商務(wù)智能在企業(yè)營(yíng)銷決策中的應(yīng)用研究

［摘 要］ 商務(wù)智能可以幫助企業(yè)從積累的海量數(shù)據(jù)中獲得營(yíng)銷決策需要的信息，提高營(yíng)銷決策的科學(xué)性。本文首先介紹了商務(wù)智能及其支撐技術(shù)，然后討論了商務(wù)智能在企業(yè)營(yíng)銷決策中的作用，重點(diǎn)研究了商務(wù)智能在營(yíng)銷決策各個(gè)階段的具體應(yīng)用。

［關(guān)鍵詞］ 商務(wù)智能；企業(yè)營(yíng)銷；決策

［中圖分類號(hào)］F270.7［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］1673-0194（2009）02-0056-03

隨著企業(yè)信息化進(jìn)程的不斷推進(jìn)，很多企業(yè)已經(jīng)積累了大量的營(yíng)銷數(shù)據(jù)，除了規(guī)范的數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化信息之外，企業(yè)還有大量的來(lái)自于內(nèi)外部的非結(jié)構(gòu)化信息，包括商業(yè)文本、電子郵件、會(huì)議記錄、商業(yè)合同、政府報(bào)告、銷售和支持記錄以及網(wǎng)絡(luò)信息。雖然企業(yè)擁有了大量的結(jié)構(gòu)化、非結(jié)構(gòu)化的營(yíng)銷信息，但卻很難挖掘出迫切需要的有價(jià)值的信息，這使得營(yíng)銷決策和營(yíng)銷運(yùn)營(yíng)無(wú)法得到數(shù)據(jù)的有力支撐。商務(wù)智能可以幫助企業(yè)整合并分析從各類數(shù)據(jù)收集系統(tǒng)中提取的數(shù)據(jù)，識(shí)別企業(yè)運(yùn)營(yíng)趨勢(shì)， 改進(jìn)營(yíng)銷決策， 提高經(jīng)營(yíng)效率和客戶滿意度。

一、商務(wù)智能的概念及支撐技術(shù)

商務(wù)智能（Business Intelligence，BI）最早是20 世紀(jì)90 年代末在國(guó)外企業(yè)界出現(xiàn)的，是指將企業(yè)的各種數(shù)據(jù)及時(shí)地轉(zhuǎn)換為管理者感興趣的信息（或知識(shí)），并以各種方式展現(xiàn)出來(lái)，幫助管理者進(jìn)行科學(xué)決策。

1. 商務(wù)智能的概念

Gartner Group將商務(wù)智能定義為一類由數(shù)據(jù)倉(cāng)庫(kù)(或數(shù)據(jù)集市)、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的的技術(shù)及其應(yīng)用［1］。IBM認(rèn)為商務(wù)智能是一系列由系統(tǒng)和技術(shù)支持的以簡(jiǎn)化信息收集、分析的策略的集合，它應(yīng)該包括企業(yè)需要收集什么信息、誰(shuí)需要去訪問(wèn)這些數(shù)據(jù)、如何把原始數(shù)據(jù)轉(zhuǎn)化為最終導(dǎo)致戰(zhàn)略性決策的智能、客戶服務(wù)和供應(yīng)鏈管理［2］。如今， 商務(wù)智能的概念已經(jīng)不僅僅是軟件產(chǎn)品和工具， 而是整體應(yīng)用的解決方案， 甚至升華為一種管理思想，體現(xiàn)的是一種理性的經(jīng)營(yíng)管理決策的能力，即全面、準(zhǔn)確、及時(shí)、深入地分析和處理數(shù)據(jù)與信息的能力［3］。

２． 商務(wù)智能的支撐技術(shù)

