1 引言
近几年，我国工程机械行业发展迅猛，产销量屡创新高。在这一过程中，企业间产品的差异逐步减小，高质量的客户服务成为企业竞争的优势，整个工程机械行业正在由“以产品为中心”逐步向“以客户为中心”转变。国外许多工程机械营销企业已经引入了客户关系管理(Customer Relationship Management，CRM)系统来协助管理客户信息。在大环境的影响下，国内工程机械企业也纷纷加大了对客户关系管理信息化建设的投入和重视。
在工程机械营销领域实施CRM有以下意义：提升销售业绩；提升营销管理水平；提升客户服务水平；提升产品竞争力；提升企业渠道管理水平；提升企业风险防范能力；提升企业形象等。
在客户关系管理中，如何在众多信息来源中发掘潜在客户，并抓住客户，同时与以前的客户又如何保持发展？如何分析更倾向于购买某些类型车辆的客户特征？这就需要使用有效的工具和分析技术，将这些隐藏在大量数据中的潜在信息和知识进行充分的挖掘和利用，从而提高企业CRM的运行效率。基于商业智能技术的CRM系统为解决这一问题提供了方案，它从企业不同的源系统中提取出有用的数据并进行清理，然后经过抽取(Extraction)、转换(Transformation)和装载(Load)。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、数据挖掘工具、联机在线分析(On Line Analytical Processing，OLAP)工具等，进行分析和处理。这时，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。
通过上述内容可以看出，数据仓库是商业智能的基础，实质上来讲，数据仓库就是面向主题的、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。因此，数据仓库建模的好坏，对于能否为多维分析和数据挖掘等分析工具提供所需要的、整齐一致的数据起着决定性的作用。
本研究以工程机械出口行业为背景，对面向客户价值分析主题的数据仓库建模进行研究，为该行业客户关系管理系统的研究开发提供一定的理论指导。
2 商业智能数据仓库的构成
商业智能领域对数据仓库的共识是，数据仓库维度模型是提供信息给用户的首选结构。维度模型是由一个中心事实表(或者多个事实表)和与其相关的维度构成的。事实表位于中心，而所有维度表环绕在其周围，类似于星形结构。从关系数据库建模的角度看，维度模型是由一个规范化的事实表和反规范化的一些维度表组成的。
2.1 事实表
每个事实表都包括与特定业务主题相关的度量，事实表中的一条记录代表一个度量，一个度量事件也总是产生一条事实表记录。事实表中的键由业务主题中涉及到的每个维度表的外键子集组成。其中，事实表包含信息的详细程度称为粒度。在设计事实表的时候，通常以原始数据来源中可能的最低细节级别进行设计——通常称为原子级别。原子事实表中提供完整的灵活性，以便数据累积跨越到任何维度所需的任何摘要级别。
2.2 维度表
在数据仓库维度模型中，维度表用来描述业务的对象，如雇员、订单、顾客等。它体现了数据仓库的维度概念，维度通过数据仓库中的维度表实现，每个维度表联系着所有参与其中的业务过程。
3 客户关系管理数据仓库维度建模的过程
构建维度模型是一个具有很高的重复性和动态性的过程，需经过一系列的步骤。图1所示为维度建模过程的流程图。建模过程为位于左边的部分，从上到下浏览。每个过程的输入和可交付物位于右边。
图1 维度模型建模过程
3.1 建模准备阶段
对数据仓库维度建模过程来说，准备工作包括：确定维度建模过程的角色和参与者；决定数据体系结构策略；评审需求文档；设置建模环境；以及确定命名规定等。
在数据建模过程中，建模人员需要深入挖掘源系统数据的底层知识，熟悉源系统数据的结构、内容、关系以及派生规则；此外还需要验证数据的异常性，确定这些数据处于可用状态或者其缺陷易于管理；还需要了解采取何种方式将数据转换成维度模型形式。
3.2 高级维度模型设计阶段
