Upload
eisquare-publishing
View
336
Download
4
Embed Size (px)
Citation preview
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
205ระบบขอมลขาวกรองธรกจและ ERP
ระบบขอมลขาวกรองธรกจและ ERP
บทท8
ระบบ ERP ไดใหเครองมอทมประสทธภาพสงในการวดผลและควบคมการ
ปฏบตงานองคกรทดขน องคกรหลายแหงไดพบวาเครองมอทมคานสามารถสงเสรม
ใหมคณคายงขนดวยการเพมระบบขอมลขาวกรองธรกจ หรอ Business Intelligence
(BI) อนทรงประสทธภาพ ระบบ BI ในบรบทนไดรบการสนบสนนโดยการเกบขอมล
(คลงขอมลและระบบตางๆ ทเกยวของกน) และการศกษาการใชขอมลนเพอแกไขปญหา
ทางธรกจ (หนทางหนงในการทำสงน คอ การทำเหมองขอมล หรอ Data Mining) รปแบบ
หนงทนยมมากทสดของการทำ Data Mining ในระบบ ERP คอ สวนสนบสนนระบบ
การจดการสมพนธลกคา (Customer Relationship Management : CRM) คลงขอมล
หรอ Data Warehouse กเปนหนงในการขยายผลระบบ ERP ทนยมกนมากทสด
ซงมมากกวา 2 ใน 3 ของผผลตในสหรฐอเมรกาทใชงานและวางแผนระบบดงกลาว (และ
นอยกวา 2 ใน 3 เลกนอยสำหรบผผลตในสวเดนททำแบบเดยวกนน)1
ในบทนจะ :
t กลาวถงรปแบบของการเกบขอมลทมเพอสนบสนนระบบ ERP
t แนะนำถงแนวคดการทำ Data Mining
t ทบทวนถงตวอยางของโปรแกรมการทำ Data Mining ทวๆ ไปทเกยวของ
กบระบบ ERP
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
206 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
t แสดงตวอยางจรงของการใชงาน Data Warehouse และการทำ Data
Mining ทประสบความสำเรจ
ระบบจดเกบขอมลมความกาวหนาอยางมากในแหลงจดเกบขอมลคอมพวเตอร หลายๆ โปร-
แกรมไดประโยชนจากความจน หนงในผใชทสำคญของทบรรจขอมลขนาดใหญคอ
ระบบ ERP ซงมความตองการทจดเกบขอมลขนาดใหญเนองจากธรรมชาตของระบบ
คลงขอมล
คลงขอมล หรอ Data Warehouse ถกนยามวาเปนทจดเกบขอเทจจรงและ
ขอมลทเกยวของอยางเปนระเบยบเรยบรอยและเขาถงไดงาย เพอใชเปนพนฐานสำหรบ
การตดสนใจทดกวาของผบรหาร2 นยามทสมบรณอกอยาง คอ การรวบรวมขอมลทมง
เนนหวเรอง (Subject-oriented) ทเปนแบบบรณาการ แปรผนตามเวลา (Time-variant)
และไมเปลยนแปลงไดงายเพอสนบสนนกระบวนการตดสนใจของฝายบรหาร”3 Data
Warehouse ชวยใหทกๆ คนเขาถงขอมลทางธรกจ ผลตภณฑ และลกคาของบรษท
สงนเองททำใหองคกรสามารถจดการเรองตางๆ ตามหวเรอง แทนทจะเปนกระบวนการ
ระบบเหลานไดเกบขอมลปรมาณมากจากหลายแหลงทมาในแนวทางการบรณาการ
ขอมลไดถกระบกำหนดจากชวงของเวลา การไมเปลยนแปลงไดงาย (Nonvolatile)
หมายถง ขอมลมเสถยรภาพหลงจากการจดรปแบบและระเบยบจะไมถกยายออก
