BI案例：BI在连锁零售业应用（ZT）【转】

第一部分：连锁零售企业上BI的必要性．

　　目前国内的连锁零售行业的发展趋势，呈现出产业规模化，经营业态多样化，管理精细化的特色。所谓管理精细化就是"精耕细做搞管理，领先一步订系 统"。现在的商业企业在平常的经营过程当中，产生了大量的信息，这些信息蕴藏了丰富的经营技巧和市场规律，怎样才能有效的利用这一宝贵的资源是每个零售企 业最为迫切的愿望。因而，商业BI（Business Intelligent 商业智能分析系统）便诞生了。BI是一种运用了数据仓库、在线分析和数据挖掘技术来处理和分析数据的崭新技术。它的用途不只仅能够用于商品关联关系的分析 上，还可以对于门店的销售分析，顾客的分析，以及供应商和门店员工管理的分析上。这样即可以使门店的管理更具实效性和可执行性。在国际上,沃尔玛从 1981年开始创建数据仓库。美国西尔斯百货（SEARS）93年因为亏损裁人5万，300多家门店停业，94年开始引入BI，当年和次年的营业额上升 20％以上，库存减小60％。

　　事实证实，连锁经营因为其低毛利，从而要求管理更加精细，系统数据的计算更为精确,因此连锁零售经营对于电脑系统的要求也是愈来愈高！要想使企业处于行业的领先地位，就首先要使本身的软件系统作到"领先一步"。

鉴于目前国内零售流通领域的现状，为了在市场竞争中胜出，国内零售业须要制定出正确的企业发展战略；拓宽资金来源的渠道；在采购管理技术、商品配送技术、信息技术和总体营销技术上迅速提升营运能力，全面加强企业的核心竞争力。

BI正是完成上述企业目标的有力武器。这是由于：

一、在国外，BI在零售业上已有了较好的应用，BI分析系统做为经营和竞争的有效工具在零售业中的应用已颇为成熟，并产生相关的指标体系理论。正是由于倚仗这一科学而有效的手段，国外零售巨头们在全球范围内拥有愈来愈大的经营优点。

二、在国内，尽管还处于初级阶段，但BI自己所具备的灵活性和强大性，使得BI在零售业界迅速崛起，呈现了高速上升的趋势。

三、应用BI进行分析零售业经营中的内在规律，可以使企业的经营管理真正的正规化、规模化，加强企业的竞争力。

企业在经营过程当中产生了海量的信息，这些信息蕴藏了丰富的经营技巧和市场规律，怎样有效的利用这些宝贵的信息，使之为企业经营服务，成为了零售企业 的迫切愿望和现实难点。普通的零售业信息系统只可以提供通常的分析数据，不能提供立体化的、多视角的、有渗透力的数据，更不能提供更多潜在的、预测性的经 营建议。BI系统偏偏弥补了通常零售业系统在分析上的先天不足。

第二部分：BI的基本概念知识．

　　商业智能是指经过对数据的收集、管理、分析以及转化，使数据成为可用的信息，从而得到必要的洞察力和理解力，更好地辅助决策和指导行动。

　　商业智能的实现涉及到咨询服务、应用，以及信息技术的充分利用。其基本体系结构包括如下部分:

　　数据仓库:用于抽取、整合、分布、存储有用的信息。

　　一个企业的信息每每分布在不一样的部门和分支机构，管理者要综观全局、指挥若定，必须能迅速地找到能反映真实状况的数据，这些数据也许是当前的现 实数据，也多是过去的历史数据。所以，有必要把各个区域的数据集合起来，去其糟粕、取其精华，将真实的、对决策有用的数据保留下来，随时准备管理人员使 用。所以，数据仓库不只仅是个数据的储存仓库，更重要的是它提供了丰富的工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于使用。