商務(wù)智能的支撐技術(shù)主要有:數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse，DW)技術(shù)#65380;聯(lián)機(jī)分析處理(On-Line Analytical Processing，OLAP)技術(shù)#65380;數(shù)據(jù)挖掘(Data Mining，DM)技術(shù)和企業(yè)信息門戶(Enterprise Information Portal，EIP)技術(shù)[4]#65377;從應(yīng)用的角度講，商務(wù)智能也可以理解為DW+OLAP+DM;從技術(shù)角度來(lái)看，商務(wù)智能是重視分析數(shù)據(jù)的技術(shù)#65377;（１）數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、穩(wěn)定的、包含歷史數(shù)據(jù)的數(shù)據(jù)集合，用于支持管理決策的制定［５］。數(shù)據(jù)倉(cāng)庫(kù)完成了數(shù)據(jù)的收集、集成、存儲(chǔ)、管理等工作，是實(shí)現(xiàn)商務(wù)智能的數(shù)據(jù)基礎(chǔ)，是企業(yè)長(zhǎng)期事務(wù)數(shù)據(jù)的準(zhǔn)確匯總。

（２）聯(lián)機(jī)分析處理技術(shù)可以對(duì)數(shù)據(jù)倉(cāng)庫(kù)中多維的商務(wù)數(shù)據(jù)進(jìn)行在線分析處理，生成新的商業(yè)信息；能實(shí)時(shí)監(jiān)測(cè)商務(wù)運(yùn)作的成效，使管理者自由地與商務(wù)數(shù)據(jù)相互聯(lián)系。

（３）數(shù)據(jù)挖掘是指從存放在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量數(shù)據(jù)中挖掘人們感興趣的知識(shí)的過(guò)程［６］。數(shù)據(jù)挖掘技術(shù)的常見(jiàn)方法有關(guān)聯(lián)規(guī)則、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、粗糙集法、聚類、遺傳算法和統(tǒng)計(jì)分析等。

（４）企業(yè)信息門戶技術(shù)提供了一個(gè)用戶與企業(yè)的商業(yè)信息和應(yīng)用軟件間的接口。企業(yè)的商業(yè)信息不只被儲(chǔ)存在數(shù)據(jù)倉(cāng)庫(kù)中，而是分布在不同的系統(tǒng)和應(yīng)用軟件之中。

二、商務(wù)智能在營(yíng)銷管理中的應(yīng)用

企業(yè)應(yīng)用商務(wù)智能技術(shù)，通過(guò)對(duì)大量的營(yíng)銷數(shù)據(jù)和市場(chǎng)信息進(jìn)行提取、清理、轉(zhuǎn)換并按決策主題的需要進(jìn)行重新組織后，進(jìn)行統(tǒng)計(jì)、分析和挖掘，以各種圖形方式為營(yíng)銷決策者提供營(yíng)銷活動(dòng)的真實(shí)動(dòng)態(tài)，實(shí)現(xiàn)對(duì)商務(wù)、市場(chǎng)、顧客、商機(jī)、商業(yè)風(fēng)險(xiǎn)評(píng)估的深入分析，為營(yíng)銷決策提供信息服務(wù)和重要的數(shù)據(jù)依據(jù)。商務(wù)智能在營(yíng)銷管理中的具體功能有：從客戶處增加收入，了解客戶的劃分和優(yōu)先順序，識(shí)別有利可圖的客戶，爭(zhēng)取新的顧客，交叉銷售和提升銷售，保持客戶和提高忠誠(chéng)度，增加投資回報(bào)和降低改進(jìn)成本，增加商店交易，最優(yōu)化擺放產(chǎn)品以增加產(chǎn)品銷售，追蹤商業(yè)成績(jī)等。

商務(wù)智能在營(yíng)銷管理中的應(yīng)用主要體現(xiàn)在以下幾個(gè)方面：

（1）銷售分析。從多角度觀察、分析銷售數(shù)據(jù)，利用商務(wù)智能從海量數(shù)據(jù)中產(chǎn)生預(yù)測(cè)、報(bào)警等信息；對(duì)企業(yè)的銷售數(shù)據(jù)進(jìn)行回歸分析、預(yù)測(cè)各產(chǎn)品的銷量，以及各目標(biāo)市場(chǎng)的預(yù)期銷量。使用聚類工具，將市場(chǎng)分為銷售業(yè)績(jī)較好、一般和差3個(gè)檔次，結(jié)合市場(chǎng)大小，尋找潛在市場(chǎng)，利于市場(chǎng)開(kāi)發(fā)；通過(guò)對(duì)銷售數(shù)據(jù)和客戶購(gòu)買信息的分析，制訂合適的銷售策略，實(shí)現(xiàn)重復(fù)銷售及交叉銷售。

