目前，許多汽車制造企業(yè)已實(shí)施了企業(yè)資源計(jì)劃、客戶關(guān)系管理、供應(yīng)鏈管理以及電子商務(wù)等應(yīng)用系統(tǒng)，逐步形成自己的基礎(chǔ)數(shù)據(jù)庫。本文研究如何利用商務(wù)智能技術(shù)對(duì)企業(yè)原有基礎(chǔ)數(shù)據(jù)進(jìn)行整合、針對(duì)營銷主題進(jìn)行重新構(gòu)建，為企業(yè)管理層提供多維業(yè)務(wù)數(shù)據(jù)分析，并通過大規(guī)模的數(shù)據(jù)挖掘技術(shù)為營銷決策過程提供信息支持。
1 引 言
日前發(fā)布的我國汽車行業(yè)信息化報(bào)告顯示，我國汽車行業(yè)未來信息化投資將持續(xù)上升。2006年我國汽車行業(yè)IT投資額達(dá)到35．65億元，同比增長 17．2％。其中，供應(yīng)鏈管理(SCM)系統(tǒng)和企業(yè)資源管理(ERP)系統(tǒng)仍是信息化投資的重點(diǎn)。據(jù)預(yù)測，2008年汽車業(yè)信息化投資增長幅度將會(huì)加大，rr投資重點(diǎn)逐步向商務(wù)智能(BI)系統(tǒng)轉(zhuǎn)移。
汽車制造與營銷企業(yè)經(jīng)過多年的信息化建設(shè)，信息系統(tǒng)已有海量的生產(chǎn)經(jīng)營數(shù)據(jù)，但尚未進(jìn)行充分利用，所以汽車業(yè)信息化建設(shè)的下一個(gè)重點(diǎn)，是進(jìn)行決策支持功能的建設(shè)，這需要IT系統(tǒng)提供更多的輔助決策支持功能，逐步從綜合業(yè)務(wù)處理階段走向商務(wù)智能階段，為汽車制造企業(yè)由生產(chǎn)經(jīng)營型向經(jīng)營決策型轉(zhuǎn)變提供技術(shù)支撐。
2 汽車營銷管理中實(shí)施商務(wù)智能的必要性
在汽車營銷管理中實(shí)施BI，是汽車企業(yè)發(fā)展和競爭的需要。傳統(tǒng)的基于ERP的汽車營銷管理理論更多地著眼于銷售成交結(jié)果，是一種“結(jié)果管理”模式，這種模式只適合“總結(jié)過去”，而無法“預(yù)知未來”。在汽車市場競爭日益激烈的今天，如何提高企業(yè)的營銷能力，迅速有效地滿足客戶的需求，選擇合適的營銷模式，準(zhǔn)確地預(yù)測市場趨勢成為中國汽車企業(yè)提高核心競爭力，占領(lǐng)市場的關(guān)鍵?；?/SPAN>BI的汽車營銷管理是著眼于成交之前的過程，向產(chǎn)品銷售狀況要結(jié)果，向銷售人員個(gè)人能力特征要結(jié)果。向客戶類別分析要結(jié)果，并根據(jù)銷售過程中產(chǎn)生的數(shù)據(jù)，使銷售管理與決策開始建立在客觀、準(zhǔn)確的數(shù)據(jù)分析之上，而不是過去的經(jīng)驗(yàn)之上，因此，是一種“過程管理”模式。
另一方面，伴隨著全球信息化的深入，越來越多的汽車制造企業(yè)實(shí)施了企業(yè)資源計(jì)劃(ERP)、客戶關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)、企業(yè)信息門戶 (EIF)、電子商務(wù)(EC)等應(yīng)用系統(tǒng)，已逐步形成自己的基礎(chǔ)數(shù)據(jù)庫。充分利用商務(wù)智能(BI)技術(shù)對(duì)這些基礎(chǔ)數(shù)據(jù)進(jìn)行整合、針對(duì)營銷主題進(jìn)行重新構(gòu)建，為企業(yè)管理層提供多維業(yè)務(wù)數(shù)據(jù)分析，并通過大規(guī)模的數(shù)據(jù)挖掘技術(shù)為營銷決策過程提供信息支持，已成為汽車營銷管理的發(fā)展趨勢。
