close
当前位置: 物联网在线 > IT技术 > 商业智能 >

零售行业需借商务智能提高综合竞争力

概论:目前我国零售业现状

    目前,零售市场竞争越来越激烈,以往单纯的价格战争已经无法满足企业生存和发展的需求,商业竞争已经从简单的价格竞争演变成为产品质量竞争、效率竞争、服务竞争等更为理性的竞争。

零售行业需借商务智能提高综合竞争力

2000-2010年我国零售业总额统计及预测

    我国的零售业在最近10年迅速成长,但是,成长过程中的迅速扩张与企业自身能力出现种种矛盾,局部地区市场呈现出如下发展趋势:地区市场空间饱和,各类外资零售企业长驱直入,企业经营日趋同质化,赢利模式较为单一等。

    零售企业如今需要提高自身的核心竞争力,企业对外需要以并购及自建店面的形式达到规模化发展,对内则需要通过IT信息化建设增加自身的抗风险能力及减少各类运营开支,对市场变动做出最快反应。如今,将IT与零售业相结合,用IT去做零售业已经成为大型连锁零售企业的重要经营理念之一。

    而用IT去做零售业核心对企业业务进行经营分析,所谓的经验分析则是需要广泛的收集各类信息,并在此基础上,运用各类定量及定性的分析算法,以了解企业自身的各类信息,消费者的行为特征,对未来业务的预测。如果企业信息化程度较低,则对各类数据进行分析存在一定的困难,因此,这就诞生了 商务智能。

    目前,在国外,商务智能已经作为最常规的经营辅助工具被有效的运用在各类零售业中,而这项技术,正逐步被各类零售行业所接受。

    商务智能的定义可以说非常复杂,有人认为它是高级管理人员信息系统(EIS),有人认为它是管理信息系统(MIS),有人认为它是决策支持系统(DSS); 有人说它是数据库技术,有人说它是 数据仓库,有人说它是数据集市,有人说它是数据整合与清洗工具,有人说它是查询和报告工具,有人说它是在线分析处理工具,有人说它是 数据挖掘,有人说它是统计分析;有人把它当作分析性 ERP, 有人把它当作分析性 CRM, 有人把它当作分析性 SCM, 有人把它当作企业绩效管理,有人把它当作平衡记分卡……

零售行业需借商务智能提高综合竞争力

商务智能体系结构

    “商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息,创造和累计商务知识和见解,改善商务决策水平,采取有效的商务行动,完善各种商务流程,提升各方面商务绩效,增强综合竞争力的智慧和能力。”

    商务智能是对企业有关的所有内外部数据收集、汇总、过滤、分析、传递、综合利用,这些数据可直观显示分析者所要探询的某种经营属性或市场规律。BI是运用了数据仓库、在线分析和数据挖掘技术来处理和分析数据的技术。

    目前,成熟的商务智能软件不但可以动态的数据流的方式展现数据外,还可以通过图形、图表的形式展现,并能对图形进行拉伸,分块,透支等操作处理,并可对数据进行跟踪分析。

    商务智能还能设定一个边界条件进行挖掘工作,对数据库进行更深层次的挖掘,方便企业从杂乱无章的数据中找出内在的联系,沃尔玛著名的啤酒与尿布的故事就是这样产生的。

    商业智能解其实就是庞大的数据仓库及数据挖掘技术为核心,下面,我们就从这两个方面来看下商业智能如何实施。

数据仓库的实施
  
    数据仓库将企业内多个业务系统数据进行集中管理,并能对企业内各个不同部门、分支机构提供分析应用功能,数据仓库的实施尤为重要,需要有详细的规划和设计工作。通常和软件开发的原则相同,即先进行需求分析的撰写,然后,在需求分析的指导下,分阶段实施,因为数据仓库是个非常复杂的数据库的集合体,在实施过程中,应逐步提高决策分析能力。实施阶段大致可以分成以下几点:

零售行业需借商务智能提高综合竞争力

    1.需求分析的制作

    因为多数企业原先已有部分信息化系统,因此,需求分析内容将包含企业信息化系统的现状,包括已有的平台架构,以及需要改造的平台架构、应用功能、用户权限等。其次,还要收集各用户的具体需求,对需求进行整理,以方便第二阶段的数据模型的设计。

    2.数据模型及相关应用功能的设计

  数据模型设计同样也是数据仓库建设的重要工作之一。数据模型类似于仓储中的货架,它规划和管理着数据仓库中的数据。因此,设计完整和规范的数据模型,可保证数据仓库中数据的可用性和有效性。

    在数据模型的设计过程中,应充分考虑在需求分析阶段收集的用户的详细需求,以更好的辅助用户进行各类管理决策。

  3、数据仓库的实施及应用开发

    根据前期的数据模型及应用设计规划,完成各类报表、查询、分析等功能,实现数据的抽取及转换功能。

    在商务智能应用过程中,会有非常多的数据源涌入数据仓库,这时候,就必须做好数据的清洗工作,需要对数据源进行大量分析,主要的分析包括数据库分析、数据挖掘等,包括统计数据分布,如均值、方差、分位数等,以及通过折线图、频率分布等形式来审核业务属性的分布状况等。

  4、系统的测试及验收

    软件工程的最后一步,便是系统的测试及验收阶段,包括所有的功能是否被实现,最大并发用户数、查询响应时间、数据处理是否正确等,数据的正确性验证也是测试阶段非常重要的一项工作。

 


you might also like

  • 关于移动互联网产品的指标分析初探
  • 进行数据挖掘的8个最佳开源工具
  • 2017 Gartner数据科学魔力象限出炉,16位上榜公司花落谁家?
  • 一个资深数据人对数据挖掘解读
  • 数据科学的基本内容
  • 自助分析工具将终结商业智能(BI)吗?
  • 想从事大数据、海量数据处理相关的工作,如何自学打基础?
  • 追踪 | 获投5千万 他为华为拆解数据联系 自然语言绘用户画像定制内容
  • 我们找了 4 家大数据公司技术 Leader,聊了聊算法和数据挖掘工程师的机会和选择
  • SVM算法

  • (责任编辑:ioter)