelig vurdering, rene data og forretningskontekst er fortsatt avgjørende. AI fungerer best som et lag som forsterker, ikke erstatter, datasystemet for sikkerhet og sikkerhet.

Oppsummer dette innlegget med: