1、行業和學術背景
1.1 醫藥銷售領域對決策支持的迫切需求
在日益激烈的市場競爭中，信息對企業的生存和發展起著至關重要的作用。企業數據隨著時間和業務的發展不斷膨脹，“知識爆炸”和“信息爆炸”成了信息社會的常用詞匯。各企業建立的用來收集、存儲、管理業務數據的數據庫系統，在相當程度上提高了工作效率。然而，傳統的數據庫應用只是對數據進行簡單的處理，越來越不能滿足企業發展的對信息更深層次的需要。以我國醫藥流通行業為例，隨著該行業對外開放，醫藥企業將面臨來自美國、英國等發達國家同行的嚴峻挑戰。為此，企業必須改變自己原有的經營模式，來面對來自各個方面的競爭和挑戰。因此，必須有支撐經營模式轉變的新型信息系統，為企業提供客戶分析、市場分析、產品銷售分析和決策分析的支撐，為提升企業的競爭力服務，為客戶提供優質服務。
然而，目前大部分醫藥生產銷售企業的信息系統，都是基于傳統數據庫的業務管理系統，這些系統存在著以下不足：
(1)各個業務系統能夠處理的信息量有限，各部門之間能共享信息，企業決策者希望能夠以多種形式、多種角度來展現和分析銷售數據，但目前的業務系統對此卻無能為力。
(2)各個業務系統雖然能夠記錄每天的業務數據，但不能給出決策者更關心的諸如下一年的銷量、生產計劃等預測性數據，以支持決策。
傳統數據庫系統不能很好地支持決策，是因為它是面向業務操作設計的，雖然能簡化具體操作人員的勞動強度，但不能對這些數據所包含的內在信息進行提取。因此，同其他行業一樣，在醫藥生產銷售領域，各個企業渴望建立一種新的系統，以滿足該領域對決策支持的需求。
1.2 數據倉庫滿足決策支持的需求
為了滿足各個行業對決策支持的需求，需要用新的技術或工程化方案來彌補原有數據庫系統的不足，把企業各個部門現有業務數據集成到新的系統中，以便提取有用的信息，幫助他們在業務管理和發展上做出及時、正確的判斷，數據倉庫技術就是因此產生的。數據倉庫是計算機和數據庫應用發展到一定階段的必然產物。
如今信息處理部門的工作重點已經不限于簡單的數據收集和管理。在大量生產業務數據積累的基礎上，企業內部各級人員都希望能夠快速、交互并方便有效地從這些大量雜亂的數據中提取有意義的信息，決策者更希望能利用現有數據指導企業決策和發掘企業競爭優勢。由此可以看出，構建數據倉庫的目的是建立一種體系化的數據存儲環境，將分析決策所需的大量數據從傳統的操作環境中分離出來，使分散、不一致的操作數據轉換成集成、統一的信息。企業內部不同單位、不同角色的人員都可以在此單一的環境之下，通過運用其中的數據與信息，發現全新的視野和新的問題、新的分析與想法，進而發展出制度化的決策系統，并獲取更多經營效益。
數據倉庫也是適應決策支持系統的需要而產生的。所采用的軟件產品應該能夠支持決策過程的全部工作內容。完整的數據倉庫是個十分龐大的系統，主要包括3個方面的內容：數據倉庫技術、聯機分析處理技術(OLAP)和數據挖(Data Mining)技術。
1.3 醫藥銷售領域決策支持需求的解決方案
隨著市場競爭的日益激烈，醫藥生產銷售行業對決策支持系統的需求越來越迫切，不少醫藥生產銷售企業包括全球制藥巨頭也采用數據倉庫技術，紛紛建立了自己的數據倉庫系統，用來支持企業的日常決策乃至戰略發展決策。可以說，數據倉庫系統是為了決策支持而產生的，它既然能夠滿足不同行業的決策支持需求，當然也能滿足醫藥銷售領域的需求。
筆者通過給一家全球知名的醫藥生產銷售企業成功實施數據倉庫系統一“醫藥銷售數據分析系統”，可以得出結論：數據倉庫技術能夠成功很好地滿足醫藥生產銷售企業業務發展的需要，能夠滿足企業對決策支持的需求。
