数据仓库：信息“海洋”里的“救生圈”？

企业生产、经营和销售规模的急剧扩大，伴随而来的是相关领域的数据量急剧增长；同时，企业生产和销售的模式也因为市场经营格局的转变，由传统的计划生产逐步转向基于订单的生产和基于客户的营销，客户的喜好受到了前所未有的重视。然而，在这种市场模式下无论是供还是产，对于企业获取利润的“前锋”——营销部门来说，都带来了新一轮的挑战。一直以来，营销部门主要承担了单纯的产品销售任务，业绩考核的主要指标则理所当然地是销售额或销售量。可是，如今基于客户的营销和订单生产模式则要求营销部门承担着整个企业运营的领头羊的任务，分析客户、预测需求、调整产品策略……一系列难题加载到了营销部门。

于是，如何有效地利用这些销售过程中产生的数据成了困扰企业营销决策的一大难题。在传统手工管理模式下曾苦于在业务知识和决策规律的“沙漠”中“渴死”的营销部门，在管理信息化工具的应用下，是否又在遭遇在数据信息的“海洋”中被“淹死”的考验？

在复杂的渠道营销模式下，管理者面对的数据信息量往往相当庞大。当他们不断地疲于应对竞争对手强有力的市场竞争策略行动的时候，却逐渐丧失了主导性品牌，缺乏对自身市场领导地位系统而全面的认知和了解，因此在竞争中逐步地迷失了自我。一些企业选择了能够进行多维度分析和报告能力的数据仓库软件，试图通过“圈海”运动作为在日后日益激烈的市场竞争中乘风破浪的必要工具。

为何需要数据仓库？

我们就拿隶属于快速消费品行业的小包装食用油来说吧。算起来，其行业成长历史不过是短短十几年，经历了从零到几百个亿的快速成长。在行业规模逐渐扩大的时候，企业的经营模式也是从之前的“小米加步枪”的零星粮油店发展到今天庞大的营销网络。快速扩张的企业希望不断完善自己的销售网络，拓展不同的区域市场。由于销售区域市场的日趋成熟，企业销售业绩的不断提升，带动了企业相关的管理决策模式一同发展。在庞大的体系下，真实数据信息的传递和获取成了一个极大的难题，决策层需要把握销售各个环节的数据信息情况、了解数据信息的组成、获取足够的数据信息量并且保证这些数据信息获取的时效性。

原始的销售数据信息较单一，往往是厂家出了多少货，经销商进了多少货出了多少货……只有厂家手头有粗略的数据信息记录，而分支机构手头上的数据信息早已失去时效性，并且由于退货等原因，也可能使数据出现丢失或重复等情况。市场越做越大，这些矛盾就越来越凸显。由于数据信息的时效性问题，可能造成各层面的管理人员看到的数据有偏差，导致决策者的战略思想不能很好地实施；营销管理人员拿不到及时准确的销售数据，直接影响营销活动的开展及计划的制订；终端数据信息无法反馈，导致对消费者的需求满足越来越偏离，所有问题都有待突破性的解决。

以往很多企业也在逐步形成一套比较完整的分析体系来辅助销售决策，使营销管理人员在了解基本销售数据信息的同时，也能够进行例如同比、环比等方面的分析。但类似的分析仅仅是基于对历史数据信息的回顾，只能作为简单的参考，在此形成的营销方案无法适应快速消费品市场瞬息万变的竞争环境，无法第一时间对消费者做出反应。

各层级人员对增加数据组成和信息处理速率等的需求越来越强烈，营销管理人员迫切希望为其提供一套能够在业务的所有层面推动快速、一致并有效的决策解决方案。

经过多方面考虑后，企业决定启用“数据仓库”。

数据仓库（dataware house,DW）概念由William.HInmon在1993年首次提出。他把数据仓库定义为“一个面向主题的、集成的、随时间变化的非易失性数据的集合，用于支持决策层的决策过程”。数据仓库从一诞生就决定了它面向管理和支持决策的特性，它的基本目的就是辅助了解过去，把握未来。大量数据是数据仓库的基础，没有大量的历史和当前数据，数据仓库就是空谈。但数据仓库不是一个datastorage，不是简单地把各个业务系统的数据装进去。而是需要很好地重新组织，形成一个良好的datamodel。

用数据仓库“说话”

正是基于这些原因，笔者所在的企业，在将近一年时间的研发里，通过对历史的海量数据及分析体系进行整合，采用提取、转换、清洗、挖掘等技术手段，为企业各层管理人员呈现了成熟且基于企业自身特点的数据仓库系统。基于B/S结构的数据仓库，让全国各地的用户能在同一时间内共享到相同的数据信息，有利于各层面管理人员的沟通，也为营销管理人员提供有力的决策依据。在系统的正式上线后，我们运用内部资源进行系统的实施和推广。整体来说，管理者的支持，营销人员与系统人员顺畅的沟通促进了数据仓库系统的顺利实施。可以说，从数据仓库的应用中，我们尝到了一些甜头。

