1 概述
商業(yè)智能實質(zhì)上是數(shù)據(jù)轉(zhuǎn)化為信息的過程，這一過程也可稱為信息供應(yīng)鏈，其目的是把初始的操作型數(shù)據(jù)變成決策所使用的商務(wù)信息。在這一過程中，數(shù)據(jù)倉庫技術(shù)為商業(yè)智能系統(tǒng)的應(yīng)用提供基礎(chǔ)數(shù)據(jù)；聯(lián)機分析處理(OLAP)和數(shù)據(jù)挖掘技術(shù)結(jié)合商業(yè)處理規(guī)則為決策者提供決策輔助信息。任何好的商務(wù)決策都需要事實和數(shù)字支持。一個決策的正確程度取決于所使用的事實和數(shù)字的正確程度。隨著競爭的增加，需要在較短的時間內(nèi)做出決策。
因此，在該時間段內(nèi)，能夠盡可能多地獲得相關(guān)信息就變得越來越關(guān)鍵。同時，為了使決策具有較好的正確度，需要跨越的決策分支也變得越來越大。為了跨越較大的決策分支，需要有更長的時間。因此，需要有自動數(shù)據(jù)分析工具，以幫助減少精確分析大量數(shù)據(jù)所需的時間，聯(lián)機分析處理(OLAP)和數(shù)據(jù)挖掘就是非常有用的技術(shù)。
下面通過一個案例來簡單闡述商業(yè)智能的實施過程。
2 案例分析
案例中涉及一家國際戶外運動商品公司，該公司在7個國家和地區(qū)設(shè)有銷售辦事處，分別在7個國家多個城市銷售山地車，頭盔，皮劃艇，氣瓶，野營爐，風(fēng)鏡等戶外運動商品，公司總部在北京。
2.1 數(shù)據(jù)倉庫及數(shù)據(jù)分析
數(shù)據(jù)分析在本案例中分成報表查詢、聯(lián)機分析處理(OLAP)和數(shù)據(jù)挖掘3個階段，數(shù)據(jù)分析的3個階段如圖1所示。
圖1 數(shù)據(jù)分析的三個階段
公司不同的銷售地點己建立管理其單個地域內(nèi)銷售信息的解決方案。為了增加銷售，公司總經(jīng)理決定通過獎勵來促銷，獎勵銷售額最多的地區(qū)和產(chǎn)品銷售最多的單位。這位總經(jīng)理要求銷售經(jīng)理寫出這樣2份報告。對銷售經(jīng)理來說，這看起來很簡單，但在生成這些報告之前有許多工作要做。以下問題特別需要在短時間內(nèi)解決：銷售數(shù)據(jù)存儲在不同地區(qū)的不同類型的數(shù)據(jù)庫中、數(shù)據(jù)在不同的地區(qū)格式不一樣以及營業(yè)額用各所在國的貨幣單位。
首先，所有的數(shù)據(jù)都必須集中到總部。把所有數(shù)據(jù)放到一個地方，在本地數(shù)據(jù)集上執(zhí)行查詢要容易一些。對所有的相關(guān)信息而言，這一地點被稱作數(shù)據(jù)倉庫。如果相同的概念運用到公司中的單個部門，這些部門的信息庫就被稱作數(shù)據(jù)集市。若不使用數(shù)據(jù)倉庫工具，銷售經(jīng)理可能會花上數(shù)月的時間才能完成上述任務(wù)。相反，若使用像IBM Visual Warehouse V3.1這樣的數(shù)據(jù)倉庫工具，這些任務(wù)可以很快定時地自動完成。
在Visual Warehouse中，如何訪問、抽取、處理和豐富數(shù)據(jù)都是用Business Views開發(fā)完成的。Business Views就像模板一樣，一旦定義完畢，便可用來自動統(tǒng)一地重復(fù)上述步驟。因此，商務(wù)視圖“按地區(qū)的銷售額”定義的是，從何處抽取數(shù)據(jù)，使用何種貨幣兌換表來轉(zhuǎn)換貨幣，預(yù)先計算何種合計數(shù)據(jù)�！鞍串a(chǎn)品的銷售額”視圖也是同樣定義的，案例中如圖1所示。
一旦建立了數(shù)據(jù)倉庫，任何前端工具，如Lotus ApprOAch或Microsoft Access，都可用來查看實際的報告。
圖2 不同城市銷售數(shù)據(jù)
圖3 產(chǎn)品銷售數(shù)據(jù)
2.2 聯(lián)機分析處理(OLAP)
由前述圖2、圖3數(shù)據(jù)可知美國的西雅圖是銷售額最高的地區(qū)，山地車是最暢銷的產(chǎn)品�？偨�(jīng)理決定通過建立數(shù)據(jù)倉庫是否能給他提供更多的信息來幫助他提高銷售額。
