BI案例：BI在連鎖零售業應用（ZT）【轉】

第一部分：連鎖零售企業上BI的必要性．

　　目前國內的連鎖零售行業的發展趨勢，呈現出產業規模化，經營業態多樣化，管理精細化的特色。所謂管理精細化就是"精耕細做搞管理，領先一步訂系 統"。現在的商業企業在平常的經營過程當中，產生了大量的信息，這些信息蘊藏了豐富的經營技巧和市場規律，怎樣纔能有效的利用這一寶貴的資源是每個零售企 業最爲迫切的願望。因而，商業BI（Business Intelligent 商業智能分析系統）便誕生了。BI是一種運用了數據倉庫、在線分析和數據挖掘技術來處理和分析數據的嶄新技術。它的用途不只僅能夠用於商品關聯關係的分析 上，還可以對於門店的銷售分析，顧客的分析，以及供應商和門店員工管理的分析上。這樣即可以使門店的管理更具實效性和可執行性。在國際上,沃爾瑪從 1981年開始創建數據倉庫。美國西爾斯百貨（SEARS）93年因爲虧損裁人5萬，300多家門店停業，94年開始引入BI，當年和次年的營業額上升 20％以上，庫存減小60％。

　　事實證實，連鎖經營因爲其低毛利，從而要求管理更加精細，系統數據的計算更爲精確,因此連鎖零售經營對於電腦系統的要求也是愈來愈高！要想使企業處於行業的領先地位，就首先要使本身的軟件系統作到"領先一步"。

鑑於目前國內零售流通領域的現狀，爲了在市場競爭中勝出，國內零售業須要制定出正確的企業發展戰略；拓寬資金來源的渠道；在採購管理技術、商品配送技術、信息技術和總體營銷技術上迅速提升營運能力，全面加強企業的核心競爭力。

BI正是完成上述企業目標的有力武器。這是由於：

一、在國外，BI在零售業上已有了較好的應用，BI分析系統做爲經營和競爭的有效工具在零售業中的應用已頗爲成熟，併產生相關的指標體系理論。正是由於倚仗這一科學而有效的手段，國外零售巨頭們在全球範圍內擁有愈來愈大的經營優點。

二、在國內，儘管還處於初級階段，但BI自己所具備的靈活性和強大性，使得BI在零售業界迅速崛起，呈現了高速上升的趨勢。

三、應用BI進行分析零售業經營中的內在規律，可以使企業的經營管理真正的正規化、規模化，加強企業的競爭力。

企業在經營過程當中產生了海量的信息，這些信息蘊藏了豐富的經營技巧和市場規律，怎樣有效的利用這些寶貴的信息，使之爲企業經營服務，成爲了零售企業 的迫切願望和現實難點。普通的零售業信息系統只可以提供通常的分析數據，不能提供立體化的、多視角的、有滲透力的數據，更不能提供更多潛在的、預測性的經 營建議。BI系統偏偏彌補了通常零售業系統在分析上的先天不足。

第二部分：BI的基本概念知識．

　　商業智能是指經過對數據的收集、管理、分析以及轉化，使數據成爲可用的信息，從而得到必要的洞察力和理解力，更好地輔助決策和指導行動。

　　商業智能的實現涉及到諮詢服務、應用，以及信息技術的充分利用。其基本體系結構包括如下部分:

　　數據倉庫:用於抽取、整合、分佈、存儲有用的信息。

　　一個企業的信息每每分佈在不一樣的部門和分支機構，管理者要綜觀全局、指揮若定，必須能迅速地找到能反映真實狀況的數據，這些數據也許是當前的現 實數據，也多是過去的歷史數據。所以，有必要把各個區域的數據集合起來，去其糟粕、取其精華，將真實的、對決策有用的數據保留下來，隨時準備管理人員使 用。所以，數據倉庫不只僅是個數據的儲存倉庫，更重要的是它提供了豐富的工具來清洗、轉換和從各地提取數據，使得放在倉庫裏的數據有條有理，易於使用。

