随着中国大型连锁零售企业开始规模化经营和跨区域发展，信息技术的应用广度与深度在不断扩大，并已经逐步成为现代商业的核心竞争力，“用IT去做零售业”已经逐渐成为零售业的重要经营理念之一。

    近年来，我国的零售业正处在成长与巨变的风口浪尖，呈现出如下发展趋势：零售变革速度加快，市场空间饱和，新旧产业形态并存，外资企业长驱直入，企业经营日趋同质化，赢利模式单一等。零售企业迫切需要提高自身的核心竞争力，其主要策略是外拓和内敛。外拓主要是指通过并购和自营店面数量的扩张实现规模化发展。内敛则是通过加强IT信息化建设来实现内涵式增长。

    随着中国大型连锁零售企业开始规模化经营和跨区域发展，“用IT去做零售业”已经逐渐成为零售业的重要经营理念之一。

    如何培养忠实的消费群，并充分挖掘客户信息中所蕴藏的商业价值，如何用数据为企业的经营提出实时的决策指导，已经成为零售企业长足发展的迫切需求，也是零售企业面临的挑战。根据国内、外相关行业的应用经验以及IT技术的应用和发展，解决这一问题的最好方式就是利用商业智能（Business Intelligence，BI）技术为企业提供商业决策所需要的信息。

    商业智能是指通过对数据的收集、整理和分析，进而从数据中获取有用的信息，然后结合行业经验把信息进一步转换为知识。其目的是使企业的各级决策者把重大的商业决策建立在信息和知识之上，而不是完全建立在经验之上。

    商业智能解决方案是以数据仓库或数据挖掘技术为核心的IT系统解决方案的通称。

    实施数据仓库系统

    数据仓库系统是个庞大而复杂的系统，它集成了企业内部多个业务系统的数据，并且为企业范围内不同部门、各级分支机构提供了大量的分析应用功能，因而在数据仓库的实施过程中，需要做好详细的规划和设计工作。数据仓库系统的建设通常遵循“统一规划、分步实施”原则进行，在实施路线图的指引下，分阶段实施，逐步提高企业的决策分析能力。通常数据仓库系统的实施分为以下几个阶段。

    1.需求及信息系统现状分析

    主要包括两部分内容：一是分析企业现有信息系统的现状，包括平台架构、应用功能、主要用户、数据状况等；二是收集和整理来自各级机构或部门用户的业务需求，这些需求包括他们所关心的业务问题、业务目标、分析方法和展现形式等。

    2.模型设计及应用设计

    数据模型设计是数据仓库建设的重要工作之一。数据模型类似于仓储中的货架，它规划和管理着数据仓库中的数据。因此，设计完整和规范的数据模型，可保证数据的可用性和有效性。

    在进行应用设计时不仅要考虑业务需求，还要照顾到用户的使用习惯。为更好地辅助用户进行各类管理决策，通常需要设计出最有针对性的实现方式，例如，为了帮助用户识别业务问题的关键症结，可以采用分析路径的方式，引导用户由点到面、逐步深入地进行业务状况的分析。

    3.ETCL及应用开发

    完成模型设计及应用设计后，进入开发阶段，根据数据模型及应用设计规划，完成业务系统数据的抽取转换和加载，完成报表、查询、多维分析等应用功能。

    ETCL阶段很重要的工作是做好数据的清洗和整理，也就是ETCL中“C”。数据仓库系统的数据来源多样，涉及到企业内部各种业务系统，这些业务系统无论是建设时间、应用功能、用户群、平台等都非常不一致，这也就带来了业务逻辑的定义、术语的使用等的不统一，数据清洗工作就是要完成这些不同业务涵义数据的清洗和转换。

    为有效地做好数据清洗工作，需要对源数据做大量的分析，主要的手段包括数据库分析和数据挖掘中用到的一些数据质量分析的方法。应用这些方法考察各业务对象属性的特征，包括统计数据分布，如均值、方差、最大最小值、分位数等，以及通过折线图、频率分布等形式来审核业务属性的分布状况等。

    4.系统测试及验收阶段

    测试阶段是保证系统最终是否可被交付用户使用的重要环节，通过测试来检验系统是否满足各项设计指标，包括ETCL所需的时间、最大并发用户数、查询响应时间等，数据的正确性验证也是测试阶段非常重要的一项工作。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。