引言

    BI(Business Inteligent，商業(yè)智能)是隨著Internet的高速發(fā)展和企業(yè)信息化的不斷深入而產(chǎn)生的。BI使得企業(yè)的決策者能夠?qū)ζ髽I(yè)信息進(jìn)行有效、合理地分析和處理，為生產(chǎn)決策提供可靠的依據(jù)。學(xué)術(shù)界對BI有不同的定義：Data Wareho MseInstitute組織認(rèn)為“BI是將數(shù)據(jù)轉(zhuǎn)換成知識并將知識應(yīng)用到商業(yè)行為上的一個(gè)過程列”；Gartner Group則認(rèn)為“BI是將數(shù)據(jù)轉(zhuǎn)換成信息的過程，然后通過發(fā)現(xiàn)將信息轉(zhuǎn)化為知識”。圖1展示了BI在商業(yè)中的應(yīng)用。確切地講，BI并不是一項(xiàng)新技術(shù)，它將數(shù)據(jù)倉庫(DW)、聯(lián)機(jī)分析處理(OLAP)、數(shù)據(jù)挖掘(DM)等技術(shù)與客戶關(guān)系管理(CRM)結(jié)合起來應(yīng)用于商業(yè)活動(dòng)實(shí)際過程當(dāng)中，實(shí)現(xiàn)了技術(shù)服務(wù)于決策的目的。   

圖1 BI在商業(yè)中的應(yīng)用

1 數(shù)據(jù)倉庫、OLAP技術(shù)及行業(yè)應(yīng)用分析

    1.1 數(shù)據(jù)倉庫與OLAP技術(shù)   

    數(shù)據(jù)倉庫是實(shí)現(xiàn)商業(yè)智能的數(shù)據(jù)基礎(chǔ)，是企業(yè)長期事務(wù)數(shù)據(jù)的準(zhǔn)確匯總。W.H.Inmon是這樣對數(shù)據(jù)倉庫定義的“數(shù)據(jù)倉庫是面向主題的、集成的、時(shí)變的、非易失的數(shù)據(jù)集合，用于管理決策指定過程”。其中面向主題指DW集中在高級的商業(yè)實(shí)體，如：產(chǎn)品，客戶，銷售，財(cái)政收入等；集成指數(shù)據(jù)倉庫中的數(shù)據(jù)以一致的格式存儲(chǔ)；時(shí)變指數(shù)據(jù)項(xiàng)與時(shí)間點(diǎn)有關(guān)；非易失指數(shù)據(jù)存入數(shù)據(jù)倉庫后不再變化。數(shù)據(jù)倉庫的產(chǎn)生是信息化建設(shè)的結(jié)果，主要是由于歷史數(shù)據(jù)的不斷積累，而且決策者需要的信息往往保存在多個(gè)不同的數(shù)據(jù)庫系統(tǒng)中；就糧食行業(yè)來說，從90年代初就開始進(jìn)行行業(yè)的信息化建設(shè)，尤其是近兩年，信息管理系統(tǒng)大范圍地得到應(yīng)用，使得糧食行業(yè)的基礎(chǔ)數(shù)據(jù)迅速遞增，但是由于管理不規(guī)范、數(shù)據(jù)不一致、網(wǎng)絡(luò)不健全等因素使得糧食行業(yè)的決策管理部門無法從大量的數(shù)據(jù)中發(fā)現(xiàn)和提取隱含的、重要的、用于決策的信息；這主要是由于用戶的決策分析常常需要對多個(gè)相關(guān)系統(tǒng)數(shù)據(jù)進(jìn)行匯總、比較、分析等操作，而在用于事務(wù)處理的關(guān)系數(shù)據(jù)庫中需要進(jìn)行許多連接和計(jì)算才有可能得到結(jié)果，尤其是對于異構(gòu)的數(shù)據(jù)常常需要花費(fèi)大量的時(shí)間進(jìn)行處理；并且查詢的結(jié)果并不總能滿足決策者的時(shí)間要求。因此，傳統(tǒng)的聯(lián)機(jī)事務(wù)處理系統(tǒng)已經(jīng)不能滿足決策考查詢分析的響應(yīng)時(shí)間要求。而且，目前的聯(lián)機(jī)事務(wù)處理系統(tǒng)中使用的數(shù)據(jù)庫管理系統(tǒng)主要是針對事務(wù)處理而設(shè)計(jì)的，它們主要關(guān)心的是如何處理并發(fā)、事務(wù)管理等方面；而沒有過多地去考慮分析查詢的特殊需要，由此產(chǎn)生了面向分析的數(shù)據(jù)倉庫和OLAP技術(shù)。  