高级维度模型设计阶段要在维度模型的基本结构和内容方面建立坚实的基础。创建高级维度模型分为4个步骤：选择业务主题；申明粒度；选择维度；标明事实。
3.2.1 步骤一：选择业务主题
在这4个建模步骤中，首先要做的是选择建模的业务主题。选择建模业务主题的过程是一个业务决策的过程。并且通常发生在收集高级业务需求和综合得出分析主题之后。该过程的目标是确定主题的优先级，并且选出最高优先级的业务过程。本研究确定的业务主题为依托工程机械出口行业，进行面向客户(该客户为广义客户概念，包括最终客户、代理商和企业员工)价值的产品销售分析，主要围绕以下几方面：最终客户贡献价值的等级划分、代理商贡献价值的等级划分、业务地区区域销售和地区年度增长的分析、业务部门销售业绩和年度增长的分析、不同业务类型的销售对比分析、不同型号工程机械的产品销售业绩分析。
3.2.2 步骤二：申明粒度
创建高级维度模型的第二步是决定粒度，即事实数据的详细程度。选择的粒度需要满足客户关系管理系统商业智能分析的业务需求，并且基于源系统收集的数据进行选择。围绕第一步确定的业务主题，结合源系统数据，选择定义维度模型的粒度为销售合同订单产品记录级别。
3.2.3 步骤三：选择维度
在确定维度模型的粒度后。根据业务主题可以初步确定几个重要的维度。根据源系统数据结构和主题域，该维度模型初步包含以下几个方面的维度：最终客户、代理商、业务部门、地区、产品、业务类别。
3.2.4 步骤四：标识事实
事实通常和声明的粒度直接相关。对许多面向事务的业务过程来说，只有一些基本的事实，如度量业务过程性能的数量和销售额。根据步骤二所确定的数据粒度，本研究中事实表设计的业务度量包括以下方面：产品数量、产品单价、销售总价。
在完成以上4个步骤后，可以初步形成初始高级维度模型，如图2所示。在完成这个高级维度模型后，接下来的任务便是填充属性和层次结构、标识和确认数据源，以及定义名称。
图2 初始高级维度模型
3.3 开发详细维度模型
详细维度模型的开发过程是标识维度和事实表属性的过程。属性列表是业务所需的所有相关属性组成的一组列表，建模最终标识出的维度中，很大一部分属性都来自于源系统。在标识完成维度和事实表的属性后，需要进一步填充维度模型中遗漏的信息以及根据业务需求进行测试。这一过程的实质是逐表、逐列地定义商业智能数据仓库的内容。按照上述操作描述，在初始高级维度模型的基础上，根据确定的业务主题。标识事实表和维度表属性，最终构建出详细的维度模型，如图3所示。
图3 详细维度模型
3.4 评审和确认模型
详细维度模型构建完成后，还需要根据业务需求测试模型。在确认模型足够稳定后，下一个过程便是评审和确定阶段。这一过程涉及与一系列的相关用户一起评审模型。评审和确认模型的过程中，维度模型根据得到的反馈信息进行最后的修正。
经过以上过程建立数据仓库维度模型后，下一步可以使用相应的ETL工具对源系统中的数据进行抽取ETL操作，填充到确认的维度模型中，搭建起符合业务需求的数据仓库，为随后的联机在线分析、数据挖掘等做好准备。
4 结束语
在整个工程机械行业由“以产品为中心”逐步向“以客户为中心”转变的背景下，基于商业智能的客户关系管理系统逐渐成为企业对客户信息进行有效管理的主流工具。它在满足客户个性化需求，提高客户忠诚度和保有率，实现缩短销售周期，扩展市场，全面提升企业的赢利能力和竞争力等方面起着积极的作用。
本文重点对商业智能组成中起底层支撑作用的数据仓库维度模型构建进行了面向客户价值分析主题的研究，对客户关系管理数据仓库维度建模过程的需求分析、高级维度模型设计、详细维度模型开发、维度模型评审和确认每一步进行了相应的规定描述。按照这些规定构建的维度模型能尽可能简洁清晰地向用户展示需要的信息，高效地返回查询结果给用户，提供相关信息以便精确地跟踪潜在的业务过程。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：工程机械出口行业客户关系管理CRM/ERP数据仓库建模研究
本文网址：http://www.toberp.com/html/consultation/1081948540.html
相关文章
