5數(shù)據(jù)倉庫的決策支持

《5數(shù)據(jù)倉庫的決策支持》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

第5章數(shù)據(jù)倉庫的決策支持 5．1數(shù)據(jù)倉庫的用戶5.2數(shù)據(jù)倉庫的決策支持與決策支持系統(tǒng)5.3數(shù)據(jù)倉庫應(yīng)用實例 5．1數(shù)據(jù)倉庫的用戶5.1.1數(shù)據(jù)倉庫的信息使用者5.1.2數(shù)據(jù)倉庫的探索者 數(shù)據(jù)倉庫的用戶有兩類：信息使用者和探索者信息使用者是使用數(shù)據(jù)倉庫的大量用戶。信息使用者以一種可預(yù)測的、重發(fā)性的方式使用數(shù)據(jù)倉庫平臺。信息使用者通常查看概括數(shù)據(jù)或聚集數(shù)，查看相同的商業(yè)維度（如產(chǎn)品、客戶、時間）和指標(biāo)（如收入和成本）隨時間的發(fā)展趨勢。 探索者完全不同于信息使用者，他們有一個完全不可預(yù)測的、非重復(fù)性的數(shù)據(jù)使用模式。探索者的任務(wù)是尋找公司數(shù)據(jù)內(nèi)隱含的價值并且根據(jù)過去事件努力預(yù)測未來決策的結(jié)果。探索者是典型的數(shù)據(jù)挖掘者。 5.1.1數(shù)據(jù)倉庫的信息使用者1.信息使用者使用數(shù)據(jù)倉庫的性能優(yōu)化2.探索者使用數(shù)據(jù)倉庫的性能優(yōu)化 信息使用者的性能需求非規(guī)格化規(guī)范化的作用是產(chǎn)生一種完全沒有數(shù)據(jù)冗余的設(shè)計方法。但是，有時在數(shù)據(jù)倉庫設(shè)計中引入一些有限的數(shù)據(jù)冗余來提高數(shù)據(jù)訪問效果。創(chuàng)建數(shù)據(jù)陣列創(chuàng)建數(shù)據(jù)陣列，將相關(guān)類型的數(shù)據(jù)(如：1月、2月、3月等月份中的數(shù)據(jù))存儲在一起，提高訪問效果。 預(yù)連接表格一個公用鍵和共同使用的數(shù)據(jù)將表格合并在一起。共享一個公用鍵，可以將多個表格合并到一個物理表格中。這樣做可以很大程度的提高數(shù)據(jù)訪問效率。預(yù)聚集數(shù)據(jù)根據(jù)“滾動概括”結(jié)構(gòu)來組織數(shù)據(jù)。當(dāng)數(shù)據(jù)被輸入到數(shù)據(jù)倉庫中時，以每小時為基礎(chǔ)存儲數(shù)據(jù)。在這一天結(jié)束時，以每天為基礎(chǔ)存儲累加每小時的數(shù)據(jù)。在一周結(jié)束時，以每周為基礎(chǔ)存儲累加每天的數(shù)據(jù)。月末時，則以每月為基礎(chǔ)存儲累加每周的數(shù)據(jù)。 聚類數(shù)據(jù)將不同類型的數(shù)據(jù)記錄放置在相同的物理位置。這為用戶查看這些記錄，可以在同一地點找到它們，提高查詢效率。壓縮數(shù)據(jù)壓縮可以使可讀取的數(shù)據(jù)量極大。 定期凈化數(shù)據(jù)定期刪除數(shù)據(jù)倉庫中不需要的數(shù)據(jù)，可以為每個用戶提高性能。合并查詢?nèi)绻樵兌ㄆ诎l(fā)生，那么可以通過把這些查詢合并到同一個表格中，從而節(jié)省大量資源。 5.1.2數(shù)據(jù)倉庫的探索者探索者要做的工作有：概括分析、抽取、建模和分類。(1)概括分析探索者開始以分析數(shù)據(jù)的完整性和準(zhǔn)確性（數(shù)據(jù)質(zhì)量）。