物流運行的過程中經常會積累大量的數據，其中包括客戶需求數據、物流過程數據、貨物變化數據等，由于這些數據不是存儲于一個物流組織中，如何對數據進行整合和分析是目前物流管理過程中的一個難題．商務智能技術本身就是需要從大量的數據中提取有效信息，清洗整合后進行分析和加工，形成知識并發布給各種類型的用戶。
1 商業智能與物流信息化的關系
商務智能是以一種專門的技術手段對企業經營過程中信息流的處理，并完成從數據轉換成為信息，從信息提煉和總結成為知識的過程。因此對應需求，商務智能的體系結構一般需要數據集成技術以收集和整理數據確保數據的完備性和正確性，同時需要信息分析技術在海量的業務數據中進行結構性分析和關聯性的發現，最后還需要知識展示技術，良好用戶體驗的方式提供分析應用。 信息化是實現物流現代化的基本條件之一，能使物流作業反應敏捷，提高流通效率和供應鏈整體效益．物流信息化在基礎階段表現為，進行物流業務處理，并完成信息收集和記錄。 而在實施方面注重信息技術的利用和信息收集處理。最新的信息技術已經不僅僅是執行業務和產生并記錄數據的工具，通過商務智能技術可以讓信息產生自己的價值，物流信息化必將融合商務智能技術。 商務智能通過對數據的采集、整理、清洗、挖掘、分析，提升物流服務質量，為物流企業及其客戶提供各種信息應用，以便提高企業的決策能力，加快決策速度，確保決策準確性; 為物流鏈上的的用戶提供信息，共同分享銷售、庫存等商業數據，共同進行品類分析和管理，提升物流的服務水平。
2 商業智能在物流決策分析中的作用
物流信息貫穿商品運輸、交易過程的始終，記錄整個商務活動流程，來自于大量交易和業務操作數據，具有信息量大、分布廣、動態性強，變化速度快、數據結構復雜、存儲形式多樣化等特點。 只有每個環節有效地聯系起來才能提供決策活動所必須的完整、可靠的信息，如運輸工具的選擇、運輸路線的確定、每次運送批量的確定、在途貨物的跟蹤、倉庫的有效利用、最佳庫存數量的確定、庫存時間的確定、訂單管理、如何提高顧客服務水平等。企業決策者如何在第一時間里就能獲取所需要的信息，并及時做出決策，是企業制勝的關鍵。 企業擁有的信息越多，分析能力越強，速度越快，則投資回報將會更高。商務智能在物流企業管理和決策支持中的作用體現在以下幾個方面:
2.1 智能倉儲系統
(1) 集成出、入庫信息，貨位信息和保管信息構成數據倉庫，為數據分析模型和挖掘提供數據基礎。智能倉儲管理系統和傳統倉儲管理系統最大的區別在于完成業務處理后，數據將同時記錄到業務處理系統和數據倉庫中，從而有助于從業務數據中發現深層次的信息和知識，使得物流作業本身快速反應需求，降低交易成本和作業成本;
(2) 建立基于跨企業的分析指標體系，構建物流作業評價體系，幫助物流作業因訂單而運作，轉移到因效率而運作，根據區域、品種、運輸設備等多維度考慮達到多企業協同共同完成物流作業;
(3) 提供隨需而變的運算能力． 傳統信息化重視業務處理的靈活性、業務擴展的能力，系統和數據的結構是為了完成業務而設計． 隨著業務的發展，類似交貨及時率這類指標的數據計算邏輯需要不斷調整:
公式 1: 交貨及時率 = 及時足額交貨訂單數量/全部訂單總數量 ×100%
公式 2: 交貨及時率( 按金額) = 及時出庫金額/該時間內應該出庫的訂單產品總金額 ×100%
公式 3: 交貨及時率( 按數量) = 及時出庫數量/該時間內應該出庫的訂單產品總數量 ×100%