{page}数据模式：数据实现了从“单一散乱、独立无关联、易丢失”到“系统、完整、层次性强、系统维护、可实现专项或关联性分析”。

数据仓库使各层面管理人员从大量且繁杂的数据中解脱出来，从每月看一次销售数据发展到每日时时的数据信息，营销管理人员能够更好地把握市场的动态；整合了每个区域的信息并在此基础上加以对比等分析，决策者同时能够很好地了解到各区域的销售情况，以便及时地加大或调整宣传策略；通过各区域的销售数据追踪消费者需求的变化、区域的成长，合理分配资源投入情况；探询品类之间的差异，根据区域特性制订相应的产品策略，有利于整个产品结构的最优化；通过跟踪和分析客户行为及其所在渠道的购买类型来优化产品获利程度，增加营销运动的有效性……销售数据的实时性及分析性，给营销决策带来翻天覆地的变化，真正实现了现代化营销。

数据信息：时效性强、多层次性、系统性的数据提高了数据分析的可靠性和准确性。

由过去各层次管理人员的数据信息偏差，转变为今天分析口径的一致性。根据管理范围不同来赋予不同的分析权限，提高了管理人员之间的沟通性。但仅仅是销售数据并不能满足管理者的全部需求，为更好地跟踪业务环节，数据仓库系统继续扩展其分析范围，通过对业务系统的数据挖掘，掌握各业务环节的数据信息，了解品牌营销决策的实施情况以及各区域的市场推广情况；结合销售数据，分析各区域推广活动的执行情况及有效性。

决策力与执行力：企业决策重心下移，能更迅速和有效地提出有针对性的区域市场策略。

企业决策重心的下移，渠道的控制此时至关重要。数据仓库系统通过进一步对渠道经销商数据的集中展现，既能实时监控经销商的销售价格、销售增长、客户增长、应收账款等情况，也可对经销商的渠道结构、库存产品结构、赢利结构等加以分析，并对库存周转率、毛利、交叉比率等关键指标加以比较和评价。在了解经销商全面营运状况的同时，帮助经销商及各管理区域制订发展策略。

渠道控制最终要服务于终端和消费者，因此，无论是直接还是间接服务的重点客户，数据仓库系统非常关注终端KA的分析，通过对KA关键指标的分析来实现供应链最终的全面监控。

通过对渠道各环节数据信息的监控，管理人员能够迅速地洞悉各销售环节的表现，及时调整经销策略，运用各种资源帮助经销商提升管理，降低渠道库存风险，实现扁平化管理，达到互利互惠。

实时、完整的分析信息：协助并实现营销管理的策略分析、战略制订、策略分解、执行监控、结果检视、策略二次修正的过程。

现代营销管理强化品牌运作和区域执行管理，体现自上而下的策略执行思路，同时也强调自下而上的策略检视与调整。数据仓库的产生，就很好地满足了现代营销管理体系对全方位信息数据分析的需求。在强化品牌管理与运作中，如何选择最适当的战略方向，战略选择将会给品牌带来怎样的变化，是否可以安全地到达我们所设定的品牌战略目标等等，均需要相关的决策者冷静细致的分析，这种分析极其需要一整套数据系统的支持。

企业选定了品牌发展战略，希望在未来的竞争中逐渐强化自身优势，建设更个性化和更符合消费者需求的品牌。为达成以上目标，如何依据现有生意发展的状况和品类产品发展状况，设置品牌战略的执行策略，如何确定产品线规划和区域的生意规划，均需要完善的数据仓库支持。针对策略的执行过程与结果的检视，数据仓库提供实时、详尽、系统的数据支持与分析，可以清晰和准确地判断策略的执行过程和市场资源整合应用的结果，判定策略的准确性，以及是否达到预期的目的，资源是否得到了有效的利用，对整体市场的影响程度，竞争品牌的业绩和市场地位的变化。同时，数据仓库为企业决策者对自身策略的及时调整和后续策略的安排，提供最直接的数据理论的支持。

数据仓库的意义和作用关键所在，是由于新的信息流程和模式的应用，势必影响了整个企业的营销决策模式和思维，令企业更关注自身的优势与细节，在做出营销决策的时候更关注策略的执行和检视；当然也同时影响了企业整个供应链的运作效率，最终实现企业降低成本，提高毛利率和增强企业竞争力的目的。

需要强调的是，虽然知识经济的出现、数据信息技术的发展、经济全球化的趋势都使得企业的管理模式发生着重大的变革，环境的变化迫使企业不得不重新审视已有的营销理念。但不论在何种市场条件下，企业营销中取胜的核心在于“理念”。数据信息和数据信息技术，已经而且越来越对顾客行为和企业运作产生深刻的影响，企业必须在观念上重视数据信息和数据信息技术的作用。在以客户为导向的营销趋势下，数据库营销将发挥巨大作用。任何一个成功的数据仓库项目都要求对行业要有深刻的认识，才可能帮助用户提炼需求、整理业务、规划战略。当然，单纯的数据仓库永远只是一个辅助的工具，只有结合了市场和营销人员的经验时，它才拥有了灵魂，才能用它发出来自终端最真实的“声音”。