تحليل البيانات المباشرة

تطبيق أفضل الممارسات لتحسين تحليل بيانات البيع بالتجزئة المهمة

تعد القدرة على إجراء تحليل بيانات مباشر باستخدام بيانات عالية الجودة أمرًا بالغ الأهمية للمؤسسات في العديد من الصناعات، لكنها مهمة بشكل خاص لشركات البيع بالتجزئة. يمكن أن تساعد الرؤى المستخلصة في الوقت المناسب من البيانات الدقيقة في تحسين رضا العملاء من خلال تقديم توصيات المنتجات اللحظية وضمان وضع المخزون في المكان المناسب في الوقت السليم؛ وتحسين جهود التسويق والتسويق والمبيعات من خلال تقييمات فورية لمدى جودة أداء الترقيات؛ وخفض التكاليف والمخاطر من خلال توقعات المخزون الأكثر دقة؛ والمزيد. باختصار، يمكن أن يؤثر تحليل البيانات المباشرة الفعال على عمليات البيع بالتجزئة بشكل إيجابي عبر مؤسستك.

للحصول على أعلى قيمة من تحليل البيانات المباشر، تحتاج إلى تنفيذ نهج واحد محسّن لإدارة دورة حياة البيانات عبر مجموعات البيانات الأهم. يساعدك هذا النهج فيما يلي:

• تقليل تعقيد البيانات وتكرارها.
• تقليل المخاطر والتكاليف المرتبطة بالبيانات منخفضة الجودة.
• إنشاء عرض واحد ومتسق لبياناتك.
• تسليم البيانات في نموذج متسق عبر المؤسسة.
• اجعل التحليل الذكي للأعمال للخدمة الذاتية (BI) متاحًا لإعداد التقارير وتحليلات البيانات المتقدمة، بصرف النظر عن الأدوات التي تستخدمها فرق النطاق.
• يمكنك دمج المرونة في مشهد بياناتك، مع الحفاظ على انخفاض تكلفة التغيير في المستقبل قدر الإمكان.

تحديث التحليلات باستخدام حل تحليلات محسّن

توضح البنية التالية كطريقة تصميم منصة بيانات Oracle لتزويد بائعي التجزئة بإطار عمل مترابط وشامل لإدارة دورة حياة تحليلات البيانات بأكملها. يوجد في مركزها مكونان رئيسان: مخزن البيانات التشغيلي (ODS)—يستخدم لتخزين البيانات التشغيلية التي يتم استيعابها واستمرارها في شكل أولي دون تطبيق أي تحويلات—ومخزن البيانات، إذ يتم تخزين البيانات في نموذج محسّن لأداء الاستعلام والتحليل المتقدم.

عند دمج ODS ومخزن البيانات، أنشئ منصة للبيانات قادرة على تحليلات أكثر كفاءة ومتقدمة. تتيح هذه المجموعة التطبيق الفعال للتحليلات المتقدمة وأدوات التمثيل المرئي مع الاحتفاظ بالقدرة على التحقق من البيانات في شكلها الأولي لتحديد أوجه الخلل أو الرؤى دون التأثير على أداء تطبيق المعاملات الأساس. هذا النهج مفيد لبائعي التجزئة لأنه يمنع التكرار المتناقض وغير الدقيق لنفس البيانات المصدر، والتي، إذا تم استخدامها للإبلاغ عن قرارات المؤسسة، يمكن أن تسبب في تأخيرات وأخطاء وفقدان مبيعات في نهاية المطاف.

دعونا نلقي نظرة عن كثب على طريقة دمج منصة بيانات Oracle باستخدام ODS، ومستودع البيانات، والمكونات الرئيسة الأخرى لمساعدة بائعي التجزئة على استخدام تحليل البيانات المباشر بفعالية.

تعرض هذه الصورة كيف يمكن استخدام منصة بيانات Oracle للبيع بالتجزئة لدعم تحليل البيانات المباشرة والقديمة في شكل محسّن. وتشمل المنصة الدعائم الخمس التالية:

1. 1. مصادر البيانات، الاكتشاف
2. 2. الاتصال والاستيعاب والتحويل
3. 3. الاحتفاظ، التوقع، الإنشاء
4. 4. التحليل والتعلم والتنبؤ
5. 5. القياس، العمل

يتضمن ركيزة مصادر البيانات والاكتشاف فئتين من البيانات.

