商业智能解决方案在零售行业中的应用

       零售行业发展至今，在瞬息万变，特别是百货商超，数据分析越来越复杂。作为数据分析平台的商业智能BI系统可以为该行业提供个性化的商业智能解决方案，推动行业长足发展。

       零售行业在竞争巨大的市场下，业务系统喷涌生长，收集的数据越来越细，拥有数量庞大的商品、门店、客流等信息，造成数据的清洗与分析更为复杂。此外，还有数据统计口径不一，数据响应不及时等问题。

       分析零售行业目前存在的数据统计问题

1. 各业务系统各自独立互不协调，导致很多统计口径和统计指标在不同的系统对不上号。

2.  数量庞大的商品、会员、门店、客流等信息，使数据的规范清洗和分析变得更复杂。 

3.手工报表耗时耗力，无法对业务异常情况作出迅速而精准的应对。

4.  静态数据得来的报表无法为用户带来灵活动态的任意视角的分析。

       目前零售业迫切需要解决，且商业智能方案可以针对性给出方案的问题主要有四大方面：

       日常经营分析、顾客关系管理、企业绩效管理、零售管理业务优化等方面。

       日常经营分析有：与零售企业日常经营业务密切相关的销售分析、商品分析、财务分析和门店分析等。

       商业智能方案为超市百货行业带来的解决价值

在变化莫测的市场环境、难以摸透的客户需求以及行业长期存在的数据缺陷决定了其成为热门的商业智能解决方案的对象。近年来，商业智能方案在超市百货企业的数据分析工作中付出可观的扶持作用，使得行业巨头及发展型企业也接受尝试实施商业智能项目。商业智能应用对该行业怎么进行个性化、多角度的数据分析？笔者认为，可以从以下几点因素了解零售BI发展的应用。

       不断增长的需求。随着业务的高速增长，零售企业积累了大量的业务数据，管理者当眼前出现一堆无序的海量数据，日常经营业务中必须及时有效地做出正确的决定或决策，甚至从中挖掘出其中潜在的市场和未来发展规律或趋势，这时杂乱无章的数据无法提供帮助，引发了零售BI成为零售行业的迫切解决需求。

       对商业智能方案的理解与接受。跟随着商业智能理论与实际同步发展的脚步，零售业界对于商业智能的理解和认识不断深入，更多的零售企业逐步能够根据自己的业务实际提出相应的商业智能应用需求，这对于成功开展商业智能项目，提升项目的投资回报率有着重大的实践意义。

        以顾客需求为导向的业务流程再造。为了提升企业竞争力和盈利水平，越来越多的零售企业开展了以顾客需求为导向的业务流程再造，力求打造良好的客户服务质量和不易复制的核心竞争力。一方面，更好地理解客户需求，及时地应对市场变化都有待商业智能应用的支持。另一方面，业务流程的再造有助于零售企业更好地采集相关业务数据和统计关键绩效指标。

       新信息技术的应用。信息技术的快速变革从技术层面大力推进了商业智能的实践和应用，例如无线射频技术（RFID）在零售业的逐步应用有效改善了零售数据采集的时效性，同时也极大提高了数据的粒度和准确性，这对于改善商业智能应用的数据质量意义重大。

       百货商超BI发展趋势

       网络时代下的传统行业总是遭受着瞬息万变的情况。就在电销巨头马云思考新零售模式的时候，亚马逊由率先推出黑科技，号称“无需排队，无需结账，拿了就走”的新技术。人工智能、图像识别、深度学习三大特点，新智能的购物体验是现当代零售行业需要更新学习的，零售业智能化是目前得到众多同行认同的不可否认的发展趋势。

       商业智能方案的个性化方案在零售业逐步普及并得到积极响应，为了更好地为零售行业进行数据分析的服务，商业智能分析平台将继续发展和完善的脚步，将从以下三个方向将商业智能的功能与传统零售业的商业性质更好的相结合，创造出更符合未来零售业发展的商业智能价值。

      （1）与企业门户（Enterprise Portal）的集成

       企业门户为企业内部及外部用户提供了基于不同角色和权限的个性化信息、知识、服务与应用，将业务环境与企业资源通过统一的平台进行管理和资源利用，为用户提供了安全、便捷的资源和应用访问方式。作为零售企业重要的应用之一，商业智能的价值与作用逐渐被企业用户所认同，它与企业门户的集成已成为大势所趋，因此商业智能产品与主流的企业门户技术（例如SharePoint Portal、IBM WebSphere Portal、 SAP Enterprise Portal等）的开放集成性将变得尤为重要。

      （2）操作型商业智能（Operational BI）

       零售企业的管理层固然是商业智能应用的关键用户，为管理层提供决策支持也理应为商业智能应用的主要目标，然而随着零售业各层级人员的决策需求增多、业务难度增大，零售企业的各级员工都迫切需要商业智能应用的指导，因此零售BI应用在战略层面为决策层提供数据支持的同时还应能从战术层面切实指导业务人员，我们将之称为操作型商业智能。这就要求零售企业在商业智能项目规划时就应从企业用户角色出发，明确包括操作层业务人员在内的各层级用户的分析需求、应用热点及展现方式。

      （3）非结构化数据的分析亟待发展

        邮件、文档、多媒体文件等非结构化数据是零售企业信息资源的重要组成部分，如何加强非结构化数据的管理，提高非结构化数据的分析处理能力是商业智能解决方案提供商必须着力解决的问题，例如对于CRM系统产生的文本内容，电子邮件等非结构化数据，商业智能应用能够通过文本 / 内容分析，挖掘出客户对于零售企业产品、服务和促销活动的真实反馈。

        庞大无序的数据库是零售行业存在已久的通病，在大数据时代，零售数据分析要跟上数据化和智能化的脚步有利于零售行业在原本规模颇大的资本积累上得到更有利的数据支持，更有利于做出更准确的决策。在竞争激烈的市场环境下永垂长青。