0 引言
目前在我國，汽配零件的營銷是整個汽車服務后市場的一個非常重要的環境，很多企業制造廠家和4S店都關注這塊的發展，在這個環境中大約有三類中間經銷商，一類是集中在北京、上海、廣東的實力較強的批發商；一類是集中在汽配城或4S店的汽配經銷商；另外一類是中小規模的經銷商，它們數量龐大。這三類中間經銷商貫穿著整個企業產業的維修和配件服務業，它們之間的競爭非常大，利潤空間也越來越小。如何利用現代信息技術和科學手段準確把握汽配零部件市場供求關系，保證其供應鏈的有效運作，對汽車銷售企業有針對性地制定營銷策略，對提高企業競爭能力、最大化地提高企業的營銷產品和增加企業的效益具有重要意義。商業智能(Business Intelligence，簡稱BI)有效地利用企業大量的歷史數據，并進行分析與決策，使這種需求變成了可能。
1 汽配企業銷售決策需求
(1)建立一個集成、高效且靈活的數據分析平臺，使得有關企業銷售的各種重要信息得以集成匯總，并且可以從多角度多維度分析銷售狀況以高效靈活的展現形式來提供給公司高層管理人員。使得他們能夠利用自身豐富的銷售管理經驗對公司當前的銷售狀況獲得相對真實、及時、全面的理解和掌控。
(2)基于此數據分析平臺，利用相關重要銷售數據集成，利用數據挖掘技術對未來銷售狀況進行預測(如預測銷售總量、預測銷售總額、預測銷售利潤)，使得在銷售狀況相對于公司高層計劃和市場規律產生偏離時。能及時引起相關人員的注意。該汽配企業銷售決策需求如圖1所示。
(3)基于此數據分析平臺，對銷售狀況更好地把握和監督的同時，制定出一些重要督促指標(比如銷售人員業績指標、銷售利潤客戶比等指標)，對銷售部員工進行公正的績效考核、客戶等級評定，促使營銷工作日后開展更為順利。
圖1 汽配企業銷售決策需求
2 汽配企業智能銷售決策方案整體規劃
設計該汽配制造公司智能銷售決策方案需要完成以下工作內容：與該公司相關人員通過座談訪問等形式充分了解其業務應用需求、對整個決策方案進行技術匹配，搜集相關數據信息，構建數據倉庫，處理層OLAP多維分析實現，最后是前端展現。方案體系結構設計要完成如下幾個工作：
(1)在構建數據倉庫之前要獲取相關數據源，數據要涵蓋該汽配企業ERP內部業務數據和外部資料信息。外部信息可以是為了方案需求抽取的各類市場情報或外部統計資料。單位業務系統如ERP系統或OA(辦公自動化)系統后臺數據庫存儲的數據可作為內部信息來源。
(2)通過構架數據倉庫來對數據源中數據信息進行有效集成，為的是能規范化存儲與管理，并按照特定需求對數據進行重新組織，主題的確定決定概念模型的設計，根據業務實際需求構建邏輯模型來對數據信息重新部署，最后是確認該數據倉庫的物理存儲結構，使得存儲在數據倉庫中的元數據(比如數據轉換規則、數據加載頻率等信息能合理組織。其中，數據倉庫的維護管理包括對數據的備份恢復等工作。
(3)數據處理層中，存放于RDBMS中的與決策分析相關聯數據，通過0LAP服務器對分析決策相關聯數據進行多維模型再重組，目的是個性化實現不同用戶需求，從多角度、多層次整體分析銷售現狀，數據挖掘技術的應用能對企業未來銷售業績趨勢作出預測，前端工具與應用前端工具包括數據分析工具、報表工具等。
經過多次迭代分析，該汽配制造企業智能銷售決策系統整體架構如圖2所示。
圖2 智能銷售決策方案整體規劃
3 數據倉庫設計
數據倉庫開發過程中，開發人員與決策分析員的相互配合很重要。構建數據倉庫要綜合考慮多個因素，如數據如何轉載、數據存取策略、后期如何維護等。其實現步驟包括：建立概念模型設計(其中包括界定系統邊界、確定主題區域)，做好相關的技術準備(如ETL處理)，邏輯模型設計(構架模型選擇、粒度層次劃分等)，物理模型設計(確定存儲結構、索引結構等)，完成數據倉庫設計。
3.1 數據源處理
在本文汽配件銷售商業智能項目中，根據客戶需求，建立數據倉庫所采用的數據源主要來自以下兩個方面。
(1)內部數據主要來自公司Sunlike ERP 9.0，其7年的實際業務數據已達400G。產品已實施模塊主要包含：財務管理、物流管理(包括采購、銷售、庫存)等，系統結構龐大，各模塊內部關系較復雜。
(2)外部數據主要涉及行情情報信息分析、外部網絡調研數據、客戶意見反饋文檔資料、市政部門相關政策法規、后期增補的手工報表等。
