|
|
设
备
管
理
网
s
b
g
l
.
j
d
z
j
.
c
o
m
|
 |
数据仓库在电力业务决策支持系统中的应用 |
|
|
| 数据仓库在电力业务决策支持系统中的应用 |
|
作者：佚名 文章来源：不详 点击数： 更新时间：2008-9-24 9:06:17  |
|
摘要：电力行业利用数据仓库技术建立有效的数据集成管理机制，充分利用电力长期积累的大量数据为其科学化管理决策和发展新业务服务。
关键词：数据仓库；数据挖掘；元数据；决策支持系统
中图分类号：TM76 文献标志码：B 文章编号:1003-0867(2007)02-0046-03
在电力行业，各类专业业务系统错综复杂，加之信息化建设过程中缺乏统一的规划与设计，极易形成信息孤岛，使得企业信息不能合理地进行组织并实现共享。随着企业管理扁平化、精细化的需求日益迫切，企业信息化应用的整合迫在眉睫。
企业管理者的决策分析，需要依靠对企业生产经营活动的全面了解，而企业生产经营活动的信息，分布在众多的业务管理系统中。如何快速、有效的为企业管理者提供企业级管理信息的全方位视图？围绕电力企业关键指标体系，结合数据仓库技术，构筑企业级的数据仓库及辅助决策系统，是一个行之有效的方法。
1 数据仓库开发的必要性
数据仓库及辅助决策系统将为企业管理者全面及时了解各项业务信息提供重要途径，为领导决策指挥提供强大的支持。
随着数据仓库理论的完善和实践的不断积累，关于数据仓库建设产生了各种不同的设计方法和学术理念。但是无论采用何种方法和理念，从非集成运行的传统应用软件中收集原始数据，经过筛选、综合后以某种有意义的方式进行统一的、全局的利用，其工程过程必然是复杂、昂贵且耗时的。
如何缓解数据分析应用的及时性和数据仓库工程建设的复杂性之间的矛盾，使得数据仓库的作用能够被最大限度的发挥出来，是很多软件公司近几年来重点研究的课题。随着软件复用技术及能力的成熟度越来越高，框架理论和技术在数据仓库领域也表现出了强大的生命力。
通过建设数据仓库及辅助决策系统应用框架，并在这一应用框架内有效的集成各类数据仓库专门领域的平台和工具，使得框架一方面能够较好的满足企业管理者所需要的大多数关键指标的数据抽提、分析和展现的需求：另一方面具有良好的可扩展性，表现出较强的数据驱动能力，能够快速的适应新的指标分析展现和管理的要求。
数据仓库系统的建设分成三个主要阶段：建立和其业务相关的决策支持系统，也就是针对地域或部门首先建立一些单独的数据集市，满足边开发边见效的初衷；建立针对不同专题的系统，如客户关系管理系统（CRM）和风险控制系统等；完成构造整个企业级数据仓库系统，完善企业专题应用并实现数据挖掘。
大型数据仓库的建设往往从数据集市的建设开始，这些数据集市在企业级数据仓库完全建成之前能够发挥重要作用。另一方面，考虑到企业级数据仓库的建设是最终目标，因此在进行任何数据集市建设的同时都必须考虑到它们是未来数据仓库的一部分，要完全避免数据集市的重构现象。因此，开始数据集市的建设同时，如何使用方便的集成的方案和产品就显得至关重要了。
数据仓库及辅助决策系统在设计上需充分考虑到系统的通用性。数据仓库及辅助决策系统在建设定位上应作为一个基础应用平台。其体系结构与功能设计应具有良好的业务无关性。无论今后在该系统中进行何种业务数据的组织、分析和展示，都应能够遵循同样的实施过程来得以实现，针对业务特性而进行的二次开发的工作量应被最小化。
2 数据仓库的设计
数据仓库及辅助决策系统在设计上需充分考虑到对未来变化的适应能力。就目前而言，存在两类可预知的变化。
一是应用环境的变化。随着企业应用整合的快速推进，以及国网公司SG186工程的建设实施，各大业务系统将在不同程度上进行改造或完善。这种改造或完善将带来其数据组织方式，以及数据部署方式的变化。
二是应用需求的变化。随着企业管理扁平化、精细化程度的不断提高，对数据分析的需求也必然不断提高。从广度上看，企业管理者关心的指标会增加或发生变化；从深度上看，对于数据颗粒度的细化要求以及钻取深度的要求都会逐步提高。数据仓库及辅助决策系统应能够快速适应这种变化。
数据仓库及辅助决策系统在其工作的各个环节，都需要进行大量的数据处理。从应用实际出发，高效性是保证系统可用性的重要前提。高效性主要体现在两个方面。
一是从业务系统获取数据的高效性。大部分关键性业务系统是OLTP系统，其对系统性能的要求非常严格。数据仓库及辅助决策系统应保证在业务数据的获取过程中不会对业务系统自身的性能产生其无法接受的影响。
二是系统自身数据处理、分析展示的高效性。作为一个基于数据仓库的应用系统，数据处理过程存在数据量大、逻辑运算复杂等特点，因此性能优化设计至关重要。此外，要实现高效的分析与展示，数据多维立方体的模型设计也非常重要。
数据仓库应用的实施，是一个非常复杂的系统工程，必然存在很多的困难。
一是大量的技术问题需要解决。虽然数据仓库理论已趋于成熟，业界各类相关支撑技术及产品也层出不穷，但事实上这些技术和产品的成熟度远远低于理论成熟度。更为重要的一点是，作为一个新的信息化工程领域，数据仓库建设的工程方法及方法论还有待进一步的发展和总结。在这样的技术背景下，理论上的可行性往往未必真的可行，系统的设计必须充分考虑系统的可实施性。