1. 1. تضم التطبيقات البيانات من تطبيقات ERP وSCM وCX وWMS وFusion SaaS وNetSuite وE-Business Suite وPeopleSoft وJD Edwards وSAP وSalesforce وWorkday.
2. 2. تشتمل سجلات الأعمال على معاملات المبيعات وبيانات العملاء وبيانات المنتجات وعمليات المرتجعات وبيانات الموردين وبيانات المخزون والبيانات من أنظمة نقاط البيع وبيانات الإيرادات والهامش.

تضم ركيزة الاتصال والاستيعاب والتحويل إمكاناتين.

1. 1. يستخدم استيعاب الدفعة أدوات تكامل بيانات OCI وOracle Data Integrator وDB. يستخدم تسجيل بيانات التغيير OCI GoldenGate وOracle Data Integrator.
2. 2. تتصل كلا الإمكانيتين بشكل أحادي الاتجاه في إمكانات مخزن البيانات التشغيلية داخل ركيزة الاستمرار والدقة والإنشاء.

تتكون دعامة الاستمرار والدقة والإنشاء من ثلاث إمكانات.

1. 1. يستخدم مخزن البيانات التشغيلي Oracle Autonomous Transaction Processing.
2. 2. يستخدم مخزن البيانات المقدم Oracle Autonomous Data Warehouse وأدوات قاعدة البيانات.
3. 3. تستخدم الحوكمة OCI Data Catalog.

هذه القدرات مرتبطة بالركيزة. يتم توصيل مخزن البيانات التشغيلي بشكل غير مباشر بمخزن بيانات الخدمة.

تتصل إحدى الإمكانات بركيزة التحليل والتعلم والتنبؤ: يتصل مخزن بيانات الخدمة بشكل أحادي الاتجاه بإمكانية التحليلات والتمثيل المرئي.

تشتمل ركيزة التحليل والتعلم والتنبؤ على إمكانية واحدة.

1. 1. تستخدم التحليلات والتمثيل المرئي Oracle Analytics Cloud وGraphStudio وموردي البرامج المستقلين (ISV).

تضم ركيزة القياس والعمل فئة واحدة للمستهلك: لوحات المعلومات والتقارير.

الركائز الأساسية الثلاثة - الاستيعاب، والتحويل؛ والاستمرار، والدقة، والإنشاء، والتحليل، والتعلم، والتنبؤ - مدعومة بالبنية الأساسية، والشبكة، والأمان، وIAM.

توجد طريقتان رئيستان (أو ثلاث) اختياريًا لإدخال البيانات في بنية لتمكين شركات البيع بالتجزئة من تحليل بياناتهم بشكل أفضل.

• لبدء عمليتنا، نحتاج إلى الاطلاع على البيانات المُحدثة من سجلات أعمالنا وتطبيقاتنا (على سبيل المثال، مستويات المخزون عبر مواقع البيع بالتجزئة). للقيام بذلك، نستخدم OCI GoldenGate لتمكين تغيير تسجيل البيانات (CDC) من استيعاب البيانات في الوقت الفعلي تقريبًا من قواعد البيانات التشغيلية (معالجة المعاملات). يتضمن ذلك كل السجلات أو مجموعات السجلات المنفصلة المرتبطة بمعاملات البيع بالتجزئة، بما في ذلك معاملات نقطة البيع والويب (كل من المبيعات والمرتجعات)، وبيانات المخزون والخدمات اللوجستية وسلسلة التوريد. بالإضافة إلى تشغيل استيعاب البيانات باستخدام الطوابع الزمنية أو مرشحات العلامات، يمكن استيعاب البيانات من خلال آلية CDC التي تكتشف التغييرات عند حدوثها. توفر OCI GoldenGate آلية CDC التي يمكنها معالجة تغييرات المصدر بشكل غير سائد عن طريق معالجة ملفات السجل الخاصة بالمعاملات المكتملة وتخزين هذه التغييرات المسجلة في ملفات المسار الخارجية، بشكل مستقل عن قاعدة البيانات. يتم بعد ذلك نقل التغييرات بشكل موثوق إلى قاعدة بيانات ترحيل أو مخزن بيانات تشغيلي.
• يمكننا الآن إضافة مجموعات بيانات ذات صلة بمعاملات البيع بالتجزئة الأساس، بما في ذلك بيانات المخزون والمنتجات وسجلات العملاء والعروض والأسعار. غالبًا ما تتكون مجموعات البيانات هذه من أحجام كبيرة من البيانات المحلية غالبًا، وفي معظم الحالات، يكون استيعاب الدفعات أكثر كفاءة.
  
