随着市场竞争的加剧和社会服务意识的提高,以产品为主的制造型企业开始把业务重心转移到售后服务之中。将提升服务质量、提高客户满意度作为企业售后服务的重点发展方向。 在众多企业争先恐后寻求出路增加销售额的同时,他们已渐渐意识到简单地把客户数据存放在一个数据库的做法是不够的。企业发现要获得投资回报,就必须分析数据使他们更接近客户,从而获得销售定单。所以,对于现代型企业来说,如何提升这些客户的价值和贡献率,如何挖掘潜在客户,如何做好这些客户的售后服务等等,就显得尤为重要。而且制造行业以生产有形的产品为主,各种产品都有其生命周期的特征和维护周期,在这样的背景下,研究分析售后服务渠道,保证售后服务的质量、延长产品的生命周期,自然就成为制造行业放在首位的研究课题。 由于受到传统业务系统的限制,制造行业现有的IT系统无法满足数据分析、研究及挖掘等需求,也就造成业务决策者、数据分析人员没有办法及时、正确地得到并分析数据。因此,没有数据只凭经验主义轻易做的决策,是绝对不科学且不负责任的。在制造行业的售后部门,分析决策者不能针对产品发生售后服务的比率、发生售后服务的原因等做出相应的判断,也无法预测、挖掘各种售后服务的信息、无法对各种超出告警标准的指标进行预警,没有办法进行同期上期的增长比较,没有办法进行各种指标的排名分析,没有办法去分析哪些供应商的部件最容易产生问题。 针对以上制造行业在售后服务中面临的各种问题,本课题特提出商业智能的解决和应用实施方案,对以上各种售后服务问题进行研究分析,用商业智能的方案和理论去帮助制造行业分析、控制并解决售后服务的质量问题。通过成功的数据整合、数据分析和数据挖掘可以提供客户的完整情况,并使企业能够根据数据的量化分析做出有效周全的决定。本课题以商业智能理论为基础,在现有流程分析的基础上,通过合理科学的规划,结合各种数据模型,采用数据仓库技术、多维分析技术、数据星型建模技术、决策建模技术等前沿的技术,为制造行业在售后服务中的决策提供信息和技术支持。并结合实际的案例(Sony公司商业智能系统)深入分析各种理论技术在实际项目中的应用。除了技术面,本课题还从数据仓库工程理论的角度,结合先进的工程论方法,总结多个项目的实际经验,提出了一条制造行业通向商业智能成功之路。 本课题采用了Oracle数据仓库方案,从产品风险、客户洞察、绩效考核和决策支持四个方面,针对售后服务部门现有的数据进行整合分析。其中决策支持又细分为接机分析、维修分析、修复分析、返修分析等分析主题。通过这些商业智能的应用,用户可以控制产品的风险,如及时发现哪些产品零件最容易损坏,哪些零件的库存比较少;可以给客户提供个性化的服务,如通过邮件、短信通知客户机器维修的进程;可以给维修员进行绩效的考核,根据考核结果评定维修员的级别;可以分析维修环节,找出最消耗时间的维