　　多維分析:全方位瞭解現狀。

　　管理人員每每但願從不一樣的角度來審視業務數值，好比從時間、地域、功能、利潤來看同一類儲蓄的總額。每個分析的角度能夠叫做一個維，所以，我 們把多角度分析方式稱爲多維分析。之前，每個分析的角度須要製做一張報表。由此產生了在線多維分析工具，它的主要功能，是根據用戶經常使用的多種分析角度， 事先計算好一些輔助結構，以便在查詢時能儘快抽取到所要的記錄，並快速地從一維轉變到另外一維，將不一樣角度的信息以數字、直方圖、餅圖、曲線等等方式展示在 用戶面前。

　　數據挖掘:發現問題、找出規律，達到真正的智能效果:預測未來。

　　正如在礦井中能夠開採出珍貴的礦石，在數據倉庫的數據裏也經常能夠開採出業務人員意想不到的信息。它比多維分析更進一步。例如，若是管理人員要 求比較各個區域某類儲蓄在過去一年的狀況，能夠從多維分析中找答案。可是，若是管理人員要問爲什麼一種儲蓄在某地區的狀況忽然變得特別好或是很差，或者問該 儲蓄在另外一地區將會怎麼樣，這時數據開採工具能夠做出回答。

　　簡單的說，數據挖掘使用統計、分析等數學方法、以及電腦學習和神經網絡等人工智能方式，從大量的數據中，找尋數據與數據之間的關係。這種關係， 通常顯示數據組之間類似或相反的行爲或變化。一個細心的分析者，每每能從這些發掘出來的關係獲得啓示。而這種啓示又極可能使獲得它的業者，得到其餘競爭者 所沒有的先機 。

　　數據挖掘所要處理的問題，就是在龐大的數據庫中尋找出有價值的隱藏事件，加以分析，並將這些有意義的信息概括成結構模式，做爲企業在進行決策時 的參考。此外，數據挖掘看重的是數據庫的再分析，包括模式的建構或是資料特徵的斷定，其主要目的是要從數據庫中發現先前關心卻不曾獲悉的有價值信息。事實 上，數據挖掘並不僅是一種技術或是一套軟件，而是數種專業技術的綜合應用。

　　數據挖掘技術的蓬勃發展緣由是由於現代的企業已蒐集了大量資料，包括市場、客戶、供貨商和競爭對手，以及將來趨勢等的重要信息，可是數據的超載 與無結構化使企業決策單位沒法有效利用現存的資料，甚至會使決策行爲產生混亂與誤用。若是能經過數據挖掘技術從巨量的數據庫中採掘出不一樣的信息與知識，做 爲決策支持之用，那就必定能成爲企業競爭的優點。

第三部分：BI在國外零售企業的應用舉例．

　　數據倉庫是面向目標的、綜合的、隨時間而變化的用以支持管理決策的數據集成。早在1981年NCR爲Wal-Mart超市集團創建數據倉庫。今天，NCR在全球

實施並投入使用的大型數據倉庫已超過1000家，市場份額超過50%。

　　在世界企業大規模連鎖化經營的背後，客戶關係管理是增強他們競爭能力的有效手段。利用數據倉庫系統來了解市場、改進業務流程、增強客戶服務和促 進銷售,能夠說是值得國內企業借鑑的先進經驗用數據倉庫，Wal-Mart對商品進行購物籃分析（Marketing Basket Analysi

s），即分析哪些商品顧客最有但願一塊兒購買。Wal-Mart數據倉庫裏集中了各個商店一年多詳細的原始交易數據。在這些原始交易數據的基礎上，Wal-Mart利用自動數據挖掘工具（模式識別軟件）對這些數據進行分析和挖掘。一個意外的發現

就是：跟尿布一塊兒購買最多的商品竟是啤酒！按常規思惟，尿布與啤酒風馬牛不相及，若不是藉助於數據倉庫系統，商家決不可能發現隱藏在背後的事實：原 來美國的太太們常叮囑她們的丈夫下班後爲小孩買尿布，而丈夫們在買尿布後又隨手帶回了兩瓶啤酒。既然尿布與啤酒一塊兒購買的機會最多，Wal-Mart就在 它的一

個個商店裏將它們並排擺放在一塊兒，結果是尿布與啤酒的銷售量雙雙增加。因爲這個故事的傳奇和出人意料，因此一直被業界和商界所傳誦。

　　瞭解銷售全局：各個商店在傳送數據以前，先對數據進行以下分組：商品種類、銷售數量、商店地點、價格和日期等，經過這些分類信息，Wal- Mart能對每一個商店的狀況有個細緻的瞭解。在最後一家商店關門後一個半小時，Wal-Mart已確切知道當天的運營和財政狀況。憑藉對瞬間信息的隨時捕 捉，Wal-Mart對銷售的每一點增加，庫存貨物百分比的每點上升和經過削價而提升的每一份銷售額都瞭如指掌。

