電子商務(wù)企業(yè)管理方案課件

第五章

電子商務(wù)企業(yè)管理方案

第五章

電子商務(wù)企業(yè)管理方案

1

客戶關(guān)系管理

供應(yīng)鏈管理商務(wù)智能客戶關(guān)系管理2客戶關(guān)系管理簡(jiǎn)述CRM(CustomerRelationshipManagement，客戶關(guān)系管理)，是正在興起的一種旨在健全、改善企業(yè)與客戶之間關(guān)系的新型管理系統(tǒng)

CRM核心思想是以“客戶為中心”，提高客戶滿意度，改善客戶關(guān)系，從而提高企業(yè)的競(jìng)爭(zhēng)力

對(duì)CRM的定義，目前還沒(méi)有一個(gè)統(tǒng)一的表述。但就其功能來(lái)看，CRM是通過(guò)采用信息技術(shù)，使企業(yè)市場(chǎng)營(yíng)銷(xiāo)、銷(xiāo)售管理、客戶服務(wù)和支持等經(jīng)營(yíng)流程信息化，實(shí)現(xiàn)客戶資源有效利用的管理軟件系統(tǒng)

客戶關(guān)系管理簡(jiǎn)述CRM(CustomerRelations3需求的拉動(dòng)的沖擊來(lái)自銷(xiāo)售人員的聲音來(lái)自營(yíng)銷(xiāo)人員的聲音來(lái)自服務(wù)人員的聲音來(lái)自顧客的聲音來(lái)自經(jīng)理人員的聲音技術(shù)的推動(dòng)管理理念的更新業(yè)務(wù)流程的重組（BPR）客戶的重要性日益突出網(wǎng)絡(luò)化市場(chǎng)的主動(dòng)權(quán)在客戶方CRM的產(chǎn)生需求的拉動(dòng)的沖擊CRM的產(chǎn)生4Internet和電子商務(wù)多媒體技術(shù)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘人工智能和專(zhuān)家系統(tǒng)呼叫中心及相應(yīng)的硬件系統(tǒng)專(zhuān)業(yè)咨詢真正的CRM應(yīng)做到讓客戶更方便（Convenient）讓客戶更親切（Care）讓客戶更覺(jué)個(gè)性化（Personalized）實(shí)時(shí)反應(yīng)（real-timeresponse）CRM作為解決方案Internet和電子商務(wù)CRM作為解決方案5CRM的主要內(nèi)容客戶分析企業(yè)對(duì)客戶的承諾客戶信息交流一良好的關(guān)系留住客戶客戶反饋管理CRM系統(tǒng)組成客戶概況（Profiling）分析子系統(tǒng)客戶利潤(rùn)（Profitability）分析子系統(tǒng)客戶性能（Performance）分析子系統(tǒng)客戶產(chǎn)品（Product）分析子系統(tǒng)客戶忠誠(chéng)度（Persistency）分析子系統(tǒng)客戶未來(lái)（Prospecting）分析子系統(tǒng)客戶促銷(xiāo)（Promotion）分析子系統(tǒng)CRM主要內(nèi)容CRM的主要內(nèi)容CRM主要內(nèi)容6CRM與ERP的關(guān)系CRM與ERP的關(guān)系7客戶關(guān)系管理模型客戶關(guān)系管理模型8客戶關(guān)系管理的功能主要分為四大部分：客戶信息管理：整合記錄企業(yè)各部門(mén)、每個(gè)人所接觸的客戶資料，并進(jìn)行統(tǒng)一管理

市場(chǎng)營(yíng)銷(xiāo)管理：制訂市場(chǎng)推廣計(jì)劃，并對(duì)各種渠道接觸的客戶進(jìn)行記錄、分類(lèi)和辨識(shí)，提供對(duì)潛在客戶的管理，并對(duì)各種市場(chǎng)活動(dòng)的成效進(jìn)行評(píng)價(jià)

銷(xiāo)售管理：包括對(duì)銷(xiāo)售人員電話銷(xiāo)售、現(xiàn)場(chǎng)銷(xiāo)售、銷(xiāo)售傭金等管理，支持現(xiàn)場(chǎng)銷(xiāo)售人員的移動(dòng)通信設(shè)備或掌上電腦接入

服務(wù)管理與客戶關(guān)懷：功能包括產(chǎn)品安裝檔案、服務(wù)請(qǐng)求、服務(wù)內(nèi)容、服務(wù)網(wǎng)點(diǎn)、服務(wù)收費(fèi)等管理信息，詳細(xì)記錄服務(wù)全程進(jìn)行情況

CRM的典型功能

客戶關(guān)系管理的功能主要分為四大部分：CRM的典型功能9

IBM的CRM解決方案

IBM的CRM解決方案10CRM解決方案的功能主要有三類(lèi)：接入管理：用來(lái)管理客戶和企業(yè)進(jìn)行交互的方式CRM流程管理：CRM流程管理代表著與銷(xiāo)售、服務(wù)、支持和市場(chǎng)相關(guān)的業(yè)務(wù)流程的自動(dòng)化，主要包括銷(xiāo)售自動(dòng)化、服務(wù)送達(dá)、產(chǎn)品支持和市場(chǎng)自動(dòng)化關(guān)系管理：使用數(shù)據(jù)挖掘/數(shù)據(jù)倉(cāng)庫(kù)和復(fù)雜的分析功能，貫穿于CRM解決方案關(guān)系管理的全過(guò)程，并具有全面的客戶觀念和客戶忠誠(chéng)度衡量標(biāo)準(zhǔn)和條件IBMCRM的主要內(nèi)容CRM解決方案的功能主要有三類(lèi)：IBMCRM的主要內(nèi)容11

客戶關(guān)系管理

供應(yīng)鏈管理商務(wù)智能客戶關(guān)系管理12SCM概念供應(yīng)鏈（supplychain）定義為相互間通過(guò)提供原材料、零部件、產(chǎn)品、服務(wù)的廠家、供應(yīng)商、零售商等組成的網(wǎng)絡(luò)供應(yīng)鏈管理（SupplyChainManagement）則是對(duì)供應(yīng)鏈中的信息流、物流和資金流進(jìn)行設(shè)計(jì)、規(guī)劃和控制，從而增強(qiáng)競(jìng)爭(zhēng)實(shí)力，提高供應(yīng)鏈中各成員的效率和效益SCM幫助管理人員有效分配資源，最大限度提高效率和減少工作周期SCM概念供應(yīng)鏈（supplychain）定義為相互間通13SCM與ERP供應(yīng)鏈管理(SCM)應(yīng)用是在企業(yè)資源管理(ERP)的基礎(chǔ)上發(fā)展起來(lái)的

ERP從概念上而言僅是對(duì)企業(yè)內(nèi)部的資源進(jìn)行調(diào)配與平衡

SCM被作為ERP的外延和補(bǔ)充提出來(lái)，因?yàn)镾CM不僅包括資源接收、生產(chǎn)制造過(guò)程的管理，還涉及產(chǎn)品交付過(guò)程等管理ERP是著重在交易處理（TransactionBase）的層面，SCM軟件則著重在規(guī)劃層面，而且它是從供應(yīng)鏈的角度思考作整個(gè)供應(yīng)鏈的管理

SCM與ERP供應(yīng)鏈管理(SCM)應(yīng)用是在企業(yè)資源管理(ER14SCM的功能

訂購(gòu)管理：管理客戶各種訂購(gòu)情況，如訂貨、收貨、付款與否等需求管理：從市場(chǎng)動(dòng)態(tài)預(yù)測(cè)客戶需求，以及材料補(bǔ)給計(jì)劃等供給管理：管理材料供應(yīng)商的供給情況，如庫(kù)存情況、價(jià)格、供給能力等制造管理：管理產(chǎn)品的狀況，如生產(chǎn)線、生產(chǎn)量、物流管理等

SCM的功能訂購(gòu)管理：管理客戶各種訂購(gòu)情況，如訂貨、收貨、15供應(yīng)鏈流程觀周期的觀點(diǎn)推拉的觀點(diǎn)供應(yīng)鏈流程觀周期的觀點(diǎn)16Dell供應(yīng)鏈的推/拉流程Dell供應(yīng)鏈的推/拉流程17Oracle供應(yīng)鏈管理系統(tǒng)主要包括：供應(yīng)鏈計(jì)劃供給管理

