供应链管理数据库，构建企业电子商务智能

文：鼎捷ERP

作者：鼎捷数智 | 发布时间：2012-11-30 14:50:34

先行案例
KhspyKreme——美国人每年人均7个甜面圈
    KrispyKremeDoughnuts是美国甜面圈行业中较负盛名的公司。它的总部坐落于北卡罗莱纳州的温斯顿—塞伦，在全美的33个州共拥有218家分店和特许经营连锁店。这218家店每天卖出近5百万个甜面圈，没年累计是20亿个，或者说，美国人每年人均消费KrispyKreme的7个甜面圈。
    对KrispyKxeme来说，信息的集中与分散同等重要。公司总部的战略决策者需要获取整个组织的信息包括来自全部218个分店的销售、营销以及供应商管理的数据。各分店的管理者与经营者则需要能够很容易地存取自己本店的信息，同时，还能够同其他分店在运营绩效方面进行比较。
    在分店层面上，KrispyKreme搭建了一个名为MyKrispyKreme的网站门户。一旦分店的管理者或经营者通过登录进入了自己在MyKrispyKreme上的门户界面，他们就既能访问自己的全部信息，也可以访问那些被专门设计以帮助各分店更好的进行运营的涉及整个组织的信息和应用程序。管理者和经营者能够分析各店的运营绩效，获取POS数据，回顾客户并追踪相关计数，进而对现金余额和每星期的收益及亏损状况有一个全面的了解。
    在总公司层面上，战略决策者能查看用任何信息格式描述的任何类型的汇总与比较。他们可以通过限定区域和时间段来选取特定类型的信息以便全面分析某分公司的绩效。其他的一些工作流程也通过IT系统予以实现了。例如：财务分析人员能够观察和处理股票信息。供应链管理者能够预测天气状况对供应商满足库存需求的能力的影响。市场营销专家可以测定一个全国性的电视营销活动对公司各分店绩效的影响力。生产管理者甚至能够通过深入挖掘数据来获知哪些员工在制作甜面圈时贡献的生产力较大。
    同其他组织一样，KrispyKreme是依靠多种技术来管理、存储和分析信息的。位于组织核心位置的是存储着大量事务信息的数据库。对KrispyKreme而言，这些事务信息记录着每一次POS交易的数据，包括时间、地点、数量、甜面圈种类、付款方式等。为了分析这些信息，很多组织开始应用数据仓库及数据挖掘工具了。数据仓库是存储着汇总信息的特殊数据库。KrispyKreme的数据仓库的范围涵盖整个组织，并且包含了各分店的汇总信息。这些信息包括销售、营销、供应、库存、财务和其他一些类型信息，这些信息对决策者来说至关重要。
    本章将论述如何运用数据库和数据仓库作为IT工具来管理和存储信息，以及如何运用数据库管理系统和数据挖掘工具来分析存储在数据库和数据仓库中的信息。
3．1 引言
    在前两章中已经讨论过，管理者和组织所需要的不仅仅是数据和信息，他们还需要电子商务智能(BI)——一种涉及到企业的客户、竞争对手、合作伙伴、竞争环境和企业内部运作的知识——以便有能力制定有效的、重要的商业战略决策。商务智能能够帮助企业判断信息的准确内涵，以便构建并完善业务流程，确保企业的竞争优势。组织这样的行为支持启动部分或全部我们在第二章中所论述过的概念——客户关系管理、供应链管理、协同，等等。
    当然，创建商务智能需要数据和信息(在本章中我们将数据与信息统称为信息)。因此，商务智能不会奇迹般地出现。人们首先必须收集并合理地组织信息，然后必须使用合理的汀工具来定义和分析信息内部的各种关系。总之，是知识工作者利用IT工具从信息中提取商务智能。技术工具本身并不能主动完成这一工作。不过像数据库、数据库管理系统、数据仓库和数据挖掘工具确实能帮助人们构建和运用商务智能。
    当人们利用这些IT工具从事该项工作时(这将是本章从头至尾较详细讨论的内容)，将完成两类信息处理工作，这两类信息处理是我们在第一章中间接提到的，即：联机事务处理和联机分析处理。联机事务处理(OLTP)包括输入信息的收集、处理，并利用收集到和经过处理而得到的信息去更新已存在的信息。数据库和数据库管理系统就是一类直接提供OLTP支持的技术工具。支持OLTP功能的数据库，较常见的就是业务数据库。在这些业务数据库中，保存有大量有价值的信息，而这些信息恰恰是形成B2B商务智能的基础。
    如图3—1所示，通过查询业务数据库能够收集商务智能的基本构成，例如可查询上个月有多少件产品的销量超过了10000美元，上个月花在通过广播做广告上的钱有多少。这些查询结果会很有帮助，通过综合企业的产品信息和广告策划信息(可能还会涉及到包括顾客统计信息在内的其他信息类型)，能够帮助企业进行联机分析处理。

    联机分析处理(OLAP)是一种提供决策支持的信息处理方式。在澳大利亚的P&G总部，联机分析处理是其决策时必需的手段。P&G构建了一个数据仓库来支持它进行客户关系管理行动、实施越区销售战略和举行市场营销活动。通过使用客户信息(包括人口普查数据和生活方式编码)、保险和理财产品的数据、市场营销活动的信息创建数据仓库，P&G的代理商能够观察某个特定客户所购买的全部产品，进而可以更精确地判断出越区销售的机会以及哪些市场营销活动是特定客户所更愿意接受的。
    事实上，数据仓库是一种特殊形式的数据库，它从许多业务数据库中提取用于支持特定决策所需的信息。当我们构建了数据仓库，并用数据挖掘工具去利用数据仓库中的信息时，其目标就是构建商务智能。因此，数据仓库是支持OLAP，而不是支持OLTP的。正如图3—1所示，通过执行更深层次的查询能够从数据仓库中而不是某个单一的数据库中获取商业智能。例如，要满足查询“什么样的新广告战略能够保证吸引那些有能力购买高价产品的顾客?”就需要从多个数据库中抽取信息。数据仓库可以比数据库更好地支持商务智能的构建。
    在本章的论述中，我们将重点介绍：(1)数据库与数据库管理系统，(2)数据仓库与数据挖掘工具。当今，数据库是进行信息组织与管理的基础，数据库管理系统提供了处理数据库的工具。数据仓库是与之相关的新技术，它能帮助人们组织和管理商务智能，同时，数据挖掘工具能帮助人们吸取极其重要的商务智能。数据仓库与数据挖掘工具是我们在第2章中讨论过的商务智能OA软件的子集。
    本章首先论述数据库与数据库管理系统，探究一下Solomon公司是如何利用它们支持客户关系管理和订单处理的。Solomon公司专门为大芝加哥地区的建筑商和家庭用户提供混凝土。Solomon公司记录着有关混凝土类型、客户、原材料、原材料供应商、卡车以及雇员的详细信息。它利用数据库组织来管理所有这些信息。在我们讨论Solomon公司和它的数据库时，我们的侧重点在客户关系管理和订单处理上。在本章后续的扩展学习模块C中，我们将论述如何设计Solomon的供应链管理数据库。