  مع ذلك، توجد بعض الأشياء التي يجب وضعها في الاعتبار عند تحديد طريقة جمع بيانات المعاملات من مصادر تشغيلية لملء مخازن البيانات التشغيلية. تختلف التقنيات المتاحة بشكل كبير من ناحية زمن انتقال تكامل البيانات، بدءًا من الدفعات اليومية المجدولة، حتى التكامل المستمر في الوقت الفعلي. يتم تسجيل البيانات من المصادر من خلال استعلامات تزايدية يتم ترشيحها إما استنادًا إلى طابع زمني أو علامة. تختلف التقنيات أيضًا في إذا كانت تستخدم عملية سحب أو دفع؛ وتسحب عملية السحب بيانات جديدة على فترات زمنية ثابتة، بينما تدفع العملية تحميل البيانات إلى الهدف بمجرد ظهور تغيير. يكون إدخال الدفعات اليومي أكثر ملاءمة إذا لم يكن الثبات خلال اليوم مطلوبًا للبيانات—على سبيل المثال، البيانات الخاصة بالاتجاهات طويلة الأجل أو البيانات التي يتم احتسابها مرة واحدة فقط يوميًا، مثل معلومات الإقفال المالي. يمكن إجراء عمليات تحميل الدفعات في فترة توقف إذا لم يتطلب نموذج العمل توفر مستودع بيانات على مدار 24 ساعة. توجد تقنيات مختلفة، مثل التقسيم في الوقت الفعلي أو النقل المؤقت والعكس لتقليل تأثير الحمل على مستودع بيانات مباشر عند عدم توفر نافذة فترة توقف.
• اختياريًا، يمكننا أيضًا استخدام استيعاب التدفق لاستيعاب البيانات المقروءة من إشارات في مواقع المتاجر من خلال إنترنت الأشياء والاتصالات من جهاز إلى جهاز وغيرها من الوسائل. كما يمكن استهلاك التصوير بالفيديو بهذه الطريقة. بالإضافة إلى ذلك، في دراسة الحالة هذه، نعتزم تحليل مشاعر المستهلك والاستجابة لها بسرعة من خلال تحليل رسائل الوسائط الاجتماعية، والاستجابات لمنشورات الطرف الأول، ورسائل الاتجاهات. سيتم استيعاب رسائل/أحداث الوسائط الاجتماعية (التطبيق) مع خيار إجراء بعض التحويل/التجميع الأساس قبل تخزين البيانات في تخزين السحابة. يمكن استخدام تحليلات التدفق الإضافية لتحديد ارتباط أحداث المستهلكين وسلوكهم، ويمكن تغذية الأنماط المحددة (يدويًا) لعلوم بيانات OCI لفحص البيانات الأولية.

يتم بناء استمرارية البيانات ومعالجتها على مكونين.