在概括分析活動中，要詢問的典型問題包括：家庭收入如何分配？有多少帳戶每月消費超過200元？有多少客戶有兩個以上的小孩并居住在市區(qū)？ (2)抽取從數(shù)據(jù)倉庫中抽取指定的數(shù)據(jù)，并組織起來，送入支持探索者分析的探索倉庫中。(3)建模探索者通過概括分析來理解數(shù)據(jù)，通過抽取來準(zhǔn)備數(shù)據(jù)，通過建模來分析數(shù)據(jù)。 建模是開發(fā)一種用來描述實體（如客戶、商品、渠道等）的關(guān)系模型的過程。探索者使用的模型有：客戶分段后續(xù)產(chǎn)品欺詐檢測渠道響應(yīng)（例如，電話銷售和直接郵寄）信用風(fēng)險客戶生存期價值推銷響應(yīng) 例如，利用建模來確認(rèn)有可能拖延支付電話帳單的客戶：首先，建立一個模型（利用統(tǒng)計學(xué)和行為科學(xué)）來確認(rèn)經(jīng)常拖延支付電話帳單的客戶特征。然后，根據(jù)客戶與模型的密切程度，對所有的客戶分類。這樣，可以提供誰將不支付電話帳單的某種可能性預(yù)測。 5.2數(shù)據(jù)倉的決策支持與決策支持系統(tǒng)5.2.1查詢與報表5.2.2多維分析與原因分析5.2.3預(yù)測未來5.2.4實時決策5.2.5自動決策5.2.6決策支持系統(tǒng) 數(shù)據(jù)倉庫是一種能夠提供重要戰(zhàn)略信息，并獲得競爭優(yōu)勢的新技術(shù)，從而得到迅速的發(fā)展。具體的戰(zhàn)略信息有：給出銷售量最好的產(chǎn)品名單找出出現(xiàn)問題的地區(qū)（切片）追蹤查找出現(xiàn)問題原因（向下鉆取）對比其他的數(shù)據(jù)（橫向鉆?。╋@示最大的利潤當(dāng)一個地區(qū)的銷售低于目標(biāo)值時，提出警告信息。 建立數(shù)據(jù)倉庫的目的不只是為了存儲更多的數(shù)據(jù)，而是要對這些數(shù)據(jù)進行處理并轉(zhuǎn)換成商業(yè)信息和知識，利用這些信息和知識來支持企業(yè)進行正確的商業(yè)行動，并最終獲得效益。數(shù)據(jù)倉庫的功能是在恰當(dāng)?shù)臅r間，把準(zhǔn)確的信息傳遞給決策者，使他能作出正確的商業(yè)決策。 5.2.1查詢與報表1.查詢（1）能向用戶提供查詢的初始化，公式表示和結(jié)果顯示等功能。（2）由元數(shù)據(jù)來引導(dǎo)查詢過程（3）用戶能夠輕松地瀏覽數(shù)據(jù)結(jié)構(gòu)（4）信息是用戶自己主動索取的，而不是數(shù)據(jù)倉庫強加給他們的（5）查詢環(huán)境必須要靈活地適應(yīng)不同類型的用戶 2.報表（1）預(yù)格式化報表。（2）參數(shù)驅(qū)動的預(yù)定義報表。（3）簡單的報表開發(fā)。（4）公布和訂閱。（5）傳遞選項。（6）多數(shù)據(jù)操作選項。（7）多種展現(xiàn)方式選項。 5.2.2多維分析與原因分析1、多維分析通過多維分析將獲得在各種不同維度下的實際商業(yè)活動值（如銷售量等），特別是他們的變化值和差值，達到輔助決策效果。例如通過多維分析得到如下信息：今年以來，公司的哪些產(chǎn)品量是最有利潤的？最有利潤的產(chǎn)品是不是和去年一樣的？ 2、原因分析查找問題出現(xiàn)的原因是一項很重要的決策支持任務(wù)，一般通過多維數(shù)據(jù)分析的“向下鉆取”操作來完成。某公司從分析報表中得知最近幾個月來整個企業(yè)的利潤在急速下滑，通過人機交互找出該企業(yè)利潤下滑的原因。 （1）查詢整個公司最近3個月來各個月份的銷售額和利潤，顯示銷售額正常，但利潤下降。（2）查詢?nèi)澜绺鱾€區(qū)域每個月的銷售額和利潤，顯示歐洲地區(qū)銷售額下降，利潤急劇下降。（3）查詢歐洲各國銷售額和利潤。顯示一些國家利潤率上升，一些國家持平，歐盟國家利潤率急劇下降。（4）查詢歐盟國家中的直接和間接成本。得到直接成本沒有問題，但間接成本提高了。（5）查詢間接成本的詳細情況。得出企業(yè)征收了額外附加稅，使利潤下降。通過原因分析，得到企業(yè)利潤下滑的真正原因是歐盟國家征收了額外附加稅造成。 5.2.3預(yù)測未來預(yù)測未來使決策者了解“將要發(fā)生什么”。數(shù)據(jù)倉庫中存放了大量的歷史數(shù)據(jù)，從歷史數(shù)據(jù)中找出變化規(guī)律，將可以用來預(yù)測未來。在進行預(yù)測的時候需要用到一些預(yù)測模型。最常用的預(yù)測方法是采用回歸模型，包括線性回歸或非線性回歸。采用聚類模型或分類模型也能達到一定的預(yù)測效果。 5.2.4實時決策企業(yè)需要準(zhǔn)確了解“正在發(fā)生什么”，從而需要建立動態(tài)數(shù)據(jù)倉庫（實時數(shù)據(jù)庫），用于支持戰(zhàn)術(shù)型決策，即實時決策。戰(zhàn)術(shù)性決策支持的重點則在企業(yè)外部，支持的是執(zhí)行公司戰(zhàn)略的員工。第四種側(cè)重在戰(zhàn)術(shù)性決策支持。 以貨運為例卡車上的貨物常常需要把某些貨物從一輛車轉(zhuǎn)移到另一輛車上，以便最終送抵各自的目的地。當(dāng)某些卡車晚點時，就要做出艱難的決定：是讓后繼的運輸車等待遲到的貨物，還是讓其按時出發(fā)。如果后繼車輛按時出發(fā)而未等待遲到的包裹，那么遲到包裹的服務(wù)等級就會大打折扣。反過來說，等待遲到的包裹則將損害在后繼的運輸車上的其他待運包裹的服務(wù)等級。運輸車究竟等待多長時間，取決于需卸裝到該車輛的所有延遲貨物的服務(wù)等級和已經(jīng)裝載到該車輛的貨物的服務(wù)等級。 5.2.5自動決策利用動態(tài)數(shù)據(jù)庫自動決策，達到“希望發(fā)生什么”。為了尋求決策的有效性和連續(xù)性，企業(yè)就會趨向于采取自動決策。動態(tài)數(shù)據(jù)倉庫可以為整個企業(yè)提供戰(zhàn)略決策支持，也可提供戰(zhàn)術(shù)決策支持。確切地說，動態(tài)數(shù)據(jù)倉庫同時支持這兩種方式。隨著技術(shù)的進步，越來越多的決策由事件觸發(fā)，自動發(fā)生。 5.2.6決策支持系統(tǒng)數(shù)據(jù)倉庫整合了企業(yè)的各種信息來源，能確保一致與正確詳細的數(shù)據(jù)。它是一個龐大的數(shù)據(jù)資源。要將數(shù)據(jù)轉(zhuǎn)換成商業(yè)智能，就需要利用數(shù)據(jù)倉庫來建立決策支持系統(tǒng)?；跀?shù)據(jù)倉庫的決策支持系統(tǒng)是針對實際問題，利用分析工具或者編制程序，采用一種或多種組合的決策支持能力，對數(shù)據(jù)倉庫中的數(shù)據(jù)進行多維分析，從而掌握企業(yè)的經(jīng)營現(xiàn)狀，找出現(xiàn)狀的原因，并預(yù)測未來發(fā)展趨勢，協(xié)助企業(yè)制定決策增強競爭優(yōu)勢。 