0 引言
目前在我国，汽配零件的营销是整个汽车服务后市场的一个非常重要的环境，很多企业制造厂家和4S店都关注这块的发展，在这个环境中大约有三类中间经销商，一类是集中在北京、上海、广东的实力较强的批发商；一类是集中在汽配城或4S店的汽配经销商；另外一类是中小规模的经销商，它们数量庞大。这三类中间经销商贯穿着整个企业产业的维修和配件服务业，它们之间的竞争非常大，利润空间也越来越小。如何利用现代信息技术和科学手段准确把握汽配零部件市场供求关系，保证其供应链的有效运作，对汽车销售企业有针对性地制定营销策略，对提高企业竞争能力、最大化地提高企业的营销产品和增加企业的效益具有重要意义。商业智能(Business Intelligence，简称BI)有效地利用企业大量的历史数据，并进行分析与决策，使这种需求变成了可能。
1 汽配企业销售决策需求
(1)建立一个集成、高效且灵活的数据分析平台，使得有关企业销售的各种重要信息得以集成汇总，并且可以从多角度多维度分析销售状况以高效灵活的展现形式来提供给公司高层管理人员。使得他们能够利用自身丰富的销售管理经验对公司当前的销售状况获得相对真实、及时、全面的理解和掌控。
(2)基于此数据分析平台，利用相关重要销售数据集成，利用数据挖掘技术对未来销售状况进行预测(如预测销售总量、预测销售总额、预测销售利润)，使得在销售状况相对于公司高层计划和市场规律产生偏离时。能及时引起相关人员的注意。该汽配企业销售决策需求如图1所示。
(3)基于此数据分析平台，对销售状况更好地把握和监督的同时，制定出一些重要督促指标(比如销售人员业绩指标、销售利润客户比等指标)，对销售部员工进行公正的绩效考核、客户等级评定，促使营销工作日后开展更为顺利。
图1 汽配企业销售决策需求
2 汽配企业智能销售决策方案整体规划
设计该汽配制造公司智能销售决策方案需要完成以下工作内容：与该公司相关人员通过座谈访问等形式充分了解其业务应用需求、对整个决策方案进行技术匹配，搜集相关数据信息，构建数据仓库，处理层OLAP多维分析实现，最后是前端展现。方案体系结构设计要完成如下几个工作：
(1)在构建数据仓库之前要获取相关数据源，数据要涵盖该汽配企业ERP内部业务数据和外部资料信息。外部信息可以是为了方案需求抽取的各类市场情报或外部统计资料。单位业务系统如ERP系统或OA(办公自动化)系统后台数据库存储的数据可作为内部信息来源。
(2)通过构架数据仓库来对数据源中数据信息进行有效集成，为的是能规范化存储与管理，并按照特定需求对数据进行重新组织，主题的确定决定概念模型的设计，根据业务实际需求构建逻辑模型来对数据信息重新部署，最后是确认该数据仓库的物理存储结构，使得存储在数据仓库中的元数据(比如数据转换规则、数据加载频率等信息能合理组织。其中，数据仓库的维护管理包括对数据的备份恢复等工作。
(3)数据处理层中，存放于RDBMS中的与决策分析相关联数据，通过0LAP服务器对分析决策相关联数据进行多维模型再重组，目的是个性化实现不同用户需求，从多角度、多层次整体分析销售现状，数据挖掘技术的应用能对企业未来销售业绩趋势作出预测，前端工具与应用前端工具包括数据分析工具、报表工具等。
经过多次迭代分析，该汽配制造企业智能销售决策系统整体架构如图2所示。
图2 智能销售决策方案整体规划
3 数据仓库设计
数据仓库开发过程中，开发人员与决策分析员的相互配合很重要。构建数据仓库要综合考虑多个因素，如数据如何转载、数据存取策略、后期如何维护等。其实现步骤包括：建立概念模型设计(其中包括界定系统边界、确定主题区域)，做好相关的技术准备(如ETL处理)，逻辑模型设计(构架模型选择、粒度层次划分等)，物理模型设计(确定存储结构、索引结构等)，完成数据仓库设计。
3.1 数据源处理
在本文汽配件销售商业智能项目中，根据客户需求，建立数据仓库所采用的数据源主要来自以下两个方面。
(1)内部数据主要来自公司Sunlike ERP 9.0，其7年的实际业务数据已达400G。产品已实施模块主要包含：财务管理、物流管理(包括采购、销售、库存)等，系统结构庞大，各模块内部关系较复杂。
(2)外部数据主要涉及行情情报信息分析、外部网络调研数据、客户意见反馈文档资料、市政部门相关政策法规、后期增补的手工报表等。
