24. Главные тенденции в автоматизации коммерческой деятельности.

В коммерческой деятельности выделяют основные функциональные области, которые требуют автоматизации.

• Самая ключевая – это Merchandising System – собственно система управления товародвижением, включающая управление товарным ассортиментом, ценообразованием, запасами, закупками и отношениями с поставщиками.

• Второй блок – это Retail Planning, то есть розничное планирование: планирование и оптимизация ассортимента и товарной выкладки, планирование ценовой политики и промоакций, прогнозирование спроса.

• Третья область – это Store System – система управления самим магазином, объединяющая бэк-офис магазина, POS и управление персоналом в магазине.

• Четвертая – Corporate Administration – это, прежде всего, управление финансами, недвижимостью, персоналом, расчет заработной платы.

• Пятая составляющая – Supply Chain Planning & Execution – планирование цепочек поставок, в том числе пополнение товаров на складах и в магазинах, управление транспортом. Кроме того, безусловно, необходима отчетность и аналитика. И, наконец – управление взаимоотношениями с клиентами.

25. Современные методы получения и обработки информации (Business Intelligence) в КИС: хранилища данных (Data Warehouse), средства для аналитической обработки данных (OLAP) и поиска закономерностей (Data Mining средства).

Хранилище данных (Data Warehouse) — очень большая предметно-ориентированная информационная корпоративная база данных, специально разработанная и предназначенная для подготовки отчётов, анализа бизнес-процессов с целью поддержки принятия решений в организации. Строится на базе клиент-серверной архитектуры, реляционной СУБД и утилит поддержки принятия решений. Данные, поступающие в хранилище данных, становятся доступны только для чтения. Данные из промышленной OLTP-системы копируются в хранилище данных таким образом, чтобы построение отчётов и OLAP-анализ не использовал ресурсы промышленной системы и не нарушал её стабильность. Данные загружаются в хранилище с определённой периодичностью, поэтому актуальность данных несколько отстает от OLTP-системы.

Принципы организации хранилища

1. Проблемно-предметная ориентация. Данные объединяются в категории и хранятся в соответствии с областями, которые они описывают, а не с приложениями, которые они используют.

2. Интегрированность. Данные объединены так, чтобы они удовлетворяли всем требованиям предприятия в целом, а не единственной функции бизнеса.

3. Некорректируемость. Данные в хранилище данных не создаются: т.е. поступают из внешних источников, не корректируются и не удаляются.

4. Зависимость от времени. Данные в хранилище точны и корректны только в том случае, когда они привязаны к некоторому промежутку или моменту времени.

OLAP (Online Analyzing Processing – оперативная аналитическая обработка данных) это класс приложений и технологий, предназначенных для сбора, хранения и многомерного анализа данных в целях поддержки принятия управленческих решений.

• меры в трехмерном кубе - суммы продаж,

• измерения – время, товар и магазин.

• уровни группировки: товары группируются по категориям, магазины – по странам, а данные о времени совершения операций – по месяцам.

Data Mining - «добыча», «раскопка данных», «обнаружение знаний в базах данных» (knowledge discovery in databases), «интеллектуальный анализ данных».

Процесс аналитического исследования больших массивов информации (обычно экономического характера) с целью выявления определенных закономерностей и систематических взаимосвязей между переменными, которые затем можно применить к новым совокупностям данных.

• В основу современной технологии Data Mining (discovery-driven data mining) положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных.

• Эти шаблоны представляют собой закономерности, свойственные подвыборкам данных, которые могут быть компактно выражены в понятной человеку форме.

Data Mining - это процесс обнаружения в «сырых» данных

• ранее неизвестных

• нетривиальных

• практически полезных

• и доступных интерпретации знаний,

• необходимых для принятия решений в различных сферах

• человеческой деятельности.

Бизнес-приложения Data Mining в розничной торговле :

• анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе – служит для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах,

• Исследование временных шаблонов – помогает торговым предприятиям принимать решения о создании товарных запасов. "Если сегодня покупатель приобрел видеокамеру, то через какое время он вероятнее всего купит новые батарейки и пленку?"

• создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, для разработки точно направленных, экономичных мероприятий по продвижению товаров.