醫藥生產銷售企業建立數據倉庫系統是為了改善公司現有計算機應用系統現狀，以滿足企業內部用戶對藥品銷售、流通情況越來越多、越來越復雜的統計、分析、預測需求。它在保持現有應用系統功能的基礎上，充分利用醫藥企業的各種數據源，包括藥品生產、銷售等業務數據、財務數據、和計劃數據等，對其進行面向決策的數據重組，將其轉移到數據倉庫中，并在該數據倉庫的基礎上建立面向最終用戶的基于決策支持的統計分析應用系統和靈活的查詢系統。通過該數據倉庫系統，用戶可以從各種不同的角度對藥品銷售計劃、完成情況和收益情況進行深層次的統計和分析，使得企業對醫藥銷售分析與預測更快捷、更準確和更科學，以幫助管理者和經營者正確決策。
1.4 數據倉庫基本概念介紹
“數據倉庫(Data Warehouse)”這個名詞首次由號稱“數據倉庫之父”的william H-Inmon提出。他在《構建數據倉庫》一書中指出，“數據倉庫是面向主題的、集成的、穩定的、隨時間變化的數據集合，用以支持經營管理中的決策制定過程。”隨著人們對數據系統研究管理和維護的不但深入，對數據倉庫有如下幾個特點達成了共識：數據倉庫中的數據是面向主題的、集成的、不可更新的、隨時間增加的，建立數據倉庫的目的是為了更好地支持決策分析。
提起數據倉庫技術，一定要了解一些基本概念，在此做以下簡單的介紹。如果想了解更多信息，請參見關于數據倉庫方面的專著。元數據(Meta Data)，是關于數據的數據，類似數據庫系統中的數據字典，是以概念、主題、集團或層次等形式建立的信息結構并記錄數據對象的位置。
數據集市(Data Mart)，也被稱做“小型數據倉庫”。如果說數據倉庫是建立在企業級的數據模型之上的話，那么數據集市就是企業級數據倉庫的一個子集，他主要面向部門級業務，并且只面向某個特定的主題。數據集市可以在一定程度上緩解訪問數據倉庫的瓶頸。
維度(Dimension)，是多維數據集的結構性特征，是事實數據表中用來描述數據分門別類的有組織的層次結構。
多維數據集(Multi-Dimensional Data Set)，也叫數據立方體，是一個包含維度和度量值的等結構的數據集合，通常從數據倉庫的子集構造，通過多維數據集，可實現對數據倉庫中的數據進行快速訪問。
OLAP，聯機分析處理，對多維數據集進行快速、穩定一致和交瓦性的存取，允許管理決策人員對數據進行深入觀察的技術，我們常經常聽到的諸如對數據的“鉆取(Drill)”和“切片(Slide)”就是OLAP通過技術實現的。根據數據存儲的方式，OLAP可分為基于多為數據庫的MOLAP和基于關系型數據庫的ROLAP兩種類型。
ETL，抽取(Extract)、轉換(Transform)和裝載(Load)，是實現數據從業務系統向數據倉庫轉化的必要過程以及完成轉化需要使用的工具和策略。這個過程往往根據系統定義好的元數據，根據原有業務系統和數據倉庫的特點，一次性或者增量地把數據轉化到數據倉庫中。目前，好多數據倉庫提供商提供了比較完善的ETL工具。
1.5 從數據庫到數據倉庫的轉換
數據倉庫是由數據庫進化而來，是以大型數據庫系統作為基礎，附加在原有系統之上并存儲了從企業所有業務數據庫中獲取的綜合數據并能利用這些綜合數據為用戶提供處理過的有用的信息的應用系統。
原有傳統型數據庫提供聯機業務處理功能(OLTP)，主要按用戶的要求對業務數據進行查詢和處理。由于用戶需求的不斷提升，將它用于決策支持在功能和性能上都是不夠的，必須進行改進和更新，數據庫到數據倉庫的轉換是必須的。數據庫到數據倉庫的轉換，除了指系統功能的轉換之外，還包括數據的抽取和轉換。數據的轉換有時會很復雜，為了提高數據轉換的效率和性能，往往在數據倉庫和業務系統之間增加一個中間數據庫(Staging Tables)，用以臨時存儲從業務系統中導出的數據，然后再根據導入策略定時或一次性將數據導入到數據倉庫中。
