Внутримашинное информационное обеспечение задач маркетинга

СУБД выполняет следующие основные функции:

- введение в базу новых файлов и записей;

- обновление содержимого, находящегося в базе;

- удаление (уничтожение) знаний, программ и данных, оказавшихся ненужными;

- поиск информации;

- выдачу информации на ПЭВМ или на терминалы пользователей;

- объединение и разделение файлов;

- копирование и восстановление файлов;

- защиту информации от несанкционированного доступа;

- устранение ошибок в работе;

- учет работы пользователей и составление отчетов и т.д.

Исходя из основных функций, выполняемых СУБД в сбытовой деятельности, к ним предъявляются следующие требования:

- использование минимальных средств, необходимых для создания базы;

- простота поиска и обновления содержимого базы данных;

- многократное использование пользователями одной и той же информации;

- быстрый доступ к необходимым сведениям;

- обеспечение информацией о том, какого рода данные можно найти в базе;

- уменьшение избыточности хранимой информации;

- обеспечение достоверности информации;

- постоянная готовность к работе;

- защита информации от несанкционированного доступа и т.д.

В настоящее время в мире насчитывается несколько десятков СУБД для ПЭВМ, многие из которых используются в маркетинговой деятельности.

Реализация задач маркетологов - наиболее трудоемкий процесс в обработке коммерческой информации на предприятии. Это обусловлено как постоянным расширением сети объектов, ростом числа контрагентов торговли, так и все возрастающим потоком товарной массы, проходящей через каналы обращения, увеличением объема информации, необходимой для решения задач маркетинга. Одной из важнейших задач маркетинга подсистемы сбытовой деятельности является задача товародвижения.

Управление товародвижением основано на оперативном учете, контроле и анализе торговой деятельности. Оно включает ряд операций по организации доведения товара от поставщика до покупателя с целью наиболее полного удовлетворения спроса населения.

Решение задач товародвижения связано с системой оперативного контроля в сбытовой деятельности предприятия. Однако кроме этих задач решаются задачи периодического учета и статистической обработки данных. Повседневные задачи связаны операциями, основанными на наполнении баз данных системы информацией по мере движения товара, ее обработке и выдаче в виде различных отчетных документов. При этом автоматически обрабатывается большой массив данных, введенных в ПЭВМ.

Ведение, корректировка, наполнение баз данных информацией о движении товара в маркетинговой деятельности производится вручную с клавиатуры АРМ по месту и в момент возникновения данных по мере поступления или реализации товара. Кроме того, используются данные, поступающие с электронных контрольно-кассовых аппаратов или автоматизированных узлов расчета. На этом этапе также выполняются различные операции по расширению или изменению баз данных в связи с появлением новых товаров новых поставщиков, изменением норм естественной убыли, переоценкой товаров и др.

Данные о сопроводительных документах (товарно-транспортные накладные) также вводятся в ПЭВМ. Иногда (если товар не соответствует сорту, указанному в накладной, или его фактическая масса отличается от указанной в документе) на товар составляют акты на списание или переоценку. Все эти данные являются первичной информацией о движении товара и подлежат регистрации в соответствующих базах данных ПЭВМ.

После ввода данных в ПЭВМ автоматически на основе нормативных справочников и прейскурантов, хранящихся в ее памяти, вычисляют суммы товара и естественной убыли по каждому виду товара, а также аналогичные суммы по данной накладной в соответствии с программными разработками, имеющимися на АРМ-маркетолога.

Аналогично описанному способу обработки приходных накладных осуществляется обработка расходных накладных, после чего составляются отчеты, которые концентрируются в соответствующей базе данных.

Кроме товарного отчета формируются базы данных со сводками товарных поступлений по поставщикам и реализации товара. В этой базе данных содержатся перечень товаров по ассортименту, поступивших от конкретного поставщика за день, а также масса и сумма поставленного им товара. В базе данных по реализации товаров имеется перечень реализованных товаров в ассортиментном разрезе.

В ходе решения задач оперативного контроля и управления маркетинговой деятельностью формируются аналитические сводки, отчеты для различных функциональных подсистем информационной системы управления экономическим объектом с различной периодичностью представления информации.

В маркетинговой деятельности отдельно выступают задачи изучения и прогнозирования спроса. При их решении определяются: общий объем покупательского спроса по группам или видам товаров; внутригрупповая ассортиментная структура спроса по товарным признакам; сезонные колебания спроса и степень его удовлетворения по видам товаров.

Во многих существующих программах автоматизируются задачи по учету заказов клиентов и контролю за ходом их выполнения, которые решаются на основе информации, хранящейся в БД. Решение этих задач представляет собой важнейшее звено всей цепочки мероприятий по маркетинговой деятельности на предприятии. Обработка информации, связанной с заказами клиентов, строится на данных пяти основных разделов баз данных предприятия или фирмы:

- клиенты и условия платежа;

- состояние запасов и текущее снабжение;

- портфель заказов;

- цены изделий и информация о перевозках;

- данные о предыдущих заказах.

Внедрение автоматизации маркетинговой деятельности предприятия или фирмы способствует повышению оперативности контроля над товарно-материальными ценностями, упорядочению внутреннего документооборота, исключению непроизводительных затрат управленческого труда.

 

8. Базы знаний и технология их использования

 

Интеллектуальной оболочкой прочтения баз данных являются базы знаний.

База знаний - совокупность моделей, правил и факторов, порождающих анализ и выводы для нахождения решений сложных задач.

База знаний – позволяет выполнять рассуждения не только и не столько на основе формальной (математической) логики, но на основе:

- опыта;

- фактов;

- правил (эвристик), т.е. приближенных к человеческой логике.