　　市場分析：Wal-Mart利用數據挖掘工具和統計模型對數據倉庫的數據仔細研究，以分析顧客的購買習慣、廣告成功率和其餘戰略性的信息。Wal-Mart每週六的高級會議上要對世界範圍內銷售量最大的15種商品進行分析——而後確保在正確的

時間、正確的地點有正確的庫存。

　　趨勢分析：Wal-Mart利用數據倉庫對商品品種和庫存的趨勢進行分析。以選定須要補充的商品，研究顧客購買趨勢，分析季節性購買模式，肯定 降價商品，並對其數量和運做做出反應。爲了可以預測出季節性銷售量，它要檢索數據倉庫擁有10萬種商品一年多來的銷售數據，並在此基礎上做分析和知識挖 掘。

利用數據倉庫扭轉局勢的動人故事

　　成立於1886年的美國零售業的鉅子Sears公司，20世紀以來一直是美國零售業的一面旗幟。就是這家百年世紀老店在進入本世紀90年代後， 面對市場的殘酷競爭，已顯得步態龍鍾。1993年企業開始出現全面虧損，被迫裁人5萬，300餘家商店停業。也許是置於死地然後生，Sears公司痛下決 心全面改革。1994年3月，Sears公司開始引進NCR數據倉庫系統。憑藉先進的數據倉庫系統的支持，1994年和1995年，Sears公司連續兩 年營業額攀升20%；1996年，Sears公司新開300家分店、新增

員工1.2萬人。

「若是不發生戲劇性變化，Sears公司可能會沿着恐龍的足跡一直走下去。若是說在美國存在利用信息技術扭轉公司局勢的動人故事的話，那應歸功於Sears。」——美國《信息週刊》的評價。

　　目前，Sears已經是美國第二大零售企業。Sears公司數據倉庫裏存有50億條記錄，保存了最新121周來自3500個不一樣地點的各個商店的 原始銷售數據和庫存數據。這些數據天天晚上從各類應用系統採集上來，經條件分類，送入數據倉庫中。數據倉庫容許3000多個用戶進行訪問，這些用戶主要包 括：高級管理人員、分析人員、採購人員、市場人員和廣告客戶，數據倉庫爲每類人員都提供了一個高效的科學決策工具。Sears公司之前的信息系統對海量數 據存儲和快速的反應已顯得無能爲力，數據倉庫不但能輕鬆勝任，並且爲企業提供了強大的功能，使信息管理不管從宏觀仍是微觀，一切盡在掌握。

　　Sears公司數據倉庫天天要接收1萬餘次查詢、產生1400張平常業務報表，而平均響應時間僅爲25秒。Sears公司的經理和採購人員天天 要不斷地訪問數據倉庫以獲取成千上萬種商品和近3千個商店的最新狀況。數據倉庫幫助高層管理人員更快地分析數據，更合理地調整商品層次，從而使商店更有效 地運行。

　　未建數據倉庫以前，Sears公司不能確切知道哪一個商店該進什麼商品，曾經發生過可氣又好笑的事情是將大批的雪地鞋發送到了永遠不會下雪的佛羅 裏達州；採購人員沒法在銷售過程當中靈活掌握庫存和調整價格，銷售狀況要等一個星期之後才能得知；庫存不能按要求下降，大量流動資金積壓在倉庫裏。而如今採 購人員在頭天晚上就能獲得各類所需信息，確切知道哪一個商店什麼商品好賣，從而決定商品在各商店間的相互調配。藉助數據倉庫，Sears公司庫存下降了 60%。Sears公司從數據倉庫當中挖掘並掌握了8千萬個家庭的購買習慣，從而進行市場分析，制定相應的銷售、廣告策略和促銷計劃。數據倉庫幫助 Sears公司實現了企業重整、反敗爲勝的傳奇，成爲Sears公司近年持續發展的支柱之一。

