商业智能在流行饰品制造业中的应用研究

0引言

随着企业信息化的推进，大型流行饰品制造企业也面临着饰品制造周期长、设计研发成本高、生产管理和质量控制水平不高、生产效率偏低、次品率高等多方位的挑战。特别是市场目标客户群体与销售趋势不明确、饰品流行趋势不准确、滞销率高、库存积压风险和决策难度大。同时大型饰品制造企业在其运作过程中产生大量各业务领域的异构数据，企业内部又缺乏一种将数据组织、转换并加工成对企业决策和战略有用的知识的机制。商业智能已经成

为继ERP之后重要的信息系统，帮助用户对自身的业务做出正确明智的决策，不断在信息化程度高、数据密集型行业如电信行业、金融行业得到突破性的应用。因此，在饰品制造企业中引入商业智能技术来应对行业内的压力和挑战、发掘数据背后的规律和趋势、提高对饰品流行趋势、销售趋势的分析、挖掘潜在的客户群体、准确预测市场需求进行生产并迅速制定出针对性的判断和决策、提高新饰品设计的命中率和生产决策水平等方面具有重要的价值。

1商业智能的技术内涵

流行饰品从配件采购到客户佩戴过程主要经历采购、设计、生产、销售、服务五个环节，涉及饰品配件、饰品类别，所需物料、材质、工艺造型、成本价格、质量控制、库存、销售、客户服务等相关业务领域的数据。这些数据存在不同的异构数据源中，并分散管理，难以对数据进行快速综合分析和查询。商业智能(BusinessIntelligence，简称BI)是以数据仓库(DataWarehouse，简称DW)为核心，以联机分析处理(OnlineAnalyticalProcessing，简称OLAP)和数据挖掘(DataMining，简称DM)应用为关键性技术支持。应用商业智能技术发现决策所需要的趋势和规律，从而形成快速准确的战略战术决策。如通过数据挖掘，可以生成某银钻类饰品在北美市场过去一财年中的销售统计分析图，同时给出未来财季的购买趋势和流行趋势，根据反馈，追加或减少北美市场此银钻类饰品的库存和生产量，在多维数据集模型的基础上进行OLAP，提取跟此银钻类饰品关联的配件、材质、物料、类别等属性，从多个角度进行综合控制和管理，提高企业利润、提高市场占有率。

2流行饰品制造业中BI的体系架构及实施步骤

针对饰品制造业的业务特点和业务流程，分析饰品行业的商业运行环境和业务方案，BI在流行饰品制造业中的体系架构及流程如图1所示。

在图1中大型饰品制造企业在构建BI平台时，可分为四个步骤来实施：

第一步，建立饰品数据仓库。数据仓库是面向决策分析的、面向主题的、集成的、稳定的、不随时间变化的大型数据集合，是整个体系架构的核心。饰品数据仓库中的数据以多维度形式进行组织，基础架构是由维度表和事实数据(度量值)表构成。度量值提供最终用户感兴趣的数值，关键性能指标是一个用于测定业务绩效的可计量度量值。利用ETL工具从不同异构的业务数据源将数据整合、抽取、加载、转换为数据仓库中的维度表和事实数据表。饰品数据仓库中主要表结构：饰品类别维度、饰品子类维度、饰品配件维度、造型维度、工艺维度、基材维度、材质维度、雇员维度、饰品销售区域维度、销售时间维度，饰品区域销售额事实数据等。数据集市(数据源视图)是面向某个特定主题的数据仓库的一个子集。

第二步，建立多维数据模型进行OIAP。OLAP允许以一种称为多维数据集的多维结构访问来自商业数据源(数据仓库)的经过聚合和组织整理的数据。以饰品数据仓库为基础数据源架构，根据分析主题设计多维模型，利用OIAP分析工具，从材质、配件、时间、地域、分类、工艺等多个角度对饰品度量值或KPI进行综合查询、分析和展示。网上产品直销是当今最流行的商业模式之一。图2是以网上饰品直销为主题的多维数据集模型。

第三步，建立挖掘模型对数据进行深度挖掘。数据挖掘通常被称为“从大型数据库提取有效、可信和可行信息的过程”。数据挖掘派生数据中存在的模式和趋势。这些模式和趋势可以被收集在一起并定义为挖掘模型。在多维数据模型或数据集市基础上建立挖掘模型是一个动态、交互的过程，数据挖掘算法是创建挖掘模型的机制。算法将首先分析一组数据，综合特定的模式和趋势，将预测概率最准的挖掘模型应用到业务中。时序算法是一种回归算法，用于创建数据挖掘模型以预测连续列，如预测网上饰品未来财季的直售额。

第四步，前端知识展示和数据呈现。将OLAP分析结果和数据挖掘出来的规律以图表、报表和图形的方式直观的展示出来，将统计分析的结论供决策者查询。

3BI在流行饰品制造业中的应用

MicrosoftSQLServer2005是用于大规模联机事务处理、数据仓库，联机分析处理和电子商务应用的数据库和数据分析企业级综合平台。采用此平台作为BI在饰品行业中的实施平台。选择时序算法来对网上饰品直销额及未来的销售趋势进行预测。在图2所示的网上饰品直销多维数据模型基础上创建数据库视图(挖掘结构)：vTimeSeries(SalesRegion，Timelndex，Quantity，Amount)，其SalesRegion为销售区域，TimeIndex为月份，Quantity为直售量，Amount为直销额。时序算法在挖掘结构vTimeSeries上生成的预测模型如图3所示。该图同时显示历史直销数据和未来直销预测数据，未来数据带有底纹，同时标记显示偏差。各个区域的总直销额一般会增长，会出现一次峰值。预测将按此趋势进行。企业的管理人员及销售人员根据各个不同地区的销售预测趋势，实时的制定、调整相应销售策略，同时调整相应产品的生产量、配件的采购额、网络服务等，提高销售利润。

4结束语

BI作为企业决业决策支持信息化的解决方案，为企业饰品制造企业根据自身的业务规则，灵活地选择BI决策者提供决策支持性数据、规则、模式及趋势。及时准确地掌握客户的喜好、市场需求，才能准确预测趋势，提高服务水平，提升企业核心竞争力。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。