物流运行的过程中经常会积累大量的数据，其中包括客户需求数据、物流过程数据、货物变化数据等，由于这些数据不是存储于一个物流组织中，如何对数据进行整合和分析是目前物流管理过程中的一个难题．商务智能技术本身就是需要从大量的数据中提取有效信息，清洗整合后进行分析和加工，形成知识并发布给各种类型的用户。
1 商业智能与物流信息化的关系
商务智能是以一种专门的技术手段对企业经营过程中信息流的处理，并完成从数据转换成为信息，从信息提炼和总结成为知识的过程。因此对应需求，商务智能的体系结构一般需要数据集成技术以收集和整理数据确保数据的完备性和正确性，同时需要信息分析技术在海量的业务数据中进行结构性分析和关联性的发现，最后还需要知识展示技术，良好用户体验的方式提供分析应用。 信息化是实现物流现代化的基本条件之一，能使物流作业反应敏捷，提高流通效率和供应链整体效益．物流信息化在基础阶段表现为，进行物流业务处理，并完成信息收集和记录。 而在实施方面注重信息技术的利用和信息收集处理。最新的信息技术已经不仅仅是执行业务和产生并记录数据的工具，通过商务智能技术可以让信息产生自己的价值，物流信息化必将融合商务智能技术。 商务智能通过对数据的采集、整理、清洗、挖掘、分析，提升物流服务质量，为物流企业及其客户提供各种信息应用，以便提高企业的决策能力，加快决策速度，确保决策准确性; 为物流链上的的用户提供信息，共同分享销售、库存等商业数据，共同进行品类分析和管理，提升物流的服务水平。
2 商业智能在物流决策分析中的作用
物流信息贯穿商品运输、交易过程的始终，记录整个商务活动流程，来自于大量交易和业务操作数据，具有信息量大、分布广、动态性强，变化速度快、数据结构复杂、存储形式多样化等特点。 只有每个环节有效地联系起来才能提供决策活动所必须的完整、可靠的信息，如运输工具的选择、运输路线的确定、每次运送批量的确定、在途货物的跟踪、仓库的有效利用、最佳库存数量的确定、库存时间的确定、订单管理、如何提高顾客服务水平等。企业决策者如何在第一时间里就能获取所需要的信息，并及时做出决策，是企业制胜的关键。 企业拥有的信息越多，分析能力越强，速度越快，则投资回报将会更高。商务智能在物流企业管理和决策支持中的作用体现在以下几个方面:
2.1 智能仓储系统
(1) 集成出、入库信息，货位信息和保管信息构成数据仓库，为数据分析模型和挖掘提供数据基础。智能仓储管理系统和传统仓储管理系统最大的区别在于完成业务处理后，数据将同时记录到业务处理系统和数据仓库中，从而有助于从业务数据中发现深层次的信息和知识，使得物流作业本身快速反应需求，降低交易成本和作业成本;
(2) 建立基于跨企业的分析指标体系，构建物流作业评价体系，帮助物流作业因订单而运作，转移到因效率而运作，根据区域、品种、运输设备等多维度考虑达到多企业协同共同完成物流作业;
(3) 提供随需而变的运算能力． 传统信息化重视业务处理的灵活性、业务扩展的能力，系统和数据的结构是为了完成业务而设计． 随着业务的发展，类似交货及时率这类指标的数据计算逻辑需要不断调整:
公式 1: 交货及时率 = 及时足额交货订单数量/全部订单总数量 ×100%
公式 2: 交货及时率( 按金额) = 及时出库金额/该时间内应该出库的订单产品总金额 ×100%
公式 3: 交货及时率( 按数量) = 及时出库数量/该时间内应该出库的订单产品总数量 ×100%
首先运算的结果要么是 0，要么是 1，这个阶段对物流企业效率的评价虽然有限，但在信息化开始阶段数据不够充分可能只能使用相对简单而粗暴的计算逻辑进行计算，无法反应部分及时交货的情况． 随着数据的不断增加，供应链的绩效不但需要从配送可靠性、反应速度上反映，而且从交货数量、时间上反映交货柔性。如果由业务系统进行处理，需要进行系统的变更等更加复杂的一系列功能才能完成调整，而商务智能正是为不断变化的数据要求而设计的，通过友好的分析指标和分析数据定义功能，根据指标的要求和分析数据的明细程度，仅依靠业务人员就能够进行指标运算逻辑的调整。
2.2 采购分析应用
采购是物流活动的重要环节之一，全面准确的采购分析对制定下一步采购决策至关重要． 那么如何在众多的供应商中选择适合自己的企业，有效控制采购产品的质量，评价采购业务的绩效就成为我们经常需要面对的问题。