　　英國Safeway利用數據挖掘技術從資料中萃取商業知識，這是一個數據庫營銷的最佳範例。

　　英國Safeway的年銷售量超過100億美圓，旗下的員工接近7萬名，是英國第三大的連鎖超級市場，提供的服務種類達34種。在英國市場運用 傳統的技術，如更低的價位、更多的店面以及更多種類的產品，競爭已經愈來愈困難了。Safeway的信息總監邁克溫曲先生說：「大部分的競爭對手在價格以 及產品範圍方面都能與咱們匹敵。因爲土地以及擴充的成本，沒有一家公司有足夠的資源能夠在擴充方面超越對手。」溫曲先生的說法是：必須以客戶爲導向，而不 是以產品與店家爲導向。這意味着，咱們必須更瞭解客戶我的。爲了達成這個目標，咱們必須瞭解600萬客戶所作的每一筆交易，以及這些交易彼此之間的關聯 性。換句話說，Safeway想要知道哪些種類的客戶買了哪些種類的產品，以及購買的頻率，以創建「我的導向的市場」。

　　將資源集中在特定的問題上，並設定可達成的目標之後，Safeway將有關部門的客戶交易資料集中在數據倉庫中。而後，利用IBM公司的 Intelligent Miner數據挖掘產品，根據客戶的相關資料，將客戶分爲150類。再用關聯的技術來比較這些資料集合，而後列出商品吸引力清單等。

　　溫曲先生的說法是，因爲數據挖掘的貢獻，「咱們找出了超越人類想像範圍的關聯」。例如，Intelligent Miner發現某一種乳酪產品雖然銷售額排名第209，但是消費額最高的客戶中有25％都經常買這種乳酪，這些客戶但是Safeway最不想得罪的客戶。 若是使用傳統的分析方法的話，這種產品很快就會不賣了，但是事實上這種產品是至關重要的。

　　Safeway也發如今28種品牌的橘子汁中，有8中特別受到歡迎。所以，該公司從新安排貨架的擺設，使橘子汁的銷量可以增長到最大。

　　還有，Safeway在瞭解客戶每次採購時會購買哪些產品之後，就能夠利用數據挖掘中的監測功能，監測出長期的常常購買行爲。再將這些資料與主 數據庫的人口統計資料結合在一塊兒，Safeway的營銷部門就能夠根據每一個家庭的特性，也就是哪些季節會購買哪些產品的趨勢，發出郵件。

　　數據倉庫改變了Wal-Mart，而Wal-Mart改變了零售業。在它的影響下，世界頂尖零售企業：Sears、Kmart、JC Penney、NO.1 German Retailer、日本西武、

三越等前後創建了數據倉庫系統

第四部分：BI系統的主要分析的方向．

　瞭解銷售全局、商品分組佈局、下降庫存成本、市場和趨勢分析、有效的商品促銷

在零售業應用領域，利用DW、DM會在不少方面有卓越表現：

1． 瞭解銷售全局：經過分類信息——按商品種類、銷售數量、商店地點、價格和日期等了解天天的運營和財政狀況，對銷售的每一點增加、庫存的變化以及經過促銷而 提升的銷售額均可瞭如指掌。零售商店在銷售商品時，隨時檢查商品結構是否合理十分重要，如每類商品的經營比例是否大致至關。調整商品結構時需考慮季節變化 致使的需求變化、同行競爭對手的商品結構調整等因素。

2． 商品分組佈局：分析顧客的購買習慣，考慮購買者在商店裏所穿行的路線、購買時間和地點、掌握不一樣商品一塊兒購買的機率；經過對商品銷售品種的活躍性分析和關聯性分析，用主成分分析方法，創建商品設置的最佳結構和商品的最佳佈局。

3． 下降庫存成本：經過數據挖掘系統，將銷售數據和庫存數據集中起來，經過數據分析，以決定對各個商品各色貨物進行增減，確保正確的庫存。數據倉庫系統還能夠 將庫存信息和商品銷售預測信息，經過電子數據交換（EDI）直接送到供應商那裏，這樣省去商業中介，並且由供應商負責按期補充庫存，零售商可減小自身負 擔。

4． 市場和趨勢分析：利用數據挖掘工具和統計模型對數據倉庫的數據仔細研究，以分析顧客的購買習慣、廣告成功率和其它戰略性信息。利用數據倉庫經過檢索數據庫 中近年來的銷售數據，做分析和數據挖掘，可預測出季節性、月銷售量，對商品品種和庫存的趨勢進行分析。還可肯定降價商品，並對數量和運做做出決策。

