企業營銷決策系統研究與設計

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了企業營銷決策系統研究與設計范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要企業信息數據的處理都需要依靠先進的計算機技術的支持，需要準確、高效、及時的收集和分析數據，從而對企業的經營決策提供相應的依據，所以建立一套基于數據倉庫的企業營銷決策系統進行信息的管理，組織和利用各個應用系統之間的數據進而轉化成有用的信息，為企業的發展提供決策支持。

關鍵詞數據倉庫；企業營銷；OLAP；決策系統

1我國目前企業營銷行業現狀分析

從改革開放以來，我國的市場環境在不斷的發生著變化，企業的管理體制和運行方式都發生了很大的變化，市場對資源配置所表現出的調節作用也越來越明顯。隨著我國對外開放力度的不斷加大以及當今計算機信息技術的快速發展，企業的傳統營銷模式已經不能夠滿足當前社會發展的需求，傳統的營銷策略也已經不能夠滿足企業的發展需求。在當今信息化的時代，中國企業已經融入到了世界市場的規則體系之中，越來越多新的營銷理念被帶入到中國的企業中，在互聯網信息技術的支持下，企業的營銷手段、內容以及形式都已經離不開科學的決策系統支持，面對日益增長的市場營銷信息數據，企業想要更好的利用這些數據，就需要建立相應的信息管理系統。隨著數據挖掘技術的不斷普及和應用，企業對于信息數據的處理能力也在不斷的增加，通過與相關的計算機信息技術相結合，大多數企業都已經建立了基于數據倉庫的企業營銷決策系統。依靠目前先進的科學技術，基于數據倉庫、數據挖掘和聯機分析處理技術，構建相關的企業營銷決策系統，對企業的發展具有極大的意義。

2數據倉庫的概念以及相關闡述

數據倉庫可以說是一種管理技術，它能夠將企業中不同應用系統的數據收集在一起，作為決策支持數據模型的物理實現，能夠為決策者提供各種類型的、有效的數據分析，從而為決策者決策提供支持。數據倉庫通常也被看作一種體系結構，關于數據倉庫最經典的概念是由國外一位學者提出的：“數據倉庫是一種數據集合，它具有面向主題、集成和穩定的特點，能夠在經營管理中，支持決策者進行相關決策制定的過程[1]。”1）與傳統的事務驅動以及數據處理方式不同，數據倉庫的特點是數據驅動和面向主題。數據倉庫中的數據是以一種集成化的方式存在，外部的數據要進行集成操作才能進入數據倉庫內部。為了保持在數據倉庫儲存的一致性，數據倉庫中反應的是加工后的歷史數據，所以其具有很好的穩定性。并且緩慢變化維能夠非常有效的解決時間變化對數據分析的不利影響。2）構建數據倉庫的過程中，系統會會對相關的業務、專賣、管理和消費者等數據進行建模，對現對客觀對象進行抽象處理就會得到這些數據模型。其構建過程中的數據模型包括概念模型、邏輯模型、計算機模型以及數據模型和粒度模型。概念模型也可以叫作業務模型，它是由相關用戶，和不同領域的專家共同提出的業務需求分析的結果。邏輯模型就是根據決策系統的實際需求，對數據庫進行邏輯關系模型的構建，從而確定數據庫相關物體之間的關系。3）數據倉庫具有強烈的工程性，從技術角度上，數據的抽取、存儲與管理和數據的表現是其關鍵技術。數據從業務系統進入到數據倉庫必須經歷數據抽這一步驟，其過程是將各個相關數據庫的數據進行抽取，最后引入到數據倉庫中來，其中數據抽取功能可以定時進行。數據倉庫是以多維的方式進行組織和儲存數據的，模式的不同，不同的數據倉庫的效率以及對外的表現形式也就不同。

