商业智能在零售企业系统整合中的作用

国内零售企业的信息化并没能从根本上提升企业的核心竞争力，应用效果与预期目标仍存在不少差距，而企业信息系统政出多门、彼此防孤立、难以整合是重要原因之一。
　　最大问题是信息不流通
　　
　　信息不流通并不是仅指系统的物理连接上不能互联互通，而是指观念、标准上的孤岛，信息技术领域上演着一个又一个不断翻新的理念或系统，从办公自动化、财务管理到POS、MIS、ERP、CRM、SCM、WMS、BI、E-Business、KM，企业变成了研究院和试验田，大部分系统之间互相隔离，很少能做到信息共享，即使有接口，数据交换的层次也比较低，在应用层面，难以有效整合，存在硬盘里的，永远只能是数据，只有流通的数据，才能变成信息和知识，也只有应用的信息和知识，才能形成竞争力。

　　偏重作业处理而忽略管理提升

　　大多数企业的信息化还停留在收货、收款、盘点、对账等具体的作业环节，应用的目标也只是提高工作效率、减轻劳动强度，而对于计划、考核、分析、控制等更具价值的内容往往却被忽略了。与国外相比，国内零售企业的信息化应用大多还处于初级阶段，小型、孤立的系统较多，虽然各种系统的应用数量比较多，但高水平的应用比较少。

　　对商品关爱有加而对顾客视而不见

　　大多数在用的信息系统还是以商品为核心的管理系统，各种数据分散在不同的子系统中，很难对顾客进行全视角地观察和分析，对顾客的需求不能心领神会，面对顾客的不满，企业心有余而力不足。

　　从信息化建设来说，应该推进信息化应用向深度发展，把企业内部原来分散的子系统整合到一起，组建更完整、更全面、更有效的系统整合平台，在此之上，进一步提高数据和信息的应用层次，围绕提升顾客价值的理念，重组排列、组合信息元素，立体化、多角度、深层次展现顾客行为特征和心理特征，对顾客需求做出最恰当的快速回应，并能预测顾客需求变化趋势。

　　整合信息系统的方法

　　打造企业信息系统门户（Portal）

　　在不改变各子系统功能的前提下，把应用于企业各专门领域的系统，如MIS、CRM、SCM、OA、E-Business等整合在统一的入口平台上，方便使用者由统一的平台进入各子系统。这种整合更多地是解决应用层面的浅层问题，在业务处理及报表综合等方面没有大的改进。
　　
　　从技术的底层重新架构各子系统
　　
　　从数据库、开发工具等底层着手，部署可以支撑异构数据的交换平台，对各系统的数据源进行梳理和调整，对需要交换的数据进行标准化处理，例如SAP的Netweaver技术平台，在此平台上，各专业系统互相联通、各取所需。
　　
　　设计各子系统间的接口程序
　　
　　通过设计和开发各子系统间的接口软件，完成各系统间的信息交换，常用的技术有EDI、XML、EAI等，这种方法应用很广泛，但技术依赖性强，灵活性不够。
　　
　　通过商业智能系统进行系统整合
　　
　　系统整合的目的是综合运用各子系统的数据，形成支持全局的报表和信息，并通过构建管理模型，对业务的发展趋势进行科学预测，从而对管理决策提供更有效的帮助。这种整合的方法不影响各子系统的正常运行，风险比较小，直接从应用层面整合，可快速发挥效用，提高投资回报。
　　
　　利用面向服务的体系架构
　　
　　面向服务的体系结构SOA的核心是服务，使得信息系统与物理站点相分离，构建“虚拟的信息系统”，把总部信息系统、分公司信息系统、门店信息系统成功集中到应用服务中心，它通过建立基于开放标准的、统一的、高效的、易于管理的IT基础平台，实现企业各信息系统的整合，从而灵活地配制企业的内外部信息资产，使企业能够快速响应新的业务需求。

零售企业应用的信息系统越来越多、越来越专业化，各系统在运行过程中积累的数据量越来越大，但数据本身的价值并不大，如何从矿石中淘出真金是零售企业面临的重要课题，随着商业智能管理理念的深入及相关技术的越来越成熟，它在信息系统的整合过程中将发挥更大的作用。

　　利用商业智能有效整合企业信息化资源

　　 从当前IT系统应用现状来看，信息孤岛形成经历了一个长期的过程，消灭信息孤岛也是一项艰巨的工程。解决零售企业信息化面临的问题，不能把着力点放在各专业子系统上，而应当站在更高的层次上，认识到只有解决好系统间的整合，才能打通交流的瓶颈，才能从更宽广的视角观察企业的业务处理，探询改善经营、提高管理的关键要素。利用商业智能来完成信息整合，建造统一的决策支持平台，将是信息全面“流通”的一个里程碑。