5． 有效的商品促銷：能夠經過對一種廠家商品在各連鎖店的市場共享分析,客戶統計以及歷史情況的分析，來肯定銷售和廣告業務的有效性。經過對顧客購買偏好的分 析，肯定商品促銷的目標客戶，以此來設計各類商品促銷的方案，並經過商品購買關聯分析的結果，採用交叉銷售和向上銷售的方法，挖掘客戶的購買力，實現準確 的商品促銷。

一)細分您的市場或客戶，讓銷售活動更有針對性

　　肯定和了解客戶的主要組羣是走向成功的第一步, 瞭解誰最有可能購買您的產品或服務，使您能夠更有智慧地利用市場資源，並用針對性的促銷活動來提升效果。或者，您能夠肯定忠實的老客戶並制定新的計劃以更好地知足他們的需求.

Smart.Enterpris for Retail可對客戶信息及客戶的消費歷史進行分析,以肯定具備那些特徵的客戶最可能成爲咱們的長期客戶;那些客戶具備相同的消費習慣和行爲特徵,在分析 了這些信息以後,可按照客戶不一樣的我的特徵, 不一樣的消費習慣來制訂有針對性的銷售計劃, 安排促銷活動。

Smart.Enterprise for Retail 可幫助你:

1. 根據客戶特徵(年齡,職業,年收入等信息)和購買歷史來肯定客戶成爲重要客戶的機率.

2. 根據客戶特徵(年齡,職業,年收入等信息)和購買歷史來肯定客戶的消費喜愛和行爲習慣.

3. 根據客戶特徵和銷售歷史找出針對不一樣客戶羣的最適於交叉銷售的商品.

4. 根據客戶特徵和促銷歷史找出不一樣客戶羣體對各種促銷的敏感程度.

5. 根據客戶特徵和購買歷史肯定客戶不一樣客戶的購買頻率以預測潛在的購買機會。

二) 優化產品結構, 合理進行賣場佈局

　　現代社會生活節奏加快,一個商品的生命週期愈來愈短, 零售商必須及時調整產品結構以保證最新式的, 質量最好的商品及時出如今貨架上,提升消費者購買慾望。 賣場的佈局必須符合人們的購物習慣, 可將同時購買的產品可放到一塊兒 ,方便人們選購,也可放到不一樣的地方, 以提升人們在尋找時購買其餘商品的機會。

Smart.Enterprise for Retail 可對商品進行快速的分析以肯定各種產品的銷售狀況, 發現產品的不一樣特性(品牌, 產地, 價格等因素)對銷售量的影響, 經過銷售名次排序及時發現滯銷商品,經過交叉銷售分析發現商品最好的銷售組合方式。

Smart.Enterprise for Retail 可幫助你:

1. 經過對銷售歷史的分析得到將來的銷售趨勢。

2. 經過對銷售歷史的分析, 發現脫銷品和滯銷品。

3. 經過對商品資料和銷售歷史的分析,發現產品的不一樣特性(品牌, 產地, 價格,待款式,尺寸等) 對銷售狀況的影響。

4. 經過對銷售點(POS) 數據的分析, 發現客戶的最喜歡的購買組合,制訂最好的交叉銷售策略。

5. 經過對商品特徵和客戶特徵的分析, 肯定特定客戶羣喜歡的商品特徵.從而給客戶提供最適合的商品選擇。

三)強化供應鏈, 提升物流效率, 減小物流成本

　　供應鏈是零售企業業務發展的基礎,完善的供應鏈系統有助於企業提升商品週轉率;提升資金利用率; 加強企業的需求變化和外部環境的響應能力.增強供應鏈管理的智能化,主動得到供應鏈有關的信息幫助企業擺脫單純供應鏈軟件的信息死衚衕。

在不少企業的現行供應鏈系統中, 可能已經存在庫存數據, 商品需求數據, 供應信息等,但這些信息在產生後就如同走入了一條死衚衕, 必須等用戶主動查看才能得到, 並且庫存信息, 商品銷售信息和供應信息分佈於不一樣的界面,管理人員很難進行數據透視和分析。