由于该公司所实施ERP系统内部结构庞大且功能复杂，数据存储量大，表之间的关联性不大，查询约束功能不规范，在该ERP系统上线使用过程中，后期维护工作不够充分，诸如IT信息资源没有进行合理配置、功能需求没有及时更新等导致文档资源欠缺。元数据如果不完整，会加大后期对内部数据分析的难度，也就无法准确提取有价值信息。经过与ERP系统化管理员的多次交流后，根据项目需求找到相关的15个关键表和视图，如表1所示。
表1 抽取的关键表及功能
3.2 逻辑模型设计
销售多维数据集的维度包含：货品维度(编号、大类)，客户维度(编号、姓名、地域等属性)；时间维度、员工维度(编号、姓名、所属部门)，其中把销量、销售额作为度量值。
汽配企业销售多维数据集的雪花型模型如图3所示。
图3 数据仓库雪花逻辑模型
(1)确定事实表。汽配智能销售决策分析中最关注的问题之一是销售的订单，因此将销售订单信息作为事实表，决策人员分析销售业绩时，根据决策人员对订单关注的具体需求，订单主题下设为物理事实表。事实表如表2所示。
(2)确立维的层次关系。可以把维度表看做是用户进行数据分析的窗口，其中涵盖了提供描述事实表记录特性的信息。有些特性可作为汇总事实表方式的一种借鉴，为后期进行数据分析打好基础。多维数据集中的维度可以由特定的包含在维度表中层次结构组成，设计维度表时，为了有效过滤与分析关联性不大的数据，应当尽可能包含有利于分析的关键字段。
表2 相关事实表
结合汽配企业销售决策分析的需求以及企业未来营销业务的发展，汽配件商业智能数据仓库中维度主要包括以下几个：产品维度、时间维度、客户及销售职工4个维度。
划分主题的目的是为了确保数据分析不同角度，即每个主题代表一种分析类型，另一方面，各个主题在逻辑上还是相互关联。这里，将每个主题设计成一个维度。
4 主汽配企业智能销售决策的实现
实现该方案的开发平台为Visual studio环境，各主要模块对应开发工具如下：
(1)数据仓库(Microsoft SQL Server 2005)。构建数据仓库存储、管理环境，利用数据库引擎可控制访问权限并快速处理事务。
(2)OLAP服务器(Microsoft SQL Server Analysis Services)。构建多维数据集，分析服务允许创建并管理其
中从汽配企业其他数据源(例如关系数据库)聚合而来的数据的多维结构，从而提供OLAP支持。
(3)数据挖掘预测(Microsoft SQL Server Analysis Services)。外接时序算法程序包(VB.NET)实现销售预测。
4.1 多维数据集的建立
OLAP系统为了及时获得并管理大量信息，就要克服数据量庞大和迅速找到数据存储位置等困难。需要考虑很多因素如数据重复性、磁盘空间有效利用空间及不同OLAP产品的性能以及与数据仓库整合程度。
对销售状况进行多维把握，要考虑销售额相关因素来设计销售订单：①该年内某货品两个连续的季度销售情况有何变化；②该年某类特定产品的销售情况如何；③同类的货品哪类产品销售量大；④单个销售员的工作业绩如何；⑤哪些产品目前一段时间内购买量大；⑥针对某类产品，部门销售员工的销售量是多少。
4.2 OLAP服务器实现多维销售分析
要准确掌握汽配企业历史销售业绩，包括产品销量、产品利润等，企业高层管理希望从多角度进行分析，例如从时间角度看销售额是否增加，同一时间段不同客户的销量又是怎样，那就需要基于上述面向企业销售主题的数据仓库上利用OLAP服务器建立多维数据立方，为多角度分析服务做好准备。
实现多维数据有多种方案，本文利用Analysis Services(简称AS)构建OLAP服务器，数据源连接的是上述汽配企业销售主题数据仓库：
Provider=SQLNCLI. 1；DataSource=dq-45ba7a92838e；Integrated Security=SSPI；Initial Catalog＝FM-DB
基于此建立的汽配销售多维数据集拥有4个维度，分别是：产品维度、客户维度、时间维度、业务人员维度。多维数据集建立好以后，就可以选择不同的维度对度量值进行分析，图4是从时间维度、客户维度分析出的产品利润报表示意图。
图4 前端销售多维数据分析
以上OLAP分析报表是从时间维度考虑，分别列示出了2008年、2009年和2010年(向下钻取出各个季度)，针对销往3个客户的3种汽车配件产品：后搁物板、仪表台隔板、阻尼垫对应的销量及利润数据报表。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：数据挖掘在销售决策中的应用
本文网址：http://www.toberp.com/html/consultation/1081946801.html
相关文章