3 商務(wù)智能技術(shù)研究現(xiàn)狀與趨勢
全球各大軟件廠商在充分認(rèn)識(shí)到企業(yè)對(duì)商務(wù)智能的迫切需求，紛紛加入到從事商務(wù)智能的研究與開發(fā)上來，如BusinessObjects(簡稱B0)、 NCR、CA、Cognos、SAS等，他們在中國設(shè)立分公司、辦事處，與代理商合作進(jìn)行市場開發(fā)，廠商之間的競爭也非常激烈，重組并購、市場份額變動(dòng)頻繁。如法國的BO在2003年收購加拿大Crystal Decisions(一家專業(yè)致力于報(bào)表的軟件公司)，全球市場占有率遙遙領(lǐng)先，是目前最大的BI廠商。加拿大的Cognos成立時(shí)間最早(1969 年)，專注于BI解決方案，其名下有Powerphy、ImPromP tu、ReportNet等一系列BI產(chǎn)品。SAS早在BI產(chǎn)品備受關(guān)注之前，其SAS分析軟件就被各行業(yè)廣泛用作統(tǒng)計(jì)分析工具，國內(nèi)眾多金融機(jī)構(gòu)與電信運(yùn)營商均是其用戶，寶鋼是其最典型的傳統(tǒng)企業(yè)用戶。
國內(nèi)的軟件廠商也紛紛推出BI產(chǎn)品，如清華同方ezBI、明基逐鹿公司的An2alyzer BI、上海博科的“財(cái)務(wù)智能倉庫”等，也有些廠商在原有的管理軟件產(chǎn)品中集成部分BI的功能，如用友、金蝶等公司的產(chǎn)品集成了部分多維分析的功能，使得 ERP系統(tǒng)具有較靈活的報(bào)表功能。
國外BI產(chǎn)品常由于價(jià)格高、非中文界面、需要二次開發(fā)、管理模式與習(xí)慣不同等原因很難被國內(nèi)普通用戶所接受。而且終端服務(wù)也遠(yuǎn)沒有本土BI軟件廠商做得到位。與國外BI相比，國內(nèi)BI還處于初級(jí)階段，在系統(tǒng)二次開發(fā)、系統(tǒng)功能設(shè)計(jì)和客戶認(rèn)知度上都有較大差距。還有，多數(shù)國內(nèi)的BI軟件大多是用統(tǒng)計(jì)方法。雖然做到了數(shù)據(jù)信息的集中處理，但大都只停留在數(shù)據(jù)展現(xiàn)層面，而沒有深入挖掘信息背后的規(guī)律。企業(yè)管理者獲得的只是數(shù)據(jù)，不能把握企業(yè)整體的經(jīng)營狀況，更不能得出科學(xué)有效的決策指引。最主要的一點(diǎn)，這些產(chǎn)品多數(shù)針對(duì)金融、電信、商業(yè)零售等信息化起步早的行業(yè)，而面向制造行業(yè)，尤其是汽車行業(yè)的BI尚處于理論研究階段，僅少數(shù)較成熟的技術(shù)，如數(shù)據(jù)倉庫、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、分類算法等用于實(shí)際產(chǎn)品中，像北京福思維AutoCRM面向客戶管理，博科BI-FIW面向財(cái)務(wù)管理，金蝶——汽車行業(yè)解決方案等仍以信息管理系統(tǒng)(ERP)為主，提供較少的決策支持功能。國產(chǎn)的汽車營銷管理系統(tǒng)需要切實(shí)提升商務(wù)智能軟件的整合增值能力，突出價(jià)值的開發(fā)。