首先運算的結果要么是 0，要么是 1，這個階段對物流企業效率的評價雖然有限，但在信息化開始階段數據不夠充分可能只能使用相對簡單而粗暴的計算邏輯進行計算，無法反應部分及時交貨的情況． 隨著數據的不斷增加，供應鏈的績效不但需要從配送可靠性、反應速度上反映，而且從交貨數量、時間上反映交貨柔性。如果由業務系統進行處理，需要進行系統的變更等更加復雜的一系列功能才能完成調整，而商務智能正是為不斷變化的數據要求而設計的，通過友好的分析指標和分析數據定義功能，根據指標的要求和分析數據的明細程度，僅依靠業務人員就能夠進行指標運算邏輯的調整。
2.2 采購分析應用
采購是物流活動的重要環節之一，全面準確的采購分析對制定下一步采購決策至關重要． 那么如何在眾多的供應商中選擇適合自己的企業，有效控制采購產品的質量，評價采購業務的績效就成為我們經常需要面對的問題。
以采購相關指標為依據制定采購策略可以把握供應商、產品質量、采購業務員績效等方面的問題，通過時間、品種、供應商、交貨質量這四個維度創建采購價格數據主題，可以進行價格波動規律分析、供應商信用評價分析、交貨及時率分析。 通過對采購價格的數據分析，分析價格波動規律，以及尋找出可能的商機; 通過對采購商進行供應信用等級分析，從交付日期、質量、數據和價格等方面評估供應商的表現． 通過物品延遲交貨情況進行分析，對可能影響整個供應鏈的因素進行抑制。以免造成更大的損害。 通過對從某供應商采購量和采購金額分析，以便得知該采購商可能的生產規模以及產品需要情況，更好地為其服務。通過對某種物料下一時期需求分析，利用智能系統，挖掘出物料一直以來的采購情況，找出規律，進行預測。 通過采購成本差異分析，找出其中的原因，是因為質量問題，還是因為交通運輸等問題造成的成本差異。 還可以對采購員進行日常和綜合的績效評價。
2.3 庫存管理分析
為保證企業及時供應而存在的庫存，在物流的任何環節都需要嚴格控制。 物流的庫存分析不但包括單個企業的庫存，還應該將分析延伸到整個供應鏈條上，才能夠降低整個產業鏈條的成本。因此需要從物流的商業智能系統中確定物料的級次、類別、單件，以便在不同的環節中加以區分，利用商務智能的數據跟蹤技術進行聯機分析，完成供需平衡運算，進行采購及供應的預測，并改善計劃。 同時通過 RDIF( 射頻識別，俗稱電子標簽) 技術和 GPS( 全球衛星定位系統) 技術的結合應用提供貨物預期到達的信息，預先進行準備工作。
2.4 運力分析
運輸起著連接物流生產地與消費地之間空間距離的作用，運輸在物流中通常占有大量成本，并且由于其難以控制性，而帶來了不小的風險，如何更好地改善運輸狀況，是物流企業中考慮最多的事情，將商務智能運用于運輸領域，可以起到不小成果: 如建立智能交通系統，通過 GPS 與 GIS( 地理信息系統) 等先進的通信定位技術，對整個運輸狀況進行跟蹤處理，防止車輛的中途無效狀況。并且 GPS 通信導航，可以為車輛提供及時的路面信息與道路狀況，為其選擇最佳路線與實時導航。
3 商業智能在物流管理運作中的總體規劃
3.1 信息展現平臺
建立統一的物流信息展現平臺，通過統一物流平臺進行各種物流信息的發布、存儲以及展現的管理;通過統一物流平臺進行流通過程和貨物信息的發布，管理者可以自定義信息看板，實現計劃、監控和分析等不同風格類型的管理看板; 通過統一平臺進行授權管理，不同角色只能通過平臺查看自己權限范內的數據。
3.2 數據整合及管理平臺
建立統一的數據整合及管理平臺，通過建立 ETL 平臺，實現各物流組織各類數據源數據的有機整合;建立數據倉庫，數據倉庫以不同的粒度存儲了來源業務系統的長期的穩定的歷史數據。
