商业智能的问题

经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA等基础信息化系统。这些系统的统一特点都是：通过业务人员或者用户的 *** 作，最终对数据库进行增加、修改、删除等 *** 作。上述系统可统一称为OLTP(Online Transaction Process，在线事务处理），指的就是系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员（包括管理者）能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。

如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。

国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而中国的企业，大部分还停留在报表阶段。

数据报表不可取代

传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、FineReport、Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。

1． 数据太多，信息太少

密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话：我们的情况是好、中还是差

2． 难以交互分析、了解各种组合

定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。

3. 难以挖掘出潜在的规则

报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。

4． 难以追溯历史，数据形成孤岛

业务系统很多，数据存在于不同地方。太旧的数据（例如以前的数据）往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。

因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。

八维以上的数据分析

如果说OLTP侧重于对数据库进行增加、修改、删除等日常事务 *** 作，OLAP(Online Analytics Process，在线分析系统）则侧重于针对宏观问题，全面分析数据，获得有价值的信息。

为了达到OLAP的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。

多维数据库的概念并不复杂。举一个例子，我们想描述2003年4月份可乐在北部地区销售额10万元时，牵扯到几个角度：时间、产品、地区。这些叫做维度。至于销售额，叫做度量值。当然，还有成本、利润等。

除了时间、产品和地区，我们还可以有很多维度，例如客户的性别、职业、销售部门、促销方式等等。实际上，使用中的多维数据库可能是一个8维或者15维的立方体。

虽然结构上15维的立方体很复杂，但是概念上非常简单。

数据分析系统的总体架构分为四个部分：源系统、数据仓库、多维数据库、客户端。

·源系统：包括现有的所有OLTP系统，搭建BI系统并不需要更改现有系统。

·数据仓库：数据大集中，通过数据抽取，把数据从源系统源源不断地抽取出来，可能每天一次，或者每3个小时一次，当然是自动的。数据仓库依然建立在关系型数据库上，往往符合叫做“星型结构”的模型。

·多维数据库：数据仓库的数据经过多维建模，形成了立方体结构。每一个立方体描述了一个业务主题，例如销售、库存或者财务。

·客户端：好的客户端软件可以把多维立方体中的信息丰富多彩地展现给用户。

数据分析案例：

在实际的案例中，我们利用Oracle 9i搭建了数据仓库，Microsoft Analysis Service 2000搭建了多维数据库，ProClarity 6.0 作为客户端分析软件。

分解树好像一个组织图。分解树在回答以下问题时很有效：

·在指定的产品组内，哪种产品有最高的销售额

·在特定的产品种类内，各种产品间的销售额分布如何

·哪个销售人员完成了最高百分比的销售额

数据挖掘看穿你的需求

广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，数据挖掘就是BI。但从技术术语上说，数据挖掘（Data Mining）特指的是：源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义：数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。

关联销售案例：

美国的超市有这样的系统：当你采购了一车商品结账时，售货员小姐扫描完了你的产品后，计算机上会显示出一些信息，然后售货员会友好地问你：我们有一种一次性纸杯正在促销，位于F6货架上，您要购买吗

这句话决不是一般的促销。因为计算机系统早就算好了，如果你的购物车中有餐巾纸、大瓶可乐和沙拉，则86%的可能性你要买一次性纸杯。结果是，你说，啊，谢谢你，我刚才一直没找到纸杯。

这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的系统。

每天，新的销售数据会进入挖掘模型，与过去N天的历史数据一起，被挖掘模型处理，得到当前最有价值的关联规则。同样的算法，分析网上书店的销售业绩，计算机可以发现产品之间的关联以及关联的强弱。

数据报表、数据分析、数据挖掘是BI的三个层面。我们相信未来几年的趋势是：越来越多的企业在数据报表的基础上，会进入数据分析与数据挖掘的领域。商业智能所带来的决策支持功能，会给我们带来越来越明显的效益。

心鸽科技提示：

移动智能营销对于移动电商企业来说是一种极其有效的营销模式，而营销则是大数据的结合下再无完卵。随着用户数量的增加，数据累积将以指数性的增长，通过数据库的海量计算，企业可以对客户需求进行预测及技术分析，从而提升客户粘性和向客户提供最佳的解决方案。

　一、 产品适应性不强，无法完全满足客户需求。

第一方面，智能家居在初期为了炒作概念，吸引眼球，盲目夸大功能，加上科幻片的误导，在大众心目中的理想智能家居就是无所不能的，就目前的技术水平来说，很多理想状态要实现起来还是很困难的，这就给客户的心理造成了很大的落差，满意度自然也就大大的降低了。第二，早期的智能家居产品是完全照搬国外的模式，我们都知道西方是单户型别墅为主，而国内是公寓式住宅为主，用别墅的方案来做住宅，肯定不合适的，仅安防这一模块，国内外的需求就行不通，。欧美别墅的监控设备装在院子里，报警装在门窗，而国内监控和报警都装在室内，这里会牵涉到一个主人隐私的问题，所以很多客户对此很是纠结。这样也是智能家居在早期不能规模化地发展的原因之一。

解决措施：市场宣传脚踏实地，切忌浮夸功能。做适合中国市场的智能家居产品，组建能够灵活兼顾到别墅与住宅的智能家居需求的系统。这要求厂商根据市场需求灵活调整产品与方案，以适应市场环境的变化。比如最近非常流行iPAD、iPhone以及安卓智能手机，科佳(omelife)就据此状况开发出了iPAD、iPhone中控(用ipad 和iphone来作为智能家居系统的控制终端)以及面向安卓平台的智能家居控制终端。借助客户熟悉的的第三方平台来融入自有系统，在无线智能家居应用方面，是一个较为显着的突破。其实在此前我们也有移动控制主机这样的产品，但考虑到客户 *** 作的便利性和心理接受度，我们做了这样的调整，这也是针对市场来调整产品的适应性。