物料管理銷(xiāo)售定單管理售后客戶服務(wù)質(zhì)量管理

Oracle的供應(yīng)鏈管理方案

Oracle供應(yīng)鏈管理系統(tǒng)主要包括：Oracle的供應(yīng)鏈18

客戶關(guān)系管理

供應(yīng)鏈管理

商務(wù)智能客戶關(guān)系管理19核心業(yè)務(wù)與電子商務(wù)緊密結(jié)合面向客戶個(gè)性化服務(wù)商業(yè)智能快速反應(yīng)智能電子商務(wù)的特征核心業(yè)務(wù)與電子商務(wù)緊密結(jié)合智能電子商務(wù)的特征20如果數(shù)據(jù)是金錢(qián)，商務(wù)智能可以...ExistingDataAssets產(chǎn)品或服務(wù)分析降低成本分析利潤(rùn)發(fā)現(xiàn)銷(xiāo)售機(jī)會(huì)目標(biāo)市場(chǎng)/動(dòng)態(tài)區(qū)隔P=R-C如果數(shù)據(jù)是金錢(qián)，商務(wù)智能可以...ExistingData21什么是商務(wù)智能？商務(wù)智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過(guò)程，目的是為了更好的決策。商務(wù)智能是指將數(shù)據(jù)轉(zhuǎn)化為知識(shí)的過(guò)程。它包括捕獲和分析信息，交流信息，以及利用這些信息開(kāi)發(fā)市場(chǎng)。DataInformationKnowledge什么是商務(wù)智能？商務(wù)智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過(guò)程，22商務(wù)智能在行業(yè)的應(yīng)用銀行客戶利潤(rùn)分析分支行利潤(rùn)分析交叉銷(xiāo)售信用風(fēng)險(xiǎn)管理新產(chǎn)品推銷(xiāo)收費(fèi)策略保險(xiǎn)欺詐管理收費(fèi)策略目標(biāo)市場(chǎng)活動(dòng)客戶挽留客戶利潤(rùn)分析零售地區(qū)/商店各種貨物（品牌，分類(lèi)等）銷(xiāo)售業(yè)績(jī)定價(jià)和減價(jià)市場(chǎng)籃子關(guān)系市場(chǎng)需求預(yù)測(cè)倉(cāng)儲(chǔ)規(guī)劃通訊客戶忠實(shí)客戶流失模式客戶利潤(rùn)分析競(jìng)爭(zhēng)分析欺詐管理商務(wù)智能在行業(yè)的應(yīng)用銀行保險(xiǎn)零售通訊23數(shù)據(jù)倉(cāng)庫(kù)技術(shù)聯(lián)機(jī)分析處理技術(shù)OLAP數(shù)據(jù)挖掘技術(shù)代理技術(shù)商務(wù)智能關(guān)鍵技術(shù)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)商務(wù)智能關(guān)鍵技術(shù)24數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是把企業(yè)范圍內(nèi)的所有數(shù)據(jù)集成在一個(gè)大倉(cāng)庫(kù)中，讓用戶能運(yùn)行查詢、產(chǎn)生報(bào)告、執(zhí)行分析“數(shù)據(jù)倉(cāng)庫(kù)之父”BillInmon給的定義：

數(shù)據(jù)倉(cāng)庫(kù)就是一個(gè)用以更好地支持企業(yè)或組織的決策分析處理的，面向主題的，集成的，不可更新的，隨時(shí)間不斷變化的數(shù)據(jù)集合數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是把企業(yè)范圍內(nèi)的所有數(shù)據(jù)集成在一個(gè)25數(shù)據(jù)倉(cāng)庫(kù)的特征面向主題的：主題是一個(gè)在較高層次將數(shù)據(jù)歸類(lèi)的標(biāo)準(zhǔn)，每個(gè)主題基本對(duì)應(yīng)一個(gè)宏觀的分析領(lǐng)域集成的：允許數(shù)據(jù)來(lái)自于跨組織和部門(mén)等不同數(shù)據(jù)源；集成的數(shù)據(jù)必須是一致的、用戶看來(lái)是統(tǒng)一的數(shù)據(jù)視圖不可更新的：指一旦某個(gè)數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)后，一般情況下將被長(zhǎng)期保留（反映歷史數(shù)據(jù)內(nèi)容）隨時(shí)間不斷變化：庫(kù)中的信息系統(tǒng)地記錄了企業(yè)從過(guò)去某一點(diǎn)到目前的各階段的信息數(shù)據(jù)倉(cāng)庫(kù)的特征面向主題的：主題是一個(gè)在較高層次將數(shù)據(jù)歸類(lèi)的標(biāo)26數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)比較不同點(diǎn)：—依據(jù)決策要求，只從數(shù)據(jù)庫(kù)中抽取需要的數(shù)據(jù)，并進(jìn)行一定的處理—數(shù)據(jù)倉(cāng)庫(kù)是多維的，即數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)的組織方式有多層的行和列—支持決策處理（OLAP），不同于普通的事務(wù)處理（OLTP）需要的數(shù)據(jù)庫(kù)知識(shí)—并行數(shù)據(jù)庫(kù)技術(shù)：數(shù)據(jù)量很大—高性能的數(shù)據(jù)庫(kù)服務(wù)器：分析型的應(yīng)用—數(shù)據(jù)庫(kù)互操作技術(shù)：數(shù)據(jù)來(lái)源多種多樣數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)比較不同點(diǎn)：27數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)

操作型數(shù)據(jù)源1報(bào)告查詢、應(yīng)用開(kāi)發(fā)和EIS工具

操作型數(shù)據(jù)源2OLAP工具

n數(shù)據(jù)挖掘工具

倉(cāng)庫(kù)管理器

元數(shù)據(jù)高度綜合數(shù)據(jù)

輕度綜合數(shù)據(jù)

細(xì)節(jié)數(shù)據(jù)

集成管理器查詢管理器操作型數(shù)據(jù)源n數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)操作型數(shù)據(jù)源128數(shù)據(jù)倉(cāng)庫(kù)建模—星型模式ExampleofStarSchemaDateMonthYearDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore數(shù)據(jù)倉(cāng)庫(kù)建?！切湍Ｊ紼xampleofStarS29數(shù)據(jù)倉(cāng)庫(kù)建?！┢Ｊ?/p>

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStoreExampleofSnowflakeSchema數(shù)據(jù)倉(cāng)庫(kù)建模—雪片模式DateDateCustId30操作型（OLTP）數(shù)據(jù)源---銷(xiāo)售庫(kù)操作型（OLTP）數(shù)據(jù)源---銷(xiāo)售庫(kù)31星形模式時(shí)間維事實(shí)表星形模式時(shí)間維事實(shí)表32多維模型事實(shí)度量(Metrics)時(shí)間維時(shí)間維的屬性多維模型事實(shí)度量時(shí)間維時(shí)間維的屬性33聯(lián)機(jī)事物處理OLTP系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)的比較聯(lián)機(jī)事物處理OLTP系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)的比較34典型的數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案SAS數(shù)據(jù)倉(cāng)庫(kù)解決方案…...典型的數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案35IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案建立數(shù)據(jù)倉(cāng)庫(kù)包括以下階段：數(shù)據(jù)抽取階段：完成對(duì)各種數(shù)據(jù)源的訪問(wèn)數(shù)據(jù)轉(zhuǎn)換階段：完成對(duì)數(shù)據(jù)的清洗、匯總、整合數(shù)據(jù)分布階段：完成對(duì)結(jié)果數(shù)據(jù)存儲(chǔ)的分配

通常此三階段緊密結(jié)合在一個(gè)產(chǎn)品中體現(xiàn)

數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)：由DB2家族完成數(shù)據(jù)的呈現(xiàn)：由不同產(chǎn)品完成不同的分析要求管理和維護(hù)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)：