以采购相关指标为依据制定采购策略可以把握供应商、产品质量、采购业务员绩效等方面的问题，通过时间、品种、供应商、交货质量这四个维度创建采购价格数据主题，可以进行价格波动规律分析、供应商信用评价分析、交货及时率分析。 通过对采购价格的数据分析，分析价格波动规律，以及寻找出可能的商机; 通过对采购商进行供应信用等级分析，从交付日期、质量、数据和价格等方面评估供应商的表现． 通过物品延迟交货情况进行分析，对可能影响整个供应链的因素进行抑制。以免造成更大的损害。 通过对从某供应商采购量和采购金额分析，以便得知该采购商可能的生产规模以及产品需要情况，更好地为其服务。通过对某种物料下一时期需求分析，利用智能系统，挖掘出物料一直以来的采购情况，找出规律，进行预测。 通过采购成本差异分析，找出其中的原因，是因为质量问题，还是因为交通运输等问题造成的成本差异。 还可以对采购员进行日常和综合的绩效评价。
2.3 库存管理分析
为保证企业及时供应而存在的库存，在物流的任何环节都需要严格控制。 物流的库存分析不但包括单个企业的库存，还应该将分析延伸到整个供应链条上，才能够降低整个产业链条的成本。因此需要从物流的商业智能系统中确定物料的级次、类别、单件，以便在不同的环节中加以区分，利用商务智能的数据跟踪技术进行联机分析，完成供需平衡运算，进行采购及供应的预测，并改善计划。 同时通过 RDIF( 射频识别，俗称电子标签) 技术和 GPS( 全球卫星定位系统) 技术的结合应用提供货物预期到达的信息，预先进行准备工作。
2.4 运力分析
运输起着连接物流生产地与消费地之间空间距离的作用，运输在物流中通常占有大量成本，并且由于其难以控制性，而带来了不小的风险，如何更好地改善运输状况，是物流企业中考虑最多的事情，将商务智能运用于运输领域，可以起到不小成果: 如建立智能交通系统，通过 GPS 与 GIS( 地理信息系统) 等先进的通信定位技术，对整个运输状况进行跟踪处理，防止车辆的中途无效状况。并且 GPS 通信导航，可以为车辆提供及时的路面信息与道路状况，为其选择最佳路线与实时导航。
3 商业智能在物流管理运作中的总体规划
3.1 信息展现平台
建立统一的物流信息展现平台，通过统一物流平台进行各种物流信息的发布、存储以及展现的管理;通过统一物流平台进行流通过程和货物信息的发布，管理者可以自定义信息看板，实现计划、监控和分析等不同风格类型的管理看板; 通过统一平台进行授权管理，不同角色只能通过平台查看自己权限范内的数据。
3.2 数据整合及管理平台
建立统一的数据整合及管理平台，通过建立 ETL 平台，实现各物流组织各类数据源数据的有机整合;建立数据仓库，数据仓库以不同的粒度存储了来源业务系统的长期的稳定的历史数据。
3.3 主数据规范
建立统一的主数据规范，针对物流公司多业态、多管理层级，建立一套完整、统一、规范的数据维度分析口径。为各种分析应用提供单一的、整合的数据基础，保证公司不同 SBU、不同利润中心从不同的视角都可以使用统一的数据实现各自的分析需求。
3.4 融合商务智能的物流系统功能
3.4.1 物流作业管理子系统 通过实施高效、便捷的物流操作管理，对人、车、货、库、路有效的全程管控．主要功能包括: 订单管理: 包括订单录入、订单合并、订单接受和订单优化( 含多式联运) 等功能． 运输资源管理: 包括车队管理、车辆管理和司机信息维护等功能． 运单付运管理: 包括运单招标、运单承运、运输调度、状态跟踪、过程警报等功能． 运输合同管理: 包括线路定义、运输方式定义、附加服务定义、服务质量保障等功能． 费用结算管理: 包括运费计算、运费确认、付款管理、发票管理和帐期维护等功能． 报表管理: 包括按线路报告、按车队报告、运费信息和执行效率分析等功能。
3.4.2 供应链协同服务 包括了合作伙伴管理、传输服务、数据转换、路由服务、安全服务、报文监控、事件预警、审计报告、扩展服务、报文验证、行业标准支持、系统管理等基础服务． 供应链协同服务是通过商务智能技术实现，帮助供应链上下游企业实现数据共享和服务协同的重要功能模块。
3.4.3 在途追溯子系统 基础模块的建设保障物流信息化领域所需的业务功能，为平台的正常运转和在供应链条上发挥作用还需要一系列功能统一监控在途情况。 可视化看板: 包括全局警报、运单跟踪和 KPI指标等功能。KPI 指标: 包括运送及时率、货物数量准确率、响应速度、运费比较等功能． 物流监控: 包括单据全程监控、警报管理、库存状态管理、扣款管理等功能。
3.4.4 运力匹配子系统 满足车找货、货找车的运力匹配需求，减少车回程的空载率，降低货物的物流成本，同时通过平台的担保与政府的监督，最大程度地保证了交易双方的私密性与安全性。 物流撮合实现运力搜索、物流撮合、运力指数等功能; 零担拼货实现货主门户、承运商门户、拼货中心管理、数据整合等功能; 在线物流集市实现货主模块、承运商模块、评价及反馈等功能。
4 物流管理中商务智能的系统架构
4.1 商务智能的体系架构