　　多维分析:全方位了解现状。

　　管理人员每每但愿从不一样的角度来审视业务数值，好比从时间、地域、功能、利润来看同一类储蓄的总额。每个分析的角度能够叫做一个维，所以，我 们把多角度分析方式称为多维分析。之前，每个分析的角度须要制做一张报表。由此产生了在线多维分析工具，它的主要功能，是根据用户经常使用的多种分析角度， 事先计算好一些辅助结构，以便在查询时能尽快抽取到所要的记录，并快速地从一维转变到另外一维，将不一样角度的信息以数字、直方图、饼图、曲线等等方式展示在 用户面前。

　　数据挖掘:发现问题、找出规律，达到真正的智能效果:预测未来。

　　正如在矿井中能够开采出珍贵的矿石，在数据仓库的数据里也经常能够开采出业务人员意想不到的信息。它比多维分析更进一步。例如，若是管理人员要 求比较各个区域某类储蓄在过去一年的状况，能够从多维分析中找答案。可是，若是管理人员要问为什么一种储蓄在某地区的状况忽然变得特别好或是很差，或者问该 储蓄在另外一地区将会怎么样，这时数据开采工具能够做出回答。

　　简单的说，数据挖掘使用统计、分析等数学方法、以及电脑学习和神经网络等人工智能方式，从大量的数据中，找寻数据与数据之间的关系。这种关系， 通常显示数据组之间类似或相反的行为或变化。一个细心的分析者，每每能从这些发掘出来的关系获得启示。而这种启示又极可能使获得它的业者，得到其余竞争者 所没有的先机 。

　　数据挖掘所要处理的问题，就是在庞大的数据库中寻找出有价值的隐藏事件，加以分析，并将这些有意义的信息概括成结构模式，做为企业在进行决策时 的参考。此外，数据挖掘看重的是数据库的再分析，包括模式的建构或是资料特征的断定，其主要目的是要从数据库中发现先前关心却不曾获悉的有价值信息。事实 上，数据挖掘并不仅是一种技术或是一套软件，而是数种专业技术的综合应用。

　　数据挖掘技术的蓬勃发展缘由是由于现代的企业已搜集了大量资料，包括市场、客户、供货商和竞争对手，以及将来趋势等的重要信息，可是数据的超载 与无结构化使企业决策单位没法有效利用现存的资料，甚至会使决策行为产生混乱与误用。若是能经过数据挖掘技术从巨量的数据库中采掘出不一样的信息与知识，做 为决策支持之用，那就必定能成为企业竞争的优点。

第三部分：BI在国外零售企业的应用举例．

　　数据仓库是面向目标的、综合的、随时间而变化的用以支持管理决策的数据集成。早在1981年NCR为Wal-Mart超市集团创建数据仓库。今天，NCR在全球

实施并投入使用的大型数据仓库已超过1000家，市场份额超过50%。

　　在世界企业大规模连锁化经营的背后，客户关系管理是增强他们竞争能力的有效手段。利用数据仓库系统来了解市场、改进业务流程、增强客户服务和促 进销售,能够说是值得国内企业借鉴的先进经验用数据仓库，Wal-Mart对商品进行购物篮分析（Marketing Basket Analysi

s），即分析哪些商品顾客最有但愿一块儿购买。Wal-Mart数据仓库里集中了各个商店一年多详细的原始交易数据。在这些原始交易数据的基础上，Wal-Mart利用自动数据挖掘工具（模式识别软件）对这些数据进行分析和挖掘。一个意外的发现

就是：跟尿布一块儿购买最多的商品竟是啤酒！按常规思惟，尿布与啤酒风马牛不相及，若不是借助于数据仓库系统，商家决不可能发现隐藏在背后的事实：原 来美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了两瓶啤酒。既然尿布与啤酒一块儿购买的机会最多，Wal-Mart就在 它的一

个个商店里将它们并排摆放在一块儿，结果是尿布与啤酒的销售量双双增加。因为这个故事的传奇和出人意料，因此一直被业界和商界所传诵。

　　了解销售全局：各个商店在传送数据以前，先对数据进行以下分组：商品种类、销售数量、商店地点、价格和日期等，经过这些分类信息，Wal- Mart能对每一个商店的状况有个细致的了解。在最后一家商店关门后一个半小时，Wal-Mart已确切知道当天的运营和财政状况。凭借对瞬间信息的随时捕 捉，Wal-Mart对销售的每一点增加，库存货物百分比的每点上升和经过削价而提升的每一份销售额都了如指掌。