交給VisualWarehouseIBM數(shù)據(jù)倉(cāng)庫(kù)解決方案建立數(shù)據(jù)倉(cāng)庫(kù)包括以下階段：36IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案37IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案前三個(gè)階段（抽取、轉(zhuǎn)換、分布）：VisualWarehouse、DataJoiner、 DatePropagator數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)由DB2家族產(chǎn)品來(lái)完成IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案前三個(gè)階段（抽取、轉(zhuǎn)換、分布）：Vis38IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案數(shù)據(jù)的呈現(xiàn)：Approach可進(jìn)行查詢和統(tǒng)計(jì)分析IntelligentDecisionServer支持多維分析IntelligentMiner用于數(shù)據(jù)挖掘用戶查找和理解數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)：DataGuideIBM數(shù)據(jù)倉(cāng)庫(kù)解決方案數(shù)據(jù)的呈現(xiàn)：39ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案是OracleOLAP產(chǎn)品。其示意圖如下：OLAP應(yīng)用程序OLAP工具OLAPServer數(shù)據(jù)源OracleSalesAnalyzerOracleFinancialAnalyzerOracleFinancialController第三方前端工具OracleExpressObjectsOracleExpressAnalyzerOracleExpressWebAgentOracleDiscovererOracleExpressServer其他傳統(tǒng)的和外部數(shù)據(jù)庫(kù)關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案是O40ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressServer是一個(gè)先進(jìn)的計(jì)算引擎和數(shù)據(jù)高速緩存Oracle的OLAP工具主要包括OracleExpressObjects、OracleExpressAnalyzer和OracleDiscovererORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressS41ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressWebAgent將OracleExpress技術(shù)的分析能力和Web瀏覽器的簡(jiǎn)單性相結(jié)合OracleFinancialAnalyzer，OracleFinancialController和OracleSalesAnalyzer是Oracle針對(duì)財(cái)務(wù)和銷(xiāo)售而預(yù)制的OLAP應(yīng)用ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressW42聯(lián)機(jī)分析處理（OLAP）60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Codd提出了關(guān)系模型，促進(jìn)了聯(lián)機(jī)事務(wù)處理(OLTP)的發(fā)展(數(shù)據(jù)以表格的形式而非文件方式存儲(chǔ))。1993年，E.F.Codd提出了OLAP概念，認(rèn)為OLTP已不能滿足終端用戶對(duì)數(shù)據(jù)庫(kù)查詢分析的需要，SQL對(duì)大型數(shù)據(jù)庫(kù)進(jìn)行的簡(jiǎn)單查詢也不能滿足終端用戶分析的要求。用戶的決策分析需要對(duì)關(guān)系數(shù)據(jù)庫(kù)進(jìn)行大量計(jì)算才能得到結(jié)果，而查詢的結(jié)果并不能滿足決策者提出的需求。因此，E.F.Codd提出了多維數(shù)據(jù)庫(kù)和多維分析的概念，即OLAP。聯(lián)機(jī)分析處理（OLAP）60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Co43

OLTP數(shù)據(jù)OLAP數(shù)據(jù)

原始數(shù)據(jù) 導(dǎo)出數(shù)據(jù) 細(xì)節(jié)性數(shù)據(jù) 綜合性和提煉性數(shù)據(jù) 當(dāng)前值數(shù)據(jù) 歷史數(shù)據(jù) 可更新 不可更新，但周期性刷新 一次處理的數(shù)據(jù)量小 一次處理的數(shù)據(jù)量大 面向應(yīng)用，事務(wù)驅(qū)動(dòng) 面向分析，分析驅(qū)動(dòng) 面向操作人員，支持日面向決策人員，支持管理需要常操作OLTP和OLAP的區(qū)別 OLTP數(shù)據(jù)44定義1：OLAP(聯(lián)機(jī)分析處理)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪問(wèn)和分析。通過(guò)對(duì)信息(維數(shù)據(jù))的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對(duì)數(shù)據(jù)進(jìn)行深入觀察。定義2：OLAP(聯(lián)機(jī)分析處理)是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深入了解的一類(lèi)軟件技術(shù)。(OLAP委員會(huì)的定義)OLAP的目標(biāo)是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)核心是“維”這個(gè)概念，因此OLAP也可以說(shuō)是多維數(shù)據(jù)分析工具的集合。什么是OLAP？定義1：OLAP(聯(lián)機(jī)分析處理)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪451.維：是人們觀察數(shù)據(jù)的特定角度，是考慮問(wèn)題時(shí)的一類(lèi)屬性，屬性集合構(gòu)成一個(gè)維(時(shí)間維、地理維等)。2.維的層次：人們觀察數(shù)據(jù)的某個(gè)特定角度(即某個(gè)維)可以存在細(xì)節(jié)程度不同的各個(gè)描述方面(時(shí)間維：日期、月份、季度、年)。3.維的成員：維的一個(gè)取值。是數(shù)據(jù)項(xiàng)在某維中位置的描述。(“某年某月某日”是在時(shí)間維上位置的描述)4.多維數(shù)組：維和變量的組合表示。一個(gè)多維數(shù)組可以表示為：(維1，維2，…，維n，變量)。(時(shí)間，地區(qū)，產(chǎn)品，銷(xiāo)售額)5.數(shù)據(jù)單元(單元格)：多維數(shù)組的取值。(2000年1月，上海，筆記本電腦，$100000)相關(guān)基本概念1.維：是人們觀察數(shù)據(jù)的特定角度，是考慮問(wèn)題時(shí)的一類(lèi)屬性，屬46(1)快速性:用戶對(duì)OLAP的快速反應(yīng)能力有很高的要求。系統(tǒng)應(yīng)能在5秒內(nèi)對(duì)用戶的大部分分析要求做出反應(yīng)。

(2)可分析性:OLAP系統(tǒng)應(yīng)能處理與應(yīng)用有關(guān)的任何邏輯分析和統(tǒng)計(jì)分析。(3)多維性:多維性是OLAP的關(guān)鍵屬性。系統(tǒng)必須提供對(duì)數(shù)據(jù)的多維視圖和分析,包括對(duì)層次維和多重層次維的完全支持…(4)信息性:不論數(shù)據(jù)量有多大，也不管數(shù)據(jù)存儲(chǔ)在何處，OLAP系統(tǒng)應(yīng)能及時(shí)獲得信息，并且管理大容量信息。OLAP特性(1)快速性:用戶對(duì)OLAP的快速反應(yīng)能力有很高的要求。系統(tǒng)47多維視圖

地北京

理多維數(shù)據(jù)視圖

位上海

99

置98年廣州97份

彩電

洗衣機(jī)

電冰箱產(chǎn)

品

類(lèi)

型9897多維視圖地北京理多維數(shù)據(jù)視圖位上海99481.超立方結(jié)構(gòu)(Hypercube)

超立方結(jié)構(gòu)指用三維或更多的維數(shù)來(lái)描述一個(gè)對(duì)象,每個(gè)維彼此垂直。數(shù)據(jù)的測(cè)量值發(fā)生在維的交叉點(diǎn)上,數(shù)據(jù)空間的各個(gè)部分都有相同的維屬性。(收縮超立方結(jié)構(gòu):這種結(jié)構(gòu)的數(shù)據(jù)密度更大,數(shù)據(jù)的維數(shù)更少,并可加入額外的分析維)。

2.多立方結(jié)構(gòu)(Multicube)

在多立方結(jié)構(gòu)(Multicube)中,將大的數(shù)據(jù)結(jié)構(gòu)分成多個(gè)多維結(jié)構(gòu)。這些多維結(jié)構(gòu)是大數(shù)據(jù)維數(shù)的子集,面向某一特定應(yīng)用對(duì)維進(jìn)行分割,即將超立方結(jié)構(gòu)變?yōu)樽恿⒎浇Y(jié)構(gòu)。它具有很強(qiáng)的靈活性,提高了數(shù)據(jù)(特別是稀疏數(shù)據(jù))的分析效率OLAP多維數(shù)據(jù)結(jié)構(gòu)1.超立方結(jié)構(gòu)(Hypercube)OLAP多維數(shù)據(jù)結(jié)構(gòu)49OLAP多維數(shù)據(jù)分析 對(duì)以多維形式組織起來(lái)的數(shù)據(jù)，采取切片、切塊、旋轉(zhuǎn)等各種分析動(dòng)作，以求剖析數(shù)據(jù)，使最終用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫(kù)中的數(shù)據(jù)OLAP多維數(shù)據(jù)分析 對(duì)以多維形式組織起來(lái)的數(shù)據(jù)，采取切片、501.切片和切塊(SliceandDice)在多維數(shù)據(jù)結(jié)構(gòu)中,按二維進(jìn)行切片,按三維進(jìn)行切塊,可得到所需要的數(shù)據(jù)。如在“城市、產(chǎn)品、時(shí)間”三維立方體中進(jìn)行切塊和切片,可得到各城市、各產(chǎn)品的銷(xiāo)售情況。2.鉆取(Drill)鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作，鉆取的深度與維所劃分的層次相對(duì)應(yīng)。