商务智能的体系包括三个部分: ( 1) 数据集成技术。可以细分为两个领域: ETL 过程和数据建模。( 2)信息分析技术． 即运用分析模型和数据展现的手段，对数据仓库中的数据进行分析． 信息分析包括数据结构性分析、时间预测性分析和数据关联性分析。 结构性分析是指利用多维分析等技术对历史数据进行汇总、组合，并根据不同的维度进行经营成果数据的分析． 预测性分析是指从大量、完全、无序、模糊、随机数据中识别并预测未来的信息，这些信息可能没有数据组织结构，但却以一定程度的准确性预测未来; 关联性分析是旨在根据数据的相关性和数据出现的频率分析，对经营过程的现象进行总结和提炼，并提出数据上的因果关系。( 3) 知识展示技术． 是指对信息分析的结果进行展示和解释，以便更好地服务企业中各种知识背景、各种管理需要的分析决策者。 用户可以使用查询、报表以及多维数据集，来完成分析和报告，并把他们展现在屏幕上; 多维数据集可以帮助用户以灵活的组合纬度，对数据从多角度和大范围进行汇总，从而对企业的运营状况进行多视角的观察和分析。 但是对深度分析的结果往往要进行高级解释，这包括如何利用分析模型、分析方式表示知识、解释知识。
4.2 基于商务智能的物流信息化架构
基于商务智能的物流信息化包括三个组成部分: (1) 数据源层，包括物流链条上的各企业的数据及所属行业数据，这些数据包括各企业内部管理系统数据、行业网站数据、各企业发布的公共数据(比如招投标等) ; (2) 数据处理和分析，通过数据处理形成统一的数据仓库，从而形成主题分析数据集市，数据处理包括抽取、转换、装载，把分散在物流链上各企业的不同介质的数据集中到数据仓库中。基于数据仓库创建五大主题( KPI 分析、采购分析、客户分析、财务分析、竞争分析) 分析数据集市; (3) 报表和分析展现，基于主题分析数据集市，利用报表、仪表板、多维分析、智能报告等商业分析工具把分析成果展现到用户的终端。
4.3 商务智能的物流信息化数据仓库架构
为保证数据处理过程的效率和可追溯性，将数据仓库中的数据分层存储． 根据实际情况使用不同层次的数据．
ODS 层( 小步快跑层) : 作为增量的数据缓冲层，收集来自各个系统数据源的数据，存储到数据仓库数据表中，通过业务系统的数据记录时间戳，每次 ETL 抽取时，设定抽取的时间窗范围，时间戳在范围内的数据将被抽取到 ODS 层，通过增量数据甄别，减少数据处理量，提高 ETL 效率． 从数据结构上看保留业务系统表字段，去除外键索引，非空约束，并添加数据源标识字段，以区分来自不同服务器、不同业务系统的接口数据。
DWT 层( 适应业务系统层) : 作为全量的企业明细数据层，基于企业上游系统数据结构存储。继承 ODS层结构，并添加代理键( PK_ID) ，数据有效开始时间( STAＲT_DT) ，有效结束时间( END_DT) ，是否有效( IS_ACT) ，数据版本( VEＲSN) 等字段，以保证业务系统的历史变化数据能够保存并加以版本管理，并进一步结合企业经营期间上下文进行查询和挖掘分析。
DW 层( 分析层) : 作为企业领域数据层，遵循 3NF 规则建表，星型模型建模，存储基于业务主题的明细数据。 此层数据表名以 DW 为前缀。 采用通用数据模型，建立标准的基于业务的明细数据，为各种分析类应用提供细节性数据支持，是数据仓库的核心，同时为未来需求的扩展提供数据支持。 本层数据由 DWT 层数据集成，业务实体数据粒度和业务数据一致。
根据 DW 层表的属性可以分为: 分析档案维度表和业务事实表遵循统一维度建模思想，通过用户交互配置，建立 ERP 原始维度档案与分析维度档案的映射关系，实现数据仓库里维度的统一、分析角度的统一。
树形目录存储，目录对应分类，节点对应维度，通过统一级次编码规则，实现维度的层级管理。 设有分析档案管理表，保存所有档案表的信息。 例如: 建立统一的公司分析档案维度表 DW_FA_DIM_CORP，通过前端工具，完成与业务系统的公司原始档案 DWTNC_FA_DIM_CORPYEAR 的映射。
通过以上分析可以看出，通过商务智能，使企业获得了高质量有意义的信息，企业可以更加深入了解自身的内部经营状况，寻找到更多潜在的机会和问题; 它把顾客数据转换成个性化的智能来增加顾客满意度和忠诚度，提高“高价值用户的”收益性; 为决策者改善物流运作能力提供有力支撑，提升了企业物流服务水平，提高企业内部运作效率和竞争优势方面． 现代物流的进一步发展需要将商务智能这个新技术无缝连结到物流管理和决策中，达到进一步整合物流各环节，提升整个物流供应链的运作效率和效益的目的。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：论商业智能在物流信息化管理中的应用
相关文章
