谁可以说出数据仓库的实际效果（100分）

[xia_yu]

书上说的那些成功case，好象跟中国的国情不附。
我在中小企业，是一个零售业。我们的数据仓库项目,老板没有决心,不愿意花大力气做。
我们信息化很好，但得不到大家的支持，因为很难很快的看到成效。
大家说说，数据仓库有哪些实际效果.
我怎样做一些比较快的效果来说服大家做下去。

[theng]

与企业决策者的眼光有密切关系

[hzwantfly]

真正作用在于通过长时间的数据积累，从中发现MIS系统很难找出的规律和趋势，加上一定的算法实现what—if功能，指导商业决策，给决策者做决策时科学的根据。

[scy_cd]

抛砖引玉：
个人认为啤酒和尿布只是DM中一个典型的例子，但是做关联分析之后，将啤酒和尿布放在一起出售究竟会带来多大的经济效益很难说，我想应该不会很大。反对建立数据仓库动辄就提各式各样的数据挖掘，什么聚类、关连分析、决策树等等，其实将数据合理的分类，并且作简单的分析就可以看到立杆见影的效果，多一些实际的分析，少一些挖掘似乎更重要。比如：只需要一个简单的算法，分析当前水果销售收入与上个月相比增加或者减少的原因，无非是由于水果涨价降价或者水果销量增加减少引起的，没有必要使用什么数据挖掘算法，几个简单的运算就搞定了。

[xia_yu]

我不同意clientDateSet的看法,
这种关联分析的作用还是很大(经济上)。 麦当劳分析客户的购物历史。购买汉堡（低利润）的人一般购买会购买薯条（高利润）。在一段时间他们把汉堡降价带动销售，靠高利润的薯条来盈利。结果，销售销量增长了一倍，利润比原来多了很多。
但是这些方法都很有局限性，不太符合整个行业。找到符合自己的方法不太容易。我们销售图书，音像等东西，更新很快！
只看看销售趋势很难看出什么有用的信息，影响销售的因数很多。
不过，做事就应该踏踏实实，很多人吹数据挖掘，但是他们结合自己企业的解决方法，特虚！

[warning]

1、报表。通过数据仓库系统可以很容易的产生一些统计报表。
2、应用一些分析方法（趋势分析、8020分析、预测分析、聚类）可以辅助决策。

[yuanque]

我认为“啤酒和尿布”故事很能体现零售业利用数据仓库的好处。当然，这涉及到DM技术，现在大部分数据仓库都是搞OLAP的。我认为OLAP也挺好，对于分析商品销售的趋势、价格变化对商品销售的影响、同类型商品销售形势的对比都是很好的，一般MIS很难做的。如果信息化程度很好，还可以对客户群体做一些分析

[Tommy Chang]

别走极端，啤酒和尿布对中小型商场吸引力不大，其一货物人脑可以凭经验估算出关联程度，其二包括麦当劳在内的很多地方都不会关于记录客户的个人信息，从何谈起客户的购物历史，充其量只能做一些总体的分析。

总而言之，没有足够信息的数据仓库就是个空壳，有了信息就要看信息的价值有多大。数据量不大或不够复杂的用户对数据仓库的需求通常不会迫切，这很正常

:)

[scy_cd]

To 夏天的雨：
你曲解我的意思了，有很多关于运筹学、会计统计学以及经济学方面的比较“通俗”的算法，算法思路很清晰，而且也是多年来总结出来的智慧的结晶，我的意思是，商业分析目的是提高利润，不管用什么算法，既然有简单的算法为什么不用？为甚么偏要追求数据挖掘？这就好像要杀一只鸡，手里有刀不用偏要用手枪。用挖掘也好，其他算法也好，这都不重要，重要的是分析手段是否适合需要分析的行业。
数据挖掘很重要的一个问题就是命中率，没有经过精细的测试你怎么知道自己做的挖掘模型就是正确的？如果一个只有10－15％命中率的挖掘模型岂不是会误导使用者？数据的规范以及庞大的数据量是数据挖掘的前提条件，现在似乎还是应该多谈谈数据仓库的建设，少谈些数据挖掘。：）

