基于商务智能的企业营销决策理论

申请免费试用、咨询电话：400-8352-114

根据Simon的决策理论：组织中最重要的一项功能就是作决策，良好的决策能够加速组织解决问题的速度，提升组织的效能。市场营销就是在适当的时间、适当的地点，以适当的方法将适当的产品推荐给适当的人。营销是企业管理的主要职能，它是一个管理决策过程，当决策问题日益复杂，大量的半结构化、非结构化问题需要解决，大量的信息和知识需要处理，因此，使用商务智能系统来支持企业营销决策是必然的发展趋势。信息的收集与分析在营销决策中起决定性的作用。

1 营销信息收集和分析是提高企业营销决策水准的前提

营销决策所需的信息在时间上具有连续性，内容应能反映企业内外部环境中对供需关系产生主要影响的各种因素的基本状况，营销决策所面对的环境是动态变化的。高质量的信息是对营销环境的准确描述。并有助于企业决策者在营销活动中科学决策。营销环境是营销活动之外对营销活动有重要影响的因素和力量，企业的营销环境具有多样性、复杂性、动态性和非均衡性。营销决策和营销环境是一个连续的、多维的、动态的调适过程，企业需要借助SWOT模式、迈克尔波特的竞争模型以及现代信息技术(如商务智能)等进行宏观环境、竞争环境和消费者行为分析。

企业营销决策需要大量的企业内外部数据、信息作为基础，营销信息不仅包括企业内部的计划、能力等信息，还包括企业外部的顾客、供应商、市场等方面的信息。营销人员在获取信息的同时，需要对这些信息进行分析与整合。再结合其他的信息才能做出正确的决策，提高企业决策的科学化程度。营销数据收集和信息分析是营销决策的科学保证。但是来源于企业内外的信息内容过于丰富、形式复杂多样，需要借助适当的决策支持工具才能对有价值的信息进行分析和挖掘以支持决策活动。

为了帮助决策者进行合理的决策，长期以来已经发展了多种决策支持技术。决策支持是指利用计算机帮助决策主体在半结构化或非结构化的任务中作决策，它支持用户的决策，改进决策效能。随着现代信息技术的发展，决策支持技术不断发展。但是有些决策支持工具过于复杂和深奥，过分关注于“细节性复杂”环境的处理，虽能提出策略规划，但是不方便营销决策者的使用和执行。

随着企业信息化进程的不断推进，很多企业己经积累了大量的业务数据，面对市场营销中海量的信息以及繁杂的半结构化甚至非结构化问题，企业需要新的决策支持工具对这些业务数据进行充分的挖掘并辅助决策，以便在激烈的市场竞争中赢得主动和更多的商机。商务智能最大限度地利用企业信息化中的数据，将企业数据整理为信息，再升华为知识，从而对用户提供最大程度的支持。商务智能系统支持企业操作层、管理层和战略层的各项决策活动。

2 商务智能及其核心技术

商务智能(Business Intelligence，BI)最早是20世纪90年代末在国外企业界出现的．是指将企业的各种数据及时地转换为管理者感兴趣的信息或知识，并以各种方式展现出来，帮助管理者进行科学决策。这里的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料，来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。从技术角度来看，商务智能重视分析数据的技术。从应用的角度讲，商务智能也可以理解为DW＋OLAP＋DM。商务智能的支撑技术包括数据仓库(Data warehouse)、数据挖掘(Data Mining)、联机分析处理技术(OLAP)等。

2.1 数据仓库技术(Data Warehouse)

数据仓库是一个面向主题的、集成的、稳定的及包含历史数据的数据集合。它用于支持经营管理中的决策制定过程。商务智能系统的核心是解决商业问题，它把数据处理技术与商务规则相结合，以提高商业利润减少市场运营风险。是数据仓库技术、决策支持技术和商业运营规则的结合。数据仓库(DW)是实现商务智能的数据基础，完成了数据的收集、集成、存储、管理等工作，使得商务智能更专注于信息的提取和知识的发现。数据仓库存储元数据和用于决策分析的数据。

2.2 数据挖掘技术(Data Mining)

数据挖掘是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中，挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则的过程。数据挖掘可以帮助企业在大量的数据中发现那些不能靠直觉发现的信息或知识。

2.3 联机分析处理技术(OLAP)

联机分析处理技术是一种多维分析工具，目标是满足决策支持或多维环境下特定的查询和报表需求，使分析人员、管理人员或执行人员能够从多个角度对从原始数据中转化出来的、能够真正为用户所理解的并真实反应企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解。联机分析处理技术(OLAP)可以对基于数据仓库中多维的数据进行在线分析处理，生成新的信息，又能实时监视业务管理的成效，使管理者和决策者能自由地与数据相互联系。