Smart.Enterprise for Retail 幫助企業提升現存供應鏈系統的智能化程度, 經過Smart.Message Servrer服務管理人員可訂閱（按時或按照事件）所須要的報表和分析服務；在同一個報表或分析中將不一樣的數據信息放在一塊兒經過圖形或數據的方式進行對 比分析以發現異常；對於彙總的信息可進行進一步鑽取, 透視和分析。

　　 CRM策略應當包括：

　　（a） 操做型CRM: 在銷售過程當中和顧客的自動交互。

　　（b） 分析型CRM：對來自操做型CRM和其它如POS交易、WEB交易、第三方的數據進行深刻的分析。

　　一個典型的零售組織有一個巨大的顧客羣，而且一般顧客的需求是各不相同的。若是沒有分析巨大數量顧客數據的方法，CRM戰略註定要失敗。所以，分析型CRM組成了零售商顧客關係戰略的核心。

　　市場和銷售行爲是分析型CRM的主要受益方和信息的來源地，從這裏得到對顧客的深刻理解並被整個零售組織吸取和應用。

　　分析型CRM使用的主要商業智能工具備數據倉庫、數據挖掘、OLAP，利用它們來幫助對顧客的分析。

　　下面是分析型CRM的一些用途：

　　 ● 顧客分類：

　　顧客分類在零售組織的市場指導中是一個重要因素。它能對爲何不一樣類別的顧客在人口統計學、流行和趨勢方面的變化提供深刻的分析，例如它能幫助把顧客進行以下分類：

　　 ●對新促銷有興趣的顧客；

　　 ●對新產品投放有反應的顧客；

　　 ●對打折有反應的顧客；

　　 ●對特殊產品有購買傾向的顧客。

　　例如，對於打折有反應的顧客，咱們要仔細地研究，這部分顧客每每對企業的忠誠度較底，也就是他們的流失率高，但對佔領市場、招徠顧客是有做用的，因此能夠用清倉、甩賣季節性商品等手段來知足他們。

　　 ● 宣傳和促銷效果分析：

　　一旦投放一個宣傳，它的效果能經過不一樣的媒體和根據費用和收益來研究，這對於理解什麼是一個成功的宣傳有很大幫助。

　　宣傳和促銷效果分析能回答相似的問題：

　　 ●在過去各類不一樣的宣傳中哪種媒體渠道最成功？

　　 ●對某一個特別的宣傳哪些地理位置反映不錯？

　　 ●某個宣傳的相關投資和收益是多少？

　　 ●哪些顧客羣響應該宣傳活動？

　　 ● 顧客價值生命週期：

　　並非全部的顧客都具備一樣的價值。在今天來講不是很是有價值的顧客可能在未來具備潛在的價值。所以鑑別哪些顧客具備高的顧客價值生命週期是絕 對有必要的，目的就是爲了與這部分顧客創建長期關係。顧客價值生命週期是指企業在同顧客保持關係的整個過程當中所獲取的利潤。這種計算主要包括兩個部分：顧 客的終身成本，包括獲取成本、營運成本和顧客服務成本；以及預計能夠從顧客那裏所得到的收入總額。用於計算顧客價值生命週期的基本方法是: 從顧客未來可能帶來的預期收入扣除爲該顧客服務所需的費用，加上該顧客所帶來新顧客的淨收益，再按照關係的持續時間把上述結果進行折扣。雖然聽起來容易， 但還有許多客觀的變量，如顧客與零售商關係的持續時間、折扣率。數據挖掘技術應該能提供計算顧客價值生命週期的模型。

　　 ● 顧客忠誠度分析：

　　衆所周知，維持一個現有的顧客比獲取一個新的顧客更爲經濟。爲了開發有效的顧客維持計劃，分析顧客流失的緣由是重要的。經過考慮影響每一個顧客的不一樣的因素，甚至分析有可能會致使顧客忠誠度的變化每一筆交易，商業智能有助於理解顧客的流失。

　　 ● 交叉銷售：

　　零售商使用可得到的最大數量的顧客信息，在顧客進行購買活動的同時進行交叉銷售。用BI工具分析之前的購買活動得出顧客的購買趨勢，從而用於特定顧客羣的購買實踐。零售商也能夠"向上銷售"，即在和顧客接觸的時候銷售一些高利潤的產品。