由于該公司所實施ERP系統內部結構龐大且功能復雜，數據存儲量大，表之間的關聯性不大，查詢約束功能不規范，在該ERP系統上線使用過程中，后期維護工作不夠充分，諸如IT信息資源沒有進行合理配置、功能需求沒有及時更新等導致文檔資源欠缺。元數據如果不完整，會加大后期對內部數據分析的難度，也就無法準確提取有價值信息。經過與ERP系統化管理員的多次交流后，根據項目需求找到相關的15個關鍵表和視圖，如表1所示。
表1 抽取的關鍵表及功能
3.2 邏輯模型設計
銷售多維數據集的維度包含：貨品維度(編號、大類)，客戶維度(編號、姓名、地域等屬性)；時間維度、員工維度(編號、姓名、所屬部門)，其中把銷量、銷售額作為度量值。
汽配企業銷售多維數據集的雪花型模型如圖3所示。
圖3 數據倉庫雪花邏輯模型
(1)確定事實表。汽配智能銷售決策分析中最關注的問題之一是銷售的訂單，因此將銷售訂單信息作為事實表，決策人員分析銷售業績時，根據決策人員對訂單關注的具體需求，訂單主題下設為物理事實表。事實表如表2所示。
(2)確立維的層次關系。可以把維度表看做是用戶進行數據分析的窗口，其中涵蓋了提供描述事實表記錄特性的信息。有些特性可作為匯總事實表方式的一種借鑒，為后期進行數據分析打好基礎。多維數據集中的維度可以由特定的包含在維度表中層次結構組成，設計維度表時，為了有效過濾與分析關聯性不大的數據，應當盡可能包含有利于分析的關鍵字段。
表2 相關事實表
結合汽配企業銷售決策分析的需求以及企業未來營銷業務的發展，汽配件商業智能數據倉庫中維度主要包括以下幾個：產品維度、時間維度、客戶及銷售職工4個維度。
劃分主題的目的是為了確保數據分析不同角度，即每個主題代表一種分析類型，另一方面，各個主題在邏輯上還是相互關聯。這里，將每個主題設計成一個維度。
4 主汽配企業智能銷售決策的實現
實現該方案的開發平臺為Visual studio環境，各主要模塊對應開發工具如下：
(1)數據倉庫(Microsoft SQL Server 2005)。構建數據倉庫存儲、管理環境，利用數據庫引擎可控制訪問權限并快速處理事務。
(2)OLAP服務器(Microsoft SQL Server Analysis Services)。構建多維數據集，分析服務允許創建并管理其
中從汽配企業其他數據源(例如關系數據庫)聚合而來的數據的多維結構，從而提供OLAP支持。
(3)數據挖掘預測(Microsoft SQL Server Analysis Services)。外接時序算法程序包(VB.NET)實現銷售預測。
4.1 多維數據集的建立
OLAP系統為了及時獲得并管理大量信息，就要克服數據量龐大和迅速找到數據存儲位置等困難。需要考慮很多因素如數據重復性、磁盤空間有效利用空間及不同OLAP產品的性能以及與數據倉庫整合程度。
對銷售狀況進行多維把握，要考慮銷售額相關因素來設計銷售訂單：①該年內某貨品兩個連續的季度銷售情況有何變化；②該年某類特定產品的銷售情況如何；③同類的貨品哪類產品銷售量大；④單個銷售員的工作業績如何；⑤哪些產品目前一段時間內購買量大；⑥針對某類產品，部門銷售員工的銷售量是多少。
4.2 OLAP服務器實現多維銷售分析
要準確掌握汽配企業歷史銷售業績，包括產品銷量、產品利潤等，企業高層管理希望從多角度進行分析，例如從時間角度看銷售額是否增加，同一時間段不同客戶的銷量又是怎樣，那就需要基于上述面向企業銷售主題的數據倉庫上利用OLAP服務器建立多維數據立方，為多角度分析服務做好準備。
實現多維數據有多種方案，本文利用Analysis Services(簡稱AS)構建OLAP服務器，數據源連接的是上述汽配企業銷售主題數據倉庫：
Provider=SQLNCLI. 1；DataSource=dq-45ba7a92838e；Integrated Security=SSPI；Initial Catalog＝FM-DB
基于此建立的汽配銷售多維數據集擁有4個維度，分別是：產品維度、客戶維度、時間維度、業務人員維度。多維數據集建立好以后，就可以選擇不同的維度對度量值進行分析，圖4是從時間維度、客戶維度分析出的產品利潤報表示意圖。
圖4 前端銷售多維數據分析
以上OLAP分析報表是從時間維度考慮，分別列示出了2008年、2009年和2010年(向下鉆取出各個季度)，針對銷往3個客戶的3種汽車配件產品：后擱物板、儀表臺隔板、阻尼墊對應的銷量及利潤數據報表。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：數據挖掘在銷售決策中的應用
本文網址：http://www.guhuozai8.cn/html/consultation/1081946801.html
相關文章
