内容简介：从智能中提取业务
“在核心零售功能中开发高级的优化性能。”小组成员包括Ascena零售集团高级副总裁兼首席信息官（CIO）Karen Etzkorn；PETCO动物用品的副总裁兼首席信息官（CIO）Herman Nell；以及Carter公司的副总裁兼首席信息官（CIO）Janet Sherlock。
Reda在她的介绍中说，一般讨论的话题是商业智能（BI）和分析解决方案，能够对现在几乎每一个零售商积累的大量数据进行组织、分析和可视化处理。以下是小组在问答的形式中讨论的一个概要。
一些背景：Carter公司是一家利用MicroStrategy、QuantiSense和Netezza的20多亿美元的零售/批发公司。 它目前在Oracle Discoverer遗留平台上操作，进行批发和供应链管理的运营，但打算在明年转换为MicroStrategy。PETCO由老的 SQL 服务器环境转换成Netezza的企业范围的数据仓库并使用MicroStrategy报表工具。Ascena是dressbarn、Maurices和Justice的母公司，它正处于将数据仓库联合到Netezza中的过程里，并把MicroStrategy作为分析工具。
Q：在你们各自的公司里是如何实际使用商业智能（BI）和分析的?
Sherlock：对我们来说这是真正的革命；我们已能够在更加自助的服务模型中获得静态报表。有些使用者能够使用向下钻取的功能和商业智能（BI）平台的功能。为我管理商业智能（BI）的人有咨询师的背景，他提到一个智能企业的四个阶段。我认为首先是可见性，第二阶段是信息，第三阶段是洞察力，而最后的阶段是智能。他认为我们几乎已经处于第三个阶段的成熟水平。在这个阶段我们能获得零售业务中客户和产品的很多洞察力。
Nell：在PETCO，某种程度上说我们是到了一个分岔口。报表方面…我们已经移到可以非常高效地生成报表的企业数据仓库中，但我们在该领域还可以做更多的仪表盘、异常报告等事情。那对我们仍然是一种挑战。在分析方面，我们有一个了不起的忠实数据库，可以提供关于你所有的宠物异常多的信息。我们知道它们的生日是什么时候，而有时当你忘记了它们的生日的时候，我们会打电话提醒你，尤其是来为它们买些东西。这都是关于建立一种数字关系并理解它的不同元素，对我们来说这仍然是一种挑战。
Etzkorn：以Janet的阶段划分作为一种指南，我们的业务还处在第一到第三阶段。把一组服装产品从它们4500页的一大堆绿条打印输出中移走是一项艰苦的工作，但我们正为此努力，而且我们缓慢但踏实地取得了进展。我想说的是，在有些业务的运营领域里我们已达到了第三个阶段而且我们创设了一些主管仪表盘。这些主管仪表盘可以确切地告诉我们的业务领导哪些品牌销路很好，哪些不行。我们和商店的营运团队一起努力，非常成功的推出可以让我们的区域领导拥有信息，而不仅是数据的仪表盘。当他们走进一家商店, 就可以看到究竟应该问商店领导些什么。
Q：商业智能（BI）在你们的业务上有什么样的影响？
Nell：对我们来说业务上的影响是巨大的。首先，正如Karen提到的那样，店面快速反应能力的本身完全依赖于我们能够提供良好、及时的信息。当你在建立企业数据仓库时，真正的挑战我们称之为“最慢的公分母”：为仓库提供数据的最慢的系统通常决定什么时候你才能取回数据。所以有时它可能会是一种限制，但尽管如此，们已经能够为商店以及供应链的运作提供很好的信息。
在分析方面，在过去的三年里，我们已能真正开始了解在我们商店中购物的客户。现在要识别那些顾客并不容易。早期我们会说:“这是在商店购物的顾客的属性，而那是在线购物的顾客的属性。”今天，同一个顾客会通过我们所有的渠道购物，但在不同的购买阶段和决策过程。这是需要我们理解的关键要素，而我们正在密切关注它。
Etzkorn：我们的每一个品牌经营都非常独立自主并以独特的方式服务于客户。我们的dressbarn品牌主要从市场上购买，所以我们的平均购买订单量约为2600个单位。在900家店铺上，购买订单量和库存单位（SKU）量是巨大的。如果没有分析引擎我们是不可能从底部处理，并分析dressbarn在产品、生产线、店面等表现到底如何。在maurices方面，区域领导理解他们应该和店铺经理谈论些什么的能力，已使他们商店的生产力得到提升。
