零售行业商务智能解决方案
夏华学
二○○五年三月
内容提要
?国内零售行业IT发展的现状与趋势
?国内零售行业IT发展当前面临的主要问题?商业智能概念
?零售行业商业智能应用的意义和效益?零售行业商业智能主要应用模型?MDDAS（多维数据分析系统）简介?MDDAS技术架构
?MDDAS主要功能介绍
?MDDAS的技术优势和应用案例
国内零售行业IT发展的现状与趋势
总体情况和趋势
根据相关统计资料显示，当前中国零售行业百强企业均不同程度地实施了企业信息管理系统。其中，与零售行业主营业务密切相关的财务管理系统、POS系统、MIS系统、物价管理系统等系统应用较为广泛。CRM、决策支持管理系统等正逐步成为百强企业当前信息化建设的重点和热点。
百强零售企业领导均充分认识到企业信息化建设的重要性，并积极加大对企业信息化建设的投入,逐步扩大企业信息化建设在企业发展投资中所占的比重,但受访企业没有一家对本单位信息化现状表示“非常满意”。
国内零售行业IT发展当前面临的主要问题
业务系统相互独立
现行各业务系统各自独立互不协调；从而导致很多统计口径和统计指标在不同的系统存在各自不同的表达，在统计上极易造成混乱。 统计工作重复、分散
部门间的统计报表有交叉，有些同名统计指标的表达不一致。
并且数据分布在不同的系统中，而业务部门的要求往往是全面的数据统计，致使信息部门疲于奔命，尚不能满足业务部门的统计需要。
无法有效地利用现有数据
一方面，业务部门不能及时掌握第一手业务资料；另一方面，信息部门完善了面向于操作的业务系统，基本满足业务操作的需要，积累了大量的基础业务数据；但由于数据过于零散而且分布在各个独立的系统中，造成虽然有各种各样的数据但不能整和到一起来满足业务管理上的需要。
何为商业智能？
说起商业智能，大家也许会想起啤酒与尿布的例子，其实那是商业智能在商品摆放分
析方面的一个应用案例，那么商业智能是什么?狭义的说,它是能够帮助用户对自身业务经
营做出正确决策的工具。广义的说商业智能是集数据仓库技术、在线分析技术以及数据挖
掘等于一体的经营分析以及决策支持的数据应用体系。
商业智能的技术体系主要有
?数据仓库（DW）
?在线分析处理（OLAP）
?数据挖掘（DM）
数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）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。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。
在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
零售企业上马商业智能系统的条件及意义
企业上商业智能系统的条件：
用户面临激烈的市场竞争
用户的数据积累已达到一定规模用户在IT 方面的资金能得到保障
用户基础业务信息化建设已经完成数据积累面临激烈的市
场竞争
基础业务信息化建设已经完
成
资金
零售企业上马商业智能系统的条件及意义企业上商业智能系统的意义：
整合业务系统，提升企业管理水平
建立企业数据中心，挖掘企业信息价值
建立企业综合查询以及决策支持中心
统一字典
统一口径
统一指标POS系统MIS系统
财务系统其他系统POS系统
MIS系统财务系统
其他系统
商业智能系统建设目标
建立企业数据中心建立企业绩效考核中心建立企业综合查询中心建立企业决策支持中心
数据整合数据应用
商业智能系统所产生的效益
短期效益
系统建设的短期效益就是通过对
商品销售情况
库存情况
采购情况
成本情况
费用情况
等直接关系到企业效益的经营业务数据进行分析，逐步优化产品的结构来提高商品销售金额、合理控制库存降低库存成本、对费用进行分析控制费用以及对现金流进行分析来控制安全的现金流。通过对以上经营情况进行分析来提高销售降低成本以实现提高企业的经营效益和经营效率，增强企业的竞争优势。
商业智能系统所产生的效益
长期效益
系统建设的长期效益主要体现在如下两个方面：
通过对广场的坪效、员工的绩效、部门的计划完成情况、租户的达成率等绩效的考核控制，逐步建立一套完成的企业绩效考核体系，提升企业经营管理水平，增强企业的竞争力。
通过对商品的销售趋势分析、商品结构变化分析以及财
务分析（如：成本分析、现金流分析）建立一套完整的监控预警以及决策支持体系，及时调整企业经营策略，增强企业抗风险能力。
商业智能系统总体架构
商业智能系统应用层次体系
第1层数据源层次
各个部门的业务系统（业务数据与标准数据对照）
第2层数据加工整理层次数据抽取、数据清理、数据加工
第3层数据中心层次数据存储、数据汇总
第5层企业应用层次
面向企业的应用服务（报告、邮件）权限、角色
第4层商业应用层次
数据建模、数据分析、报表生成、数据查询
数据层
企业应用层
商业应用层
商业智能系统建设主要存在的风险