ไป คณลกษณะเพมเตมคอประสทธภาพ ซงทำใหดงขอมลเฉพาะเจาะจงไดดวยความ
รวดเรว ERP ไดทำใหเกดขอมลจำนวนมหาศาล และบอยครงทใช Data Warehouse
เพอรองรบ ERP
โดยทวไปแลว ระบบ Data Warehouse เกบขอมลในรปแบบหนวยขนาดเลก
(Fine Granular Form) ซงสมพนธกบระบบอนๆ อยางเชน ตลาดขอมล หรอ Data Marts
การประมวลผลเชงวเคราะหแบบออนไลน (On-line Analytic Processing : OLAP)
และรปแบบของระบบสนบสนนการตดสนใจ (Decision Support System : DSS) อนๆ
สามารถสรปหรอนำมาทำเปนภาพรวมได Data Warehouse อนๆ รวมถง Metadata
Repository ซงจดการกบขอมลทถกเกบเพอใหแนใจไดถงเอกภาพของขอมล (Data
Integrity) และความรวดเรวในการคนหาขอมล (Speed Retrieval) Data Warehouse
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
214 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
หาความแมนยำและความสมบรณ ควรสงเกตทบทวนอยางรวดเรวหลงจากขอมลถก
ถายโอน เพอใหแนใจวาจำนวนของรายการ (Record) ไดถกถายโอนไปอยางครบถวน
และการตรวจยอดผลรวมของขอมลในรายการ กเปนเสมอนเครองมอตรวจสอบความ
ถกตองแมนยำ การตรวจสอบความใชไดของขอมลในระดบรายละเอยดทมากกวาน
มกทำกนในชวงการเรมนำ Data Warehouse ไปใช ควรตองมอบหมายความเปนเจาของ
และความรบผดชอบในขอมลแกบคคลหรอหนวยงานทเฉพาะเจาะจง การตรวจสอบ
ความใชไดของขอมลแบบละเอยดนนจะตรวจทงขอมลครบถวนสมบรณและถกตอง ตรวจ
กบกฎระเบยบทางธรกจวาไดปฏบตตามหรอไม และตรวจสอบวากระบวนการตางๆ (การ
นำขอมลมารวมเขาดวยกน การคดกรองขอมล การทำความสะอาดขอมล และการรวม
ขอมล) ไดทำอยางเหมาะสมหรอไม ขอมลยงตองถกตรวจสอบเพอใหแนใจวาการรบเขา
อยในระดบความเบยงเบนทรบได ขอผดพลาดใดๆ ทถกตรวจพบควรไดรบการสบสวน
เพอหาสาเหต เพอใหมการเปลยนแปลงแกไขตอระบบโดยรวมไดอยางเหมาะสม
Data Marts เปนผลตภณฑทออกแบบมาเพอเลอกขอมลทเจาะจงจาก Data
Warehouse (และจากแหลงภายนอกดวย) เพอใชในการวเคราะห โดยเฉพาะอยางยง
ใน Data Mining ผลตภณฑ OLAP มหลากหลายรปแบบ แตทงหมดกเพอใหผใชสามารถ
ออกแบบรายงานเพอใหพวกเขาเขาใจลกถงสภาพแวดลอมในการปฏบตงาน ตารางท 8.1
เปรยบเทยบผลตภณฑฐานขอมล 3 แบบทไดกลาวถงไวแบบกวางๆ
ผลตภณฑ การใชงาน ระยะเวลา ความละเอยด
DataWarehouse จดเกบขอมล ถาวร ละเอยดทสด
DataMart ศกษาเรองทเฉพาะเจาะจง ชวคราว ระดบรวม
OLAP รายงานและการวเคราะห ทำซำๆกนได สรป
ตารางท 8.1 การเปรยบเทยบผลตภณฑฐานขอมลทเกยวของกบ ERP
คณภาพของขอมลเปนสงสำคญมากในการทำใหแนใจวามความถกตองแมน-
ยำทจำเปนสำหรบการใชระบบอยางประสบความสำเรจ ตองตรวจสอบความถกตอง