• يُستخدم مخزن البيانات التشغيلية لإعداد التقارير التشغيلية عن البيانات الأولية وكمصدر للبيانات لمخزن بيانات خدمة على مستوى المؤسسة أو المجال أو مخزن بيانات المؤسسة (EDW). إنه عنصر تكميلي لـ EDW في بيئة دعم القرار. يمثل نظام الوثائق الرسمية في العادة قاعدة بيانات علائقية مُصممة لدمج البيانات والإبقاء عليها من مصادر متعددة لاستخدامها في العمليات الإضافية، وإعداد التقارير، والضوابط، ودعم القرارات التشغيلية، في حين يتم استخدام EDW لدعم القرارات التكتيكية والاستراتيجية. يكون في العادة نموذج بيانات نظام الوثائق الرسمية قريبًا جدًا من نموذج بيانات تطبيق مصدر OLTP. يجب قبول أي بيانات مصدر بواسطة نظام الوثائق الرسمية ويجب عدم تنفيذ قواعد جودة البيانات تقريبًا، مما يضمن أن يكون لديك متجر يمثل جميع بيانات اليوم من الأنظمة التشغيلية. على عكس مخزن البيانات الرئيس للإنتاج، لا يتم إرجاع البيانات إلى النظام التشغيلي. تكون عادةً مستودعات البيانات للقراءة فحسب ويتم تحديث الدفعة في جدول معين، بينما يتم الحفاظ على مخازن البيانات التشغيلية أقرب إلى الوقت الفعلي ويتم تغذية المخازن بشكل مستمر.
• لقد أنشأنا الآن مجموعات بيانات معالجة جاهزة للاستمرار في نموذج العلاقات المحسّن لأداء الاستعلام والمدة في مخزن بيانات الخدمة. في حالة الاستخدام هذه، يعد مخزن بيانات الخدمة مستودع بيانات، وهو نوع من المنصات الدائمة المصممة لدعم أنشطة ذكاء الأعمال والتحليلات المتطورة بشكل متزايد. يتمثل الهدف الرئيس لمستودع البيانات في دمج مؤشرات دقيقة وتقديمها لمستخدمي الأعمال لمساعدتهم على اتخاذ قرارات مدروسة في عملهم اليومي وكذلك قرارات الأعمال الاستراتيجية الأكبر. للقيام بذلك، تتميز مستودعات البيانات بأنها مُتخصصة للغاية، وتحتوي غالبًا على أحجام كبيرة من البيانات القديمة، وتهدف إلى إجراء الاستعلامات والتحليلات فحسب. يعمل مخزن البيانات على مركزية ودمج أحجام كبيرة من البيانات من مصادر متعددة، مثل ملفات سجل التطبيقات وتطبيقات المعاملات، ثم يقدمها في النموذج الأمثل للتحليل. وتسمح الإمكانات التحليلية لمستودع البيانات للمؤسسات باستخلاص رؤى تجارية قيّمة من بياناتها لتحسين عملية اتخاذ القرار. وبمرور الوقت، تنشئ سجلاً قديمًا يكون فائق القيمة لعلماء البيانات ومحللي الأعمال. بسبب هذه الإمكانات، يمكن اعتبار مخزن البيانات "بمثابة مصدر للحقيقة" في المؤسسة. كان يوجد ميل إلى عرض مستودعات البيانات على أنها أصول تقنية فحسب، لكنها في الواقع توفر بيئة فريدة لجمع مستخدمي الأعمال وتكنولوجيا المعلومات معًا لتطوير وتوفير فهم مشترك لبيئة تشغيل بائع التجزئة وإكمال مهام مثل
  • تحديد احتياجات الأعمال (المؤشرات الأساس)؛ وتحديد بيانات المصدر المتعلقة بالمؤشرات الرئيسة؛ وتحديد قواعد الأعمال لتحويل معلومات المصدر إلى مؤشرات رئيسة
  • نمذجة بنية بيانات المستودع المستهدف لتخزين المؤشرات الرئيسة
  • ملء المؤشرات من خلال تنفيذ قواعد الأعمال
  • قياس الدقة الإجمالية للبيانات عن طريق إعداد قواعد جودة البيانات
  • وضع تقارير عن المؤشرات الرئيسة
  • إتاحة المؤشرات الأساس وبيانات التعريف لمستخدمي الأعمال من خلال أدوات استعلام مُخصصة أو تقارير معرفة مُسبقًا
  • قياس رضا مستخدمي الأعمال وإضافة المؤشرات الرئيسة أو تعديلها

تعتمد القدرة على التحليل والتعلم والتنبؤ على تقنيتين.

• تقدم خدمات التحليلات والتمثيل المرئي تحليلات وصفية (تصف الاتجاهات الحالية مع المدرجات التكرارية والرسوم البيانية)، والتحليلات التنبؤية (تتوقع الأحداث المستقبلية، وتحدد الاتجاهات، وتحدد احتمالية النتائج غير المؤكدة)، والتحليلات التوجيهية (تقترح إجراءات مناسبة، تؤدي إلى اتخاذ القرارات على النحو الأمثل)، مما يمكّن شركات البيع بالتجزئة للإجابة على أسئلة مثل
  • كيف تتم مقارنة المبيعات الفعلية لهذه الفترة بالخطة الحالية؟
  • ما هي قيمة البيع بالتجزئة للمخزون المتوافر، وكيف تتم مقارنتها بنفس الفترة من السنة الماضية؟
  • ما العناصر الأكثر مبيعًا في قسم أو إدارة؟
  • ما مدى فعالية آخر ترقية؟

  إلى جانب استخدام التحليلات والتمثيلات المتقدمة، يمكن تطوير نماذج التعلم الآلي وتدريبها ونشرها.