（2）促銷分析。促銷的本質(zhì)在于促進(jìn)與消費(fèi)者的溝通，擴(kuò)大消費(fèi)者的隨機(jī)購(gòu)買率和重復(fù)購(gòu)買頻率，縮短消費(fèi)者的購(gòu)買決策時(shí)間，以提升銷售。企業(yè)促銷的方法很多，表現(xiàn)形式多樣，借助商務(wù)智能的多維分析工具，可以對(duì)促銷行為進(jìn)行綜合評(píng)價(jià)，確定各種促銷手段的優(yōu)劣程度，推進(jìn)促銷活動(dòng)的開(kāi)展。

（3）客戶分析。根據(jù)客戶信息數(shù)據(jù)來(lái)分析客戶特征，評(píng)估客戶價(jià)值，從而為客戶制訂相應(yīng)的營(yíng)銷策略。客戶分析作為客戶理解的主要手段，主要包括：客戶細(xì)分、客戶滿意度分析、客戶忠誠(chéng)度分析、客戶背景分析、客戶信譽(yù)度分析、客戶欺詐行為分析、客戶流失分析、客戶個(gè)性化消費(fèi)行為分析等，企業(yè)根據(jù)顧客的效用值可以進(jìn)行聚類分析（cluster analysis），找出具有相同或相似偏好的顧客，進(jìn)行市場(chǎng)細(xì)分。采用聚類分析方法，可以定量地確定研究對(duì)象之間的親疏關(guān)系，使得同一類中的數(shù)據(jù)盡可能相似，從而達(dá)到合理分類的目的。

（4）定價(jià)分析。定價(jià)決策既是市場(chǎng)營(yíng)銷管理的焦點(diǎn)，也是市場(chǎng)競(jìng)爭(zhēng)的基礎(chǔ)。定價(jià)時(shí)必須考慮到企業(yè)內(nèi)外部因素以及認(rèn)知心理因素。例如利用商務(wù)智能技術(shù)，企業(yè)可以根據(jù)顧客認(rèn)知價(jià)值對(duì)市場(chǎng)進(jìn)行細(xì)分，制定差別定價(jià)策略，按照顧客愿意支付的價(jià)格對(duì)不同的顧客制定不同的價(jià)格，以獲得提高利潤(rùn)的機(jī)會(huì)。商務(wù)智能支持企業(yè)實(shí)現(xiàn)差別定價(jià)、動(dòng)態(tài)定價(jià)，以極大地獲取利潤(rùn)。

三、商務(wù)智能在企業(yè)營(yíng)銷決策各階段的應(yīng)用

企業(yè)的營(yíng)銷決策過(guò)程分為確定目標(biāo)、設(shè)計(jì)方案、評(píng)價(jià)方案和實(shí)施方案4個(gè)階段。商務(wù)智能在企業(yè)營(yíng)銷決策過(guò)程各階段的具體應(yīng)用如下：

（1）確定目標(biāo)階段，利用商務(wù)智能探查決策環(huán)境，進(jìn)行數(shù)據(jù)和信息的搜集、加工、分析，確定影響決策的因素或條件。具體來(lái)說(shuō)包括：

1）理解營(yíng)銷業(yè)務(wù)。了解所面臨的營(yíng)銷挑戰(zhàn)，對(duì)營(yíng)銷問(wèn)題有完全的掌握，明確要達(dá)到的營(yíng)銷目標(biāo)以及需要用到哪些數(shù)據(jù)，并且將營(yíng)銷問(wèn)題轉(zhuǎn)化為數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)過(guò)程的問(wèn)題定義，據(jù)此設(shè)計(jì)出一個(gè)初步的挖掘計(jì)劃，以有利于營(yíng)銷問(wèn)題的解決。

