数据仓库在汽车营销企业中的应用研究

1 前 言

    对绝大多数汽车（零部件）销售企业来说，企业每天都要产生大量的数据。这些数据只能为企业管理人员提供详尽的细节信息，帮助企业完成日常管理工作，但如何从这些数据中提取对企业决策分析有用的数据，则是决策管理人员所面临的一个难题。

    数据仓库可利用企业积累的数据为企业决策人员提供一个分析问题、构造模型、模拟决策过程和评价决策效果的决策环境，对提高企业信息资源的利用、改善决策质量具有重要意义，因此，数据仓库正越来越广泛地应用于各个领域。

2 数据仓库概念与特点

    数据仓库就是一种以更好地支持企业或组织的决策分析处理的、面向主题的、集成的、不可更新的和随时间不断变化的数据集合。它有如下4个特点：

    ① 面向主题性。与传统的数据库相比，数据仓库中的数据是面向主题进行组织的，从而在较高层次上完整、一致地描述了企业信息系统中的数据以及各项数据之间的联系。

    ② 集成性。数据仓库中的数据是从原有的分散的数据库中抽取来的，来自数据源的数据在进入数据仓库前必须进行必要的加工和集成，数据中保存的数据是企业内各部门原始数据的增值和统一处理。

    ③ 稳定性。数据仓库的数据主要是为企业决策分析提供依据，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。数据仓库的不可更新是相对于OLTP的操作型数据的频繁变化而言，当数据仓库中存放的数据超过数据存储期限时，这些数据将被清除出去。

    ④ 随时间不断变化性。这一特征表现在以下3方面：a. 数据仓库随时间变化不断增加新的数据内容；b. 数据仓库随时间变化不断删去旧的数据内容；c. 数据仓库中包含有大量的综合数据，这些数据中有很多与时间有关，并要随着时间变化不断进行重新综合。

    相比而言，传统的数据库技术是以单一的数据资源（即数据库）为中心，进行从事务处理、批处理到决策分析等各种类型的数据处理工作，但它对分析处理的支持一直不能令人满意，尤其是当以业务处理为主的联机事务处理（OLTP）应用与以分析处理为主的决策支持系统（DSS）的应用共存于同一个数据库系统中时，这! 种不同性质的处理发生了明显的冲突。要解决这一问题，必须把分析型数据从事务处理环境中提取出来，按照?EE 处理的需要进行重新组织，建立单独的分析处理环境，数据仓库DW（Data Warehouse）正是一种基于上述原则的数据存储和组织技术，其主要目标是向最终用户显示数据库内容，其核心就是提供一个范围广泛的、包含用户感兴趣的所有问题的数据库表格。从它内部数据的组织方式来说，数据仓库模型设计的最终目标是针对最终用户的分析与决策。

    随着市场竞争的日益激烈，汽车（零部件）销售企业对市场预测和市场分析的要求越来越高，企业现有计算机管理系统的功能逐渐不能满足需要，数据仓库以其对不同数据库的兼容性、查询分析效率高、所需费用少成为改进企业现有系统功能的首要选择。

3 数据仓库的实现

    虽然数据仓库有诸多优越性，但其开发过程相当复杂，开发要求较高。笔者以某汽车销售公司的企业分销资源规划系统（DRP）的数据仓库平台的设计为例，说明数据仓库的设计过程。

    ① 需求分析。对于企业高层管理者来说，从规模庞大、数据完整，且事无巨细的系统中直接获取宏观决策时所需的数据是很困难的。他们需要的是对本企业的市场发展、客户分布和市场预测等情况的宏观分析，而不是具体的琐碎数据。分析的深入、透彻程度与对现有的数据加工深度密切有关，对于企业领导者来说，哪些地区车辆销售量最好，发展潜力如何，能否盈利等，都是他们最关心的。为此笔者采用不同主题的数据仓库来储存不同用途的分析型数据，以期于更好地组织、分析手头原始数据，充分挖掘那些操作型数据的利用价值，满足企业需求。

    ② 确定主题进行仓库结构设计。因为数据仓库是面向企业决策层的，它具有数据量大但更新不频繁等特点，所以必须对数据仓库进行精心设计，才能满足数据量快速增加而查询性能并不下降的要求。

    以车辆销售数据仓库为例，从企业管理者的需求来说，该数据仓库应能够准确的分析车辆的销售情况，如进行数据比较或趋势分析等，据此可确定系统的边界和主要的主题域，按时间、产品、地区3个方面建立维表；在销售量、经销商和用户3个方面建立测度，为企业管理者提供维的粒度划分工具。由于数据分析涉及到大量的联机分析处理（OLAP）操作，设计中可采用星形数据模式描述多维数据模型。笔者所开发的数据仓库星形模式图如图1所示，它由指标实体、车辆维度实体、经销商维度实体、办事处维度实体、用户维度实体、销售时间维度实体以及它们相对的类别实体所定义。建立数据仓库的目的是要为决策支持服务，所以需要各种能对数据仓库进行访问分析的工具集，包括优化查询工具、统计分析工具、C/S工具及数据挖掘工具。通过分析工具实现决策支持需要，数据仓库的体系结构图如图2所示。从运作数据库中提取的数据经过转换、计算和综合等操作，集成到数据仓库中，数据仓库的数据组织结构图如图3所示。在整个结构体系中，数据仓库处于核心地位是信息挖掘的基础；数据挖掘工具、OLAP工具以及方法库、模型库、知识库组成了数据仓库的工具层，这是数据仓库发挥作用的关键，可以为系统用户提供一般访问（如查询、统计和汇总等）以及分析（如销售趋势分析等）功能。

    ③ 运行、维护数据仓库。

图1 数据仓库星形模式图


图2 数据仓库体系结构图


图3 数据仓库的数据组织结构图