База знаний обладает следующими основными свойствами:

- институциональные знания;

- высококачественный опыт;

- возможность прогнозирования;

- обучение и тренировка.

Отличия БД и БЗ:

1) по свойствам данных: БД – структурированная; БЗ – нет;

2) по способу обработки: БД – с помощью алгоритмов; БЗ – эвристический подход, сложные логические преобразования;

3) по назначению, широте  охвата: данные БД – для тактических действий и оценки деятельности конкретных организаций, а БЗ – стратегические задачи, широкий круг пользователей.

Эксперт — это специалист, умеющий находить эффективные решения в конкретной предметной области. Блок приобретения знаний отражает накопление базы знаний, этап модификаций знаний и данных. База знаний отражает возможность использования высококачественного опыта на уровне мышления квалифицированных специалистов, что делает экспертную систему рентабельной в соответствии с нуждами бизнеса и заказчика. Блок логических выводов, осуществляя сопоставление правил с фактами, порождает цепочки выводов. При работе с ненадежными данными формируются нечеткая логика, слабые коэффициенты уверенности, низкая степень меры доверия и т.д. Блок объяснений отражает в технологии использования базы знаний: пользователем последовательность шагов, которые привели к тому или иному выводу с возможностью ответа на вопрос «почему».

К настоящему времени распространение баз знаний в значительной степени определяется темпом накопления профессиональных знаний - та область профессиональной человеческой деятельности, которая пока поддается формализации, а значит, и автоматизации.

 

9. Методы интеллектуального анализа данных на основе применения концепций информационных хранилищ, экспертных систем, систем моделирования бизнес-процессов, реализованных в контуре общей информационной системы

 

Для решения сложных задач в DBMarketing используется технология интеллектуального анализа данных. Конечной целью применения Data Mining является формирование маркетинговой стратегии предприятия с  минимальным участием самого эксперта.  Data Mining состоит из этапов:

- построение модели, которая  определяет, как от независимых  переменных зависит выбранная  целевая переменная;

- статистическое тестирование этой модели на известных данных;

- построение предыдущих  шагов пока не будет достигнута  желаемая точность предсказаний;

- построение маркетинговой  стратегии, основанной на полученной  модели.

Интеллектуальный анализ данных — это обработка информации и выявление в ней моделей и тенденций, которые помогают принимать решения. Принципы интеллектуального анализа данных известны в течение многих лет, но с появлением больших данных они получили еще более широкое распространение.

Интеллектуальный анализ чаще реализуется автономными программными системами в связи со сложностью выполняемых задач.

Все методы интеллектуального анализа данных делятся на 2 группы по принципу работы с исходными данными. В первом случае исходные данные хранятся в детализированном виде и используются для прогностического моделирования или анализа исключений.  Это так называемые методы рассуждений. Главная проблема этой группы методов – трудность их использования на больших объемах данных, хотя при анализе больших объемов данных эти методы приносят большую пользу.

Во втором случае информация вначале извлекается из первичных данных и преобразуется в некоторые формальные конструкции. Этот этап выполняется на стадии выявления закономерностей, которая у методов первой группы отсутствует. Выделяют пять основных типов закономерностей:

- ассоциация – имеет  место тогда, когда несколько  событий связаны друг с другом;

- классификация – выявляет  признаки, характеризующие группу, к которой относится тот или  иной объект. Это происходит посредством  анализа уже классифицированных объектов и формулирования набора правил;

- кластеризация - выявляет признаки, характеризующие группу, к которой относится тот или иной объект. Отличается от классификации тем, что сами группы изначально не заданы. При помощи кластеризации средства интеллектуального анализа данных самостоятельно выделяют различные группы однородных данных;

- прогнозирование – основано  на информации, хранящейся в БД  в виде временных рядов. Если  есть возможность найти шаблоны, отражающие динамику поведения  целевых показателей, то есть  вероятность, что с их помощью  можно предсказать поведение  системы в будущем;

- последовательность –  существование цепочки связанных  во времени событий.

Существуют и специализированные пакеты интеллектуального анализа. К ним относится высокоразвитый набор инструментальных средств ”для интеллектуального анализа баз данных “ Polyanalist ” российской фирмы “ Megaputer ”. Всё семейство продуктов обеспечивает извлечение знаний в больших массивах данных, автоматически строит и тестирует формулы, составляет   классификационные правила по заданным примерам, формирует многомерные кластеры, предлагает алгоритмы решений. Набор средств реализован в четырёх версиях:  Polyanalist Lite , Polyanalistt Power – продукты для индивидуальных пользователей и малого бизнеса. Polyanalist Professional для MS Windows NT – мощная система Data Mining для профессионалов. Polyanalist Knowledge server – клиент-серверная версия продукта, объединена в Knowledge server . Предназначен для работы на высокопроизводительных платформах.

Широко распространённый пакет OLAP -анализа Business Objects имеет в своём составе модуль интеллектуального анализа “Miner”, выполняющий ряд задач этого класса, в том числе деревья решений, кластерного анализа. Однако основные функции интеллектуального анализа предусмотрено выполнять средствами MS Excel. В дальнейшем предусмотрена интеграция с пакетом Statistica.

Интеллектуальные базы данных применяются в различных сферах маркетинга. Например, в маркетинговых исследованиях ИБД определяют характеристики типичных покупателей продукции фирмы для выявления новых клиентов. Так, в розничной торговле ИБД позволяют анализировать покупательскую корзину – это позволяет выявить то, какие товары приобретаются вместе. Также, это необходимо для улучшения рекламы, выработки стратегии создания товарных запасов и более эффективной выкладки. В общем можно сказать, что эти знания нужны для разработки точно направленных мероприятий по продвижению товаров.