Sherlock：当你在使用更多的静态报表…你必须很分层次地看待事情。新系统只是给了管理者更多的洞察力。我注意到的一件事是，业务已经变得非常依赖于这种数据的拥有，正如Herman所说，在系统中放入数据以便能生成报表这一过程中的任何阻塞点都是你需要立即顾及的问题。
Q：你们似乎都谈到这一点，但让我们再深入一些。商业智能（BI）有大量的机遇与挑战，所在就这两方面请和我们谈谈。
Etzkorn：看待商业智能（BI）驱动下的报表和仅仅考虑数据本身是有很大区别的。让人们不再着眼于大量的原始数据，而是让他们着眼于可以理解的仪表盘，在他们需要的时候可以向下钻取，可是一种真正的挑战。另一种挑战是数据的容量。我每周将8600万条出自我们Netezza平台的记录载入我们的JDA配置平台。没有像Netezza平台这样的功能我不可能做到这些。
机遇也是巨大的，从仪表盘到分析，再到我们追踪和了解消费者的能力。在Justice上我们追踪我们小女孩的生日，以确保我们送她一张卡片，这样她会带着她小小的40%折扣的优惠券，拖着爸爸和妈妈进商店买许多产品。所以有很多的机会。
Sherlock：你知道，一个数据仓库所承诺的是你会拥有只有一个版本的真相，但真的没有这样的事。例如，当我们把数据输入客户管理系统（CRM），它多少会改变一些计算。我认为客户管理系统（CRM）除去了员工的销售，因此如果有人看着报表，会说：“这跟在数据仓库中不是一回事。”
Nell：我们在市场的压力下更好地想理解客户，所以我们发现自己被要求（也自我要求）去考虑不同种类的数据，并且用新的方式去考虑。这些作法很多是被销售渠道所驱动；我们的客户在宠物的营养需求上往往已经做了很多研究，而且他们问了许多关于产品的问题。我们的销售人员面对已经把自己变成了宠物需求专家的消费者可能会生畏。当他们来到商店时，已经不再是让他们从你这里购买的问题了，而是让他们买到正确的东西。让这一类的数据可以被利用，对客户和销售人员来说，都是一种真正的挑战。
Q：你们已经到达商业智能（BI）和分析是包括各个渠道的地步了吗？如果不是，要花多长时间才能达到这个地步？与它同步的是，对社交媒体上获取的大量非结构化数据你们正做些什么?
Etzkorn：当我们开设电子商务，电子商务的数据马上就会与我们传统商店的数据相整合，所以我们的数据是包容各个渠道的，至少从一种信息的视角来看。坦白讲，但我们在社会媒体上还落后，所以我认为去理解客户在社会媒体上的行为，并把它们和我们的品牌联系，把这样的数据放入分析是我们才刚起步的事情。
Nell：我想我们在信息这一点上是包容各个渠道的，但仍有移动的挑战。依据那些非结构化的数据，我们已经开始进行一位早期的推荐者（Kayak公司的Terry Jones）所称的“信任因素”。我们有一个Facebook页面和各种社交媒体的网站，我们在一步步地试，而且并试图去控制一切。
Sherlock：我想，当你考虑智能的时候，不应仅仅是包容各个渠道，还要能分析渠道，因为它们需要被分析，这是很重要的。
来源：互联网
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
产品经理必懂的技术那点事儿：成为全栈产品经理
唐韧 / 电子工业出版社 / 2018-1 / 59
《产品经理必懂的技术那点事儿：成为全栈产品经理》以非技术背景产品经理学习技术为主题，将技术知识以简单并且易于理解的方式讲述出来，帮助非技术背景产品经理了解技术、学习技术，旨在帮助产品经理高效地与技术人员进行沟通与合作，避免不懂技术带来的困扰。 《产品经理必懂的技术那点事儿：成为全栈产品经理》主要内容围绕产品经理需要了解的互联网基础技术知识展开，涉及客户端、服务器端、数据库及一些数据处理知识。......一起来看看 《产品经理必懂的技术那点事儿：成为全栈产品经理》 这本书的介绍吧!