尽管零售业商业智能受到全球零售业的关注，热衷程度也逐渐升高。但是对企业而言，因为涉及的范围及层级甚广，包括信息技术、投资金额、业务流程、资料完整性等，项目的风险性极高。综观国外，仍然不乏有成功案例；反观国内，零售业者对于商业智能的信息技术与解决方案尚属萌芽阶段。零售业商业智能一般包括顾客关系管理、商店经营、商品组合、商品推广、财务分析与电子商务等分析范围。
风险主要因素
信息技术
水平 10%
投资力度
10%
领导重视
程度
10%
信息技术
水平
15%
数据的完
整性
20%
业务系统
规范程度
35%
商业智能系统建设风险控制
在项目实施过程中由于涉及到数据的完整性、应用的重视程度、分析模型的准确性等多方面因素，所以项目存在一定的风险，我们将通过以下手段来控制项目风险：
充分调研，充分了解企业管理以及绩效管理的焦点，
建设能满足分析需求的数据分析模型。
认真了解业务系统，充分把握业务系统数据，提高数
据的准确性和完整性。
企业领导亲自负责，通过企业领导亲自负责来提高系
统的应用重视程度。
商业智能系统主要分析手段及分析方法
分析方法可进行的分析
对比分析同比分析（去年同期）、环比分析（上月同期）、基比分析（与报告期进行比较）、类比分析（同类商品进行对比分析）。
结构分析分析商品大类销售结构、楼层结构、利润贡献主要构成情况、供应商主要构成情况等等，常见的分析主要有饼图分析、帕雷托图（ABC）分析相关分析主要分析商品的相关性，即商品之间的促进关系和竞争关系分析，常见于商品微观分析。
统计分析对商品价格区间和销售区间等分析，主要对商品特征和消费群体的消费习惯进行分析。
趋势分析及预测对商品的销售周期进行分析以及根据以往的销售数据预测未来的销售走势
进度分析主要分析计划完成进度情况
预警监控预警监控商品存货情况以及对租户的达成率等进行监控
零售行业商业智能主要功能模块
PSO 系统MIS 系统财务系统人事系统其他系统
数据字典外部信息
信息应用
(门户、角色、权限)
数据仓库
数据加工
销售模型库存模型价格分析毛利分析客流分析绩效模型经营分析成本分析
应用模型
零售行业商业智能主要数据模型
以商业销售数据为分析对象，分析商业销售情况，商品类型的销售结构、广场
分布结构、供货商销售毛利贡献排行情况、品种毛利贡献情况、销售金额增长趋势、销售毛利增长趋势、销售毛利率变化趋势、主要商品销售趋势、供应商销售金额区间分析、商品品种销售金额区间分析、库区销售规模区间分析等。主要分析超市各项销售指标，例如商品销售数量、商品销售金额、会员卡销售金额、会员卡销售比重、商品累计销售金额、销售金额同比、销售金额同比增加、销售金额同比增长、毛利、毛利同比、商品销售单价、单价同比等
销售分析模型
而分析维又可从管理架构（企业组织）、时间维度、商品属性、经营方式等维
度进行分析。
?类型的销售结构
?广场分布结构销售分析
?供货商销售毛利贡献排行情况?商品品种毛利贡献情况销售金额增长趋势
销售毛利增长趋势
销售毛利率变化趋势
主要商品销售趋势
供应商销售金额区间分析
品种销售金额区间分析
主体品种区间分析
会员卡消费趋势
经营类型结构分析
可进行的分析
零售行业商业智能主要数据模型
分析内容：库存直接反映企业经营状况和资金周转效率，所以对库存进行分析能够有效控制库存、降低经营风险、降低经营成本和提高经营效益。
主要分析各项库存指标，例如商品库存数量、库存对比情况、库存结构情况、库存金额情况、库存变化情况、商品存销比、库存销售天数、库存安全情况、库存盘点情况、库存损耗情况等；分析维度 管理架构（企业组织） 时间维度 商品属性
经营方式
库存分析模型
库存分析
库存变化情况分析
库存与效益情况分析
合理库存区间分析
库存流动与库存量比较分析库存结构情况分析当前库存
健康状况
库存情况与销售情况分析
库存损耗分析
可进行的分析
零售行业商业智能主要数据模型
促销分析模型
分析内容：
促销前进行促销效果预测
促销后进行促销效果分析
指标设计：销售金额、毛利、促销对比期金额、促销对比期毛利。
可进行的分析
促销可行性分析
促销情况分析
促销影响分析（对比）
促销商品的相关商品分析
零售行业商业智能主要数据模型
坪效分析模型
分析内容：以商业销售数据、营业面积为分析对象，分析商业销售情况，广场分布结构、营业绩效情况、营业绩效增长趋势、单位面积销售金额增长趋势、单位面积销售毛利增长趋势、单位面积库区销售规模区间分析等。
指标设计：销售金额、毛利、营业面积、单位面积销售金额、单位面积毛利。
维度设计：
时间维度：年、季度、月。
组织结构维度：部门、楼层
商品属性维度：商品分类、商品大类、商品供应商
经营方式维度：经营类型
单位面积的销售结构
广场分布结构
单位面积毛利贡献排行情况广场机构毛利贡献情况
销售金额增长趋势销售毛利增长趋势
单位面积毛利变化趋势
单位面积主题主打商品销售趋势单位面积销售金额区间分析
广场销售规模区间分析
可进行的分析