    數(shù)據(jù)倉庫可以看作是一種結(jié)構(gòu)，它包含多種技術(shù)和產(chǎn)品，如：商業(yè)數(shù)據(jù)多維模型、實(shí)體關(guān)系(RR)模型、數(shù)據(jù)庫管理系統(tǒng)(DBMS)、并行計(jì)算技術(shù)和OLAP工具等。數(shù)據(jù)倉庫通過提取、轉(zhuǎn)換、加載(ETL)工具來實(shí)現(xiàn)數(shù)據(jù)的導(dǎo)入，ETL工具主要完成的功能包括有：異構(gòu)數(shù)據(jù)的讀取功能、數(shù)據(jù)的預(yù)處理功能、數(shù)據(jù)加載功能及元數(shù)據(jù)的管理等功能。   

    數(shù)據(jù)倉庫中的數(shù)據(jù)包括當(dāng)前數(shù)據(jù)、歷史數(shù)據(jù)、匯總數(shù)據(jù)、元數(shù)據(jù)等多種形式。正是這些數(shù)據(jù)為決策支持系統(tǒng)(DSS)提供了有效的數(shù)據(jù)平臺(tái)。   

    數(shù)據(jù)倉庫是通過OLAP技術(shù)進(jìn)行數(shù)據(jù)建模的，數(shù)據(jù)倉庫中的數(shù)據(jù)主要是以多維模型進(jìn)行存儲(chǔ)和展現(xiàn)的，OLAP技術(shù)為準(zhǔn)確定義多維模型、操縱多維立方體提供了有效的實(shí)現(xiàn)基礎(chǔ)。在數(shù)據(jù)倉庫中一個(gè)多維模型主要由一個(gè)包含大量事實(shí)數(shù)據(jù)并且沒有冗余的事實(shí)表和一些表示匯總方式的維表組成。這些多維數(shù)據(jù)模型可以以星形模式、雪花模式、或事實(shí)星座(fact constellation)模式等形式存在。與星型模式相比，雪花型模式中數(shù)據(jù)表易于維護(hù)，節(jié)省空間；但是在執(zhí)行查詢時(shí)需要更多的關(guān)聯(lián)操作，降低了數(shù)據(jù)倉庫的響應(yīng)性能。因此，在數(shù)據(jù)倉庫設(shè)計(jì)中，星型模式更流行。在星型模式中，每個(gè)維用一個(gè)表表示，每個(gè)表中包含一組屬性，維表中的數(shù)據(jù)會(huì)有一些冗余，并且維表中的屬性可能以全序或偏序關(guān)系存在。圖2顯示了基于星型模式的多維模型。   

圖2 星型模式多維模型

    數(shù)據(jù)倉庫中，各種模型將數(shù)據(jù)看作數(shù)據(jù)立方體(Cube)，數(shù)據(jù)立方體是n維的(n≥2)。它允許以多維形式對數(shù)據(jù)進(jìn)行建模查看，將多維模型中的維表和事實(shí)表中的度量，以維和事實(shí)的形式進(jìn)行展現(xiàn)。   

    概念分層用于對數(shù)據(jù)進(jìn)行聚合；一個(gè)概念分層定義；一個(gè)映射序列，它將低層概念映射到上一層概念，是數(shù)據(jù)庫模式中屬性(域)的全序或偏序排列。

    在OLAP中，一個(gè)維中根據(jù)不同的用戶視圖，可能有多個(gè)概念分層。概念分層可以由系統(tǒng)專家、領(lǐng)域?qū)＜医Y(jié)出，也可以根據(jù)數(shù)據(jù)分布使統(tǒng)計(jì)分折算法給出如：ID3決策樹算法。一個(gè)維表可以有多個(gè)不同的概念分層，每個(gè)概念分層稱為一個(gè)層次(hierarchy)，每個(gè)層次中的不同分層稱為一個(gè)級別(1evel)。如圖2中的虛擬維(基于成員屬性的維)“生產(chǎn)時(shí)間”可以按照年-月-日來分，也可以按照年-季-月-日來分；這就是兩個(gè)不同的時(shí)間層次，年、季、月、日就是不同的級別。