3.3 主數據規范
建立統一的主數據規范，針對物流公司多業態、多管理層級，建立一套完整、統一、規范的數據維度分析口徑。為各種分析應用提供單一的、整合的數據基礎，保證公司不同 SBU、不同利潤中心從不同的視角都可以使用統一的數據實現各自的分析需求。
3.4 融合商務智能的物流系統功能
3.4.1 物流作業管理子系統 通過實施高效、便捷的物流操作管理，對人、車、貨、庫、路有效的全程管控．主要功能包括: 訂單管理: 包括訂單錄入、訂單合并、訂單接受和訂單優化( 含多式聯運) 等功能． 運輸資源管理: 包括車隊管理、車輛管理和司機信息維護等功能． 運單付運管理: 包括運單招標、運單承運、運輸調度、狀態跟蹤、過程警報等功能． 運輸合同管理: 包括線路定義、運輸方式定義、附加服務定義、服務質量保障等功能． 費用結算管理: 包括運費計算、運費確認、付款管理、發票管理和帳期維護等功能． 報表管理: 包括按線路報告、按車隊報告、運費信息和執行效率分析等功能。
3.4.2 供應鏈協同服務 包括了合作伙伴管理、傳輸服務、數據轉換、路由服務、安全服務、報文監控、事件預警、審計報告、擴展服務、報文驗證、行業標準支持、系統管理等基礎服務． 供應鏈協同服務是通過商務智能技術實現，幫助供應鏈上下游企業實現數據共享和服務協同的重要功能模塊。
3.4.3 在途追溯子系統 基礎模塊的建設保障物流信息化領域所需的業務功能，為平臺的正常運轉和在供應鏈條上發揮作用還需要一系列功能統一監控在途情況。 可視化看板: 包括全局警報、運單跟蹤和 KPI指標等功能。KPI 指標: 包括運送及時率、貨物數量準確率、響應速度、運費比較等功能． 物流監控: 包括單據全程監控、警報管理、庫存狀態管理、扣款管理等功能。
3.4.4 運力匹配子系統 滿足車找貨、貨找車的運力匹配需求，減少車回程的空載率，降低貨物的物流成本，同時通過平臺的擔保與政府的監督，最大程度地保證了交易雙方的私密性與安全性。 物流撮合實現運力搜索、物流撮合、運力指數等功能; 零擔拼貨實現貨主門戶、承運商門戶、拼貨中心管理、數據整合等功能; 在線物流集市實現貨主模塊、承運商模塊、評價及反饋等功能。
4 物流管理中商務智能的系統架構
4.1 商務智能的體系架構
商務智能的體系包括三個部分: ( 1) 數據集成技術。可以細分為兩個領域: ETL 過程和數據建模。( 2)信息分析技術． 即運用分析模型和數據展現的手段，對數據倉庫中的數據進行分析． 信息分析包括數據結構性分析、時間預測性分析和數據關聯性分析。 結構性分析是指利用多維分析等技術對歷史數據進行匯總、組合，并根據不同的維度進行經營成果數據的分析． 預測性分析是指從大量、完全、無序、模糊、隨機數據中識別并預測未來的信息，這些信息可能沒有數據組織結構，但卻以一定程度的準確性預測未來; 關聯性分析是旨在根據數據的相關性和數據出現的頻率分析，對經營過程的現象進行總結和提煉，并提出數據上的因果關系。( 3) 知識展示技術． 是指對信息分析的結果進行展示和解釋，以便更好地服務企業中各種知識背景、各種管理需要的分析決策者。 用戶可以使用查詢、報表以及多維數據集，來完成分析和報告，并把他們展現在屏幕上; 多維數據集可以幫助用戶以靈活的組合緯度，對數據從多角度和大范圍進行匯總，從而對企業的運營狀況進行多視角的觀察和分析。 但是對深度分析的結果往往要進行高級解釋，這包括如何利用分析模型、分析方式表示知識、解釋知識。
4.2 基于商務智能的物流信息化架構