　　市场分析：Wal-Mart利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其余战略性的信息。Wal-Mart每周六的高级会议上要对世界范围内销售量最大的15种商品进行分析——而后确保在正确的

时间、正确的地点有正确的库存。

　　趋势分析：Wal-Mart利用数据仓库对商品品种和库存的趋势进行分析。以选定须要补充的商品，研究顾客购买趋势，分析季节性购买模式，肯定 降价商品，并对其数量和运做做出反应。为了可以预测出季节性销售量，它要检索数据仓库拥有10万种商品一年多来的销售数据，并在此基础上做分析和知识挖 掘。

利用数据仓库扭转局势的动人故事

　　成立于1886年的美国零售业的巨子Sears公司，20世纪以来一直是美国零售业的一面旗帜。就是这家百年世纪老店在进入本世纪90年代后， 面对市场的残酷竞争，已显得步态龙钟。1993年企业开始出现全面亏损，被迫裁人5万，300余家商店停业。也许是置于死地然后生，Sears公司痛下决 心全面改革。1994年3月，Sears公司开始引进NCR数据仓库系统。凭借先进的数据仓库系统的支持，1994年和1995年，Sears公司连续两 年营业额攀升20%；1996年，Sears公司新开300家分店、新增

员工1.2万人。

“若是不发生戏剧性变化，Sears公司可能会沿着恐龙的足迹一直走下去。若是说在美国存在利用信息技术扭转公司局势的动人故事的话，那应归功于Sears。”——美国《信息周刊》的评价。

　　目前，Sears已经是美国第二大零售企业。Sears公司数据仓库里存有50亿条记录，保存了最新121周来自3500个不一样地点的各个商店的 原始销售数据和库存数据。这些数据天天晚上从各类应用系统采集上来，经条件分类，送入数据仓库中。数据仓库容许3000多个用户进行访问，这些用户主要包 括：高级管理人员、分析人员、采购人员、市场人员和广告客户，数据仓库为每类人员都提供了一个高效的科学决策工具。Sears公司之前的信息系统对海量数 据存储和快速的反应已显得无能为力，数据仓库不但能轻松胜任，并且为企业提供了强大的功能，使信息管理不管从宏观仍是微观，一切尽在掌握。

　　Sears公司数据仓库天天要接收1万余次查询、产生1400张平常业务报表，而平均响应时间仅为25秒。Sears公司的经理和采购人员天天 要不断地访问数据仓库以获取成千上万种商品和近3千个商店的最新状况。数据仓库帮助高层管理人员更快地分析数据，更合理地调整商品层次，从而使商店更有效 地运行。

　　未建数据仓库以前，Sears公司不能确切知道哪一个商店该进什么商品，曾经发生过可气又好笑的事情是将大批的雪地鞋发送到了永远不会下雪的佛罗 里达州；采购人员没法在销售过程当中灵活掌握库存和调整价格，销售状况要等一个星期之后才能得知；库存不能按要求下降，大量流动资金积压在仓库里。而如今采 购人员在头天晚上就能获得各类所需信息，确切知道哪一个商店什么商品好卖，从而决定商品在各商店间的相互调配。借助数据仓库，Sears公司库存下降了 60%。Sears公司从数据仓库当中挖掘并掌握了8千万个家庭的购买习惯，从而进行市场分析，制定相应的销售、广告策略和促销计划。数据仓库帮助 Sears公司实现了企业重整、反败为胜的传奇，成为Sears公司近年持续发展的支柱之一。