แมนยำของขอมลกอนนำเขาส Data Warehouse ในระบบในอดมคตนน ถาขอมล
ทนำเขาถกตองแลว ควรจะมปญหาเพยงไมกอยางเทานนทเกดขนในระหวางการปฏบต-
งานทตามมา แตในความเปนจรงแลว จะตองมการปรบปรงขอมลจำนวนมากเสมอ
ซงทำใหการจดการ Data Warehouse เปนสงททาทาย
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
220 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
ระบบจดการความสมพนธลกคา
ธรกจการธนาคารเปนหนงในผใชงานกลมแรกของ Data Mining Kiesnoski
ไดรายงานวาธนาคารไดหนมาใชเทคโนโลยเพอคนหาวาอะไรเปนสงจงใจลกคา และอะไร
จะทำใหรกษาธรกจไวได (การจดการความสมพนธลกคา : CRM)15 การเขาใจถงคณคา
ในมมมองของลกคา ไดชวยใหธนาคารสามารถประเมนคาใชจายทเพมขนเพอการรกษา
ลกคาไวไดอยางสมเหตสมผล นกวเคราะหของ Tower Group ไดทำนายวา คาใชจาย
ของธนาคารสหรฐฯ สำหรบการทำ CRM จะเพมขน 11% ตอป บรษททปรกษา Deloitte
Consulting พบวา ผบรหารอาวโสของธนาคารเพยง 31% เทานน ทมนใจวาสวนผสมการ
จดจำหนายของธนาคารในปจจบนเปนตามความคาดหมายตามความตองการของลกคา
รปแบบของ Data Mining ซงสวนใหญมอยในระบบ ERP คอการจดการ
ความสมพนธลกคา (CRM) ระบบ CRM ชวยธรกจตางๆ สามารถบงชความสามารถ
ในการทำกำไรของลกคาทเจาะจงไดและเพมโอกาสในการรกษาลกคานนๆ ไว สงนจะ
บรรลผลไดดวยการมขอมลทเกยวของทงหมดอยพรอมเมอตองการ เพอการวางแผน
ขายผลตภณฑและใหบรการตลอดวงจรชวตลกคา SAP ผเคยเปนผนำในการยกระดบ
ความสามารถของผลตภณฑของตนเพอสนบสนน CRM16 คาดวาผคาปลกใชเงนถง
15% ของงบประมาณ IT สำหรบระบบ CRM (เมอเทยบกบการใช 35% ในการทำ ERP
โดยตรง)17 อยางไรกตาม กเปนเชนเดยวกบโปรแกรมทมนวตกรรมทางเทคโนโลยใดๆ
ทมกเตบโตอยางไมราบรน จากการศกษาของบรษท Ernst & Young ไดตงขอสงเกต
ไววา อตราความลมเหลวของ CRM อย ประมาณท 70-80% และผลประโยชนท
วางแผนไวกหางจากกบผลทไดจรงจากระบบ CRM อยมาก18 แตอยางไรกตาม ตวเลข
เหลานกเปนสงปกตของโครงการสารสนเทศ เชนเดยวกบเทคโนโลยใดๆ ทตองมการ
ตระหนกถงความเสยงไปพรอมๆ กบตระหนกถงโอกาสในการจดการทรพยากรองคกรให
มประสทธผลมากยงขน
ธนาคารสามารถทำกำไรไดจากลกคาบางสวนมากกวาลกคารายอนๆ มเพยง
3% ของลกคาทบรษทการเงน Norwest (ทควบรวมกบ Well Fargo) ไดใหกำไรถง
44%19 ธนาคาร Bank of America ไดใชโปรแกรมเพอตามตดลกคาชนด 10% ของตน
ผลตภณฑ CRM ทำใหธนาคารสามารถกำหนดและบงชลกคาและความสมพนธของ
คนในครอบครวได สงนเปนขนแรกของกระบวนการซงตองทำใหแพรกระจายไปทวทง
องคกรธนาคารเพอใหเกบเกยวความไดเปรยบจากการออกแบบผลตภณฑใหดยงขนและ