    概念分層被用于對OLAP進(jìn)行數(shù)據(jù)建模，多維數(shù)據(jù)模型中，數(shù)據(jù)組織成多維，每維包含由概念分層定義的多個(gè)抽象層。這樣，使用戶可以從不同角度觀察數(shù)據(jù)，同時(shí)也有利于OLAP對各種視圖進(jìn)行極化。OLAP定義了一些操，作用于概化、查詢、分析基于概念分層的數(shù)據(jù)立方體，包括上卷(roll up)、下鉆(drill down)、切片(Slice)等，這些OLAP操作是抽象的，具體的實(shí)現(xiàn)過程與OLAP數(shù)據(jù)模型有關(guān)。

    1.2 行業(yè)應(yīng)用分析

    數(shù)據(jù)倉庫的設(shè)計(jì)和實(shí)現(xiàn)是本項(xiàng)目的最終目標(biāo)，但是數(shù)據(jù)倉庫的構(gòu)造是一個(gè)艱巨而長期的任務(wù)。鍵的問題是清楚定義數(shù)據(jù)倉庫的結(jié)構(gòu)，一般地，數(shù)據(jù)倉庫采用如圖3所示的3層結(jié)構(gòu)。   

圖3 數(shù)據(jù)倉庫3層結(jié)構(gòu)

    在設(shè)計(jì)過程中，采用企業(yè)級數(shù)據(jù)集市結(jié)構(gòu)(EDMA）基于星型模式進(jìn)行糧食行業(yè)數(shù)據(jù)倉庫的構(gòu)建，在統(tǒng)一的全局元數(shù)據(jù)中心庫的基礎(chǔ)上實(shí)現(xiàn)由數(shù)據(jù)集市到數(shù)據(jù)倉庫的開發(fā)。   

    由于數(shù)據(jù)倉庫的建設(shè)是一個(gè)基于原型的迭代過程，因此，經(jīng)過論證首先確立了企業(yè)急需的面向3個(gè)主題的數(shù)據(jù)集市：倉儲(chǔ)、業(yè)務(wù)、財(cái)務(wù)；然后圍繞倉儲(chǔ)主題構(gòu)建3個(gè)多維模型：入庫模型、出庫模型(見圖2)和庫存模型。   

    在數(shù)據(jù)倉庫的3層結(jié)構(gòu)中，OLAP服務(wù)器有3種類型：ROLAP(關(guān)系OLAP)、MOLAP(多維OLAP)和HOLAP(混合OLAP)。ROLAP是中間服務(wù)器，它介于關(guān)系DBMS和客戶前端應(yīng)用程序之間。它使用關(guān)系DBMS或擴(kuò)充關(guān)系DBMS來存放井管理數(shù)據(jù)倉庫，OLAP中間件實(shí)現(xiàn)其余的服務(wù)，這種技術(shù)有很大的可伸縮性，但是關(guān)聯(lián)操作使得響應(yīng)效率降低。MOLAP通過基于數(shù)組的多維存儲(chǔ)引擎，將數(shù)據(jù)映射到數(shù)據(jù)立方體數(shù)組結(jié)構(gòu)中，實(shí)現(xiàn)數(shù)據(jù)的多維視圖。這種技術(shù)的優(yōu)點(diǎn)是數(shù)據(jù)的快速索引，缺點(diǎn)是數(shù)據(jù)集是稀疏的，存儲(chǔ)利用率低。HOLAP(混合OLAP)結(jié)合ROLAP和MOLAP技術(shù)，將ROLAP的較大可伸縮性和MOLAP的快速計(jì)算緊密結(jié)合，實(shí)現(xiàn)數(shù)據(jù)的有效存儲(chǔ)和快速檢索。對于糧食行業(yè)，基于糧庫的事務(wù)數(shù)據(jù)，在糧庫的上級管理部門建立了基于上述3層結(jié)構(gòu)的數(shù)據(jù)倉庫，由后臺(tái)進(jìn)程定時(shí)完成數(shù)據(jù)的上傳、轉(zhuǎn)換和加載，對于數(shù)據(jù)立方體的更新由后臺(tái)進(jìn)程配合管理員來完成。   