　　英国Safeway利用数据挖掘技术从资料中萃取商业知识，这是一个数据库营销的最佳范例。

　　英国Safeway的年销售量超过100亿美圆，旗下的员工接近7万名，是英国第三大的连锁超级市场，提供的服务种类达34种。在英国市场运用 传统的技术，如更低的价位、更多的店面以及更多种类的产品，竞争已经愈来愈困难了。Safeway的信息总监迈克温曲先生说：“大部分的竞争对手在价格以 及产品范围方面都能与咱们匹敌。因为土地以及扩充的成本，没有一家公司有足够的资源能够在扩充方面超越对手。”温曲先生的说法是：必须以客户为导向，而不 是以产品与店家为导向。这意味着，咱们必须更了解客户我的。为了达成这个目标，咱们必须了解600万客户所作的每一笔交易，以及这些交易彼此之间的关联 性。换句话说，Safeway想要知道哪些种类的客户买了哪些种类的产品，以及购买的频率，以创建“我的导向的市场”。

　　将资源集中在特定的问题上，并设定可达成的目标之后，Safeway将有关部门的客户交易资料集中在数据仓库中。而后，利用IBM公司的 Intelligent Miner数据挖掘产品，根据客户的相关资料，将客户分为150类。再用关联的技术来比较这些资料集合，而后列出商品吸引力清单等。

　　温曲先生的说法是，因为数据挖掘的贡献，“咱们找出了超越人类想像范围的关联”。例如，Intelligent Miner发现某一种乳酪产品虽然销售额排名第209，但是消费额最高的客户中有25％都经常买这种乳酪，这些客户但是Safeway最不想得罪的客户。 若是使用传统的分析方法的话，这种产品很快就会不卖了，但是事实上这种产品是至关重要的。

　　Safeway也发如今28种品牌的橘子汁中，有8中特别受到欢迎。所以，该公司从新安排货架的摆设，使橘子汁的销量可以增长到最大。

　　还有，Safeway在了解客户每次采购时会购买哪些产品之后，就能够利用数据挖掘中的监测功能，监测出长期的常常购买行为。再将这些资料与主 数据库的人口统计资料结合在一块儿，Safeway的营销部门就能够根据每一个家庭的特性，也就是哪些季节会购买哪些产品的趋势，发出邮件。

　　数据仓库改变了Wal-Mart，而Wal-Mart改变了零售业。在它的影响下，世界顶尖零售企业：Sears、Kmart、JC Penney、NO.1 German Retailer、日本西武、

三越等前后创建了数据仓库系统

第四部分：BI系统的主要分析的方向．

　了解销售全局、商品分组布局、下降库存成本、市场和趋势分析、有效的商品促销

在零售业应用领域，利用DW、DM会在不少方面有卓越表现：

1． 了解销售全局：经过分类信息——按商品种类、销售数量、商店地点、价格和日期等了解天天的运营和财政状况，对销售的每一点增加、库存的变化以及经过促销而 提升的销售额均可了如指掌。零售商店在销售商品时，随时检查商品结构是否合理十分重要，如每类商品的经营比例是否大致至关。调整商品结构时需考虑季节变化 致使的需求变化、同行竞争对手的商品结构调整等因素。

2． 商品分组布局：分析顾客的购买习惯，考虑购买者在商店里所穿行的路线、购买时间和地点、掌握不一样商品一块儿购买的几率；经过对商品销售品种的活跃性分析和关联性分析，用主成分分析方法，创建商品设置的最佳结构和商品的最佳布局。

3． 下降库存成本：经过数据挖掘系统，将销售数据和库存数据集中起来，经过数据分析，以决定对各个商品各色货物进行增减，确保正确的库存。数据仓库系统还能够 将库存信息和商品销售预测信息，经过电子数据交换（EDI）直接送到供应商那里，这样省去商业中介，并且由供应商负责按期补充库存，零售商可减小自身负 担。

4． 市场和趋势分析：利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其它战略性信息。利用数据仓库经过检索数据库 中近年来的销售数据，做分析和数据挖掘，可预测出季节性、月销售量，对商品品种和库存的趋势进行分析。还可肯定降价商品，并对数量和运做做出决策。