1.6 數據倉庫的體系化環境和數據組織
傳統的數據庫技術是以單一的數據資源為中心，進行業務處理、批處理等工作。而數據倉庫技術具有分析處理等特點，它既是一種結構和富有哲理性的方法，也是一種技術，也是存儲數據的一種形式。數據倉庫彌補了傳統操作型數據庫以單一的數據資源為中心的缺點，發展出了一種新的體系化環境。
2、輝瑞制藥公司數據倉庫解決方案
輝瑞公司是目前全球名列前茅的醫藥和保健品生產銷售企業。該公司的產品行銷全球150多個國家和地區。根據2011年福布斯全球200強企業統計表名，2011年輝瑞的全球總銷售額突破600億美元，利潤150億美元。
這樣一個遍布全球的藥品生產和銷售企業，每天產生的生產和銷售數據的數量巨大可想而知。同時，由于這些數據散布在不同區域中功能各異的業務系統中，數據分散，不利于統計和數據共享，因此，如果沒有集成的數據倉庫管理統一管理，很難從業務數據中發現能供決策分析使用的數據。
為了解決上述問題，早在1996年，輝瑞就開始著手實施數據倉庫。當時，輝瑞建立數據倉庫的總體目標是：
實現藥品生產、流通環節的數據分析、挖掘和知識發現。數據倉庫不僅要存儲藥品生產和銷售數據，同時還要存儲與制藥相關的諸如生物、政策上的以及倉儲方面的信息。
為了達到以上目標，輝瑞制藥公司建立數據倉庫、集成異構數據時必須要解決以下問題：
先要建立一個或幾個區域性的中央數據倉庫系統，也稱基礎數據倉庫。由于輝瑞公司業務遍布全球，不適合建立大集中式的、統一的中央數據倉庫，否則非常難以實施。
依據區域性數據倉庫，要建立統一、標準的數據視圖，以保證不同區域數據分析的角度和層次是一致的。
依據區域性數據倉庫，要建立一個輝瑞和第三方數據抽取的知識庫。
數據倉庫建設的重點應放在數據集成的方案上，并非前端的展現工具。
在數據的使用上，集成的數據應該更容易獲取、比較、交換和操縱。
1996年，全球知名數據庫(數據倉庫)提供商ORACLE公司根據輝瑞公司的業務運行特點和數據整合的需求，為其提供了一個完整的數據倉庫解決方案，簡單介紹如下：
輝瑞制藥公司不僅要集成本公司內部的生產、銷售數據，而且還要繼承與行業相關的外部數據。因此，在數據倉庫建設過程中，必須考慮內部數據與外部數據的融合。
輝瑞數據倉庫的體系ETL層抽取來自輝瑞內部、外部以及第三方的數據。將數據暫存在在臨時數據庫(Staging Tables)中。然后再進入中央數據倉庫中。根據數據使用者的需求，數據倉庫里的數據經過整理進入不同的數據集市(Data Mart)中，以便通過OLAP工具展現出來。與此類似，我國的西安楊森公司也使用了國內一家IT公司為其開發的基于OLAP的銷售數據分析系統，致力于此方面研究和利用，這里不再祥述。
經過以上介紹，我們可以知道，大多數醫藥公司已經或正在建設自己的銷售分析系統。使用的技術也是多種多樣。有的企業建立在大型中央數據倉庫之上，有的直接利用關系數據庫系統加上BI工具。有的則找專業IT公司為自己開發。每種方案都有各自的優勢，也有各自的缺點。建立一套數據分析系統，除了滿足企業的功能需求外，還要考慮公司的資源投入、信息化策略等問題，結合BI前端OLAP展現工具，很好地將業務數據整合到數據倉庫中，并根據數據分析的需要，通過定制數據立方體，以豐富的表現形式展現分析數據。系統除了滿足企業對銷售數據分析的功能需求外，還滿足了公司信息化整體策略和風格。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
相關文章