3.旋轉(zhuǎn)(Rotate)/轉(zhuǎn)軸(Pivot)通過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。數(shù)據(jù)分析方法1.切片和切塊(SliceandDice)數(shù)據(jù)分析方法51OLAP的分析方法(一)切片、切塊OLAP的分析方法(一)切片、切塊52OLAP的分析方法(二)鉆取按時(shí)間維向下鉆取按時(shí)間維向上鉆取60OLAP的分析方法(二)鉆取按時(shí)間維向下鉆取按時(shí)間維向上鉆取53OLAP的分析方法(三)旋轉(zhuǎn)OLAP的分析方法(三)旋轉(zhuǎn)54數(shù)據(jù)組織形式RDB數(shù)據(jù)組織-MDDB數(shù)據(jù)組織-關(guān)系表中綜合數(shù)據(jù)的存放

多維數(shù)據(jù)庫(kù)中綜合數(shù)據(jù)的存放

產(chǎn)品名稱(chēng)地區(qū)銷(xiāo)售量冰箱東北50冰箱西北60冰箱華北100彩電東北40彩電西北70彩電華北80空調(diào)東北90空調(diào)西北120空調(diào)華北140

東北西北華北冰箱5060100彩電407080空調(diào)90120140產(chǎn)品名稱(chēng)地區(qū)銷(xiāo)售量冰箱東北50冰箱西北60冰箱華北100冰箱總和210彩電東北40彩電西北70彩電華北80彩電總和190空調(diào)東北90空調(diào)西北120空調(diào)華北140空調(diào)總和350總和東北180總和西北250總和華北320總和總和750

東北西北華北總和冰箱5060100210彩電407080190空調(diào)90120140350總和180250320750數(shù)據(jù)組織形式RDB數(shù)據(jù)組織-MDDB數(shù)55OLAP體系結(jié)構(gòu)OLAP體系結(jié)構(gòu)56數(shù)據(jù)挖掘（DataMining）

數(shù)據(jù)挖掘(DataMining)，又稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中抽取出潛在的、有價(jià)值的知識(shí)（模型或規(guī)則）的過(guò)程數(shù)據(jù)挖掘的目的：提高市場(chǎng)決策能力；檢測(cè)異常模式；在過(guò)去的經(jīng)驗(yàn)基礎(chǔ)上預(yù)言未來(lái)趨勢(shì)等數(shù)據(jù)挖掘不同的術(shù)語(yǔ)和定義：datamining,knowledgediscovery,patterndiscovery,datadredging,dataarcheology.數(shù)據(jù)挖掘（DataMining）數(shù)據(jù)挖掘(DataM57數(shù)據(jù)挖掘過(guò)程選擇轉(zhuǎn)換挖掘理解轉(zhuǎn)換后數(shù)據(jù)抽取的信息可理解的信息選擇的數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)挖掘過(guò)程選擇轉(zhuǎn)換挖掘理解轉(zhuǎn)換后數(shù)據(jù)抽取的信息可理解的信息58數(shù)據(jù)挖掘過(guò)程模型1.

定義商業(yè)問(wèn)題2.

建立數(shù)據(jù)挖掘模型3.

分析數(shù)據(jù)4.

準(zhǔn)備數(shù)據(jù)5.

建立模型6.

評(píng)價(jià)模型7.

實(shí)施數(shù)據(jù)挖掘過(guò)程模型1.

定義商業(yè)問(wèn)題59數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)源數(shù)據(jù)倉(cāng)庫(kù)各分公司數(shù)據(jù)集市分析數(shù)據(jù)集市數(shù)據(jù)挖掘數(shù)據(jù)集市圖1：數(shù)據(jù)挖掘庫(kù)從數(shù)據(jù)倉(cāng)庫(kù)中得出數(shù)據(jù)源數(shù)據(jù)挖掘庫(kù)圖2：數(shù)據(jù)挖掘庫(kù)從事務(wù)數(shù)據(jù)庫(kù)中得出數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)源數(shù)據(jù)倉(cāng)庫(kù)各分公司數(shù)據(jù)集市分析數(shù)據(jù)挖掘60數(shù)據(jù)挖掘模式分類(lèi)模式關(guān)聯(lián)模式順序模式

聚類(lèi)模式

回歸模式時(shí)間序列模式數(shù)據(jù)挖掘模式分類(lèi)模式61分類(lèi)（Classification）方法：首先從數(shù)據(jù)中選出已經(jīng)分好類(lèi)的訓(xùn)練集，在該訓(xùn)練集上運(yùn)用數(shù)據(jù)挖掘分類(lèi)的技術(shù)，建立分類(lèi)模型，對(duì)于沒(méi)有分類(lèi)的數(shù)據(jù)進(jìn)行分類(lèi)。例子：a.信用卡申請(qǐng)者，分類(lèi)為低、中、高風(fēng)險(xiǎn)b.分配客戶到預(yù)先定義的客戶分片注意：類(lèi)的個(gè)數(shù)是確定的，預(yù)先定義好的常用算法：Decisiontreeinduction、Neuralnetworks、Geneticalgorithms、K-Nearestneighbors、Casebasedreasoning、AssociationRuleModel、DecisionClustermodel、Roughsetclassificationmodel

分類(lèi)（Classification）方法：62回歸（估值Estimation）方法

估值與分類(lèi)類(lèi)似，不同之處在于，分類(lèi)描述的是離散型變量的輸出，而估值處理連續(xù)值的輸出；分類(lèi)的類(lèi)別是確定數(shù)目的，估值的量是不確定的。例子：a.根據(jù)購(gòu)買(mǎi)模式，估計(jì)一個(gè)家庭的孩子個(gè)數(shù)b.根據(jù)購(gòu)買(mǎi)模式，估計(jì)一個(gè)家庭的收入c.估計(jì)realestate的價(jià)值一般來(lái)說(shuō)，估值可以作為分類(lèi)的前一步工作。給定一些輸入數(shù)據(jù)，通過(guò)估值，得到未知的連續(xù)變量的值，然后，根據(jù)預(yù)先設(shè)定的閾值，進(jìn)行分類(lèi)。例如：銀行對(duì)家庭貸款業(yè)務(wù)，運(yùn)用估值，給各個(gè)客戶記分（Score0~1）。然后，根據(jù)閾值，將貸款級(jí)別分類(lèi)?；貧w（估值Estimation）方法63關(guān)聯(lián)模式相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinitygroupingorassociationrules）兩種常用的技術(shù)是關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是尋找在同一個(gè)事件中出現(xiàn)的不同項(xiàng)的相關(guān)性；序列模式尋找的是事件之間時(shí)間上的相關(guān)性

例子：a.超市中客戶在購(gòu)買(mǎi)A的同時(shí)，經(jīng)常會(huì)購(gòu)買(mǎi)B，即A=>B(關(guān)聯(lián)規(guī)則)b.

