sybase行业数据仓库解决方案

sybase行业数据仓库解决方案内容摘要：

例如按地区和分支机构的销售总额经常被提问，聚合和在聚合表中存储这些特定的信息就很有意义。 访问这些汇总信息比每次在报告生成过程中由数据库计算和汇总数据要快得多。 除原始的详细数据外， IWS 还包含很多月汇总的信息。 这些数据可以在一个特定的数据仓库实施中需要时被使用或被客户化。 对过时数据的聚合是控制数据仓库所需要的磁盘容量的一个有效方法。 当数据变得陈旧，它对商业的价值就会降低。 存储大量的详细的事务数据也不很现实，聚合这些过旧的数据很有好处。 例如，超过 5 年的收据可以以月进行聚合，而超过 10 年的数据可以以季度进行聚合。 反馈数据 反馈数据指商业人员进行绩效分析的结果的数据。 例如，为了建立一个预算表，必须对现有数据应用一套规则从而通过前端工具推断出未来的预算 表。 这些数据，如果有价值，可能会被存储到数据仓库中以作将来分析之用。 IWS 包含几个这样的反馈表如查询的结果用以确定市场活动的目标客户，但是这更大程度上是客户化过程的需求。 外部数据 外部数据来自企业外部的组织提供的数据，可能包括市场研究人员，行业分析家或提供经济和人口学统计的政府机构。 这类数据被存储在独立的一组表中，然后与其他数据集成。 保持外部数据独立需要谨慎，因为无法保证它们能象企业自己的数据一样总是以相同的格式，相同的规则或相同的粒度访问。 另外，经常有这种可能，外部数据来源不再存在，从而这些数据 将无法再得到。 面向特定工具的表 面向特定工具的表是一些管理工具所要求的，例如一些前端报表工具，要求数据或元数据以“客户化”的格式存储。 这些表作为实施过程中所选用技术的外围工具而使用，并不是 IWS基础架构的部分。 跨平台支持 IWS 所包含的数据库结构可以部署到任何主流的关系型数据库引擎，包括（ IBM DB2,Oracle,带并行服务器扩展的 Informix 数据库 ,微软 SQL Server，或者 Sybase Adaptive Server Enterprise(ASE)与 Adaptive Server IQ Multiplex）。 IWS 提供的数据仓库设计工具可以自动的转换数据库设计从而在各种关系型数据库引擎上运行。 这个转换进程在数据定义语言（ DDL）、数据类型、命名限制等方面处理各种不同的语法。 根据不同的目标数据库引擎，数据库结构可能需要一些额外的优化以充分利用特定数据库管理系统的性能特征。 如果一个数据库有特别的索引技术，优化的存储结构等，数据库结构必须结合到作为客户化进程的部分的设计中去。 维设计 数据库设计采用维模型设计方法，与在操作型数据库设计中普遍使用的 3NF（第三范式）方法相 反。 以下是采用这种方法的诸多原因：  维数据库设计面向商业人员，因此数据以商业人员容易理解的方式组织。 这使用户能够自主的指导自己的分析，从而减少 IT 部门的工作量。  维设计方法同时提供更快的处理速度，因为任何一个查询都要求尽量少的表连接。 在3NF 方法中，一个简单的查询可能牵涉到 10 个以上的表连接，大大加重了数据管理系统的负荷。 通过显著减少表连接数，维设计方法可以显著提高数据库效率。 如图 5 所示，一个使用 3NF 方法设计的数据仓库限制了商业人员只能分析以数据集市方式发布的信息，而不允许查询直接访问中心数据仓库。 为商业人员提供对中心 3NF 方式的数据仓库的直接访问会以失败而告终，因为访问和响应太慢，而且数据结构对商业人员来说太难理解。 3NF设计方法的两个主要缺陷是：  需要时间来为商业人员建立数据集市 — 通常是 36 个月。 这不仅需要 IT 部门的额外工作，而且意味着最终用户只能等待他们的报表。  限制了企业级的查询。 如果商业人员仅能访问一个个分离的、独立的数据集市，用户不可能执行涵盖企业整个业务的企业级的查询。 图 6 显示了 IWS 所采用的维模型设计方法。 这个方法允许用户直接访问数据仓库，尽管仍然可以在需要的时候建立数据 集市。 维设计方法实际上并不妨碍和排除数据集市，而是方便地扩展了可选方式。 另外，使用维模型建立数据集市远比使用 3NF 方法快得多。 这是由于数据集市与数据仓库都使用维模型方法。 而在 3NF 环境下建立一个数据集市，数据必须首先转化为维的形式。 