2）理解營(yíng)銷數(shù)據(jù)。準(zhǔn)備需要的所有數(shù)據(jù)，檢查數(shù)據(jù)質(zhì)量。如果數(shù)據(jù)源有多個(gè)，那么不同來(lái)源的數(shù)據(jù)可能產(chǎn)生質(zhì)量問(wèn)題，因此必須關(guān)注潛在的問(wèn)題，合并數(shù)據(jù)，決定哪些營(yíng)銷數(shù)據(jù)可用于深度分析和挖掘，以得到解決問(wèn)題的方案。

3）數(shù)據(jù)準(zhǔn)備。企業(yè)擁有大量的與營(yíng)銷對(duì)象相關(guān)、影響營(yíng)銷管理和決策的來(lái)自于內(nèi)外部的數(shù)據(jù)和信息。從企業(yè)資源規(guī)劃（ＥＲＰ）、客戶關(guān)系管理（ＣＲＭ）、供應(yīng)鏈管理（ＳＣＭ）、辦公自動(dòng)化（ＯＡ）、電子商務(wù)以及外部環(huán)境掃描等系統(tǒng)獲得的數(shù)據(jù)，經(jīng)提取、清理、轉(zhuǎn)換后加載入數(shù)據(jù)倉(cāng)庫(kù)，這些數(shù)據(jù)需要以合適的格式來(lái)準(zhǔn)備，回答營(yíng)銷問(wèn)題。

（2）設(shè)計(jì)方案階段，在理解問(wèn)題的基礎(chǔ)上利用商務(wù)智能系統(tǒng)建立相應(yīng)的營(yíng)銷決策模型，進(jìn)行模擬，并獲得結(jié)論，提出各種可供選擇的方案。商務(wù)智能在該階段的應(yīng)用表現(xiàn)在：

1）建立營(yíng)銷決策模型。為營(yíng)銷問(wèn)題建立合適的模型，輔助理解問(wèn)題，對(duì)數(shù)據(jù)進(jìn)行探索性分析，通過(guò)分析小量的多來(lái)源數(shù)據(jù)確認(rèn)重要的區(qū)域。對(duì)于文本文件，可以用文本挖掘工具有效地搜索有價(jià)值的信息資源。將準(zhǔn)備好的數(shù)據(jù)子集運(yùn)行構(gòu)建的模型工具，評(píng)估模型的準(zhǔn)確性、有效性和潛在的缺點(diǎn)，確保模型得出有助于決策支持的結(jié)果。比如用傾向模型預(yù)測(cè)消費(fèi)者行為，來(lái)決定哪些消費(fèi)者或潛在的消費(fèi)者提供長(zhǎng)期的利潤(rùn)；例如運(yùn)用聚類分析檢測(cè)信用卡辦理的可能欺騙行為；用關(guān)聯(lián)模型做市場(chǎng)籃（market basket）分析可提高總的銷售率；用統(tǒng)計(jì)模型在數(shù)據(jù)挖掘的早期做統(tǒng)計(jì)分析，可獲得數(shù)據(jù)結(jié)構(gòu)的總體情況。

2）模型評(píng)估。評(píng)估模型的任務(wù)是檢測(cè)給定模型得出的結(jié)論是否有助于支持營(yíng)銷決策，企業(yè)營(yíng)銷決策者希望通過(guò)數(shù)據(jù)之間的關(guān)系得到相互數(shù)據(jù)的影響和關(guān)系，該結(jié)果以圖形、圖表或者數(shù)據(jù)報(bào)表的方式表示。對(duì)結(jié)果進(jìn)行相應(yīng)分析，可以獲得如何使用組合銷售、如何留住有價(jià)值的顧客、如何以最小的成本發(fā)現(xiàn)欺詐行為等結(jié)論。

（3）評(píng)價(jià)方案階段，要根據(jù)確定的決策準(zhǔn)則，從可行方案中選擇出最優(yōu)或滿意的方案。商務(wù)智能在本階段的支持表現(xiàn)在：