  تمثل الحوكمة عامل حاسم يجب مراعاته عند بناء حل مثل هذا. يعتمد مستخدمو الأعمال على دقة المؤشرات الرئيسة من مستودع البيانات لاتخاذ القرارات. إذا كانت هذه المؤشرات خاطئة، فمن المرجح أيضًا أن تكون القرارات خاطئة. وفقًا لاستراتيجية جودة البيانات التي حددتها، فمن المحتمل أن يحتاج مستخدمو الأعمال إلى المشاركة بنشاط في مراقبة الاختلافات في البيانات. يتعين عليهم مساعدة فريق تكنولوجيا المعلومات على تحسين طريقة حساب المؤشرات والمساعدة في تأهيل البيانات الخاطئة وتحديدها. يؤدي ذلك بشكل عام إلى تعديل قواعد الأعمال وتحسينها بشكل قابل للاختبار.

• يمكن أن تحتوي البيانات والنماذج المُعالجة والمختبرة وعالية الجودة لدينا على قواعد وسياسات الحوكمة المطبقة ويمكن عرضها "كمنتج بيانات" (واجهة برمجة التطبيقات) داخل بنية شبكة بيانات للتوزيع عبر مؤسسة البيع بالتجزئة. يمكن أن يكون ذلك أمرًا بالغ الأهمية لمعالجة مشكلات جودة البيانات. تؤثر الجودة السيئة للبيانات على كل مؤسسة بيع بالتجزئة تقريبًا. تكون غالبًا البيانات غير المتسقة وغير الدقيقة وغير الكاملة وغير الحديثة هي السبب الرئيس لمشكلات الأعمال باهظة التكلفة مثل أوجه القصور التشغيلية والتحليل الخاطئ ووفورات الحجم غير المحققة والعملاء غير الراضين. يُمكن حل هذه المشكلات المتعلقة بجودة البيانات والمشكلات على مستوى الأعمال المرتبطة بها من خلال الالتزام ببذل جهد شامل لجودة البيانات عبر المؤسسة، والاستفادة من إمكانات البنية الموضحة أعلاه.

اتخاذ قرارات أفضل باستخدام بيانات أفضل

تم تصميم منصة بيانات Oracle لضمان وصولك على مستوى المؤسسة إلى بيانات متسقة وعالية الجودة متى وأينما احتجت إليها حتى تتمكن من القيام بما يلي:

• اتخاذ قرارات مستنيرة بشكل أفضل.
• يمكنك تقليل تكلفة التغييرات المستقبلية من خلال مشهد بيانات متسق، لكنه مرن.
• يعكس تغيرات العملية والبيانات عدة مرات بمستودعات أقل ولا يؤثر على توافر البيانات وجودتها.
• تقليل مخاطر الأخطاء في التقارير المالية والتنظيمية المهمة من خلال التخلص من النسخ المنعزلة لنفس البيانات من خلال منطق التحويل المختلف عبر مشهد بيانات المؤسسة.
• توفير تحليلات متقدمة ذاتية الخدمة واكتشاف بيانات لإعداد التقارير مع توافر بيانات أفضل بكثير—لم يعد الوصول إلى البيانات مرتبطًا بالأدوات المحددة التي تستخدمها فرق النطاق.
• تقليل تكاليف التخزين لنمو نظام الوثائق الرسمية ومخازن البيانات الأخرى.
• قضاء المزيد من الوقت في النظر إلى الرؤى التي توفرها البيانات ووقت أقل في تحديد التباينات الناتجة عن نُسخ متعددة من البيانات عبر المستودعات غير المتصلة.
• تقليل المخاطر من خلال عدم وجود نُسخ متعددة من البيانات، مما يزيد من منطقة الهجوم السطحي.