二、 品牌知名度不足，难以刺激终端销售，渠道开拓压力巨大。

智能家居市场宣传都局限在小范围内，没有深入到大众群体，无法通过品牌来刺激终端销售，造成渠道开拓压力巨大。观察一下国内的智能家居品牌的宣传情况，就不难发现，大多局限在业内。少数企业意识到问题所在的，开始设立智能家居体验中心，并与家居卖场合作开设演示平台，或者通过网络推广向大众进行宣传。但往往规划欠缺，执行力度又不足，收效并不是非常明显。

解决措施：加强市场宣传，细分目标受众，做针对性的推广方案。例如，将客户细分为渠道、合作伙伴，终端用户、产业链、业内同行。挖掘其媒体偏好，做针对性的推广方案，提高品牌知名度。提升品牌知名度是一个缓慢而艰难的过程智能家居目前是处于春秋时期，百家争鸣一个品牌要脱颖而出，就一定要有一个定位和发展规划。对于国内的大多数厂商而言，定位是谈不上的，发展规划更是比较盲目。大多数厂商是随大流的心态，别人做什么我就做什么，讲究的是共性而不是个性共性必然造就平凡，试想如果人人都是大众脸，别人怎么记住你呢?所以我们在做市场宣传之前，首先要理清思路，发掘自己的长处和优势，再对客户做相应的细分，做针对性的推广。就拿科佳来说，我们是专注于无线智能家居产品设计与系统定制，而我们的优势在于安防与照明控制。我们对外宣传就牢牢抓住这一点，目的就是让客户明确两个概念：1、科佳是做无线智能家居的，2、科佳是安防出身，在安防与照明方面是比较专业的。这就是有的放矢，宣传自身优势与特色，更能让客户记住。(来源：《CPS智能家居》 作者：汪毅，未经同意不得转载)

三、 渠道技术力量薄弱

智能家居是一套综合控制系统，囊括了家居布线系统、家庭网络系统、智能家居(中央)控制管理系统、家居照明控制系统、家庭安防系统、背景音乐系统、家庭影院与多媒体系统、家庭环境控制系统等八大系统。整个系统需要整合很多产品才能组网，在运营 *** 作智能家居项目的时候，对技术人员的要求很高，无论是产品选型还是安装调试，都需全面掌控才行，这和很多传统产品并不相同，不单单是销售完成上门安装就能了事。正因为这一点，地区代理往往无法独立处理安装与调试的问题。

解决措施：为经销代理培训技术人员，确保技术支持落实到当地，就地解决问题。渠道是公司的左膀右臂，公司总部就相当于大脑。膀臂软弱，即便大脑指挥的再好，也是无济于事的。渠道技术水准能力，是决定营销网络是否可持续发展的重要因素之一。厂商应把培训作为渠道开拓工作非常重要的一环。金沃智能在智能家居体验馆开业初就召开过几次培训会，对潜在客户进行一个简单的智能家居常识和 *** 作培训，事后证明，取得了很好的效果，客户对智能家居的认知面有了很大的拓宽，同时也对金沃的产品也增强了不少认同感，这就为后来的合作打下了基础。

四、 渠道市场开拓能力不足

智能家居和家具、卫浴等家居用品一样，潜在市场巨大。但相对应也存在较大的问题，客户群体较零散，就必然造成市场推广很难有针对性，难以有的放矢。同时，还需要培养直接客户对智能家居的兴趣以及对智能家居的生活方式的认可。这些，都是经销代理无法独立解决的问题，如果厂家不协助他们，他们的市场开拓那就是真的举步维艰了。所以，前些年很多公司在全国都把销售网络建立起来 了，但没过两年整个网络全盘崩溃，其主要原因，就是厂家当了甩手掌柜，缺乏与渠道之间的沟通，和渠道之间的信息不对等，厂商未能用其所知协助渠道解决一系列的问题，没有把销售模式复制给渠道。

解决措施： 为经销代理培训市场销售人员，提供一定的市场营销支持和销售工具(解决方案、演示PPT、品牌标示使用方法等)。前面说过智能家居是一套综合控制系统，是一个多样产品集成的系统，还会牵涉到工程安装调试以及用户使用等问题，当然这些问题都需要和客户有一个顺畅的沟通才能促成合作。这就要求我们的销售人员要熟悉很多方面的知识，譬如强弱电、监控、布线、报警、建筑、装饰等等。一般来说，对于大多数厂商本地的销售人员，经过耳濡目染，或多或少有一定的基础，碰到绝大多数客户是可以应付得来的。而经销代理联营等，大多接触这个行业不久，在短期内是很难打造一个专业的销售班底的，这也需要厂商协助，提供培训与支持才行。俗话说：“台下十年功，台上十分钟”，这也需要一个过程。

以上列举的几点造成瓶颈的原因，是汪某通过观察和总结业内的几个智能家居的企业的市场开拓经历得来的，以上四点是他们的共性，当然还存在一些其他影响销售拓展的原因,比如公司人员的稳定性，合作伙伴的利益分配等等，篇幅原因，就不一一列举了。

近两年炒的很火的物联网，在政策偏向和运营商的大力推动下，物联网必然会迎来一个高速发展的时期，而对于智能家居行业来说，物联网能够解决智能家居目前几个很大的问题------标准协议和系统稳定性以及系统的扩展性。这是智能家居产业千载难逢的契机，智能家居像家电家具一样普及和进入百姓生活，应该不远了。

---