应用组件 分析型 CRM 一个数据仓库主要的好处之一是使企业充分认识企业与其客户的关系。 理解客户为何保持与企业联系或者为何离开企业而与竞争对手打交道，这些信息可能深埋在企业的数据库中，只有通过数据仓库才能获得。 一个有效的分析型 CRM 战略可以帮助 企业理解他们客户的需求，从而使企业的产品适合这些需求。 使用分析型 CRM 应用，企业可以增加现有客户的业务量，同时也可以证明企业通过提供增值产品与服务带来新的客户的能力。 IWS 的核心模型提供了一个全面满足分析型 CRM应用需求的基础：  商业活动管理分析  客户特征  客户关怀（联系）分析  客户忠诚度  销售分析 每个特定行业的 IWS 垂直子模型扩展了应用的能力与范围，提供行业特定的商业绩效与利润分析能力。 客户特征分析 当市场变的更加细分，客户分类正成为市场战略中越来越重要的因素。 客户特征化允许企业将整个客 户群细分为许多个更细的分类。 特征化与客户分类有助于在一对一的市场上建立真正的客户关系。 商业活动分析 准确定位商业活动和推广计划所针对的客户并且分析他们对该活动或计划的反应是将市场行为转为客户化行为的关键。 大多数企业通过不同的媒介对多种不同的产品进行多种不同方式的推广活动。 这个应用进一步提高企业对整个过程的理解与认识 —— 从确定目标客户到分析客户反应。 商业活动分析允许你对某客户群或单个客户对各种活动的反应进行评测，对不同媒介的效果进行评估并且对活动的成本 效益进行分析。 销售分析 销 售分析应用允许从各个角度对销售进行分析，包括渠道、出口、或企业单位，产品、产品目录或产品组，地区或季节。 该应用为企业提供一个对销售结果的综合观察并使销售主管能够通过销售数据分析潜在的趋势和模式。 忠诚度分析 客户忠诚度对任何企业的收益都很关键。 然而，不幸的是很少有企业利用工具来理解客户流失的原因或者以一种结构化的方式来衡量客户的忠诚度。 这个应用正是为改变这种情况而设计。 忠诚度分析应用允许你从各个角度衡量客户忠诚度，包括关系持续时间、购买服务与产品的范围以及客户的人口统计学与地理学特征。 就其本身而言，忠诚度分析应用衡量客户忠诚度并促进企业制定计划以保持客户。 与整个 IWS 套件中的其他应用相结合，客户的忠诚度可以通过他们的价值体现、联系历史、所属分类以及影响忠诚度的交易事件进行评估。 客户关怀分析 客户通过各种方式与企业打交道。 他们可能打电话要求产品支持，通过填写 Web 页面上的表格提出建议或者向销售部门了解更多信息。 客户关怀分析应用对客户行为以及各部门的客户处理记录提供有价值的深入分析。 客户满意度可以通过客户与企业之间的联系历史来确定。 分析客户的联系记录是维持和培育用户关系与在未 来保持客户忠诚度的基本要素。 商业绩效管理 IWS 商业绩效分析模型与应用组件针对每个垂直行业，并且基于各行业重要的核心事件进行设计。 商业绩效分析应用为企业销售和市场总监以及企业战略制定者提供所需的商业智能信息。 存储在 IWS 垂直子模型中的基于各行业核心事件的详细数据成为提供该解决方案的动力引擎，而且当其与 IWS 套件中相关应用相结合，将大大革新企业管理业务与保持客户满意的方式。 对任何企业而言，利润率分析是商业绩效分析的关键。 理解利润率对决定价格、折扣奖励、资源分配与发展战略至关重要。 然而利润率是一个多面性的概念。 它必须置于企业、渠道、产品、产品分类、商标、客户与客户分类之中来考虑。 而且大多数企业也希望衡量毛利润、净利润与差额。 另外，许多行业都有行业通用的独特的利润率衡量方法，企业通过它跟踪企业绩效并与竞争对手进行比较。 下面就 Sybase IWS 支持的特定行业的绩效分析做一简单介绍。 零售银行业 分析一个银行的商业绩效需要对客户行为的全面理解，包括他们如何使用银行提供的不同服务。 这个绩效分析应用提供了对客户行为与客户使用产品与服务的模式的分析。 它大大改进了银行 对其产品性能，分支机构与 ATM使用的分析，并使银行可以根据分析信息制定有效的衍生销售与交叉销售战略。 信用卡 分析信用卡商业绩效需要对客户行为的理解，包括购买模式、卡的使用情况与潜在的风险。 针对信用卡企业的商业绩效分析应用可以为借贷方提供本行业特有的信用卡业务交易级数据的分析信息。 保险（人寿、财产和伤亡） 商业绩效分析应用深入挖掘行业特有的典型的保险企业的交易级数据。 