    在數(shù)據(jù)倉庫實(shí)現(xiàn)過程中，立方體數(shù)據(jù)的極化(materilization)是非常重要的，被極化的數(shù)據(jù)稱為概化視圖(matellized viewser)。立方體數(shù)據(jù)的概化方式有不概化、全部極化、部分概化3種�？紤]到響應(yīng)效率和存儲(chǔ)空間的限制，許多OLAP產(chǎn)品使用啟發(fā)式方法實(shí)現(xiàn)數(shù)據(jù)立方體的部分極化，一種方法就是概化那些經(jīng)常被訪問的基礎(chǔ)立方體集，這也是學(xué)術(shù)界目前研究的熱門，提出了一種半貪心(semigrecdy)啟發(fā)式算法PSUM，此算法的目的就是給出部分極化視圖(或稱部分聚集)的一個(gè)下界，使得其他的任何一個(gè)數(shù)據(jù)視圖可以由這些概化視圖一步計(jì)算出來，從而提高OLAP響應(yīng)效率。。由于作者涉及的糧食企業(yè)用于分析和決策的數(shù)據(jù)量相對來講不是特別大(約300 Mbit/年)，因此，在設(shè)計(jì)的糧食決策支持系統(tǒng)中采用公式T(T－1)/2＋T＝2n－1(T：最小界，n所有的維屬性值)來確定極化視圖的最小下界，然后使用/數(shù)據(jù)視圖模式的表示方法結(jié)合業(yè)務(wù)限制(如：大米和大豆的庫存量不做對比等)確定出需要計(jì)算的最少數(shù)據(jù)視圖進(jìn)行概化(約占空間為1Gbit/年)�；�表數(shù)據(jù)變化時(shí)可以對立方體和極化視圖進(jìn)行增量更新，在維表變化是可以對立方體進(jìn)行完全更新，同時(shí)重新計(jì)算并更新極化視圖，從而實(shí)現(xiàn)新生數(shù)據(jù)從數(shù)據(jù)源——數(shù)據(jù)倉庫——數(shù)據(jù)立方體——極化視圖全過程的傳送和更新，實(shí)現(xiàn)事務(wù)數(shù)據(jù)到?jīng)Q策服務(wù)數(shù)據(jù)的轉(zhuǎn)變過程。   

    構(gòu)建行業(yè)數(shù)據(jù)倉庫是一個(gè)長期的、反復(fù)的過程，操作系統(tǒng)和數(shù)據(jù)倉庫平臺(tái)的選取也很重要，主要考慮的因素除資金外應(yīng)當(dāng)是企業(yè)數(shù)據(jù)的增長速度、規(guī)模和平臺(tái)使用的各種技術(shù)的技術(shù)指標(biāo)。如果企業(yè)的歷史數(shù)據(jù)(如5年)達(dá)到TB(1000 Gbit)級以上，那么就要考慮使用Unix上的數(shù)據(jù)倉庫平臺(tái)；如果僅僅在10 Gbit左右就可以考慮Windows上的數(shù)據(jù)倉庫平臺(tái)。數(shù)據(jù)倉庫建設(shè)的主要部分ETL工具和OLAP服務(wù)器的設(shè)計(jì)，目前的ETL工具和OLAP服務(wù)器產(chǎn)品也相對較多，大多數(shù)的數(shù)據(jù)庫廠商都提供ETL工具和OLAP服務(wù)器。當(dāng)然可以通過技術(shù)儲(chǔ)備如上面講到的存儲(chǔ)技術(shù)、極化技術(shù)等自行開發(fā)ETL工具和OLAP服務(wù)器；但是開發(fā)成本和開發(fā)周期會(huì)相應(yīng)增加�？梢越Y(jié)合實(shí)際的需要進(jìn)行取舍。無論采取那種方式，在數(shù)據(jù)倉庫的構(gòu)建過程中，關(guān)鍵是業(yè)務(wù)建模；只有對企業(yè)的業(yè)務(wù)需求進(jìn)行深入的了解，才能提出真正適合企業(yè)需要的數(shù)據(jù)模型，這樣數(shù)據(jù)倉庫及各種相關(guān)技術(shù)才能真正地與實(shí)際相結(jié)合，為企業(yè)管理和決策提供強(qiáng)有力的保障。