客戶在購(gòu)買(mǎi)A后，隔一段時(shí)間，會(huì)購(gòu)買(mǎi)B（序列分析）關(guān)聯(lián)模式相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinitygroupi64聚類(lèi)（Clustering）方法聚類(lèi)是對(duì)記錄分組，把相似的記錄在一個(gè)聚類(lèi)里。聚類(lèi)和分類(lèi)的區(qū)別是聚類(lèi)不依賴(lài)于預(yù)先定義好的類(lèi)，不需要訓(xùn)練集。例子：a.一些特定癥狀的聚類(lèi)可能預(yù)示了一個(gè)特定的疾病b.租VCD類(lèi)型不相似的客戶聚類(lèi)，可能暗示成員屬于不同的亞文化群聚類(lèi)通常作為數(shù)據(jù)挖掘的第一步。例如，“哪一種類(lèi)的促銷(xiāo)對(duì)客戶響應(yīng)最好？”，對(duì)于這一類(lèi)問(wèn)題，首先對(duì)整個(gè)客戶做聚類(lèi)，將客戶分組在各自的聚類(lèi)里，然后對(duì)每個(gè)不同的聚類(lèi)，回答問(wèn)題，可能效果更好。聚類(lèi)（Clustering）方法65數(shù)據(jù)挖掘典型方法-神經(jīng)網(wǎng)絡(luò)一個(gè)神經(jīng)網(wǎng)絡(luò)劃分為輸入層、輸出層和隱含層。輸入層的每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)個(gè)的預(yù)測(cè)變量。輸出層的節(jié)點(diǎn)對(duì)應(yīng)目標(biāo)變量，可有多個(gè)。在輸入層和輸出層之間是隱含層（對(duì)神經(jīng)網(wǎng)絡(luò)使用者來(lái)說(shuō)不可見(jiàn)），隱含層的層數(shù)和每層節(jié)點(diǎn)的個(gè)數(shù)決定了神經(jīng)網(wǎng)絡(luò)的復(fù)雜度

神經(jīng)網(wǎng)絡(luò)常用于兩類(lèi)問(wèn)題：分類(lèi)和回歸123456輸入輸出隱含層

一個(gè)神經(jīng)元網(wǎng)絡(luò)數(shù)據(jù)挖掘典型方法-神經(jīng)網(wǎng)絡(luò)一個(gè)神經(jīng)網(wǎng)絡(luò)劃分為輸入層、輸出層和66數(shù)據(jù)挖掘典型方法-決策樹(shù)收入>￥40,000工作時(shí)間>5年高負(fù)債高風(fēng)險(xiǎn)低風(fēng)險(xiǎn)高風(fēng)險(xiǎn)低風(fēng)險(xiǎn)否否否是是是

一棵簡(jiǎn)單的決策樹(shù)決策樹(shù)中最上面的節(jié)點(diǎn)稱(chēng)為根節(jié)點(diǎn)，是整個(gè)決策樹(shù)的開(kāi)始。每個(gè)分支要么是一個(gè)新的決策節(jié)點(diǎn)，要么是樹(shù)的結(jié)尾，稱(chēng)為葉子。在沿著決策樹(shù)從上到下遍歷的過(guò)程中，在每個(gè)節(jié)點(diǎn)都會(huì)遇到一個(gè)問(wèn)題，對(duì)每個(gè)節(jié)點(diǎn)上問(wèn)題的不同回答導(dǎo)致不同的分支，最后會(huì)到達(dá)一個(gè)葉子節(jié)點(diǎn)。這個(gè)過(guò)程就是利用決策樹(shù)進(jìn)行分類(lèi)的過(guò)程，利用幾個(gè)變量（每個(gè)變量對(duì)應(yīng)一個(gè)問(wèn)題）來(lái)判斷所屬的類(lèi)別（最后每個(gè)葉子會(huì)對(duì)應(yīng)一個(gè)類(lèi)別）數(shù)據(jù)挖掘典型方法-決策樹(shù)收入>￥40,000工作時(shí)間>5年高67數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理OLAP是決策支持領(lǐng)域的一部分。傳統(tǒng)的查詢和報(bào)表工具是告訴你數(shù)據(jù)庫(kù)中都有什么（whathappened），OLAP則更進(jìn)一步告訴你下一步會(huì)怎么樣（Whatnext）、和如果我采取這樣的措施又會(huì)怎么樣（Whatif）OLAP方法先建立一系列的假設(shè)，然后通過(guò)OLAP來(lái)證實(shí)或推翻這些假設(shè)來(lái)最終得到自己的結(jié)論OLAP分析過(guò)程在本質(zhì)上是一個(gè)演繹推理的過(guò)程數(shù)據(jù)挖掘是在數(shù)據(jù)庫(kù)中自己尋找模型，在本質(zhì)上是一個(gè)歸納的過(guò)程數(shù)據(jù)挖掘和OLAP具有一定的互補(bǔ)性數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理OLAP是決策支持領(lǐng)域的一部分。傳統(tǒng)68代理技術(shù)代理技術(shù)69基于代理技術(shù)的電子商務(wù)應(yīng)用基于代理技術(shù)的電子商務(wù)應(yīng)用70IBM智能商務(wù)解決方案

IBM智能商務(wù)解決方案71第五章

電子商務(wù)企業(yè)管理方案

第五章

電子商務(wù)企業(yè)管理方案

72

客戶關(guān)系管理

供應(yīng)鏈管理商務(wù)智能客戶關(guān)系管理73客戶關(guān)系管理簡(jiǎn)述CRM(CustomerRelationshipManagement，客戶關(guān)系管理)，是正在興起的一種旨在健全、改善企業(yè)與客戶之間關(guān)系的新型管理系統(tǒng)

CRM核心思想是以“客戶為中心”，提高客戶滿意度，改善客戶關(guān)系，從而提高企業(yè)的競(jìng)爭(zhēng)力

對(duì)CRM的定義，目前還沒(méi)有一個(gè)統(tǒng)一的表述。但就其功能來(lái)看，CRM是通過(guò)采用信息技術(shù)，使企業(yè)市場(chǎng)營(yíng)銷(xiāo)、銷(xiāo)售管理、客戶服務(wù)和支持等經(jīng)營(yíng)流程信息化，實(shí)現(xiàn)客戶資源有效利用的管理軟件系統(tǒng)

客戶關(guān)系管理簡(jiǎn)述CRM(CustomerRelations74需求的拉動(dòng)的沖擊來(lái)自銷(xiāo)售人員的聲音來(lái)自營(yíng)銷(xiāo)人員的聲音來(lái)自服務(wù)人員的聲音來(lái)自顧客的聲音來(lái)自經(jīng)理人員的聲音技術(shù)的推動(dòng)管理理念的更新業(yè)務(wù)流程的重組（BPR）客戶的重要性日益突出網(wǎng)絡(luò)化市場(chǎng)的主動(dòng)權(quán)在客戶方CRM的產(chǎn)生需求的拉動(dòng)的沖擊CRM的產(chǎn)生75Internet和電子商務(wù)多媒體技術(shù)數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘人工智能和專(zhuān)家系統(tǒng)呼叫中心及相應(yīng)的硬件系統(tǒng)專(zhuān)業(yè)咨詢真正的CRM應(yīng)做到讓客戶更方便（Convenient）讓客戶更親切（Care）讓客戶更覺(jué)個(gè)性化（Personalized）實(shí)時(shí)反應(yīng)（real-timeresponse）CRM作為解決方案Internet和電子商務(wù)CRM作為解決方案76CRM的主要內(nèi)容客戶分析企業(yè)對(duì)客戶的承諾客戶信息交流一良好的關(guān)系留住客戶客戶反饋管理CRM系統(tǒng)組成客戶概況（Profiling）分析子系統(tǒng)客戶利潤(rùn)（Profitability）分析子系統(tǒng)客戶性能（Performance）分析子系統(tǒng)客戶產(chǎn)品（Product）分析子系統(tǒng)客戶忠誠(chéng)度（Persistency）分析子系統(tǒng)客戶未來(lái)（Prospecting）分析子系統(tǒng)客戶促銷(xiāo)（Promotion）分析子系統(tǒng)CRM主要內(nèi)容CRM的主要內(nèi)容CRM主要內(nèi)容77CRM與ERP的關(guān)系CRM與ERP的關(guān)系78客戶關(guān)系管理模型客戶關(guān)系管理模型79客戶關(guān)系管理的功能主要分為四大部分：客戶信息管理：整合記錄企業(yè)各部門(mén)、每個(gè)人所接觸的客戶資料，并進(jìn)行統(tǒng)一管理