1）可視化顯示各方案結(jié)果并對(duì)比分析各方案?？梢暬夹g(shù)使開(kāi)發(fā)和理解數(shù)據(jù)變得容易，通過(guò)在圖內(nèi)變化及根據(jù)不同的數(shù)據(jù)尺度產(chǎn)生新的圖表，可以更快地對(duì)各備選方案進(jìn)行對(duì)比分析。

2）根據(jù)一定的準(zhǔn)則來(lái)輔助抉擇。這些準(zhǔn)則可以是經(jīng)濟(jì)法則，如回收率、回收期、最小現(xiàn)金支出或最小風(fēng)險(xiǎn)等。

（4）實(shí)施階段，是指將所選擇的方案予以執(zhí)行，對(duì)實(shí)施結(jié)果進(jìn)行監(jiān)測(cè)，并根據(jù)反饋信息對(duì)方案進(jìn)行修正和調(diào)整。最終形成的決策是各個(gè)階段多次循環(huán)往復(fù)的結(jié)果。商務(wù)智能的應(yīng)用表現(xiàn)在：

1）知識(shí)調(diào)配。獲得的知識(shí)必須采用一定的形式在企業(yè)內(nèi)部進(jìn)行配置，使數(shù)據(jù)分析和挖掘結(jié)果支持決策。發(fā)現(xiàn)營(yíng)銷規(guī)律和知識(shí)不是目的，將其應(yīng)用到企業(yè)營(yíng)銷決策中才能起到真正的作用，在不斷的營(yíng)銷中應(yīng)對(duì)所得出的結(jié)論進(jìn)行論證，并不斷修正，使其更加合理，以便更好地指導(dǎo)營(yíng)銷行為和決策。

2）形成新的知識(shí)，豐富知識(shí)庫(kù)的內(nèi)容。做決策不僅需要知識(shí)，并且決策本身也成為一條知識(shí)，形成的知識(shí)可以輔助決策人員進(jìn)行其他相關(guān)的決策。

營(yíng)銷決策者為了解決營(yíng)銷問(wèn)題， 需要處理大量的來(lái)自企業(yè)內(nèi)外部的結(jié)構(gòu)化和非結(jié)構(gòu)化信息，需要商務(wù)智能幫助他們從大量繁雜的數(shù)據(jù)和信息中發(fā)現(xiàn)機(jī)會(huì)和知識(shí)。商務(wù)智能強(qiáng)調(diào)把營(yíng)銷決策者的任務(wù)和需要的全部信息整合，提供數(shù)據(jù)挖掘工具和各種數(shù)據(jù)模型幫助決策者處理分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使得他們可以專注于理解和解決營(yíng)銷問(wèn)題，而不是深陷營(yíng)銷數(shù)據(jù)的旋渦。

主要參考文獻(xiàn)

[1] 王衛(wèi)平，徐宏發(fā)，等. 基于Web Services的商務(wù)智能網(wǎng)絡(luò)研究[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，2005(7):16-19.

[2] 劉慶. BI觀點(diǎn)[EB/OL]. http://happysboy.bokee.com/inc/ttnn_bi_

opinion_200511.pdf ，2005-12-19.

[3] 鄭軼松，齊二石，于冬. 商業(yè)智能體系下的協(xié)同機(jī)制研究[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào):社會(huì)科學(xué)版，2005(1):106-110.

[4] Charles P Seeley，Thomas H Davenport. KM Meets Business Intelligence:Merging Knowledge and Information at Intel[J]. Knowledge Mangaement Review，2006(1).

[5] W H Inmon. 數(shù)據(jù)倉(cāng)庫(kù)管理[M]. 王天佑，譯. 北京:機(jī)械工業(yè)出版社，2002.

[6] Heinrichs J H，Lim J S. Integrating Web-based Data Mining Tools with Business Models for Knowledge Management[J]. Decision Sup-port Systems，2003，35(1):103-112.