2 數(shù)據(jù)挖掘技術(shù)   

    數(shù)據(jù)挖掘是一項(xiàng)新技術(shù)，它被用于從大規(guī)模數(shù)據(jù)庫中發(fā)現(xiàn)新的、有用的知識。數(shù)據(jù)的不斷增長產(chǎn)生了對知識發(fā)現(xiàn)的需求；數(shù)據(jù)挖掘技術(shù)正是為適應(yīng)這一需求而出現(xiàn)的，因此數(shù)據(jù)挖掘又被成為知識發(fā)現(xiàn)(KDD)；數(shù)據(jù)挖掘使用一些有效的分析算法從平凡數(shù)據(jù)中發(fā)現(xiàn)有用的模式，可以說數(shù)據(jù)挖掘是將海量數(shù)據(jù)庫和有用的知識緊密相連的橋梁。   

    企業(yè)級數(shù)據(jù)挖掘是將數(shù)據(jù)挖掘技術(shù)應(yīng)用于挖掘企業(yè)數(shù)據(jù)，如：客戶數(shù)據(jù)，來挖掘新的客戶知識，具有很高的商用價(jià)值，并且能夠應(yīng)用到商業(yè)實(shí)際。企業(yè)運(yùn)用數(shù)據(jù)挖掘進(jìn)行知識發(fā)現(xiàn)的過程一般包括7個(gè)步驟。 

    1)識別商業(yè)問題。

    2)識別和研究數(shù)據(jù)來源， 

    3)提取和處理數(shù)據(jù)。 

    4)對數(shù)據(jù)進(jìn)行挖掘(如：發(fā)現(xiàn)關(guān)聯(lián)規(guī)則或者產(chǎn)生預(yù)測模型)。

    6)在商業(yè)實(shí)際中應(yīng)用挖掘模型。   

    7)ROI(投入產(chǎn)出)計(jì)算。   

    數(shù)據(jù)挖掘的數(shù)據(jù)源并不局限于某一種數(shù)據(jù)，可以在多種異構(gòu)源商進(jìn)行數(shù)據(jù)挖掘，如：數(shù)據(jù)倉庫、OLTP系統(tǒng)、Excel/Access數(shù)據(jù)、文本文件等。但是普通的數(shù)據(jù)并不都能不加處理地直接用于數(shù)據(jù)挖掘，這主要是因?yàn)槠胀ǖ臉I(yè)務(wù)數(shù)據(jù)中往往存在很多問題如：數(shù)據(jù)表示不一致、空缺值、數(shù)據(jù)類型不統(tǒng)一等。這時(shí)就需要在數(shù)據(jù)挖掘之前進(jìn)行對各種數(shù)據(jù)源的數(shù)據(jù)進(jìn)行預(yù)處理，這些操作有如下幾個(gè)方面：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)變摻和數(shù)據(jù)修正等。數(shù)據(jù)的預(yù)處理完成后，就可以按照企業(yè)的需要進(jìn)行數(shù)據(jù)挖掘。數(shù)據(jù)挖掘的任務(wù)一般分為描述和預(yù)測；描述型數(shù)據(jù)挖掘用于刻畫數(shù)據(jù)庫中數(shù)據(jù)的一般特性，預(yù)測型數(shù)據(jù)挖掘在當(dāng)前的數(shù)據(jù)上建模并進(jìn)行預(yù)測。數(shù)據(jù)挖掘是一項(xiàng)新技術(shù)，但是數(shù)據(jù)挖掘并不是獨(dú)立的一門學(xué)科，它與數(shù)據(jù)庫技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模式識別等技術(shù)緊密相關(guān)。近幾年，許多學(xué)者都已經(jīng)在這些方面做了大量的工作，這里作者就不再贅述。   