　　商业智能在销售分析上的应用

　　销售是零售企业价值实现的过程，企业运营和管理的各种问题都可以通过剖析销售数据得以展现。商业智能是从结果着手，通过层层剖析，探询并暴露问题的过程，而查询分析功能是由条件推导结果的过程。

　　销售分析的主要指标有销售额、销售量、毛利率、毛利额、坪效、同比分析、环比分析、贡献度、客单价、客单数、客品数等。

　　销售分析的主要维度有零售业态、零售渠道、组织结构、类别划分、品牌结构、供应商结构、人员结构、日期时间等，这些分析维度可以进行多种排列组合，并支持多级钻取，从而获得可追溯的分析结果。

　　销售分析的方法主要是时间序列分析法、递归分析法、对比分析法、结构分析法，分析结果的输出不再局限于平面报表，还可以以图形、仪表盘等更直观、更生动的形式展现。

　　支持销售综合分析的数据源主要来自POS、MIS、CALL-CENTER、WEB等子系统，各种指标、维度的综合运用，是在原来的基于关系数据库的子系统中难以实现的，只有使用BI系统，才能得心应手。

　　商业智能在商品分析上的应用

　　商品是零售企业最重要的管理对象，是实现经营理想的载体，对商品的评价和分析必须基于对目标消费群的认识和了解，这也是利用商业智能系统对商品的分析不同于MIS、ERP系统对商品分析的地方，BI系统可以从CRM系统中抽取相关数据，这些数据一部分来自企业内部，另一部分来自市场、竞争者及行业的分析和研究，通过对比分析，不仅能了解企业经营的实际指标，还能帮助管理者观察存在的差距。

　　对商品分析主要从两个方面进行。

　　一是定量的分析，主要考查商品的类别结构、价格带分布、品牌结构、毛利结构、周转率等，结合对商品的销售额、销售量、贡献度、点击率、流动性等指标的分析，从而调整和优化商品的深度与宽度，准确、科学地定义商品的重要程度，基于消费者的体验和企业运营目标，不断优化各品类商品的组成及其价格带分布。

　　二是定性的分析，主要考查商品的成长性、商品的价格竞争力、商品的市场占有率、商品的质量与价值、顾客投诉率、物流与促销支持度等内容。

　　通过综合分析，动态评价商品的流动性和盈利能力，制定商品的导入及淘换计划，指导经营者有区别地对待商品，有目的地策划营销活动。

　　基于商业智能的商品分析，其数据源主要来自POS、MIS、CRM、SCM、WMS等子系统。

　　商业智能在供应商分析上的应用

　　当前，零售企业之间的竞争已经不再是企业和企业之间的竞争，而是企业联盟与企业联盟之间的竞争，供应商是企业联盟中的重要组成部分，面对最终消费者，双方有共同的利益诉求，因此，零售商、供应商之间应当建立竞争和合作的良性关系。

　　对供应商分析主要指标有订货量（额）、进货量（额）、库存量（额）、退换量（额）、销售量（额）、毛利率（额）、周转率、送货及时率、贡献度等，通过这些指标的综合分析，对供应商进行更精确的识别和分类，对重点供应商开放更多的信息资源，比如共享商品的库存信息、品类销售排行信息，通过SCM系统加强与供应商的业务协同，减少零售企业的库存占用，降低缺货损失，提高对顾客的响应速度。

　　基于以上分析的数据主要来自POS、MIS、SCM等子系统。

　　商业智能在顾客分析上的应用

　　顾客分析的主要内容包括顾客结构、客单价、客流量、客品数、顾客购物频度，在此基础上，结合时间、金额等维度，构建顾客危险度分析模型、顾客忠诚度分析模型、顾客四象限分析模型。

　　危险度分析模型：应用于重点顾客的分析，主要参数有考察期间、平均购物金额、购物次数（频度）、毛利贡献度、最后消费日等，据此分析顾客流失趋势，开展挽留高端客户行动。

　　顾客忠诚度分析：主要参数有考察期间、顾客类型、集中购物品类、购物次数分布、累计购物金额、平均购物金额等。

　　 顾客四象限分析模型主要考察购物次数及购物金额，据此，把所有顾客分成知已型（购物次数、购物金额都达标）、蝴蝶型（购物次数不达标、购物金额达标）、藤葫型（购物次数达标、购物金额不达标）、过客型（两者都不达标），通过商品品类、品牌、价格的配置，引导顾客的消费心理，协调顾客消费行为，为实现企业经营目标运筹帷幄。

　　数据源主要来自POS、MIS、CRM等子系统。

　　商业智能在其他方面的应用

　　利用商业智能系统，在POS、MIS、OA、HR等管理系统的基础上，通过设计考核指标，可以对员工进行科学的评价和激励；还可以对企业的预算和计划进行全面的跟踪和分析，及时发现预算和计划在执行过程中的偏离。