5． 有效的商品促销：能够经过对一种厂家商品在各连锁店的市场共享分析,客户统计以及历史情况的分析，来肯定销售和广告业务的有效性。经过对顾客购买偏好的分 析，肯定商品促销的目标客户，以此来设计各类商品促销的方案，并经过商品购买关联分析的结果，采用交叉销售和向上销售的方法，挖掘客户的购买力，实现准确 的商品促销。

一)细分您的市场或客户，让销售活动更有针对性

　　肯定和了解客户的主要组群是走向成功的第一步, 了解谁最有可能购买您的产品或服务，使您能够更有智慧地利用市场资源，并用针对性的促销活动来提升效果。或者，您能够肯定忠实的老客户并制定新的计划以更好地知足他们的需求.

Smart.Enterpris for Retail可对客户信息及客户的消费历史进行分析,以肯定具备那些特征的客户最可能成为咱们的长期客户;那些客户具备相同的消费习惯和行为特征,在分析 了这些信息以后,可按照客户不一样的我的特征, 不一样的消费习惯来制订有针对性的销售计划, 安排促销活动。

Smart.Enterprise for Retail 可帮助你:

1. 根据客户特征(年龄,职业,年收入等信息)和购买历史来肯定客户成为重要客户的机率.

2. 根据客户特征(年龄,职业,年收入等信息)和购买历史来肯定客户的消费喜爱和行为习惯.

3. 根据客户特征和销售历史找出针对不一样客户群的最适于交叉销售的商品.

4. 根据客户特征和促销历史找出不一样客户群体对各种促销的敏感程度.

5. 根据客户特征和购买历史肯定客户不一样客户的购买频率以预测潜在的购买机会。

二) 优化产品结构, 合理进行卖场布局

　　现代社会生活节奏加快,一个商品的生命周期愈来愈短, 零售商必须及时调整产品结构以保证最新式的, 质量最好的商品及时出如今货架上,提升消费者购买欲望。 卖场的布局必须符合人们的购物习惯, 可将同时购买的产品可放到一块儿 ,方便人们选购,也可放到不一样的地方, 以提升人们在寻找时购买其余商品的机会。

Smart.Enterprise for Retail 可对商品进行快速的分析以肯定各种产品的销售状况, 发现产品的不一样特性(品牌, 产地, 价格等因素)对销售量的影响, 经过销售名次排序及时发现滞销商品,经过交叉销售分析发现商品最好的销售组合方式。

Smart.Enterprise for Retail 可帮助你:

1. 经过对销售历史的分析得到将来的销售趋势。

2. 经过对销售历史的分析, 发现脱销品和滞销品。

3. 经过对商品资料和销售历史的分析,发现产品的不一样特性(品牌, 产地, 价格,待款式,尺寸等) 对销售状况的影响。

4. 经过对销售点(POS) 数据的分析, 发现客户的最喜欢的购买组合,制订最好的交叉销售策略。

5. 经过对商品特征和客户特征的分析, 肯定特定客户群喜欢的商品特征.从而给客户提供最适合的商品选择。

三)强化供应链, 提升物流效率, 减小物流成本

　　供应链是零售企业业务发展的基础,完善的供应链系统有助于企业提升商品周转率;提升资金利用率; 加强企业的需求变化和外部环境的响应能力.增强供应链管理的智能化,主动得到供应链有关的信息帮助企业摆脱单纯供应链软件的信息死胡同。

在不少企业的现行供应链系统中, 可能已经存在库存数据, 商品需求数据, 供应信息等,但这些信息在产生后就如同走入了一条死胡同, 必须等用户主动查看才能得到, 并且库存信息, 商品销售信息和供应信息分布于不一样的界面,管理人员很难进行数据透视和分析。

Smart.Enterprise for Retail 帮助企业提升现存供应链系统的智能化程度, 经过Smart.Message Servrer服务管理人员可订阅（按时或按照事件）所须要的报表和分析服务；在同一个报表或分析中将不一样的数据信息放在一块儿经过图形或数据的方式进行对 比分析以发现异常；对于汇总的信息可进行进一步钻取, 透视和分析。