　　 ● 產品訂價：

　　在零售商所採起的最爲相當緊要的市場決策方案中，產品訂價是其中之一。產品價格的提升常常能致使銷售量的降低和顧客轉向購買相似產品做爲替代。 經過數據倉庫和數據挖掘技術，零售商能針對不一樣的產品開發不一樣的價格模型，它能創建產品的價格-銷售關係，並能知道價格的變化如何影響其它產品的銷售。

　　 ● 市場定位：

　　經過發起針對特定顧客或者顧客羣的促銷活動，零售商可以提升促銷效果。經過對顧客或顧客羣的購買習慣進行簡單分析也能得出市場定位，可是在肯定對特定促銷活動感興趣的顧客分類時，應該愈來愈多地使用數據挖掘工具。

供應鏈管理和採購

　　 供應鏈管理（SCM）大大提升了零售商在庫存控制和採購方面的效率。經過條碼掃描，零售商能自動管理產品的流向，自動給供應商發送補貨訂單。爲此目的而收集的數據能深刻了解供應鏈的動態變化。

　　 然而大多數商業SCM應用對庫存管理和採購僅僅提供了基於事務（交易）的功能，他們缺乏爲提供完整的供應鏈管理所需的深層次的分析能力。而數據倉庫能提供重要的信息，幫助管理者優化供應鏈。BI在供應鏈管理和採購方面的應用以下：

　　 ● 供貨商行爲分析：

　　每一個供應商的貢獻能在綜合一系列的因素例如供應成本、供貨及時性、產品質量、供貨週期的基礎上分析得出，除此以外，供應商對特定商品的缺貨期也應重點考慮。

　　 ● 庫存控制 (包括庫存級別，安全庫存，定貨批量 ,採購提早期)：

　　 關於庫存關鍵指標如庫存級別、批量等的當前和歷史報表能從數據倉庫中產生，所以有助於進行與庫存相關的實際運做方法和策略的制定。

　　 ● 商品流向和供應鏈：

　　有的商品從上架到下架比別的商品顯示出了更快的速度，所以對這樣的商品來講及時地下補貨訂單就很是重要。使用BI工具分析特定商品的流向有助於預測什麼時候須要再下訂單。

　　 ● 需求預測：

　　這是數據挖掘的主要應用之一。複雜的需求預測模型能經過考慮一系列因素例如銷售數據、基本經濟指標、環境情況等建立。另外，預測的準確度在很大程度上取決於經營者的宏觀視野。

　　 若是正確地使用數據倉庫，能有助於改進零售商和供應商的關係，而且完善現有的SCM。

店面運營

　　 店面管理者所須要的信息再也不侷限於每日的運做。現在的顧客更加成熟，更增強調購物體驗，爲此店面管理者對顧客的喜愛和購物行爲須要有更深刻的瞭解。數據倉庫和數據挖掘能幫助管理者獲取這些信息。如下是BI在店面運營中的一些用途：

　　 ● 購物分析：

　　主要用來研究不一樣商品之間的聯繫。一個最經典的關於超市購物分析的例子就是啤酒-尿布關係，在這個例子裏分析代表購買尿布的男顧客也有可能同時 喜歡購買啤酒，這是一個「兩商品關聯關係"的例子。可是在現實生活中，迄今爲止許多商品間未知的關聯關係致使了購物分析變得極度複雜。這項分析在零售組織 裏有不一樣的用途，一個很是廣泛的用途是用於店面商品擺放，另外一個受歡迎的用途是商品捆綁，商品被分組打成一個單獨的包被出售，另外一個用途是設計公司的電子 商務網站和商品目錄。

　　 ● 品類管理(CM)：

　　它有助於零售商理解特定類別存貨單元（SKU）的適當庫存。目標之一是從品類中得到最大的收益，但更重要的是優化商品結構，達到賣場商品的高速 流轉。在當前家電產品銷售毛利率廣泛不高的環境下，企業要保持盈利，提升商品的週轉速度是一個支撐手段。太少的存貨單元意味着顧客沒有充分的選擇餘地，太 多則意味着存貨單元能夠被互相替代。能夠毫無疑問地說有效的品類管理對於零售商的市場競爭力起着很是重要的做用。

　　 ● 產品脫銷分析：

　　主要分析調查致使商品脫銷的各類緣由。許多變化的緣由致使這項分析變得很是複雜。這項分析的一個主要目的是計算因爲產品脫銷而損失的收入。

 

轉至http://www.cnblogs.com/HondaHsu/p/4756545.html