[Tommy Chang]

因为对零售业不懂，给一个简单的建议
用销售数据、仓库数据、进货数据进行分析，根据产品销售的周期长短、利润率、库存耗费、销售趋势、进货时间长短、退货比例的程度，在同类产品中挑选最有利润的产品

呵呵，只是数据仓库的东东，我对挖掘所知甚少

:)

[xia_yu]

Tommy:
麦当劳的case是真实的。对中小型商场， 关联分析确实没有很大的效果，但是工作人员很难准确的估算出来。有点鸡肋的感觉。
我们有一定的数据量，差不多有100G的数据，可能有点少，但是我觉得可以
分析，做挖掘是少了点。
请问，Tommy有好的点子吗？

[xia_yu]

to clientdataset:
Ok!我明白你的意思了。其实在数据仓库项目中应该有一个对业务很熟的人，他懂得分析方法，知道用户需要什么，可以提供分析的模型,对不对。
技术人员做出的业务模型很可能不是业务人员想要。

[xia_yu]

谢谢Tommy，你太谦虚了。
看来路漫漫其修远兮，吾将上下而求索。:)

[xia_yu]

To ClientDataSet
品牌分析，我明白了，很有用。
趋势分析以及预测模型,我太不懂，有没有好的资料。是要我自己写程序来分析，还是工具提供？

[gxdq]

对于零售业来讲，其最重要的就是增加销售量、留住客户、根据历史情况预测销售额和进行配货。这些都是OLAP和DM的长处。传统的MIS也可以作，但很麻烦，出结果太慢而且不灵活。

而对于小型零售业的财务部门来讲，最重要的就是关注流动资金的情况。我知道一些零售业的老总，每6小时要求财务部门上报一张简化的现金流量表。如果没有MIS+OLAP的支持，如何完成这样的工作？

[scy_cd]

抛砖引玉：对零售业不懂。
1、成本和利润的关系：每种商品总有成本价和销售价，成本和销售之间应该有利润空间，如何利用利润空间应该值得分析。
2、随季节不同对各类商品的需求不同，用趋势分析以及预测模型（简单模型即可，Winnter,线性等）
3、品牌分析
4、消费人群分析：通过会员卡的使用，登记会员可以知道消费者的各类信息，如工作单位等等。
5、时间分析：什么时间段是销售高峰，如周末，或一天中某一时段。
6、总之，零售业很适合作决策支持系统。

[xia_yu]

太可惜了，最多只加100分。各位的建议太好了。
To gxdq:
就是传统的MIS不能满足需求，我们才要做这些事情的。
我现在缺乏的是经验，我不是做经营的，不知道把报表做成怎样对他们有帮助。其实，他们也不能系统的总结出来。 我现在在找一些好的管理报表的范例，希望有好的经验可以借鉴。

[xia_yu]

To clientDataSet:
哈哈，英雄所见略同。有一些已经做完了，但是，有几点我没有想到。:）
品牌分析,这个怎么分析。你是指商品的品牌，还是公司的品牌?
趋势分析以及预测模型,这个准确性怎么样？。

[scy_cd]

To 夏天的雨：
见笑了，我也是随便想的。
品牌分析：实际上就是哪个生产厂家的产品质量，产品种类以及性能价格比之类的东东，还有就是他们的产品适合于哪些消费群体，比如：日本的松下和中国的海尔，他们的消费群体应该不同。
趋势分析以及预测模型：一般数据越大，越准确，比如根据往年的数据预测今年水果的销量要比预测某一种水果（桃子）准确。一般来说，再简单模型中Winnters模型比较适合于季节性变化的分析。

[scy_cd]

还是自己写模型吧，工具太贵了

[xia_yu]

我给分， 但是大家可以接着讨论。