　　 CRM策略应当包括：

　　（a） 操做型CRM: 在销售过程当中和顾客的自动交互。

　　（b） 分析型CRM：对来自操做型CRM和其它如POS交易、WEB交易、第三方的数据进行深刻的分析。

　　一个典型的零售组织有一个巨大的顾客群，而且一般顾客的需求是各不相同的。若是没有分析巨大数量顾客数据的方法，CRM战略注定要失败。所以，分析型CRM组成了零售商顾客关系战略的核心。

　　市场和销售行为是分析型CRM的主要受益方和信息的来源地，从这里得到对顾客的深刻理解并被整个零售组织吸取和应用。

　　分析型CRM使用的主要商业智能工具备数据仓库、数据挖掘、OLAP，利用它们来帮助对顾客的分析。

　　下面是分析型CRM的一些用途：

　　 ● 顾客分类：

　　顾客分类在零售组织的市场指导中是一个重要因素。它能对为何不一样类别的顾客在人口统计学、流行和趋势方面的变化提供深刻的分析，例如它能帮助把顾客进行以下分类：

　　 ●对新促销有兴趣的顾客；

　　 ●对新产品投放有反应的顾客；

　　 ●对打折有反应的顾客；

　　 ●对特殊产品有购买倾向的顾客。

　　例如，对于打折有反应的顾客，咱们要仔细地研究，这部分顾客每每对企业的忠诚度较底，也就是他们的流失率高，但对占领市场、招徕顾客是有做用的，因此能够用清仓、甩卖季节性商品等手段来知足他们。

　　 ● 宣传和促销效果分析：

　　一旦投放一个宣传，它的效果能经过不一样的媒体和根据费用和收益来研究，这对于理解什么是一个成功的宣传有很大帮助。

　　宣传和促销效果分析能回答相似的问题：

　　 ●在过去各类不一样的宣传中哪种媒体渠道最成功？

　　 ●对某一个特别的宣传哪些地理位置反映不错？

　　 ●某个宣传的相关投资和收益是多少？

　　 ●哪些顾客群响应该宣传活动？

　　 ● 顾客价值生命周期：

　　并非全部的顾客都具备一样的价值。在今天来讲不是很是有价值的顾客可能在未来具备潜在的价值。所以鉴别哪些顾客具备高的顾客价值生命周期是绝 对有必要的，目的就是为了与这部分顾客创建长期关系。顾客价值生命周期是指企业在同顾客保持关系的整个过程当中所获取的利润。这种计算主要包括两个部分：顾 客的终身成本，包括获取成本、营运成本和顾客服务成本；以及预计能够从顾客那里所得到的收入总额。用于计算顾客价值生命周期的基本方法是: 从顾客未来可能带来的预期收入扣除为该顾客服务所需的费用，加上该顾客所带来新顾客的净收益，再按照关系的持续时间把上述结果进行折扣。虽然听起来容易， 但还有许多客观的变量，如顾客与零售商关系的持续时间、折扣率。数据挖掘技术应该能提供计算顾客价值生命周期的模型。

　　 ● 顾客忠诚度分析：

　　众所周知，维持一个现有的顾客比获取一个新的顾客更为经济。为了开发有效的顾客维持计划，分析顾客流失的缘由是重要的。经过考虑影响每一个顾客的不一样的因素，甚至分析有可能会致使顾客忠诚度的变化每一笔交易，商业智能有助于理解顾客的流失。

　　 ● 交叉销售：

　　零售商使用可得到的最大数量的顾客信息，在顾客进行购买活动的同时进行交叉销售。用BI工具分析之前的购买活动得出顾客的购买趋势，从而用于特定顾客群的购买实践。零售商也能够"向上销售"，即在和顾客接触的时候销售一些高利润的产品。

