零售業商業智慧－顧客關係分析（中篇）

資策會數位教育研究所資深工程師 劉德泰

　

邏輯資料模型設計緒論
         彙整零售業顧客關係分析與需求之後，繼續要規劃零售業顧客關係商業智慧解決方案的架構，依據顧客關係分析功能（上篇第四節）與企業資訊系統資料庫比對，設計與彙整可符合企業需要的邏輯資料模型與實體資料模型，整合之後的資料方可以存入資料倉儲的資料庫，以供線上分析處理分析及資料挖礦。
　

零售業商業智慧－顧客關係解決方案架構圖

顧客關係分析功能

邏輯資料模型設計

實體資料模型設計

資料倉儲

資料挖礦

資料超市

線上分析處理

資訊應用

知識挖掘


         彙整零售商顧客關係分析功能（上篇已經說明）之後，下一步驟的系統發展程序－「邏輯資料模型設計」。邏輯資料模型設計主要的工作是從已經上線的資訊系統中，找尋可從事資料分析的相關資料檔案，並且與顧客關係各項分析需求功能一起比對，設計符合零售業顧客關係的邏輯資料模型。本文所設計邏輯資料模型包含資料來源探索、分析功能的解析、設計邏輯資料E-R圖、設計資料倉儲中的資料模型、設計資料挖礦中的資料模型等五項程序：
　

一、資料來源探索
         資料來源探索：零售業者要發展顧客關係商業智慧，企業必須先有完整POS、EOS系統或ERP系統，蒐集這些資訊系統的資料庫當成商業智慧分析的資料來源。依據顧客關係管理分析的功能需求，資料來源可從顧客服務系統資料庫，銷售管理資料庫，推廣活動記錄資料庫等相關系統蒐集。需要達到顧客關係分析（上篇）的分析功能，所需彙整的檔案與屬性如下：

　

顧客檔
{顧客代號、顧客姓名、生日、性別、地址1、地址2、電話、教育程度、郵遞區號、國別、城市、家庭成員、職業、年齡區間、婚姻、開戶日期、年收入、會員卡別、統一編號}

商店檔
{商店代號、商店型態、地區代號、商店名稱、國別、城市、郵遞區號、主管姓名、電話、傳真、營業起始日期、最近整修日期、商店品類數量、雜貨品類數量、食品品類數量、冷凍品類數量}

商品檔
{商品群組代號、商品代號、商標名稱、商品名稱、條碼、單價、總重、淨重、可回收、組合單位、架位、架位高度、架位寬度、架位深度}

商品群組檔
{商品群組代號、小分類、大分類、商品部門分類、商品家組分類}

銷售檔
{商品代號、時間代號、顧客代號、推廣代號、商店代號、銷售金額、成本、單位數量}

推廣檔
{推廣代號、推廣地區代號、推廣名稱、媒體型態、成本、開始日期、結束日期}

時間_日期對應檔
{時間代號、日期、星期、月份、年度、月份天數、年度週數、年度月份數、季別}
　

二、分析功能的解析
         企業希望能有一份完整的顧客關係商業智慧分析報告，是需要從原來資訊系統的資料庫的檔案與欄位找尋。利用現有檔案的欄位與顧客關係分析功能比對，找出各項分析功能維度與量度之間關係，接著定義出Cube的結構，若是分析功能需要採用資料挖礦，則直接採用經過整理後資料倉儲的檔案。

         在顧客關係分析（上篇）第四節所列的分析功能，依據各分析編號需要使用哪些維度與量度，在二維表格相對位置打「V」，代表這項分析功能會用到的維度或量度，彙整二維表格的資料，找出事實資料表（Fact Table）與多維資料表（Dimension Table），作為設計Cube結構之用。

顧客關係管理分析功能與維度、量度分析表

顧客關係管理分析功能與維度、量度分析

功能編號

3

6

7

8

9

10

11

12

13

14

15

16

17

18

19

22

23

24

25

26

27

28

維




度

時間

　

　

　

　

　

　

　

　

　

　

　

　

　

　

V

　

　

　

　

　

V

V

顧客

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

商店

　

　

　

　

　

　

V

　

　

　

　

　

V

　

　

　

　

　

　

　

　

　

商店型態

　

　

　

　

　

　

　

　

　

　

　

　

V

　

　

　

　

　

　

　

　

　

商品

　

　

　

　

　

　

　

V

V

V

V

V

V

　

　

　

V

V

V

V

　

　

推廣

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

V

V

V

V

V

　

　

推廣型態

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

V

V

V

V

　

　

　

教育

　

　

V

　

　

V

　

　

　

　

V

　

　

　

V

V

V

V

V

V

　

　

性別

　

　

V

　

　

V

　

　

　

　

V

　

　

　

V

V

V

V

V

V

　

　

婚姻

　

　

V

　

　

V

　

　

　

　

V

　

　

　

V

V

V

V

V

V

　

　

郵遞區號

　

　

V

　

　