市場(chǎng)營(yíng)銷(xiāo)管理：制訂市場(chǎng)推廣計(jì)劃，并對(duì)各種渠道接觸的客戶進(jìn)行記錄、分類(lèi)和辨識(shí)，提供對(duì)潛在客戶的管理，并對(duì)各種市場(chǎng)活動(dòng)的成效進(jìn)行評(píng)價(jià)

銷(xiāo)售管理：包括對(duì)銷(xiāo)售人員電話銷(xiāo)售、現(xiàn)場(chǎng)銷(xiāo)售、銷(xiāo)售傭金等管理，支持現(xiàn)場(chǎng)銷(xiāo)售人員的移動(dòng)通信設(shè)備或掌上電腦接入

服務(wù)管理與客戶關(guān)懷：功能包括產(chǎn)品安裝檔案、服務(wù)請(qǐng)求、服務(wù)內(nèi)容、服務(wù)網(wǎng)點(diǎn)、服務(wù)收費(fèi)等管理信息，詳細(xì)記錄服務(wù)全程進(jìn)行情況

CRM的典型功能

客戶關(guān)系管理的功能主要分為四大部分：CRM的典型功能80

IBM的CRM解決方案

IBM的CRM解決方案81CRM解決方案的功能主要有三類(lèi)：接入管理：用來(lái)管理客戶和企業(yè)進(jìn)行交互的方式CRM流程管理：CRM流程管理代表著與銷(xiāo)售、服務(wù)、支持和市場(chǎng)相關(guān)的業(yè)務(wù)流程的自動(dòng)化，主要包括銷(xiāo)售自動(dòng)化、服務(wù)送達(dá)、產(chǎn)品支持和市場(chǎng)自動(dòng)化關(guān)系管理：使用數(shù)據(jù)挖掘/數(shù)據(jù)倉(cāng)庫(kù)和復(fù)雜的分析功能，貫穿于CRM解決方案關(guān)系管理的全過(guò)程，并具有全面的客戶觀念和客戶忠誠(chéng)度衡量標(biāo)準(zhǔn)和條件IBMCRM的主要內(nèi)容CRM解決方案的功能主要有三類(lèi)：IBMCRM的主要內(nèi)容82

客戶關(guān)系管理

供應(yīng)鏈管理商務(wù)智能客戶關(guān)系管理83SCM概念供應(yīng)鏈（supplychain）定義為相互間通過(guò)提供原材料、零部件、產(chǎn)品、服務(wù)的廠家、供應(yīng)商、零售商等組成的網(wǎng)絡(luò)供應(yīng)鏈管理（SupplyChainManagement）則是對(duì)供應(yīng)鏈中的信息流、物流和資金流進(jìn)行設(shè)計(jì)、規(guī)劃和控制，從而增強(qiáng)競(jìng)爭(zhēng)實(shí)力，提高供應(yīng)鏈中各成員的效率和效益SCM幫助管理人員有效分配資源，最大限度提高效率和減少工作周期SCM概念供應(yīng)鏈（supplychain）定義為相互間通84SCM與ERP供應(yīng)鏈管理(SCM)應(yīng)用是在企業(yè)資源管理(ERP)的基礎(chǔ)上發(fā)展起來(lái)的

ERP從概念上而言僅是對(duì)企業(yè)內(nèi)部的資源進(jìn)行調(diào)配與平衡

SCM被作為ERP的外延和補(bǔ)充提出來(lái)，因?yàn)镾CM不僅包括資源接收、生產(chǎn)制造過(guò)程的管理，還涉及產(chǎn)品交付過(guò)程等管理ERP是著重在交易處理（TransactionBase）的層面，SCM軟件則著重在規(guī)劃層面，而且它是從供應(yīng)鏈的角度思考作整個(gè)供應(yīng)鏈的管理

SCM與ERP供應(yīng)鏈管理(SCM)應(yīng)用是在企業(yè)資源管理(ER85SCM的功能

訂購(gòu)管理：管理客戶各種訂購(gòu)情況，如訂貨、收貨、付款與否等需求管理：從市場(chǎng)動(dòng)態(tài)預(yù)測(cè)客戶需求，以及材料補(bǔ)給計(jì)劃等供給管理：管理材料供應(yīng)商的供給情況，如庫(kù)存情況、價(jià)格、供給能力等制造管理：管理產(chǎn)品的狀況，如生產(chǎn)線、生產(chǎn)量、物流管理等

SCM的功能訂購(gòu)管理：管理客戶各種訂購(gòu)情況，如訂貨、收貨、86供應(yīng)鏈流程觀周期的觀點(diǎn)推拉的觀點(diǎn)供應(yīng)鏈流程觀周期的觀點(diǎn)87Dell供應(yīng)鏈的推/拉流程Dell供應(yīng)鏈的推/拉流程88Oracle供應(yīng)鏈管理系統(tǒng)主要包括：供應(yīng)鏈計(jì)劃供給管理

物料管理銷(xiāo)售定單管理售后客戶服務(wù)質(zhì)量管理

Oracle的供應(yīng)鏈管理方案

Oracle供應(yīng)鏈管理系統(tǒng)主要包括：Oracle的供應(yīng)鏈89

客戶關(guān)系管理

供應(yīng)鏈管理

商務(wù)智能客戶關(guān)系管理90核心業(yè)務(wù)與電子商務(wù)緊密結(jié)合面向客戶個(gè)性化服務(wù)商業(yè)智能快速反應(yīng)智能電子商務(wù)的特征核心業(yè)務(wù)與電子商務(wù)緊密結(jié)合智能電子商務(wù)的特征91如果數(shù)據(jù)是金錢(qián)，商務(wù)智能可以...ExistingDataAssets產(chǎn)品或服務(wù)分析降低成本分析利潤(rùn)發(fā)現(xiàn)銷(xiāo)售機(jī)會(huì)目標(biāo)市場(chǎng)/動(dòng)態(tài)區(qū)隔P=R-C如果數(shù)據(jù)是金錢(qián)，商務(wù)智能可以...ExistingData92什么是商務(wù)智能？商務(wù)智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過(guò)程，目的是為了更好的決策。商務(wù)智能是指將數(shù)據(jù)轉(zhuǎn)化為知識(shí)的過(guò)程。它包括捕獲和分析信息，交流信息，以及利用這些信息開(kāi)發(fā)市場(chǎng)。DataInformationKnowledge什么是商務(wù)智能？商務(wù)智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過(guò)程，93商務(wù)智能在行業(yè)的應(yīng)用銀行客戶利潤(rùn)分析分支行利潤(rùn)分析交叉銷(xiāo)售信用風(fēng)險(xiǎn)管理新產(chǎn)品推銷(xiāo)收費(fèi)策略保險(xiǎn)欺詐管理收費(fèi)策略目標(biāo)市場(chǎng)活動(dòng)客戶挽留客戶利潤(rùn)分析零售地區(qū)/商店各種貨物（品牌，分類(lèi)等）銷(xiāo)售業(yè)績(jī)定價(jià)和減價(jià)市場(chǎng)籃子關(guān)系市場(chǎng)需求預(yù)測(cè)倉(cāng)儲(chǔ)規(guī)劃通訊客戶忠實(shí)客戶流失模式客戶利潤(rùn)分析競(jìng)爭(zhēng)分析欺詐管理商務(wù)智能在行業(yè)的應(yīng)用銀行保險(xiǎn)零售通訊94數(shù)據(jù)倉(cāng)庫(kù)技術(shù)聯(lián)機(jī)分析處理技術(shù)OLAP數(shù)據(jù)挖掘技術(shù)代理技術(shù)商務(wù)智能關(guān)鍵技術(shù)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)商務(wù)智能關(guān)鍵技術(shù)95數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是把企業(yè)范圍內(nèi)的所有數(shù)據(jù)集成在一個(gè)大倉(cāng)庫(kù)中，讓用戶能運(yùn)行查詢、產(chǎn)生報(bào)告、執(zhí)行分析“數(shù)據(jù)倉(cāng)庫(kù)之父”BillInmon給的定義：