5.3數(shù)據(jù)倉庫應(yīng)用實例5.3.1航空公司數(shù)據(jù)倉庫決策支持系統(tǒng)簡例5.3.2統(tǒng)計業(yè)數(shù)據(jù)倉庫解決方案5.3.3沃爾瑪數(shù)據(jù)倉庫系統(tǒng) 5.3.1航空公司數(shù)據(jù)倉庫決策支持系統(tǒng)簡例1.航空公司數(shù)據(jù)倉庫系統(tǒng)的功能2.數(shù)據(jù)倉庫系統(tǒng)的決策支持3.決策支持系統(tǒng)簡例 1.航空公司數(shù)據(jù)倉庫系統(tǒng)的功能航空公司數(shù)據(jù)倉庫功能模塊有：市場分析：分析國內(nèi)、國際、地區(qū)航線上的各項生產(chǎn)指標(biāo)；航班分析：分析某個特定市場上所有航班的生產(chǎn)情況；班期分析：分析某個特定市場上各班期的旅客、貨運分布情況； 2.數(shù)據(jù)倉庫系統(tǒng)的決策支持利用數(shù)據(jù)倉庫系統(tǒng)提供的決策支持有：l一段時間內(nèi)某特定市場占有率、同期比較、增長趨勢；l各條航線的收益分析；l計劃完成情況；l流量、流向分析；l航線上各項生產(chǎn)指標(biāo)變化趨勢的分析； 通過查詢“北京到各地區(qū)的航空市場情況”，發(fā)現(xiàn)西南地區(qū)總周轉(zhuǎn)量出現(xiàn)了最大負(fù)增長量。該決策支持系統(tǒng)簡例就是完成對此問題進行多維分析和原因分析，找出出現(xiàn)原因。決策支持系統(tǒng)運行結(jié)構(gòu)圖如下：3.決策支持系統(tǒng)簡例 數(shù)據(jù)倉庫服務(wù)器客戶端查詢：全國各地區(qū)航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖1查詢：全國各地區(qū)航空客運周轉(zhuǎn)量并比較去年同期狀況查詢：全國各地區(qū)航空貨運周轉(zhuǎn)量并比較去年同期狀況顯示：圖3查詢：全國各地區(qū)客運、貨運、總周轉(zhuǎn)量并比較去年同期狀況具體數(shù)據(jù)顯示：表1查詢：西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖4查詢：昆明航線按不同機型的總周轉(zhuǎn)量，并比較去年同期狀況顯示：圖5查詢：昆明航線按不同機型的周轉(zhuǎn)量，并比較去年同期周轉(zhuǎn)量的具體數(shù)據(jù)顯示：表2顯示：圖2結(jié)束檢索：數(shù)據(jù)倉庫中今年、去年兩年總周轉(zhuǎn)量綜合數(shù)據(jù)，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年客運周轉(zhuǎn)量，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年貨運周轉(zhuǎn)量，并比較。繪制直方圖制表：從數(shù)據(jù)倉庫中取數(shù)據(jù)并制表下鉆：從西南地區(qū)總周轉(zhuǎn)量下鉆，取昆明、重慶兩地的今年、去年兩年數(shù)據(jù)并比較。繪制直方圖下鉆：從昆明航線總周轉(zhuǎn)量下鉆，取各機型今年、去年兩年數(shù)據(jù)并比較。繪制直方圖制表：從數(shù)據(jù)倉庫中取數(shù)據(jù)并制表 圖1全國各地區(qū)航空周轉(zhuǎn)量與去年對比狀況返回（其中，1：東北地區(qū)；2：華北地區(qū)；3：華東地區(qū)；4：西北地區(qū)；5：西南地區(qū)；6：新疆地區(qū)；7：中南地區(qū)）從圖1中看到從北京到國內(nèi)各地區(qū)的總周轉(zhuǎn)量以及與去年同期的比較情況，發(fā)現(xiàn)“北京－西南地區(qū)”出現(xiàn)的負(fù)增長最大。 