3關于聯機分析處理和數據挖掘技術相關闡述

1）聯機分析處理技術是一種軟件技術，對于原始的數據，分析人員、管理人員或者執行人員能夠從多角度轉化出能夠被用戶所理解的、并真實反映企業情況的信息，而聯機分析處理能夠將這些信息快速、一致、交互的存取，從而更深入了解獲得的相關數據。星形模式、雪花模式和星座模式是OLAP的主要數據模式。星形模式是一種多維結構，而雪花模式的維呈現出層次性，即維具有一定的深度。雪花模式相比較于星形模式，其更具有復雜性，但對于數據分析和決策更加有效[2]。星座模式和星形模式有很大的關系，其是通過共享維將多個星形模式連接在一起，進而表示出多個事實間的關系。2）在一些利用傳統方法難以處理的數據中，通過使用數據挖掘技術，相關人員能夠得到有價值的信息。數據挖掘能夠處理海量的數據。在數據挖掘中，依據大樣本的統計規律可以發現相應的規則，規則的成立需要置信度達到所要求的閾值。利用數據挖掘技術得到的信息是不能預知的。關聯分析、分類和聚類法是數據挖掘的3種類型，不同的類型具有不同的多樣的算法，通過使用這些類型的算法可以創建相應的挖掘模型。數據挖掘的過程具有一定的完整性，通過從大型數據庫中挖掘出有價值的信息，幫助用戶來做出相關決策或者豐富用戶的知識。

4關于決策支持系統的概念和相關闡述

決策支持技術是依據相關的管理信息技術而發展起來的一種技術，它融合了計算機技術以及管理科學和組織理論等于一體，該技術主要應用于半結構化和非結構化的決策問題，能夠支持中高級決策者進行決策活動[3]。決策支持系統能夠提供一個適宜的工作環境，在該環境下，知識性、創造性和信息處理能力等相結合在一起，從而幫助決策者對問題進行分析作出相應的決策。決策支持系統由多種部件組成，其中包括由對話部件，也可以稱作人機交互系統；數據部件，也可以稱作數據庫管理系統和數據庫；模型部件和方法庫部件；規則部件控制系統和用戶。以數據倉庫為基礎的企業營銷決策支持系統，首先為企業建立相關的數據倉庫，在進行數據操作時，該系統能夠分開操作型數據和分析型數據，接著再利用聯機分析處理和數據挖掘兩種技術，進一步挖掘出相應的輔助決策信息。

5基于數據倉庫的企業營銷決策系統的構建

1）數據倉庫設計與實現。通過利用Web技術和數據倉庫兩者的結合，在對數據倉庫進行應用設計時，有關人員能夠有效的擴展其使用的范圍。在設計數據倉庫時，可以從需求、模型和物理三個層次來進行相應設計工作。在需求分析中，供應鏈管理是其比較突出的特點，其對象主要面對客戶和各種成本。因為數據倉庫是面向主題的，所以在模型設計上首先要進行主題選取，而對于企業在經營中所依靠的決策支持系統來說，該系統的主體包括市場、品牌、營銷、專賣等信息。（1）根據市場信息這個主題建立的數據庫，涉及到目標市場和客戶信息等。（2）以品牌為主題的數據庫，該數據庫用來描述產品的信息，進行產品的相關分析。（3）根據營銷這個主題建立的數據庫，可以用于決策者對貨源組織、訂單和合同等方面的管理。（4）根據專賣這個主題建立的數據庫，該數據庫支持給最小市場貼標簽等功能。進行數據倉庫邏輯設計時，對于數據進行分析，需要進行大量的聯機分析處理操作，這時候在對多維數據模型進行描述可以采用星形數據模式來描述。在設計時為了實現系統的模塊化，應該盡可能的選擇使用維表中的共享維表。2）OLAP設計和給予數據倉庫的數據挖掘。聯機分析處理能夠對數據倉庫中數據進行切片、切塊等操作，并進行動態實時多維的分析，用戶可以從多種渠道來分析這些數據。多維數據組織存在于星型結構中，并和聯機分析處理相互作用。數據挖掘的主要對象是數據倉庫或者大型的數據庫，數據挖掘的分析過程可以通過準備數據、挖掘數據和表示及驗證數據4方面來實現，對原始數據進行提取、集中、分析等操作，發現有價值的信息和知識。

6總結

在企業市場營銷的發展過程中，其營銷決策系統也不斷朝著信息化發展，基于數據倉庫、聯機分析處理和數據挖掘技術的決策支持系統，已經成為企業發展不可或缺的利器，企業利用這利器就能夠更好的進行決策，提高決策者的管理能力，改善客戶關系處理，促進企業的進一步發展。

參考文獻

[1]姚楠.基于數據倉庫的卷煙銷售決策支持系統的設計[D].哈爾濱：哈爾濱工程大學，2008.

[2]籍濤.基于數據倉庫的煙草營銷決策支持系統的設計[J].商業文化（學術版），2007（10）：216-218.

[3]汪秀林.基于數據倉庫技術煙草商業營銷決策支持系統的研究與設計[D].合肥：合肥工業大學，2007.

作者：張坤 趙剛 孫全建 張云霞 單位：山東泰安煙草有限公司