基于商務智能的物流信息化包括三個組成部分: (1) 數據源層，包括物流鏈條上的各企業的數據及所屬行業數據，這些數據包括各企業內部管理系統數據、行業網站數據、各企業發布的公共數據(比如招投標等) ; (2) 數據處理和分析，通過數據處理形成統一的數據倉庫，從而形成主題分析數據集市，數據處理包括抽取、轉換、裝載，把分散在物流鏈上各企業的不同介質的數據集中到數據倉庫中。基于數據倉庫創建五大主題( KPI 分析、采購分析、客戶分析、財務分析、競爭分析) 分析數據集市; (3) 報表和分析展現，基于主題分析數據集市，利用報表、儀表板、多維分析、智能報告等商業分析工具把分析成果展現到用戶的終端。
4.3 商務智能的物流信息化數據倉庫架構
為保證數據處理過程的效率和可追溯性，將數據倉庫中的數據分層存儲． 根據實際情況使用不同層次的數據．
ODS 層( 小步快跑層) : 作為增量的數據緩沖層，收集來自各個系統數據源的數據，存儲到數據倉庫數據表中，通過業務系統的數據記錄時間戳，每次 ETL 抽取時，設定抽取的時間窗范圍，時間戳在范圍內的數據將被抽取到 ODS 層，通過增量數據甄別，減少數據處理量，提高 ETL 效率． 從數據結構上看保留業務系統表字段，去除外鍵索引，非空約束，并添加數據源標識字段，以區分來自不同服務器、不同業務系統的接口數據。
DWT 層( 適應業務系統層) : 作為全量的企業明細數據層，基于企業上游系統數據結構存儲。繼承 ODS層結構，并添加代理鍵( PK_ID) ，數據有效開始時間( STAＲT_DT) ，有效結束時間( END_DT) ，是否有效( IS_ACT) ，數據版本( VEＲSN) 等字段，以保證業務系統的歷史變化數據能夠保存并加以版本管理，并進一步結合企業經營期間上下文進行查詢和挖掘分析。
DW 層( 分析層) : 作為企業領域數據層，遵循 3NF 規則建表，星型模型建模，存儲基于業務主題的明細數據。 此層數據表名以 DW 為前綴。 采用通用數據模型，建立標準的基于業務的明細數據，為各種分析類應用提供細節性數據支持，是數據倉庫的核心，同時為未來需求的擴展提供數據支持。 本層數據由 DWT 層數據集成，業務實體數據粒度和業務數據一致。
根據 DW 層表的屬性可以分為: 分析檔案維度表和業務事實表遵循統一維度建模思想，通過用戶交互配置，建立 ERP 原始維度檔案與分析維度檔案的映射關系，實現數據倉庫里維度的統一、分析角度的統一。
樹形目錄存儲，目錄對應分類，節點對應維度，通過統一級次編碼規則，實現維度的層級管理。 設有分析檔案管理表，保存所有檔案表的信息。 例如: 建立統一的公司分析檔案維度表 DW_FA_DIM_CORP，通過前端工具，完成與業務系統的公司原始檔案 DWTNC_FA_DIM_CORPYEAR 的映射。
通過以上分析可以看出，通過商務智能，使企業獲得了高質量有意義的信息，企業可以更加深入了解自身的內部經營狀況，尋找到更多潛在的機會和問題; 它把顧客數據轉換成個性化的智能來增加顧客滿意度和忠誠度，提高“高價值用戶的”收益性; 為決策者改善物流運作能力提供有力支撐，提升了企業物流服務水平，提高企業內部運作效率和競爭優勢方面． 現代物流的進一步發展需要將商務智能這個新技術無縫連結到物流管理和決策中，達到進一步整合物流各環節，提升整個物流供應鏈的運作效率和效益的目的。
轉載請注明出處：拓步ERP資訊網http://m.hanmeixuan.com/
本文標題：論商業智能在物流信息化管理中的應用
相關文章