圖2全國各地區(qū)航空客運周轉(zhuǎn)量及與去年同期比較返回從圖2中看到客運周轉(zhuǎn)量及與去年同期比較，西南地區(qū)負(fù)增長在全國是最大的，其次是東北地區(qū)。 圖3北京到國內(nèi)各地區(qū)貨運周轉(zhuǎn)量及與去年同期比較返回從圖3中看到貨運周轉(zhuǎn)量及與去年同期比較，華東地區(qū)負(fù)增長在全國是最大的，西南地區(qū)也有負(fù)增長。 表1客運、貨運、總周轉(zhuǎn)量及其去年同期比較客運周轉(zhuǎn)量對比去年增長量貨運周轉(zhuǎn)量對比去年增長量總周轉(zhuǎn)量對比去年增長量東北地區(qū)11.86-5.11.29-1.513.15-6.6華北地區(qū)34.8815.031.110.753615.78華東地區(qū)479.30126.5236.16-25.59515.46100.93西北地區(qū)51.6018.059.07.260.625.25西南地區(qū)15.43-19.353.29-0.5618.72-19.91新疆地區(qū)29.0205.85034.870中南地區(qū)643.43295.86116.8560.70760.28356.56返回從表1中，可以看出航空客運、貨運、總周轉(zhuǎn)量以及與去年同期比較的具體數(shù)據(jù)。西南地區(qū)總周轉(zhuǎn)量的負(fù)增長主要是客運負(fù)增長為主體。 圖4西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量及與去年同期比較返回從圖4中看出，西南地區(qū)航空總周轉(zhuǎn)量下降最多的是昆明航線。 （其中，A：150座級；B：200座級；C：300座級以上；D：200－300座級）圖5昆明航線各機型總周轉(zhuǎn)量以及與去年同期比較的柱形圖返回從圖5可以看出昆明航線中200－300座級機型負(fù)增長最大，其次是150座級機型也有較大的負(fù)增長，而200座級以及300座級以上機型保持同去年相同航運水平。 表2昆明航線各機型總周轉(zhuǎn)量以及與去年同期比較的數(shù)據(jù)從表2中可以看出，不同機型的周轉(zhuǎn)量以及對比去年同期增長的具體數(shù)據(jù)?？傊苻D(zhuǎn)量對比去年增長量150座級12.99-16.83200座級10.070300座級以上10.070200-300座級2.91-26.9返回 以上決策支持系統(tǒng)過程完成了對航空公司全國各地區(qū)總周轉(zhuǎn)量對比去年同期出現(xiàn)負(fù)增長量最大的西南地區(qū)，經(jīng)過多維分析和原因分析，找出其原因發(fā)生在昆明航線上。主要是200－300座級機型的總周轉(zhuǎn)量負(fù)增長以及150座級機型負(fù)增長量造成的。其中，200－300座級負(fù)增長最嚴(yán)重。這為決策者提供了解決西南地區(qū)負(fù)增長問題輔助決策的信息。 數(shù)據(jù)倉庫決策支持系統(tǒng)應(yīng)用說明以上決策支持系統(tǒng)只是找出了西南地區(qū)航運負(fù)增長問題的原因。還可以昆明航線上航班時間以及其他方面進行原因分析，找出其他原因，為決策者提供更多的輔助決策信息。 同樣，可以從國內(nèi)各地區(qū)航空市場狀況中對比去年同期增長顯著的中南地區(qū)，找出總周轉(zhuǎn)量大幅提高的原因。從正反兩方面來進行多維分析和原因分析，將可以得到更多的輔助決策信息，減少負(fù)增長，增大正增長，提高更大利潤。