因此，利用數(shù)據(jù)倉庫(DW)、聯(lián)機(jī)分析處理(OLAP)、數(shù)據(jù)挖掘(DM)與計(jì)算智能(CI)、電子商務(wù)(EC)等先進(jìn)技術(shù)，研究面向汽車營銷決策的商業(yè)模型和數(shù)據(jù)模型。開發(fā)符合中國汽車制造業(yè)信息化國情，適應(yīng)汽車營銷模式現(xiàn)狀，具備汽車制造企業(yè)營銷決策過程中數(shù)據(jù)處理、市場需求分析，客戶管理和物流配送等功能，且方便使用、成本低廉的BI軟件產(chǎn)品，不僅能夠降低企業(yè)運(yùn)營成本、提高工作效率，而且對(duì)汽車制造行業(yè)的發(fā)展將起重要作用。
4 體系結(jié)構(gòu)設(shè)計(jì)
面向汽車營銷的BI系統(tǒng)可設(shè)計(jì)為4個(gè)層次，如圖1所示。源數(shù)據(jù)層作為系統(tǒng)的數(shù)據(jù)來源，包含了企業(yè)已有的ERP、CRM、SCM、EC等系統(tǒng)中的數(shù)據(jù)。以及分析過程中需要的第三方數(shù)據(jù)，這些數(shù)據(jù)源本身可能是異構(gòu)的和分布的。數(shù)據(jù)倉庫層存儲(chǔ)了分析所需的數(shù)據(jù)信息，可以從源數(shù)據(jù)層獲取數(shù)據(jù)，建立面向主題的數(shù)據(jù)倉庫(DW)和數(shù)據(jù)集市(DM)，數(shù)據(jù)倉庫管理器可以方便地使數(shù)據(jù)庫管理員訪問多個(gè)數(shù)據(jù)源、創(chuàng)建數(shù)據(jù)倉庫的提取和轉(zhuǎn)換過程、對(duì)過程進(jìn)行檢驗(yàn)、對(duì)提取和查詢進(jìn)行分析和調(diào)整，以及過程的自動(dòng)化和監(jiān)控等。功能模塊層包含提供決策過程中所需要的策略和算法的技術(shù)實(shí)現(xiàn)層，以及提供了營銷過程中需要用到的業(yè)務(wù)邏輯層。元知識(shí)庫包含了用戶以往挖掘出來用于決策支持的知識(shí)，以及國家政策法規(guī)、營銷人員的經(jīng)驗(yàn)數(shù)據(jù)、同行業(yè)和關(guān)聯(lián)企業(yè)的信息等等?？蔀橛脩籼峁┛焖俚牟樵?。應(yīng)用層以圖形用戶接口(GUI)提供用戶與系統(tǒng)交互，用戶在這部分提出具體的分析需求，系統(tǒng)根據(jù)用戶的需求選擇算法模型和數(shù)據(jù)，并將分析的結(jié)果以豐富直觀的圖形、圖表和報(bào)表等形式展示給用戶。
圖1 系統(tǒng)體系結(jié)構(gòu)
5 商務(wù)智能技術(shù)在汽車營銷決策中的應(yīng)用
商務(wù)智能(BI)的概念最早由Gartner Group于1996年提出，是以數(shù)據(jù)倉庫為基礎(chǔ)，通過聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘技術(shù)幫助企業(yè)領(lǐng)導(dǎo)者針對(duì)市場變化的環(huán)境，做出快速、準(zhǔn)確的決策。將BI技術(shù)應(yīng)用于汽車營銷決策之中，用以解決客戶響應(yīng)、客戶保持、價(jià)格定位、市場預(yù)測等實(shí)際問題，以提高決策效率，降低汽車營銷成本。目前的技術(shù)研究主要是支持汽車營銷決策的數(shù)據(jù)集市和數(shù)據(jù)倉庫的構(gòu)建，聯(lián)機(jī)分析處理(OLAP)，決策樹、神經(jīng)網(wǎng)絡(luò)、分類、聚類等數(shù)據(jù)挖掘算法的研究，以及圍繞業(yè)務(wù)邏輯的應(yīng)用研究等幾個(gè)方面。
5.1 數(shù)據(jù)倉庫設(shè)計(jì)