V

　

　

　

　

V

　

　

　

V

V

V

V

V

V

　

　

年收入

　

　

　

　

　

V

　

　

　

　

V

　

　

　

　

V

V

V

　

V

　

　

持卡

　

　

　

　

V

　

　

　

　

　

　

　

　

V

　

　

　

　

　

　

　

　

量



度

營業數量

　

　

　

V

　

V

　

　

　

　

　

　

　

　

　

　

　

　

V

V

　

　

營業金額

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

　

　

成本

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

　

　

毛利

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

V

　

　

交易頻率

　

　

　

V

　

V

　

　

　

　

　

　

　

　

　

V

　

　

V

V

V

V

平均價格

　

　

　

V

　

V

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

營收百分比

　

　

　

　

V

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　

　


三、設計邏輯資料E-R圖
         整理零售業顧客關係各項分析功能的邏輯資料E-R圖，規劃資料檔案彼此間一致關係的模型。在實體資料模型建立資料倉儲資料庫時，可依此E-R圖建立資料庫的實體完整性與參考完整性。

         顧客分析在資料倉儲資料庫需求檔：採用銷售檔（事實資料表）、推廣檔、時間_日期檔、顧客檔、商店檔、商品檔、商品群組檔。


四、設計資料倉儲的資料模型
         資料倉儲的資料模型是星狀，一般稱為「Cube」，可從各個角度來檢視資料的檔案稱為「維度」，而當成統計事實表的資料欄位稱為「量度」，線上即時分析處理工具(OLAP），便是採用星狀模式的檔案做統計分析。
　

　

顧客關係管理分析Cube的維度與量度

維度包括的部份：時間（年、季、月）、顧客（國家、城市、顧客編號）、商店（國家、城市、名稱）、商店型態（商店型態）、商品（商品家組分類、商品部門分類、大分類、小分類、商標名稱、商品名稱）、推廣（推廣名稱）、推廣型態（媒體型態）、教育（教育程度）、性別（性別）、婚姻（婚姻）、郵遞區號（郵遞區號）、年收入（年收入）、持卡（會員卡別）。

量度包括的部份：營業數量（單位數量總合）、營業金額（銷售金額總計）、成本（單位成本總合）、毛利（營業金額 – 成本）、交易頻率（計算筆數）、平均價格（營業金額 / 單位數量）、營收百分比（毛利 / 營業收入）


五、設計資料挖礦的資料模型
         資料挖礦所使用的資料來源，以資料倉儲的資料庫為主，因為資料倉儲在規劃資料庫時，會把未定義的檔案資料經過洗滌後才存入資料倉儲的資料庫中，資料庫的內容適合分析，本研究以資料倉儲的資料庫為資料挖礦的資料來源。
         依據顧客關係管理（上篇）分析功能，可做顧客特性描述的資料挖礦，包括顧客人口統計、RFM、顧客區段購物偏好等。資料來源也是顧客檔、商店檔、商品檔、商品群阻擋、銷售檔。

         顧客統計人口的資料挖礦可採用顧客檔中的{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}等欄位當變數，進行分群、分類資料挖礦技術。

         RFM的資料挖礦可採用顧客檔中的{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}等欄位，銷售檔中的{銷售金額}，時間_日期檔中的{年度週數、季別}等欄位當變數，進行分類資料挖礦技術。

         客戶區段購物偏好可採用顧客檔中的{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}等欄位，銷售檔中的{銷售金額}，商品檔中的{商標名稱、商品名稱}，商品群組檔中的{小分類、大分類、商品部門分類、商品家組分類}等欄位當變數，進行分群、分類資料挖礦技術。

顧客關係資料挖礦分析表

分析功能編號

欄位變數

資料挖礦方法

1

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}欄位，銷售檔{銷售金額}，商品檔{商標名稱、商品名稱}，商品群組檔{小分類、大分類、商品部門分類、商品家組分類}

分群、分類

2

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}，銷售檔{銷售金額}，時間_日期檔{年度週數、季別}

分類

4

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}

分群、分類

5

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}，銷售檔{銷售金額}，時間_日期檔{年度週數、季別}

分類

20

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}，銷售檔{銷售金額}，時間_日期檔{年度週數、季別}

分類

21

顧客檔{教育程度、城市、家庭成員、年齡區間、婚姻、年收入、會員卡別}欄位，銷售檔{銷售金額}，商品檔{商標名稱、商品名稱}，商品群組檔{小分類、大分類、商品部門分類、商品家組分類}

分群、分類


六、結語
         因為商業智慧資料模型設計相當的複雜，又可以分為邏輯資料模型設計與實體資料模型設計，因資料眾多我將其分為中篇與下篇。本篇「零售業商業智慧－顧客關係分析」（中篇）主要探討商業智慧－顧客關係分析邏輯資料模型設計方法，到此告一段落，在「零售業商業智慧－顧客關係分析」（下篇）繼續討論實體資料模型設計，商業智慧建置方法。