分析一个保险公司的商业绩效需要对关键事件的理解，包括报价、新业务、更新、险单与取消保险。 这个应用提供各种分析报告， 主要集中于渠道业绩、忠诚度、接受报价与拒绝报价的关系以及客户取消保险的范围与特征。 该应用还提供推进有效衍生销售与交叉销售战略所需的信息。 电信 分析电信公司的商业绩效的关键在于对网络通讯业务的理解并且能够将这些业务与产品和客户联系起来。 该应用将呼叫明细作为核心的事务级数据，可以分析业务量、呼叫地、呼叫频率、呼叫时长、呼叫业务的季节和周期性趋势以及未完成呼叫的原因与影响范围。 这些信息使企业可以理解客户行为包括各类运营中出现的问题如客户抱怨。 另外，该应用可以分析不同类型的呼叫事件，而且呼叫业务 可以与其他对象相关联，例如一个特定的交换机或者一个特定的推广活动。 同时该应用还允许企业分析与产品、服务和客户利润相关的综合的帐务信息。 医疗护理 分析医疗护理需要理解病人的护理历史与流程，并且能够对病人就诊、服药、器械、护理类型等做综合交叉分析。 全面了解病人的病史使医疗企业的经营更加有效。 例如可以对特定的危险群体采取一些有针对性的预防措施。 这个应用支持对医疗过程数据的分析，包括病人就诊、护理流程、使用的器械、危险人群与计划类型。 IWS 方法学 IWS 方法学专门为建立数据仓库而设计。 它涵盖了建立与部署数据仓库的所有方面，可以划分为几个特定的阶段和步骤。 要求必须执行每个步骤以生成一个成功的数据仓库。 这个方法学的结构如图 8 所示： 进化的方法 IWS 方法论可以被归类为一种进化的方法。 下面的话指出进化的设计原理： 在我们将局部组合起来之前，必须有一个描述整体的逻辑框架 翔 .凯利 —— 《数据仓库：通往大规模客户化之路》（ Data Warehouse:The Route to Mass Customization）的作者 我们将这种进化的设计原理应用到数据仓库， 在进行任何一步具体的实施之前，必须提供一个完整的描述数据仓库的设计。 这个理念指明了 IWS 数据结构的价值以及对它的根本性的需求，因为 IWS 正是为完整的描述数据仓库而设计。 按照这种理念，有三种方法可以用来实施数据仓库：  设计一个面向小项目的模型，首先实施这个小的项目然后希望重用这些模型。 这更象是一个数据集市的方法，而不是实施数据仓库的方法。 这种理论要求首先部署一个小的数据集市以解决特定的商业问题，然后在解决接下来的商业问题时重用这个系统。 结果是在首次部署时可能非常迅速，然而这种方法缺乏灵活性，而且第一个数据集 市的架构未必是其他数据集市的最佳设计，所以之后的问题会接踵而至。  从头开始设计企业模型。 这是部署数据仓库的传统方法，数据仓库模型为企业的商业目标而设计。 然而在实际中，这个方法往往导致分析瘫痪。 出现这种现象是由于需要花费大量的时间去努力调整一个模型以精确的描述一个业务。 设计这种企业模型需要 1218个月，从商业的角度来看，这无法让人接受。  购买一个企业模型然后对其进行客户化。 这是 IWS 所采用的方法。 企业模型已经建好但是需要客户化以确保这个模型准确描述业务。 这个方法拥有前面两种方法的优点：快速部署和一个完整的 集成的设计。 方法学阶段重点 IWS 方法学的四个阶段包括：准备、计划、建设、运行。 关于数据仓库运行和调优的讨论不在本书论述范围之内。 在这里，关注一些与数据仓库的准备、计划与部署相关的重要任务对读者尤为有益。 有关 IWS 方法学及其相关的项目任务与描述可以在随产品附送的技术文档《 IWS 系统集成指南》（ IWS System Integration39。 s Guid）中找到。 以下就其中关键的步骤作一简要的介绍。 准备 — 执行准备就绪测试 部署数据仓库的第一步就是执行准备就绪测试，以评估数据仓库的实施 是否能有效适应商业战略的需求，并且提供一份实施计划概要。 准备就绪测试应该对各方面做一检查，如现有数据源的状态与质量、 IT 部门的技能与经验、商务部门的分析需求。 准备就绪测试对建立一个成功的数据仓库至关重要。 其主要目标是确立实施该解决方案的潜在风险。 在项目起始就辩别与确认风险并采取回避或减轻风险的战略可以显著降低项目的整体风险。 详述这些战略的文档在项目的整个生命周期都有不断更新。 计划 — 开发蓝图。