    在糧食企業(yè)建立數(shù)據(jù)倉庫后，就可以對其數(shù)據(jù)進(jìn)行分析，聯(lián)機(jī)分析處理(OLAP)側(cè)重于以多維的方式展現(xiàn)數(shù)據(jù)。而數(shù)據(jù)挖掘則側(cè)重于對數(shù)據(jù)進(jìn)行深層次的挖掘，為企業(yè)提供有價(jià)值信息。數(shù)據(jù)挖掘在糧食管理決策支持系統(tǒng)中的應(yīng)用主要有如下幾個(gè)方面。   

    ·倉容分析 針對各地的糧庫倉容建設(shè)數(shù)據(jù)，運(yùn)用聚類算法進(jìn)行孤立點(diǎn)檢測，進(jìn)而判定出是否存在實(shí)際倉容建設(shè)和支出不相符的單位，從而加強(qiáng)企業(yè)的管理，減少企業(yè)的損失。   

    ·收購預(yù)測 商務(wù)流通領(lǐng)域回歸分析預(yù)測系統(tǒng)的回歸模型對收購數(shù)量與外界因素如；年平均氣溫、年平均降雨、市場價(jià)格、病蟲害情況等相關(guān)性進(jìn)行分析，進(jìn)而能夠根據(jù)已有數(shù)據(jù)對未來的收購數(shù)量進(jìn)行預(yù)測，以便企業(yè)可以提前做好各項(xiàng)計(jì)劃和準(zhǔn)備工作，避免了人、才、物的浪費(fèi)。   

    ·聯(lián)機(jī)分析處理(OLAP)概化視圖(MV)的優(yōu)化  使用決策樹算法對OLAP用戶的使用日志進(jìn)行模式發(fā)現(xiàn)，然后利用基于距離的聚類算法對所有數(shù)據(jù)視圖和模式進(jìn)行相關(guān)性分析，計(jì)算出用戶最可能訪問的數(shù)據(jù)視圖進(jìn)行概化，提高OLAP的響應(yīng)速度；這部分相對較難，目前作者正在進(jìn)行這方面的研究。

3 其他BI相關(guān)技術(shù)

    3.1 客戶關(guān)系管理   

    CRM指企業(yè)為改善和提高吸引新客戶、留住老客戶、保持客戶忠誠度、客戶盈利等能力而采取的手段，通過有意義的交流來理解和影響客戶行為。是通過圍繞客戶細(xì)分來組織企業(yè)，鼓勵(lì)滿足客戶需要的行為，并通過加強(qiáng)各企業(yè)與客戶、分銷商及供應(yīng)商等之間的聯(lián)系，來提高客戶滿意度和客戶盈利能力的商業(yè)策略。   

    CRM的核心就是客戶價(jià)值管理，CRM價(jià)值鏈的基本流程(見圖4)：   

圖4 CRM價(jià)值鏈

    第1步，客戶終生價(jià)值分析 就是通過分析客戶數(shù)據(jù)，識別具有不同終生價(jià)值的客戶或客戶群；   

    第2步，客戶親近 就是了解、跟蹤精選的客戶，為其提供個(gè)性化服務(wù)   

    第3步，網(wǎng)絡(luò)發(fā)展 就是同客戶、供應(yīng)商、分銷商及合作伙伴等建立起一個(gè)強(qiáng)有力的關(guān)系網(wǎng)；   

    第4步，價(jià)值主張 就是同關(guān)系網(wǎng)一起發(fā)展客戶和公司雙贏的價(jià)值觀；   

    第5步，關(guān)系管理 就是在價(jià)值觀的基礎(chǔ)上加強(qiáng)對客戶關(guān)系的管理。   

    客戶終生價(jià)值分析是CRM價(jià)值鏈的第1階段，也是最重要的階段�？蛻艚K生價(jià)值(Customer Lifetime Value，LTV)是指對一個(gè)新客戶在未來所能給公司帶來的直接成本和利潤的期望凈現(xiàn)值，就是考慮未來客戶產(chǎn)生的利潤，現(xiàn)在客戶對你的價(jià)值。一個(gè)客戶的價(jià)值由3部分構(gòu)成：歷史價(jià)值  到目前為止已經(jīng)實(shí)現(xiàn)了的客戶價(jià)值；當(dāng)前價(jià)值  如果客戶當(dāng)前行為模式不發(fā)生改變的話，在將來會(huì)給公司帶來的客戶價(jià)值；潛在價(jià)值  如果公司通過有效的交叉銷售、調(diào)動(dòng)客戶購買積極性或客戶向別人推薦產(chǎn)品和服務(wù)等，從而可能增加的客戶價(jià)值。