　　 ● 产品订价：

　　在零售商所采起的最为相当紧要的市场决策方案中，产品订价是其中之一。产品价格的提升常常能致使销售量的降低和顾客转向购买相似产品做为替代。 经过数据仓库和数据挖掘技术，零售商能针对不一样的产品开发不一样的价格模型，它能创建产品的价格-销售关系，并能知道价格的变化如何影响其它产品的销售。

　　 ● 市场定位：

　　经过发起针对特定顾客或者顾客群的促销活动，零售商可以提升促销效果。经过对顾客或顾客群的购买习惯进行简单分析也能得出市场定位，可是在肯定对特定促销活动感兴趣的顾客分类时，应该愈来愈多地使用数据挖掘工具。

供应链管理和采购

　　 供应链管理（SCM）大大提升了零售商在库存控制和采购方面的效率。经过条码扫描，零售商能自动管理产品的流向，自动给供应商发送补货订单。为此目的而收集的数据能深刻了解供应链的动态变化。

　　 然而大多数商业SCM应用对库存管理和采购仅仅提供了基于事务（交易）的功能，他们缺乏为提供完整的供应链管理所需的深层次的分析能力。而数据仓库能提供重要的信息，帮助管理者优化供应链。BI在供应链管理和采购方面的应用以下：

　　 ● 供货商行为分析：

　　每一个供应商的贡献能在综合一系列的因素例如供应成本、供货及时性、产品质量、供货周期的基础上分析得出，除此以外，供应商对特定商品的缺货期也应重点考虑。

　　 ● 库存控制 (包括库存级别，安全库存，定货批量 ,采购提早期)：

　　 关于库存关键指标如库存级别、批量等的当前和历史报表能从数据仓库中产生，所以有助于进行与库存相关的实际运做方法和策略的制定。

　　 ● 商品流向和供应链：

　　有的商品从上架到下架比别的商品显示出了更快的速度，所以对这样的商品来讲及时地下补货订单就很是重要。使用BI工具分析特定商品的流向有助于预测什么时候须要再下订单。

　　 ● 需求预测：

　　这是数据挖掘的主要应用之一。复杂的需求预测模型能经过考虑一系列因素例如销售数据、基本经济指标、环境情况等建立。另外，预测的准确度在很大程度上取决于经营者的宏观视野。

　　 若是正确地使用数据仓库，能有助于改进零售商和供应商的关系，而且完善现有的SCM。

店面运营

　　 店面管理者所须要的信息再也不局限于每日的运做。现在的顾客更加成熟，更增强调购物体验，为此店面管理者对顾客的喜爱和购物行为须要有更深刻的了解。数据仓库和数据挖掘能帮助管理者获取这些信息。如下是BI在店面运营中的一些用途：

　　 ● 购物分析：

　　主要用来研究不一样商品之间的联系。一个最经典的关于超市购物分析的例子就是啤酒-尿布关系，在这个例子里分析代表购买尿布的男顾客也有可能同时 喜欢购买啤酒，这是一个“两商品关联关系"的例子。可是在现实生活中，迄今为止许多商品间未知的关联关系致使了购物分析变得极度复杂。这项分析在零售组织 里有不一样的用途，一个很是广泛的用途是用于店面商品摆放，另外一个受欢迎的用途是商品捆绑，商品被分组打成一个单独的包被出售，另外一个用途是设计公司的电子 商务网站和商品目录。

　　 ● 品类管理(CM)：

　　它有助于零售商理解特定类别存货单元（SKU）的适当库存。目标之一是从品类中得到最大的收益，但更重要的是优化商品结构，达到卖场商品的高速 流转。在当前家电产品销售毛利率广泛不高的环境下，企业要保持盈利，提升商品的周转速度是一个支撑手段。太少的存货单元意味着顾客没有充分的选择余地，太 多则意味着存货单元能够被互相替代。能够毫无疑问地说有效的品类管理对于零售商的市场竞争力起着很是重要的做用。

　　 ● 产品脱销分析：

　　主要分析调查致使商品脱销的各类缘由。许多变化的缘由致使这项分析变得很是复杂。这项分析的一个主要目的是计算因为产品脱销而损失的收入。

 

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