在决策支持系统基础上进一步发展起来的商务智能能够向用户提供更为复杂的营销信息，可以更为方便地定制各种报表和图表的格式，能够向营销人员和决策者提供个性化的多维信息，使营销人员和决策者分析、处理信息的能力和信息的利用率大为提高。例如：当营销人员想了解销售情况时，可以得到按产品、产品／地区、产品／地区／客户分类的网上销售和正常柜台销售的各种样式的分析报告。在此基础上，可以进一步解决企业决策时需要了解的各种问题，并帮助企业更快、更好地制定和做出营销决策。

3 商务智能在企业营销决策中的应用

营销是企业管理的重要组成部分，营销决策在企业决策中居于重要地位，商务智能在企业营销决策中的应用过程是：商务智能从不同数据源收集的数据中提取有用的数据，对数据进行清理以保证数据的正确性，经提取、转换后将数据加载人数据仓库(这时数据变为信息)，然后通过联机分析处理工具、数据挖掘工具、模型库加上营销决策人员的专业知识，对信息进行处理(这时信息变为辅助决策的知识)，最后将知识呈现于用户面前转变为决策。商务智能帮助企业决策者在营销管理上做出及时、正确的判断。也就是说把各种数据及时地转化为企业营销管理者感兴趣的信息(或者知识)，然后根据这些信息来采用明智的行动。商务智能各组成部分在营销决策中的应用分述如下。

3.1 数据源

数据主要来自企业ERP、CRM、SCM等系统数据库的产品数据、客户数据、供应商数据、销售数据以及外部系统的数据包括国家相关的政策法规、行业情况、竞争对手情况等。

3.2 数据仓库

数据仓库是从分布的、异构的信息源中检索和集成数据，以支持管理层、决策层用户更好更快地进行决策分析。来源于企业系统及外部环境的数据从数据源进入到数据仓库主要包含以下几步：各个数据源中的数据被抽取出来，然后经过合适的转换和过滤、合并，最后存储在数据仓库里。通过收集各种分散的详细数据源，建立以各种营销主题为导向的数据仓库，并从中挖掘营销业务的内在规律和数据信息，据此制定出较科学的企业营销决策方案。

3.3 数据挖掘

数据挖掘工具利用数据仓库、模型库和知识库共同完成数据挖掘过程。通过数据挖掘工具触发数据仓库管理系统，从数据仓库中获取与营销决策具体任务相关的数据。目前主要的数据挖掘方法有关联规则、决策树、神经网络、遗传算法、公式发现、统计分析、模糊集合、可视化技术、云模型方法等，通过数据挖掘得出的结果一般以图形、图表或者数据报表的方式表示。决策者通过对结果进行深入分析，结合具体的营销环境和营销问题，可以得到如何使用营销组合、采用何种促销策略、如何定价等营销方案。在营销活动中对营销方案不断的修正，指导营销行为和决策。

数据挖掘技术进行营销数据分析的过程是这样的：首先确定数据挖掘的目标，其次选择合适的模式搜索算法，然后根据使用者的决策目的对数据挖掘的结果进行评价，最后是知识同化，将挖掘所得到的知识集成到营销决策过程，并跟踪知识运用的具体成效。

3.4 联机分析处理

用联机分析处理工具构建面向营销分析的多维数据模型，用多维分析方法进行分析比较，通过多维数据的查询、旋转、钻取和切片等关键技术对数据进行分析和生成报表，通过提取有关的详细信息呈现给用户，最大限度地取得决策所需的各种营销信息并共享各种应用。

3.5 模型库

营销模型库提供各种静态模型和动态模型的存储并集成了模型的提取、访问、更新和合成等操作。营销模型库是按照营销决策者的要求，从实际营销阀题出发，构造出适当的决策模型。决策模型为企业正确制定营销决策提供了一种科学的方法，对问题的解决起到了关键性的作用。

3.6 知识库

决策支持系统解决问题的能力很大程度上还依赖于知识库拥有知识的多少，知识越丰富，解决问题和决策支持的能力就越强。支持营销决策的知识库应该尽可能收集、整理营销专家对营销管理预测、决策、计划、控制、分析的研究成果和实际经验，并在此基础上加以总结和提高，构成系统的知识库。

3.7 规则库

规则库是商务智能系统的独立模块，业务规则是所有商务智能项目的核心基础，在业务规则的基础上，报告生成系统能够自动解释数据，为特定目标设定关键绩效指标，并为解决问题提供建议。

商务智能不是将一大堆技术工具堆在数据上，基于商务智能的营销决策应当从了解业务、业务流程，理解业务运作模式开始。（万方数据）