數(shù)據(jù)倉(cāng)庫(kù)就是一個(gè)用以更好地支持企業(yè)或組織的決策分析處理的，面向主題的，集成的，不可更新的，隨時(shí)間不斷變化的數(shù)據(jù)集合數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是把企業(yè)范圍內(nèi)的所有數(shù)據(jù)集成在一個(gè)96數(shù)據(jù)倉(cāng)庫(kù)的特征面向主題的：主題是一個(gè)在較高層次將數(shù)據(jù)歸類(lèi)的標(biāo)準(zhǔn)，每個(gè)主題基本對(duì)應(yīng)一個(gè)宏觀的分析領(lǐng)域集成的：允許數(shù)據(jù)來(lái)自于跨組織和部門(mén)等不同數(shù)據(jù)源；集成的數(shù)據(jù)必須是一致的、用戶看來(lái)是統(tǒng)一的數(shù)據(jù)視圖不可更新的：指一旦某個(gè)數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)后，一般情況下將被長(zhǎng)期保留（反映歷史數(shù)據(jù)內(nèi)容）隨時(shí)間不斷變化：庫(kù)中的信息系統(tǒng)地記錄了企業(yè)從過(guò)去某一點(diǎn)到目前的各階段的信息數(shù)據(jù)倉(cāng)庫(kù)的特征面向主題的：主題是一個(gè)在較高層次將數(shù)據(jù)歸類(lèi)的標(biāo)97數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)比較不同點(diǎn)：—依據(jù)決策要求，只從數(shù)據(jù)庫(kù)中抽取需要的數(shù)據(jù)，并進(jìn)行一定的處理—數(shù)據(jù)倉(cāng)庫(kù)是多維的，即數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)的組織方式有多層的行和列—支持決策處理（OLAP），不同于普通的事務(wù)處理（OLTP）需要的數(shù)據(jù)庫(kù)知識(shí)—并行數(shù)據(jù)庫(kù)技術(shù)：數(shù)據(jù)量很大—高性能的數(shù)據(jù)庫(kù)服務(wù)器：分析型的應(yīng)用—數(shù)據(jù)庫(kù)互操作技術(shù)：數(shù)據(jù)來(lái)源多種多樣數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)比較不同點(diǎn)：98數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)

操作型數(shù)據(jù)源1報(bào)告查詢、應(yīng)用開(kāi)發(fā)和EIS工具

操作型數(shù)據(jù)源2OLAP工具

n數(shù)據(jù)挖掘工具

倉(cāng)庫(kù)管理器

元數(shù)據(jù)高度綜合數(shù)據(jù)

輕度綜合數(shù)據(jù)

細(xì)節(jié)數(shù)據(jù)

集成管理器查詢管理器操作型數(shù)據(jù)源n數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)操作型數(shù)據(jù)源199數(shù)據(jù)倉(cāng)庫(kù)建?！切湍Ｊ紼xampleofStarSchemaDateMonthYearDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore數(shù)據(jù)倉(cāng)庫(kù)建模—星型模式ExampleofStarS100數(shù)據(jù)倉(cāng)庫(kù)建?！┢Ｊ?/p>

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStoreExampleofSnowflakeSchema數(shù)據(jù)倉(cāng)庫(kù)建?！┢Ｊ紻ateDateCustId101操作型（OLTP）數(shù)據(jù)源---銷(xiāo)售庫(kù)操作型（OLTP）數(shù)據(jù)源---銷(xiāo)售庫(kù)102星形模式時(shí)間維事實(shí)表星形模式時(shí)間維事實(shí)表103多維模型事實(shí)度量(Metrics)時(shí)間維時(shí)間維的屬性多維模型事實(shí)度量時(shí)間維時(shí)間維的屬性104聯(lián)機(jī)事物處理OLTP系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)的比較聯(lián)機(jī)事物處理OLTP系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)的比較105典型的數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案SAS數(shù)據(jù)倉(cāng)庫(kù)解決方案…...典型的數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案106IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案建立數(shù)據(jù)倉(cāng)庫(kù)包括以下階段：數(shù)據(jù)抽取階段：完成對(duì)各種數(shù)據(jù)源的訪問(wèn)數(shù)據(jù)轉(zhuǎn)換階段：完成對(duì)數(shù)據(jù)的清洗、匯總、整合數(shù)據(jù)分布階段：完成對(duì)結(jié)果數(shù)據(jù)存儲(chǔ)的分配

通常此三階段緊密結(jié)合在一個(gè)產(chǎn)品中體現(xiàn)

數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)：由DB2家族完成數(shù)據(jù)的呈現(xiàn)：由不同產(chǎn)品完成不同的分析要求管理和維護(hù)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)：

交給VisualWarehouseIBM數(shù)據(jù)倉(cāng)庫(kù)解決方案建立數(shù)據(jù)倉(cāng)庫(kù)包括以下階段：107IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案108IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案前三個(gè)階段（抽取、轉(zhuǎn)換、分布）：VisualWarehouse、DataJoiner、 DatePropagator數(shù)據(jù)倉(cāng)庫(kù)的存儲(chǔ)由DB2家族產(chǎn)品來(lái)完成IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案前三個(gè)階段（抽取、轉(zhuǎn)換、分布）：Vis109IBM數(shù)據(jù)倉(cāng)庫(kù)解決方案數(shù)據(jù)的呈現(xiàn)：Approach可進(jìn)行查詢和統(tǒng)計(jì)分析IntelligentDecisionServer支持多維分析IntelligentMiner用于數(shù)據(jù)挖掘用戶查找和理解數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)：DataGuideIBM數(shù)據(jù)倉(cāng)庫(kù)解決方案數(shù)據(jù)的呈現(xiàn)：110ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案是OracleOLAP產(chǎn)品。其示意圖如下：OLAP應(yīng)用程序OLAP工具OLAPServer數(shù)據(jù)源OracleSalesAnalyzerOracleFinancialAnalyzerOracleFinancialController第三方前端工具OracleExpressObjectsOracleExpressAnalyzerOracleExpressWebAgentOracleDiscovererOracleExpressServer其他傳統(tǒng)的和外部數(shù)據(jù)庫(kù)關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案是O111ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressServer是一個(gè)先進(jìn)的計(jì)算引擎和數(shù)據(jù)高速緩存Oracle的OLAP工具主要包括OracleExpressObjects、OracleExpressAnalyzer和OracleDiscovererORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressS112ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressWebAgent將OracleExpress技術(shù)的分析能力和Web瀏覽器的簡(jiǎn)單性相結(jié)合OracleFinancialAnalyzer，OracleFinancialController和OracleSalesAnalyzer是Oracle針對(duì)財(cái)務(wù)和銷(xiāo)售而預(yù)制的OLAP應(yīng)用ORACLE數(shù)據(jù)倉(cāng)庫(kù)解決方案OracleExpressW113聯(lián)機(jī)分析處理（OLAP）60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Codd提出了關(guān)系模型，促進(jìn)了聯(lián)機(jī)事務(wù)處理(OLTP)的發(fā)展(數(shù)據(jù)以表格的形式而非文件方式存儲(chǔ))。1993年，E.F.Codd提出了OLAP概念，認(rèn)為OLTP已不能滿足終端用戶對(duì)數(shù)據(jù)庫(kù)查詢分析的需要，SQL對(duì)大型數(shù)據(jù)庫(kù)進(jìn)行的簡(jiǎn)單查詢也不能滿足終端用戶分析的要求。用戶的決策分析需要對(duì)關(guān)系數(shù)據(jù)庫(kù)進(jìn)行大量計(jì)算才能得到結(jié)果，而查詢的結(jié)果并不能滿足決策者提出的需求。因此，E.F.Codd提出了多維數(shù)據(jù)庫(kù)和多維分析的概念，即OLAP。聯(lián)機(jī)分析處理（OLAP）60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Co114

OLTP數(shù)據(jù)OLAP數(shù)據(jù)

