数据仓库在零售业的应用

领导信息系统(_executive Information System)

这是为那些不太熟悉计算机技术的领导人员设计的，需要以简单的图形界面来提供访问数据仓库能力。它能够提供易于定制的决策分析环境，主要适合企业高层决策者使用。

业务流程重整(Business Process Reengineering)

这是指利用数据仓库技术，改善企业业务流程中的某些工作，也是数据仓库的重要作用之一，著名的例子就是“尿布与啤酒”。

当然，一个完整的数据仓库系统，应该是综合了企业内部数据与外部数据，并可以提供以上诸多应用功能的系统。

回避常见陷阱

数据仓库这样的庞然大物，建设起来务必要小心。下面几个建议，涉及到建设数据仓库最常见的若干问题，也许可以助你一臂之力。

杀鸡别用宰牛刀

如果杀鸡用了宰牛刀，那不是宰牛刀的错误，只能怪罪操作者。Wal-Mart在数据仓库方面的成功毋庸置疑，但是，有几个企业具有Wal-Mart的规模呢?量力而行，这说起来简单，实际上却有很多人陷在了技术狂热之中。数据仓库是好技术，前提是你的企业引入的系统规模要合适。

建立一个数据仓库和成功建立一个数据仓库，还是有很大差距的。建立数据仓库时，有些项目规划者脑海里充斥着很多不切实际的目标，他们想要数据仓库实现的功能面面俱到，结果反而导致了失败。成功建立一个数据仓库，企业必须在规划时就充分地考虑到该数据仓库的规模、功能以及未来扩展情况。这些工作，有时不得不引入第三方的智力，比如有经验的咨询公司专业人员。

不要贪大求全

不要把所有能找到的数据都放到数据仓库中，凭借数据仓库，企业也并不能预知商务活动中所有的事情。不要把你能拿到的所有数据都一股脑扔入数据仓库。要保证关键信息的及时、准确，例如客户信息、产品信息、财政报表、人事信息，处理好这些信息比一味贪大求全要有意义。把无关紧要的数据都放到数据仓库中，很快就会导致过于庞大的数据库，响应缓慢、难于维护，这使得数据仓库华而不实，难以使用。

估计好数据量

“不要贪大求全”是定性分析，“估计好数据量”则更偏重定量分析。如果一个数据仓库刚刚投入使用就发现磁盘空间不够，那是会让人沮丧的。

与OLTP系统不同,数据仓库系统需要更大的临时空间用于排序操作和数据汇总;它也需要较大的缓存空间,用于驻留经常被访问的数据。估算数据量时要考虑如下因素：现有数据日、月、年的增长率;预计要保留多长时间的历史数据。一般情况下,数据空间=数据量估算×2，索引空间=数据量估算。

确保数据质量

估算了数据数量，我们再来关注一下数据质量。数据的抽取、转换和装载(ETL)，是一项非常烦琐的工作，在系统实施过程中最好由专门小组或人员负责此项工作。不同业务系统的数据编码多半是不同的，统一编码常常是一项费时、费力的工作，要做好心理准备。此外，系统运行之后，必须制定一个行之有效的数据抽取时间和方式(前面提到的两家零售业巨头都是每天夜间为数据仓库补充各个零售店的业务数据)，为系统不断补充合格的数据。

建设者、使用者共同参与

数据仓库并没有严格的数学理论基础，也没有成熟的基本模式，它更偏向于工程，具有强烈的工程性。因此，从立项那一天开始，就要树立这样的信念：这是一个建设者、使用者共同参与的项目。与电子邮件一类的系统不同，搭建数据仓库不是一个“水到渠成”的事情，“水到”之后还需要继续对“渠”进行改造。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友