二是业务分析难度及工程协调难度大。数据仓库及辅助决策系统的建设实际上可分为两个阶段。一是基础应用平台的建设；二是基础应用平台的应用。在建设阶段，就要充分考虑和分析应用阶段可能的需求，才能保证平台的适用性。而在应用阶段，企业关键指标的数据抽提、组织、分析和展示，必然涉及到大量的业务分析工作。这些业务分析工作将面向电力行业的各个专业领域，对整个工程队伍的专业能力将提出很高的要求。此外，业务数据的获取需要与各个业务系统进行接口，必然需要各业务部门以及各业务系统开发单位的全力配合，这也带来了工程组织和协调上的难度。
系统设计过程中必须充分考虑到上述问题，首先从技术手段上考虑降低工程难度的方法，同时在系统建设的步骤和方法上，提高效率、降低风险，保障系统的可实施性。
3 数据仓库的应用
下面以CRM为例介绍数据仓库在营销技术支持系统中的应用研究。
客户关系管理（CRM）理念在公司营销与服务中的应用，包括以下研究方面：工作流技术在营销技术支持系统中的应用，基于SOA架构的软件开发技术，利用工作流技术按照CRM理念开发新一代营销与服务平台。完成省、市、县及农村供电所四个层次的、覆盖营销与服务各个环节和业务流程的、完整的营销技术支持系统建设，实现营销业务管理扁平化、业务处理流程化和自动化的目标；电力客户服务系统（Call Center）新技术应用研究；客户关系管理应用研究；SOA软件架构和开发技术研究；营销技术支持系统软件升级。
客户关系管理系统（CRM）以客户为中心，把科学的管理与信息技术结合起来，实现市场、销售、服务协同工作，统一管理。帮助企业规范业务流程、提高市场营销能力和服务质量，有效管理客户资源，控制销售过程，缩短销售周期，提高销售成功率，达到全面提升企业核心竞争力的目的。
完整的生命周期管理及客户关系管理系统贯穿于包括市场开拓、客户接触、销售、服务、分析决策等过程的整个客户服务的生命周期。市场开拓人员通过广告、促销，参展等手段提高推销自己，提高知名度；营销人员通过客户咨询、促销、主动出击及其他方式得到销售机会；营销人员与客户保持最佳的接触，使得销售流程流向简单，并形成销售；售后服务人员为客户提供及时优质的服务，最大限度地提高客户的满意度。所有的信息都存放在数据仓库中，管理人员对大量的信息经过统计分析，制订出最佳的决策。CRM系统详细地记录了客户生命周期中的各种信息。各用户输入的信息都存放于同一个数据仓库中，只要有权限，用户就能访问他所需要的信息，使得一切都了如指掌。
用户再也不必为信息海洋和信息孤岛烦恼，所有的信息都在系统中。系统整合了市场、销售、服务等环节，只要有权限，每个用户都可以得到他所需要的信息，减少销售环节，得到信息最大化的利用率。
服务是销售中的重要环节，是CRM的核心业务组成部分。在用户面临多元化能源选择的形势下，电网企业只有提供快捷优质的服务，才能更好地提高客户的满意度留住老客户。CRM可以改善企业的服务能力和质量，当客户有新的服务请求后，企业制订服务计划，及时安排人员为客户提供优质服务，并跟踪服务的进展。企业以不同方式收集客户的反馈信息，提取有价值的信息优化自己的销售、服务，改进自己的工作。企业应高度重视客户的投诉。对于客户投诉，企业记录详细情况，划分严重等级，制订解决方案，跟踪解决过程，收集反馈信息。
CRM客户关系管理系统开发时采用先进的客户层、中间层、业务层、与数据库层多层次架构，此种架构模式使得CRM系统能够与HR、SCM、OA、ERP等企业中的其他系统较好的集成，消除企业信息孤岛，为用户量身打造一体化的企业信息系统。考虑到企业流动数据的多样性需求，用户可根据需要将系统产生的数据导出为文本、EXCEL、HTML等数据格式，以利于企业对数据的再加工及满足内部传递的需要。
系统提供了方便灵活的分析统计功能，可以对CRM信息提供各种条件，多角度地分析统计，对结果系统以Excel格式或者以饼状图、柱状图,趋势图等直观的形式提供，并提供打印的功能。同时系统支持电话、Email、SMS等销售方式，极大地提高企业开拓市场的能力与竞争力。
系统可提供基于人员角色的权限管理功能。用户对信息的查看、操作以及相关应用都将由用户的安全级别和角色来决定，并且提供完备的日志功能以对系统进行严密的监控，保证了系统的安全性。系统可对客户、合作伙伴、竞争对手、员工及销售进程、服务等各种信息进行统计和分析，为企业发展提供决策依据。
参考资料
[1]W. H. Inmon. Building the Data Warehouse.
[2]Ralph Kimball. 数据仓库生命周期工具箱：设计、开发和部署数据仓库的专家方法.
[3]王珊. 数据仓库技术与联机分析处理. 科学出版社.
[4]王珊, 王秋月. 我国数据仓库的应用展望. 计算机世界.
[5]高人伯. 数据仓库和数据开采相结合的决策支持新技术. 计算机世界.
|
|
| 资讯录入：admin 责任编辑：admin |
|
|
上一篇资讯： 载波技术在台区用户识别中的应用
下一篇资讯： 关于查找低压线路及低压设备漏电故障的方法 |
|
|
| 【字体：小 大】【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口】 |
|
 网友评论：（只显示最新10条。评论内容只代表网友观点，与本站立场无关！） |
|
|
|
|
|