原始數(shù)據(jù) 導(dǎo)出數(shù)據(jù) 細(xì)節(jié)性數(shù)據(jù) 綜合性和提煉性數(shù)據(jù) 當(dāng)前值數(shù)據(jù) 歷史數(shù)據(jù) 可更新 不可更新，但周期性刷新 一次處理的數(shù)據(jù)量小 一次處理的數(shù)據(jù)量大 面向應(yīng)用，事務(wù)驅(qū)動(dòng) 面向分析，分析驅(qū)動(dòng) 面向操作人員，支持日面向決策人員，支持管理需要常操作OLTP和OLAP的區(qū)別 OLTP數(shù)據(jù)115定義1：OLAP(聯(lián)機(jī)分析處理)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪問(wèn)和分析。通過(guò)對(duì)信息(維數(shù)據(jù))的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對(duì)數(shù)據(jù)進(jìn)行深入觀察。定義2：OLAP(聯(lián)機(jī)分析處理)是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深入了解的一類(lèi)軟件技術(shù)。(OLAP委員會(huì)的定義)OLAP的目標(biāo)是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)核心是“維”這個(gè)概念，因此OLAP也可以說(shuō)是多維數(shù)據(jù)分析工具的集合。什么是OLAP？定義1：OLAP(聯(lián)機(jī)分析處理)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪1161.維：是人們觀察數(shù)據(jù)的特定角度，是考慮問(wèn)題時(shí)的一類(lèi)屬性，屬性集合構(gòu)成一個(gè)維(時(shí)間維、地理維等)。2.維的層次：人們觀察數(shù)據(jù)的某個(gè)特定角度(即某個(gè)維)可以存在細(xì)節(jié)程度不同的各個(gè)描述方面(時(shí)間維：日期、月份、季度、年)。3.維的成員：維的一個(gè)取值。是數(shù)據(jù)項(xiàng)在某維中位置的描述。(“某年某月某日”是在時(shí)間維上位置的描述)4.多維數(shù)組：維和變量的組合表示。一個(gè)多維數(shù)組可以表示為：(維1，維2，…，維n，變量)。(時(shí)間，地區(qū)，產(chǎn)品，銷(xiāo)售額)5.數(shù)據(jù)單元(單元格)：多維數(shù)組的取值。(2000年1月，上海，筆記本電腦，$100000)相關(guān)基本概念1.維：是人們觀察數(shù)據(jù)的特定角度，是考慮問(wèn)題時(shí)的一類(lèi)屬性，屬117(1)快速性:用戶對(duì)OLAP的快速反應(yīng)能力有很高的要求。系統(tǒng)應(yīng)能在5秒內(nèi)對(duì)用戶的大部分分析要求做出反應(yīng)。

(2)可分析性:OLAP系統(tǒng)應(yīng)能處理與應(yīng)用有關(guān)的任何邏輯分析和統(tǒng)計(jì)分析。(3)多維性:多維性是OLAP的關(guān)鍵屬性。系統(tǒng)必須提供對(duì)數(shù)據(jù)的多維視圖和分析,包括對(duì)層次維和多重層次維的完全支持…(4)信息性:不論數(shù)據(jù)量有多大，也不管數(shù)據(jù)存儲(chǔ)在何處，OLAP系統(tǒng)應(yīng)能及時(shí)獲得信息，并且管理大容量信息。OLAP特性(1)快速性:用戶對(duì)OLAP的快速反應(yīng)能力有很高的要求。系統(tǒng)118多維視圖

地北京

理多維數(shù)據(jù)視圖

位上海

99

置98年廣州97份

彩電

洗衣機(jī)

電冰箱產(chǎn)

品

類(lèi)

型9897多維視圖地北京理多維數(shù)據(jù)視圖位上海991191.超立方結(jié)構(gòu)(Hypercube)

超立方結(jié)構(gòu)指用三維或更多的維數(shù)來(lái)描述一個(gè)對(duì)象,每個(gè)維彼此垂直。數(shù)據(jù)的測(cè)量值發(fā)生在維的交叉點(diǎn)上,數(shù)據(jù)空間的各個(gè)部分都有相同的維屬性。(收縮超立方結(jié)構(gòu):這種結(jié)構(gòu)的數(shù)據(jù)密度更大,數(shù)據(jù)的維數(shù)更少,并可加入額外的分析維)。

2.多立方結(jié)構(gòu)(Multicube)

在多立方結(jié)構(gòu)(Multicube)中,將大的數(shù)據(jù)結(jié)構(gòu)分成多個(gè)多維結(jié)構(gòu)。這些多維結(jié)構(gòu)是大數(shù)據(jù)維數(shù)的子集,面向某一特定應(yīng)用對(duì)維進(jìn)行分割,即將超立方結(jié)構(gòu)變?yōu)樽恿⒎浇Y(jié)構(gòu)。它具有很強(qiáng)的靈活性,提高了數(shù)據(jù)(特別是稀疏數(shù)據(jù))的分析效率OLAP多維數(shù)據(jù)結(jié)構(gòu)1.超立方結(jié)構(gòu)(Hypercube)OLAP多維數(shù)據(jù)結(jié)構(gòu)120OLAP多維數(shù)據(jù)分析 對(duì)以多維形式組織起來(lái)的數(shù)據(jù)，采取切片、切塊、旋轉(zhuǎn)等各種分析動(dòng)作，以求剖析數(shù)據(jù)，使最終用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫(kù)中的數(shù)據(jù)OLAP多維數(shù)據(jù)分析 對(duì)以多維形式組織起來(lái)的數(shù)據(jù)，采取切片、1211.切片和切塊(SliceandDice)在多維數(shù)據(jù)結(jié)構(gòu)中,按二維進(jìn)行切片,按三維進(jìn)行切塊,可得到所需要的數(shù)據(jù)。如在“城市、產(chǎn)品、時(shí)間”三維立方體中進(jìn)行切塊和切片,可得到各城市、各產(chǎn)品的銷(xiāo)售情況。2.鉆取(Drill)鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作，鉆取的深度與維所劃分的層次相對(duì)應(yīng)。

3.旋轉(zhuǎn)(Rotate)/轉(zhuǎn)軸(Pivot)通過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。數(shù)據(jù)分析方法1.切片和切塊(SliceandDice)數(shù)據(jù)分析方法122OLAP的分析方法(一)切片、切塊OLAP的分析方法(一)切片、切塊123OLAP的分析方法(二)鉆取按時(shí)間維向下鉆取按時(shí)間維向上鉆取60OLAP的分析方法(二)鉆取按時(shí)間維向下鉆取按時(shí)間維向上鉆取124OLAP的分析方法(三)旋轉(zhuǎn)OLAP的分析方法(三)旋轉(zhuǎn)125數(shù)據(jù)組織形式RDB數(shù)據(jù)組織-MDDB數(shù)據(jù)組織-關(guān)系表中綜合數(shù)據(jù)的存放

多維數(shù)據(jù)庫(kù)中綜合數(shù)據(jù)的存放

產(chǎn)品名稱(chēng)地區(qū)銷(xiāo)售量冰箱東北50冰箱西北60冰箱華北100彩電東北40彩電西北70彩電華北80空調(diào)東北90空調(diào)西北120空調(diào)華北140

東北西北華北冰箱5060100彩電407080空調(diào)90120140產(chǎn)品名稱(chēng)地區(qū)銷(xiāo)售量冰箱東北50冰箱西北60冰箱華北100冰箱總和210彩電東北40彩電西北70彩電華北80彩電總和190空調(diào)東北90空調(diào)西北120空調(diào)華北140空調(diào)總和350總和東北180總和西北250總和華北320總和總和750

東北西北華北總和冰箱5060100210彩電407080190空調(diào)90120140350總和180250320750數(shù)據(jù)組織形式RDB數(shù)據(jù)組織-MDDB數(shù)126OLAP體系結(jié)構(gòu)OLAP體系結(jié)構(gòu)127數(shù)據(jù)挖掘（DataMining）

數(shù)據(jù)挖掘(DataMining)，又稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中抽取出潛在的、有價(jià)值的知識(shí)（模型或規(guī)則）的過(guò)程數(shù)據(jù)挖掘的目的：提高市場(chǎng)決策能力；檢測(cè)異常模式；在過(guò)去的經(jīng)驗(yàn)基礎(chǔ)上預(yù)言未來(lái)趨勢(shì)等數(shù)據(jù)挖掘不同的術(shù)語(yǔ)和定義：datamining,knowledgediscovery,patterndiscovery,datadredging,dataarcheology.數(shù)據(jù)挖掘（DataMining）數(shù)據(jù)挖