在總經(jīng)理與銷售經(jīng)理談到此事時，銷售經(jīng)理建議進行專門分析，用不同的方法查看數(shù)據(jù)，以顯示以前不知道的信息。這也被稱為聯(lián)機分析處理(OLAP)或多維分析(MDA)。在本方案中，使用2種主要的多維分析技術(shù)。第1種叫插放(Drill Down)，第2種叫份額方塊(S1ice/Dice)。銷售經(jīng)理幫助總經(jīng)理用Lotus Approach前端MDA工具柬查詢數(shù)據(jù)倉庫的數(shù)據(jù)。
下面的多維數(shù)據(jù)分析涉及5個方面，即產(chǎn)品、銷售、數(shù)量、地區(qū)和時間。所有查看的數(shù)據(jù)都是1月份的。
總經(jīng)理提出以下問題：
1、1月份，頭盔在什么地區(qū)銷售最好？
2、1月份，哪個國家的頭盔銷售在該暢銷地區(qū)處于領(lǐng)先地位？
3、在領(lǐng)先的國家中，哪個城市的頭盔收入最高？
要回答這些問題，銷售經(jīng)理必須要用Lotus Approach深入到地區(qū)維(Location)中，用插放方法查看某一具體數(shù)據(jù)維中的更細(xì)節(jié)的數(shù)據(jù)。通過Lotus Approach，銷售經(jīng)理用交叉標(biāo)記功能建立了一個矩陣，Y軸是地區(qū)欄，X軸是銷售欄。
由給出的分析圖4，圖5表明頭盔在歐洲銷售最好；1月份，德國是歐洲頭盔最暢銷的地區(qū)；在德國漢諾威是頭盔最暢銷的地區(qū)。
現(xiàn)在總經(jīng)理已經(jīng)從報告得知，山地車是西雅圖最暢銷的產(chǎn)品。因此，他想把西雅圖和漢諾威2個城市山地車和頭盔的銷售做一比較，但按銷售會額(DOLLARS欄)比較是錯誤的，因為2種產(chǎn)品的價格不同。因此，他想比較山地車和頭盔的銷售數(shù)量。
根據(jù)圖6、圖7分析，這位總經(jīng)理發(fā)現(xiàn)，盡管山地車在西雅圖銷售最多，但頭盔的銷售卻不盡人意。頭盔與山地車的比例大致是1：5(360：1804)。但他還注意到，在漢諾威該比例卻幾乎是1：1(445：436)。這時他記起來，在西雅圖的商店里山地車和頭盔放置得不像在漢諾威那樣近。他決定在西雅圖把這2種產(chǎn)品擺放在一起，并每天查看頭盔和山地車的銷售狀況。
上述查看不同欄目數(shù)據(jù)的技術(shù)就是多維分析。執(zhí)行的分析類型是聯(lián)機分析處理。用于聯(lián)機分析處理的數(shù)據(jù)可存儲在多維數(shù)據(jù)庫(MDD)或關(guān)系型數(shù)據(jù)庫(RDBMS)中。當(dāng)對存儲在多維數(shù)據(jù)庫中的數(shù)據(jù)進行聯(lián)機分析處理時，就稱為多維聯(lián)機分析處理；當(dāng)對存儲在關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)進行聯(lián)機分析處理時，就稱為關(guān)系型聯(lián)機分析處理；當(dāng)對存儲在2種數(shù)據(jù)庫的數(shù)據(jù)進行聯(lián)機分析處理時，就稱為混合聯(lián)機分析處理。在本案例中，使用了5個數(shù)據(jù)維，它們是時間，營業(yè)額、數(shù)量、產(chǎn)品和地區(qū)。
2.3 數(shù)據(jù)挖掘
在前面，我們能夠用不同的方法處理和分析數(shù)據(jù)。我們可以找到具體問題的答案，但僅此而已。在用特別的方法查看數(shù)據(jù)時，我們能發(fā)現(xiàn)頭盔和山地車的數(shù)量銷售不相互關(guān)聯(lián)。數(shù)據(jù)倉庫中的確存在關(guān)聯(lián)，但沒有插放和份額分塊技術(shù)，我們就發(fā)現(xiàn)不了它。這樣做消耗很多時間。
數(shù)據(jù)挖掘會系統(tǒng)地解決這些問題。它不僅能夠允許用戶確定假設(shè)，而且還允許用戶不用做相應(yīng)的手工勞動就能發(fā)現(xiàn)新的信息，如上面提及的關(guān)聯(lián)。IBM的Intelligent Miner for data和Intelligent Miner for text是一種數(shù)據(jù)挖掘工具。前者用來對數(shù)據(jù)進行搜尋，如公司中的交易數(shù)據(jù)；后者則用于對文本數(shù)據(jù)的搜尋，如在圖書館中進行檢索。在本案例中，使用的是Intelligent Miner for data。
Intelligent Miner中包含6種主要算法，即關(guān)聯(lián)、順序模型、預(yù)測模式、分類、集群和偏差識別。公司的決策者現(xiàn)在擔(dān)心他們是否能提出正確的問題。這位總經(jīng)理正巧碰到這樣的事實，山地車和頭盔的銷售不是1：1。還存在什么其他類似的問題？公司決策者們可能想到的2個這類問題如下。
