商业智能与零售业管理信息化，本文主要内容关键词为：零售业论文,智能论文,商业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
随着信息技术的飞速发展，企业通常会产生大量的业务数据，如何从中提取有用的信息，以挖掘潜在的商机、降低企业的运作成本；如何通过历史经营情况归纳出成功的经验和失败的教训，并用数据来预测未来的发展趋势，快速准确地把握风云变幻的市场脉搏，已成为企业经营者越来越关注的问题。由此， 商业智能（Business Intelligence，简称BI）技术应运而生。可以说，近年来商业智能逐渐成为热点是企业信息化发展到一定程度的必然结果。
零售业属于业务数据密集型行业，利用BI系统分析这些数据，不仅可以获得商品的关联关系，还可以及时获得有关商品结构、销售与库存状况、供应商和顾客等决策支持所需的珍贵信息。把BI技术充分运用到经营中，以最低的成本、最优质的服务、最快速的反应进行企业运作，实现零售业管理的信息化，已成为我国零售业提升综合竞争力的必然选择。
一、商业智能技术简介
学术界对BI有不同的定义。简单地说，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。
商业智能的技术体系主要由数据仓库（DW）、联机分析处理（OLAP）以及数据挖掘（DM）三部分组成。DW是商业智能的基础，许多基本报表可以由此生成，它是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。同时DW可作为进一步分析的数据源。OLAP技术则帮助分析人员和管理人员从多种角度把从原始数据中转化出来的、能够真正为用户所理解的信息进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。DM是一种决策支持过程，它主要基于模糊理论、人工智能、数理统计、神经网络等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险并做出正确的决策。
BI的关键是从来自不同的企业运作系统的海量数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取、转换和装载，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、OLAP工具、数据挖掘工具等对其进行分析和处理，把信息变为辅助决策的知识，最后将知识呈现给管理者，为管理者的决策过程提供支持。
二、基于商业智能技术的零售业信息化管理
零售业是生产者与消费者或批发企业与消费者之间的中间环节，它面对的是最广大的消费者。目前，世界零售业信息化不断前进，市场竞争异常激烈，企业的服务核心是客户关系管理（CRM）。在大规模连锁化经营的背后，基于BI的CRM是增强零售企业竞争力的有效手段。利用数据仓库、数据挖掘等技术来分析市场、改进业务流程、加强客户服务和促进销售，这些都是值得国内零售业借鉴的先进经验。
零售企业通过条形码、编码系统、销售管理系统、客户资料管理系统等可以收集到关于商品销售、客户信息、库存数量以及各分店销售状况等信息数据。数据经分类、抽取、转换和装载，合并到数据仓库里，允许高级管理人员、分析人员、采购人员、市场人员和广告客户访问。利用OLAP、DM等工具对这些数据进行分析，有利于企业管理者进行科学的决策。在零售业应用领域，利用商业智能系统有如下管理优势：1、了解销售全局。通过分类信息，清楚了解企业每天的运营情况、销售状况、库存变化等，同时还可随时检查商品结构是否合理。2、商品合理的分组布局。分析顾客的购买习惯，考虑顾客在商店里所穿行的路线、购买时间和地点，掌握不同商品一起购买的概率。通过对商品销售品种的活跃性分析和关联性分析，用主成份分析方法，建立商品设置的最佳结构和最佳布局。3、降低库存成本。通过数据挖掘系统，将销售数据和库存数据集中起来，通过数据分析，决定各种商品、货物的增减，确保正确的库存。数据仓库系统还可以将库存信息和商品销售预测信息通过电子数据交换（EDI）直接送到供应商那里，由供应商负责定期补充库存，从而使零售商降低成本。4、市场调查和未来趋势分析。利用数据挖掘工具和统计模型对数据仓库中的数据进行仔细研究，以分析顾客的购买习惯、广告成功率和其它战略性信息，同时还可对各种商品的销售和库存趋势进行大致地预测。5、有效的商品促销。可以通过对某一厂家商品在各连锁店的市场共享分析、客户统计以及历史状况分析，来确定销售和广告业务的有效性。通过对顾客购买偏好的分析，确定商品促销的目标客户，以此来设计各种商品促销的方案，并通过商品购买关联分析的结果，挖掘客户的购买力，实现准确的商品促销。
三、零售业应用商业智能系统的策略
1、分析企业的核心需求，确定信息化目标。企业在准备应用BI系统之前，首先要进行可行性分析，弄清企业是否到了该应用BI系统的阶段、企业当前的核心需求是什么，BI能否解决、在财力上企业能否支持BI的实施等问题；并对BI系统的投资回报率进行分析。然后将分析的结果写成正式的可行性分析书面报告，从而决定是否上BI项目。
2、选择合适的BI解决方案。目前市场上的商业智能解决方案不胜枚举，但是零售业所挖掘、分析、处理、整合的资料与其它行业截然不同，所以，零售企业必须在众多方案中仔细评估、比较，从自身的需求和核心目标出发，选择合适的BI解决方案。
3、企业领导要重视和支持。BI是一项系统工程，领导的重视和支持是BI成功的关键。因为BI项目资金的保证、项目目标和方案的确定以及项目的协调，都必须由企业领导拍板。项目实施过程中遇到的挫折和阻力，都需要企业领导的全力支持。
4、建立完善的项目实施组织体系。整个BI项目，应由最高决策者负责决策、监督和控制工作，专业人员协助解决实施过程中可能出现的技术问题。此外，由于BI涉及到组织绩效的衡量、组织流程的改进、部门资料的整合，内部人员可能会因为盲点与冲突而无法适当地解决，在此建议由外部专业人士或是顾问从流程改造或是策略的角度作全盘规划与咨询。
5、设立绩效评估机制。待BI系统实际上线之后，有必要建立一套使用绩效评估机制，包含使用频率、使用量、使用功能、系统反应、数据处理时间等，以及使用者意见等。只有这样才会为改进系统提供参考，让决策者从商业智能中看到真正想要的信息。
四、北京燕莎望京购物中心商业智能的应用实例
1999年11月，北京燕莎望京购物中心对原计算机系统进行了改造升级，开始实施商业智能，2001年导入了商业智能系统。燕莎望京实施的BI运用了数据仓库、OLAP和数据挖掘技术来处理和分析数据，进行数据抽取、清洗、聚类、挖掘、预测等处理，针对不同的“维”进行上下钻取、左右拖动及纵横旋转，通过连续的立体动态表来产生可透析的各种展示数据，直观地显示分析者所要探询的经营属性或市场规律。该系统分为商业计划、商品配置、采购技术、销售技术、库存技术、资金分析、顾客分析、人员绩效八大模块，采用三维（时间维、经营活动维、指标维）模型进行全方位的分析，从而得出科学准确的结论。
燕莎望京启用BI系统之后，有效地解决了原来存在于企业中的内外部矛盾。通过对供应商在特定时间段内的各项指标进行分析，为供应商的引进、储备、淘汰及供应商库存商品的处理提供可靠的分析依据。通过启用BI系统，燕莎望京确定了以分析结构为主线的分析思路，通过对商品结构的分析，使商品配置更加趋于合理，并为及时调整商品的种类和价格定位、调整和监控供应商的经营行为、及时订货补货等提供科学的依据；通过对顾客分析，了解其商圈里消费者的居住区域、文化层次、年龄段、平均月收入等，为燕莎望京总体的定位提供强有力的说服性数据。
标签：大数据论文; 商业智能论文; 销售分析论文; 商品管理论文; 数据挖掘论文; 零售业论文; 数据仓库论文; bi工具论文;