進行多方面分析的大型決策支持系統(tǒng)，將可以發(fā)揮更大的輔助決策效果。 5.3.2統(tǒng)計業(yè)數(shù)據(jù)倉庫系統(tǒng)1.統(tǒng)計業(yè)數(shù)據(jù)倉庫解決方案2.某市統(tǒng)計局企業(yè)微觀數(shù)據(jù)倉庫系統(tǒng) 1.統(tǒng)計業(yè)數(shù)據(jù)倉庫解決方案統(tǒng)計業(yè)面臨以下三方面的需求：（1）數(shù)據(jù)的集中存儲與管理統(tǒng)計行業(yè)掌握著大量的、各歷史年度的原始調(diào)查資料，這些資料大都還保留在紙介質(zhì)、脫機的磁帶和軟盤上。這些寶貴的原始資料不能為統(tǒng)計業(yè)務(wù)人員隨機查詢和充分共享，不能進行有效的統(tǒng)計分析、預(yù)測評估和使用。 （2）查詢方式和分析手段的更新統(tǒng)計報表和統(tǒng)計分析需要從大量各種各樣的原始材料中匯總整理各種不同需求，反映不同側(cè)面的綜合分析數(shù)據(jù).傳統(tǒng)的處理手段主要通過編寫程序來實現(xiàn)。開發(fā)周期長。 （3）與Web技術(shù)的有機結(jié)合采用目前流行的三層應(yīng)用體系結(jié)構(gòu)對系統(tǒng)進行應(yīng)用開發(fā)。后臺是數(shù)據(jù)倉庫，前臺是Web服務(wù)器，客戶端是瀏覽器的應(yīng)用模式。利用這種技術(shù)，可以做到網(wǎng)上動態(tài)信息發(fā)布、網(wǎng)上隨機查詢和網(wǎng)上聯(lián)機分析處理等功能。 2.某市統(tǒng)計局企業(yè)微觀數(shù)據(jù)倉庫系統(tǒng)企業(yè)微觀數(shù)據(jù)倉庫設(shè)計成以下主題：（1）企業(yè)基本情況：各年度、各專業(yè)統(tǒng)計調(diào)查單位基本情況名錄的主要內(nèi)容及全部標(biāo)識性內(nèi)容。（2）企業(yè)財務(wù)狀況：各年度、各專業(yè)企業(yè)的資產(chǎn)、經(jīng)營投入、產(chǎn)出效益等財務(wù)經(jīng)營狀況。（3）企業(yè)勞動狀況：各年度、各專業(yè)企業(yè)的就業(yè)人數(shù)及工資收入情況。（4）企業(yè)消耗狀況：各年度、各專業(yè)企業(yè)生產(chǎn)所需的原材料及能源消耗情況，包括價值量和實物量消耗情況。（5）企業(yè)生產(chǎn)狀況：各年度、各專業(yè)企業(yè)的主營生產(chǎn)情況。 企業(yè)微觀數(shù)據(jù)倉庫系統(tǒng)的前端應(yīng)用都是基于Web方式開發(fā)。它具有：網(wǎng)上隨機查詢、網(wǎng)上多維分析、網(wǎng)上數(shù)據(jù)鉆取、網(wǎng)上圖形分析、網(wǎng)上表格旋轉(zhuǎn)透視、網(wǎng)上多維報表等功能，并且操作方式都是拖拉方式。今后統(tǒng)計業(yè)務(wù)人員的月報、年報等數(shù)據(jù)處理都可以在網(wǎng)上進行。 5.3.3沃爾瑪數(shù)據(jù)倉庫系統(tǒng)美國的沃爾瑪（Wal*Mart）是世界最大的零售商，Wal*Mart建立了基于NCRTeradata數(shù)據(jù)倉庫的決策支持系統(tǒng)，它是世界上第二大的數(shù)據(jù)倉庫系統(tǒng)，總?cè)萘窟_到170TB以上。強大的數(shù)據(jù)倉庫系統(tǒng)將世界4000多家分店的每一筆業(yè)務(wù)數(shù)據(jù)匯總到一起，讓決策者能夠在很短的時間里獲得準(zhǔn)確和及時的信息，并做出正確和有效的經(jīng)營決策。