    3.2 數(shù)據(jù)庫直銷(Database Marketing)   

    首先引入直銷的概念，直銷指為識別和滿足用戶在交易過程中需求而采取的所有活動(dòng)。數(shù)據(jù)庫直銷：以客戶為基礎(chǔ)的，信息集中的，面向長期的直銷手段。數(shù)據(jù)庫直銷的功能包括：能夠?qū)⒅变N努力集中到感興趣的顧客、能夠與顧客建立長期的聯(lián)系、對于不同的客戶可以提供不同產(chǎn)品目錄、在產(chǎn)品的陪送中具有優(yōu)勢、增加對客戶的了解。   

    數(shù)據(jù)庫直銷實(shí)際上是一個(gè)交流的過程，可以識別客戶和需求，通過交流捕獲結(jié)果信息。企業(yè)的直銷數(shù)據(jù)庫中的數(shù)據(jù)包括：顧客和可能的顧客個(gè)人信息，顧客訂購事務(wù)信息，訂購的產(chǎn)品信息，促銷信息，顧客地域分布信息，顧客生命周期信息，財(cái)務(wù)信息等數(shù)據(jù)。直銷數(shù)據(jù)庫設(shè)計(jì)有兩種方式：1)關(guān)系數(shù)據(jù)庫，用于捕獲實(shí)時(shí)數(shù)據(jù)；2)多維數(shù)據(jù)庫，用于分析和市場決策制定。數(shù)據(jù)庫直銷適用的領(lǐng)域：客戶保持、CRM、市場研究、銷售渠道建設(shè)、擴(kuò)大銷售等。數(shù)據(jù)庫直銷中使用一種基于單元格的方法RFM技術(shù)(Recency，F(xiàn)reqtlency，Monetary)進(jìn)行顧客數(shù)據(jù)的分析。通過分析，對顧客進(jìn)行分組，從而捕獲有價(jià)值的信息。   

    就糧食行業(yè)來講，糧食企業(yè)與農(nóng)民和銷售客戶的關(guān)系對企業(yè)來講并沒有上升到主要地位，現(xiàn)存的主要問題集中在監(jiān)督管理上，因此CRM和數(shù)據(jù)庫直銷在糧食行業(yè)的應(yīng)用相對來講并不重要。但是對于其他行業(yè)，如：電信、銀行、金融等，客戶就是企業(yè)利潤的來源，因此，結(jié)合數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、CRM、數(shù)據(jù)庫直銷等技術(shù)對客戶、市場的分析對這些企業(yè)的發(fā)展來講至關(guān)重要。

4 結(jié)論與展望   

    商業(yè)智能在行業(yè)中的應(yīng)用是一個(gè)長期而復(fù)雜的過程。BI作為信息技術(shù)發(fā)展的產(chǎn)物，是企業(yè)分析海量數(shù)據(jù)的必要途徑，隨著信息技術(shù)和企業(yè)的緊密結(jié)合，商業(yè)智能及其相關(guān)技術(shù)必將為企業(yè)帶來更大的效益。尤其對于一些國內(nèi)企業(yè)來說，充分利用BI技術(shù)還將改善企業(yè)管理、大大提高企業(yè)的競爭力。隨著網(wǎng)絡(luò)和無線通訊的發(fā)展，電子商務(wù)已經(jīng)進(jìn)入無線領(lǐng)域，無線電子商務(wù)和商務(wù)智能的結(jié)合將是未來發(fā)展一個(gè)重要的領(lǐng)域，可以說，商業(yè)智能技術(shù)伴隨著電子商務(wù)的發(fā)展必將在更多的行業(yè)中得到更廣泛的研究與應(yīng)用，從而提高企業(yè)的核心競爭力和效益。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)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)及行業(yè)應(yīng)用分析

本文網(wǎng)址：http://www.ezxoed.cn/html/solutions/1401935727.html