现在，绝大多数零售企业已经实施采用了ERP系统，企业各个业务环节都基本实现了数字化。很多零售企业在采用ERP系统多年后，积累了海量的运营历史数据，这些数据在为企业提供便利的同时，也带来了诸多问题，主要变现在三个方面：

       1，信息孤岛现象  很多零售企业的ERP由多个独立的模块组成，这些模块由不同的厂家提供，因此，常常导致这些模块无法完全兼容和顺利交互数据。模块之间无法共享数据。

      2，信息囚笼现象  一方面，企业的POS、CRM、HRM及SRM等诸多孤立系统里深埋着大量数据，难以应用，另一方面，企业还要不断投资以维护这些设备和数据。企业好像被这些系统牢牢套住，越陷越深。

     3，信息对抗现象  企业中的信息流、资金流和物流应该能够相互验证，协调一致，但数据的分散和不兼容导致信息流所反映的资金流和物流常相互矛盾，引起信息之间的相互对抗。

由于上述三个问题的存在，零售商家无法实时掌握运营现状，不能从庞杂的数据中迅速定位管理中的关键问题域，也无法看到隐藏在数据中的潜在商业趋势。因此，在后ERP时代，需要一种更先进的IT技术手段，能帮助零售企业及时发觉运营中潜在的问题、关键问题区域以及所面临的机遇与威胁，识别出未来最重要的盈利驱动因素，为企业的发展规划提供有益的提示，从而帮助企业在复杂竞争环境下获得更深刻的商业洞察力。这个在未来被委以重任的IT技术就是商业智能(BI)。

      商业智能，又称商务智能，英文为Business Intelligence，简写为BI。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而BI能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

    可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

      因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Loading），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

商业智能的最终目的是将数据转化为竞争力，赋予企业“赢”的能力。对数据投资层次的不同，导致企业在信息化上获得的价值大小也不同，一般来说，企业的数据投资跟相应价值收益关系如下图所示：

         一份来自Aberdeen Group调研机构的报告指出，过去所有对于“商业智能（BI）”工具夸大不实的传言，在零售业中反而都一一获得了证实。 这份报告从全球超过200家的零售商的调查结果发现，BI工具的确能够“建立顾客数据库，改善企业部门与部门之间的透明度，同时还能带动业绩成长。”而有近70%的店家已经使用BI工具，其余有26%的厂商表示正计划导入。

       翠微大厦于2008年底实施上线了由北京长益信息科技有限公司研发的专门针对零售行业的BI系统，经过一年多的实践，发现BI帮助员工提高了约5%的绩效水平，同时，很多以前不可能的管理创新在BI的支持下也得以顺利开展。翠微管理人员对BI作用总结为：洞察顾客未来需求、实时掌控经营现状、协助员工聚焦战略、巩固企业竞争优势。

 

一个典型的零售业-BI系统包括如下功能：

销售分析

      销售分析的主要指标有销售额、销售量、毛利率、毛利额、坪效、同比分析、环比分析、贡献度、客单价、客单数、客品数等。

     销售分析的主要维度有零售业态、零售渠道、组织结构、类别划分、品牌结构、供应商结构、人员结构、日期时间等，这些分析维度可以进行多种排列组合，并支持多级钻取，从而获得可追溯的分析结果。

商品分析

对商品分析主要从两个方面进行:

       一是定量的分析，主要考查商品的类别结构、价格带分布、品牌结构、毛利结构、周转率等，结合对商品的销售额、销售量、贡献度、点击率、流动性等指标的分析，从而调整和优化商品的深度与宽度，准确、科学地定义商品的重要程度，基于消费者的体验和企业运营目标，不断优化各品类商品的组成及其价格带分布。

       二是定性的分析，主要考查商品的成长性、商品的价格竞争力、商品的市场占有率、商品的质量与价值、顾客投诉率、物流与促销支持度等内容。

 

供应商分析

      对供应商分析主要指标有订货量（额）、进货量（额）、库存量（额）、退换量（额）、销售量（额）、毛利率（额）、周转率、送货及时率、贡献度等。

 

顾客分析

     顾客分析的主要内容包括顾客结构、客单价、客流量、客品数、顾客购物频度，在此基础上，结合时间、金额等维度，构建顾客危险度分析模型、顾客忠诚度分析模型、顾客四象限分析模型。

 

人员分析

      通过对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，为人力资源的合理利用提供科学依据的目的。

 

财务分析

      财务分析包括：1）分析企业的财务状况，了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力，从而评价企业的财务状况和风险。2）分析企业的资产管理水平，了解企业对资产的管理状况，资金周转情况。3）分析企业的获利能力。4）分析企业的发展趋势，预测企业的经营前景。