沃爾瑪?shù)膭?chuàng)始人薩姆．沃爾頓：“我總是喜歡盡快得到那些數(shù)據(jù)、我們越快得到那些信息、我們就能越快據(jù)此采取行動，這個系統(tǒng)已經(jīng)成為我們的一個重要工具”。 利用數(shù)據(jù)倉庫，沃爾瑪對商品進行市場類組分析，即分析哪些商品顧客最有希望一起購買。一個意外的發(fā)現(xiàn)就是：跟尿布一起購買最多的商品竟是啤酒！按常規(guī)思維，尿布與啤酒風(fēng)馬牛不相及，若不是借助于數(shù)據(jù)倉庫系統(tǒng)，商家決不可能發(fā)現(xiàn)隱藏在背后的事實。沃爾瑪就在它的一個個商店里將它們并排擺放在一起，結(jié)果是尿布與啤酒的銷量雙雙增長。 每天要處理并更新2億條記錄，要對來自6000多個用戶的48，000條查詢語句進行處理。銷售數(shù)據(jù)、庫存數(shù)據(jù)每天夜間從4，000多個商店自動采集過來，并通過衛(wèi)星線路傳到總部的數(shù)據(jù)倉庫里。利用數(shù)據(jù)倉庫，進行決策支持分析，具體表現(xiàn)為： 1.商品分組布局合理的商品布局能節(jié)省顧客的購買時間，能刺激顧客的購買欲望。分析顧客的購買習(xí)慣，掌握不同商品一起購買的概率，甚至考慮購買者在商店里所穿行的路線、購買時間和地點，從而確定商品的最佳布局。 2.降低庫存成本沃爾瑪通過數(shù)據(jù)倉庫系統(tǒng)，決定對各個商店各色貨物進行增減，確保正確的庫存。沃爾瑪?shù)慕?jīng)營哲學(xué)是“代銷”供應(yīng)商的商品，也就是說，在顧客付款之前，供應(yīng)商是不會拿到它的貨款的。數(shù)據(jù)倉庫系統(tǒng)不僅使沃爾瑪省去了商業(yè)中介，還把定期補充庫存的擔(dān)子轉(zhuǎn)嫁到供應(yīng)商身上。 3.了解銷售全局各個商店在傳送數(shù)據(jù)之前，先對數(shù)據(jù)進行如下分組：商品種類、銷售數(shù)量、商店地點、價格和日期等。通過這些分類信息，沃爾瑪能對每個商店的情況有個細致的了解。在最后一家商店關(guān)門后一個半小時，沃爾瑪已確切知道當(dāng)天的運營和財政情況。 4、市場分析沃爾瑪利用數(shù)據(jù)挖掘工具和統(tǒng)計模型分析顧客的購買習(xí)慣、廣告成功率和其他戰(zhàn)略性的信息。每周六要對世界范圍內(nèi)銷售量最大的15種商品進行分析，然后確保在準(zhǔn)確的時間、合適的地點有所需要的庫存。 5、趨勢分析對商品品種和庫存的趨勢進行分析，以選定需要補充的商品，研究顧客購買趨勢，分析季節(jié)性購買模式，確定降價商品，并對其數(shù)量和運作作出反應(yīng)。為了能夠預(yù)測出季節(jié)性銷售量，它要檢索數(shù)據(jù)倉庫擁有100，000種商品一年多來的銷售數(shù)據(jù)，并在此基礎(chǔ)上作分析和知識挖掘。 沃爾頓在他的自傳中寫道：“我能頃刻之間把信息提取出來，而且是所有的數(shù)據(jù)。我能拿出我想要的任何東西，并確切地講出我們賣了多少?！边@感覺就象在信息的海洋里，“輕舟已過萬重山”。他還寫到：”我想我們總是知道那些信息賦予你一定的力量，而我們能在計算機內(nèi)取出這些數(shù)據(jù)的程度會使我們具有強大的競爭優(yōu)勢?！?數(shù)據(jù)倉庫改變了沃爾瑪，而沃爾瑪改變了零售業(yè)。沃爾瑪?shù)某晒o人以啟示：唯有站在信息巨人的肩頭，才能掌握無限，創(chuàng)造輝煌。 習(xí)題1，2，5，11，14，15，19，20