企業(yè)決策者關(guān)心的是企業(yè)的市場發(fā)展、客戶分布和市場預(yù)測等信息，而不是那些具體的瑣碎的數(shù)據(jù)。因此，數(shù)據(jù)倉庫的設(shè)計(jì)需要根據(jù)需求確定主題，然后采用不同主題的數(shù)據(jù)倉庫來儲(chǔ)存不同用途的分析型數(shù)據(jù)。以面向汽車銷售主題的數(shù)據(jù)倉庫為例，可以采用最簡單的星型模型設(shè)計(jì)，用于分析車輛銷售情況并預(yù)測銷售趨勢。為說明問題，該星型模式只包含一個(gè)銷售事實(shí)表sales（time-code，ear-code，custom-code，branch- code，saler-code，…），車輛維表car（car-code，prod-name，brand，type，prod- time，color，driver，…），客戶維表customer（customer-code，cust- name，gender，age，salary，career，interesting，…）等多個(gè)維表。星形模型的優(yōu)點(diǎn)是建模方便，易于理解，并能有效支持用戶從多個(gè)維度對(duì)數(shù)據(jù)進(jìn)行分析。
5.2 OLAP設(shè)計(jì)
建立在數(shù)據(jù)倉庫基礎(chǔ)上的聯(lián)機(jī)分析處理(OLAP)是在多維數(shù)據(jù)結(jié)構(gòu)上進(jìn)行數(shù)據(jù)分析的，算是一種淺層次上的知識(shí)發(fā)現(xiàn)。一般從多維數(shù)據(jù)取出(切片、切塊)二維或三維數(shù)據(jù)進(jìn)行分析，或?qū)哟蔚木S進(jìn)行鉆取操作?？梢越Y(jié)合汽車數(shù)據(jù)特點(diǎn)，采用混合OLAP(HOLAP)模式，將綜合數(shù)據(jù)嵌人多維存儲(chǔ)放在前端的OIAP 服務(wù)器中，后端的細(xì)節(jié)數(shù)據(jù)采用關(guān)系存儲(chǔ)。采用XML技術(shù)開發(fā)數(shù)據(jù)格式文件，OLAP依據(jù)這些格式將數(shù)據(jù)倉庫中的相關(guān)數(shù)據(jù)進(jìn)行整合并存儲(chǔ)在內(nèi)存中。
例如，從汽車銷售多維數(shù)據(jù)集中查詢2007年長春市黑色奧迪車的銷售額，可以采用多維查詢語句(MDX)進(jìn)行查詢，并將數(shù)據(jù)以圖形方式(條狀圖、曲線圖、塊狀圖和餅圖)展現(xiàn)出來，還可以選擇打印、PDF或EXCEL不同輸出方式。
5.3 數(shù)據(jù)挖掘研究
數(shù)據(jù)挖掘從人工智能機(jī)器學(xué)習(xí)中發(fā)展起來，研究各種方法和技術(shù)，從海量數(shù)據(jù)中挖掘出有用的信息和知識(shí)。最常用的數(shù)據(jù)挖掘方法是統(tǒng)計(jì)分析方法、神經(jīng)網(wǎng)絡(luò)方法、歸納學(xué)習(xí)、遺傳算法等。
數(shù)據(jù)挖掘通常和數(shù)據(jù)倉庫結(jié)合起來，幫助決策用戶挖掘數(shù)據(jù)中隱含的規(guī)律性。例如，在汽車營銷中，可以用聚類方法分析出偏愛中高檔型轎車的客戶特征；用神經(jīng)網(wǎng)絡(luò)方法分析出哪些商業(yè)事務(wù)處理可能有欺詐性；用決策樹分類方法進(jìn)行客戶利潤貢獻(xiàn)分析以找出高價(jià)值客戶的共同點(diǎn)；用關(guān)聯(lián)規(guī)則預(yù)測客戶購買意向以發(fā)現(xiàn)哪些特征的客戶將在近期買車。