圖4 按地區(qū)劃分的頭盔銷售數(shù)據(jù)
圖5 按地區(qū)和國家劃分的頭盔銷售數(shù)據(jù)
1、對購買山地車的客戶來說，什么是最可能會同時購買的商品？
2、購買氣瓶的顧客1年內(nèi)回來充氣多少次？
Intelligent Miner for data對第1個問題做出如下答案：頭盔，可能性為92％：手套，可能性為62％：新款鈴鐺，可能性為23％；速度計，可能性為13％。
Intelligent Miner for data可能會使用關(guān)聯(lián)算法得出這樣的答案。關(guān)聯(lián)算法發(fā)現(xiàn)了產(chǎn)品之間的聯(lián)系。根據(jù)上面的答案，它會給銷售人員一個目錄，列出在銷售某一具體產(chǎn)品時所建議的前3名關(guān)聯(lián)產(chǎn)品。例如，如果銷售山地車，銷售人員可建議購買頭盔、手套和新款鈴鐺。
根據(jù)上面的答案，另外還可以采取以下行動：在騎車者安全問題上對銷售伙伴進行教育(這可提高反光罩、燈和后視鏡等產(chǎn)品的銷售)；促銷其他相關(guān)產(chǎn)品，如飲料瓶、速度計、個人音響；捆綁銷售活動；開發(fā)跨部門的促銷活動(如與山地車和手套一起使用的休閑用品和服裝)；在山地車展廳里設(shè)一個手套展臺；對最好的附件產(chǎn)品銷售記錄進行獎勵以及每月刊登最有趣的附件產(chǎn)品銷售的成功經(jīng)歷。
Intelligent Miner for data對公司決策者的第2個問題會給出如下答案：購買氣瓶的顧客12％只回來充氣1次；8％回來2次及7％回來補充物品的次數(shù)超過2次。
圖6 按地區(qū)、國家和城市劃分的頭盔銷售數(shù)據(jù)
圖7 山地車和頭盔銷售的比較
根據(jù)上面的結(jié)果，公司可能做出2種決定，一種是考慮到重購物品的業(yè)績好差，放棄充氣業(yè)務(wù)，或者靠給下2次的充氣給予25％的折扣優(yōu)惠來提高充氣業(yè)務(wù)的銷售業(yè)績。公司還可以采取其他行動，如依然堅守充氣業(yè)務(wù)，但銷售水平要提高到每個氣瓶顧客每年平均要充氣1次；給現(xiàn)有和新的氣瓶擁有者提出刺激措施；在春季給氣瓶顧客郵寄信函提醒他們要回來充氣；在客戶停車場建立更多的便利充氣站以及每一次充氣都發(fā)折扣優(yōu)惠券。
3個月后，公司有了如下結(jié)果：季度的營業(yè)額上升34％，收入上漲32％；每輛山地車交易的平均銷售收入增加了29％；山地車與頭盔一塊購買成了時尚(每個銷售地點的頭盔成交量都上升了)；手套的銷售上升15％；山地車附件上升51％；銷售機構(gòu)進行捆綁銷售的成功案例非常普遍(每月對最成功的案例進行獎勵)；氣瓶充氣的銷售開始上升(到目前為止，銷售額比去年上升了1倍)。
商業(yè)智能的實施和部署是一個長期的、循序漸進的過程，市場環(huán)境的變化要求企業(yè)不斷改進和優(yōu)化該系統(tǒng)來為企業(yè)經(jīng)營決策提供數(shù)據(jù)參考。從企業(yè)長期發(fā)展的角度上來看，更大范圍、更深層次的BI系統(tǒng)部署將成為決定未來企業(yè)運營成功的關(guān)鍵之一。在本案例中，商業(yè)智能系統(tǒng)從企業(yè)運作的日常數(shù)據(jù)中開發(fā)出結(jié)論性的、基于事實的和具有可實施性的信息，使企業(yè)能夠更快更容易的做出更好的商業(yè)決策。使企業(yè)管理者和決策者以一種更清晰的角度看待業(yè)務(wù)數(shù)據(jù)，提高企業(yè)運轉(zhuǎn)效率、增加利潤并建立良好的客戶關(guān)系，使企業(yè)以最短的時間發(fā)現(xiàn)商業(yè)機會捕捉商業(yè)機遇。如何時何地進入何市場，如何選擇和管理客戶聯(lián)系，以及如何選擇和有效地推出商品優(yōu)惠策略等。同時通過提供決策分析能力，能夠找出客戶流失的規(guī)律(或關(guān)鍵影響因素)，從小客戶中找出有潛在增值價值的客戶，從交易記錄中找出利潤高需求大的款式，預(yù)測某服務(wù)的需求趨勢，其導(dǎo)致的最終結(jié)果是企業(yè)決策者能夠得到足夠多銷售情況，靈活制定公司銷售策略來增加商品銷售，提高公司利潤率。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：商業(yè)智能BI技術(shù)（OLAP、數(shù)據(jù)倉庫和數(shù)據(jù)挖掘）的實現(xiàn)
相關(guān)文章