5.4 應(yīng)用研究
BI技術(shù)在汽車營銷決策中的應(yīng)用研究主要包括企業(yè)戰(zhàn)略分析和運(yùn)營管理兩方面。戰(zhàn)略分析方面包括市場分析和預(yù)測、企業(yè)的投資決策、企業(yè)預(yù)警與風(fēng)險(xiǎn)管理、預(yù)算和資源配置、績效評(píng)估等。其中市場分析和預(yù)測是汽車營銷企業(yè)決策的重要依據(jù)和手段，例如，對(duì)汽車銷量趨勢的預(yù)測可以決定生產(chǎn)量和庫存；對(duì)挖掘出的客戶喜愛車型性能分析，能夠引導(dǎo)汽車產(chǎn)品潮流；還可以挖掘出購買力趨勢、價(jià)格因素影響等知識(shí)。
運(yùn)營管理方面包括客戶分析、財(cái)務(wù)分析、生產(chǎn)分析、經(jīng)銷商分析、服務(wù)分析、庫存與物流規(guī)劃、渠道設(shè)計(jì)、業(yè)務(wù)流程優(yōu)化等。其中最重要的是客戶分析，因?yàn)榭蛻羰瞧髽I(yè)發(fā)展的重要資源之一，汽車企業(yè)的經(jīng)營也逐步從“以產(chǎn)品為中心”向“以客戶為中心”的模式轉(zhuǎn)變。汽車客戶分析的研究包括客戶細(xì)分、客戶行為分析、交叉營銷、滿意度分析、客戶響應(yīng)與保持、客戶信譽(yù)評(píng)價(jià)等。例如可以采用先聚類后分類(即利用聚類結(jié)果作為分類目標(biāo))算法實(shí)現(xiàn)客戶細(xì)分，即根據(jù)客戶的不同特征對(duì)客戶群體進(jìn)行劃分，結(jié)果可用于汽車行業(yè)售前和售后的個(gè)性化服務(wù)；又如采用基于約束策略的聚類方法或決策樹方法分析客戶的購買行為，挖掘出的規(guī)則“if salary＝3000－5000 and age＝31－40 and gender＝male then buy＝true”，表示“工資在3000到5000元，年齡31至40歲的男性一年內(nèi)有購車意愿”，就可以針對(duì)這些客戶特征，采取相應(yīng)營銷策略，提高銷售成功率；從WEB日志中挖掘客戶的頻繁訪問路徑，對(duì)個(gè)性化的電子商務(wù)中的客戶瀏覽模式和購買模式研究，實(shí)現(xiàn)在線信息推薦、商品推薦，從而提高從訪問者到購買者的轉(zhuǎn)化率。
6 結(jié) 論
汽車制造業(yè)是我國的支柱產(chǎn)業(yè)，特別是加入WTO后，作為全球第二大汽車市場，面對(duì)國際知名汽車制造廠商進(jìn)入的競爭壓力，汽車行業(yè)的競爭將變得異常激烈，如何正確、及時(shí)地對(duì)瞬息萬變的市場情況和企業(yè)經(jīng)營情況做出正確的營銷決策是擺在所有汽車制造企業(yè)管理層面前的一個(gè)重要課題。我們對(duì)20余家汽車營銷企業(yè)的營銷現(xiàn)狀進(jìn)行了深入的調(diào)研，發(fā)現(xiàn)如何在最短的時(shí)間內(nèi)取得客戶需求的信息，準(zhǔn)確地分析客戶的需求，預(yù)測市場走向，減少庫存量，降低營銷成本，成為汽車制造企業(yè)生存發(fā)展的關(guān)鍵之一。針對(duì)汽車行業(yè)構(gòu)造智能商務(wù)模型，整合企業(yè)各復(fù)雜、零散業(yè)務(wù)系統(tǒng)及應(yīng)用數(shù)據(jù)，研究智能挖掘算法，開發(fā)面向營銷的智能商務(wù)系統(tǒng)，實(shí)現(xiàn)汽車企業(yè)的科學(xué)決策和管理，將是我國汽車企業(yè)信息化發(fā)展的必經(jīng)之路。
（轉(zhuǎn)載）