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
222 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
โดยทวไปการสงเสรมทางการตลาดของบตรเครดตธนาคารมการตอบสนอง
1,000 รายตอไปรษณยทเชญใหรบบรการ คดเปนอตราการตอบรบประมาณ 1% อตรา
นปรบปรงขนอยางมากจากการวเคราะห Data Mining21 ในการสำรวจสถาบนการเงน
175 แหงพบวา ม 24% มการใช Data Warehouse ในป 1997 ซงตอมาในป 1998
สดสวนนเพมขนเปน 36%
เครองมอในการทำ Data Mining ทธนาคารใชประกอบดวยการประเมนคะแนน
เครดต (Credit Scoring)22 หลกสำคญคอการม Data Warehouse ทรวบรวมครอบคลม
ทกผลตภณฑ รวมถงเงนฝากเผอเรยก เงนฝากออมทรพย เงนก บตรเครดต ประกนภย
เงนลงทนทรบเงนคนเปนรายป โปรแกรมเกษยณอาย หลกทรพย และผลตภณฑทก
อยางทธนาคารใหบรการ ทผานมาการประเมนคะแนนเครดตทำโดยเจาหนาทฝายสนเชอ
ของธนาคาร ซงพจารณาตวแปรททดสอบไมกตว เชน การจางงาน รายได อาย ทรพยสน
หนสน และประวตการกยม แตทวา การประเมนคะแนนเครดตอตโนมตไดประยกตใช
แบบจำลองเชงสถตและคณตศาสตรซงประกอบดวยตวแปรจำนวนมากกวาและมขนาด
สดสวนทใหญกวา การประเมนแบบอตโนมตไดให “ตวเลข” สำหรบผขอสนเชอโดย
การคณคาถวงนำหนกทหาไดโดยการจดอนดบการวเคราะห Data Mining สำหรบ
ผขอสนเชอนน คะแนนเครดตนสามารถใชเพอตอบรบหรอปฏเสธใบสมครขอสนเชอนนๆ
ได อกทงใชเพอกำหนดวงเงนเครดตไดเชนกน
ธนาคารสามารถเสนอขายผลตภณฑทกำหนดไวเฉพาะสำหรบลกคาแกลกคา
ซงใช ATM ถาฐานขอมลบงชวาลกคาทมอยใหมรายนเปนลกคาทมคะแนนเครดตสง
แลว แสดงวาลกคาอาจเปลยนบานใหญขนและอาจเปนเปาหมายสำคญสำหรบการ
ขยายวงเงนเครดตได ใหบตรเครดตทวงเงนสงขน หรอใหกเงนปรบปรงบาน ซงสามารถ
แจงขอเสนอนไปทางใบรายการแจงยอด (Statement) ได ฐานขอมลเหลานยงสามารถ
ใชสนบสนนตวแทนทางโทรศพทเมอลกคาโทรเขามาไดอกดวย โดยหนาจอคอมพวเตอร
ของตวแทนจะแสดงคณสมบตของลกคาและผลตภณฑทลกคาอาจสนใจได
คลนลกใหมทางเทคโนโลยกำลงขยายการใชงานฐานขอมลและกลยทธการตลาด
เปาหมายใหขยายออกไป ในชวงตนทศวรรษท 1990 ผออกบตรเครดตเกอบทงหมดใช
การตลาดแบบมวลชน (Mass-Marketing) เพอขยายฐานของผถอบตร23 อยางไรกตาม
เนองจากมบตรจำนวนมากในตลาด ทำใหแคมเปญการตลาดแบบเหวยงแหไมคอยม
ประสทธผลดงทเคยใชไดในอดต ผออกบตรกำลงตรวจสอบมลคาปจจบนสทธทคาดหวง
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
224 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
สามารถระบกจกรรมทไมปกตของนกบำบดโรคกระดกสนหลง หรอทนายความทเฉพาะ
เจาะจงได สวน HNC Insurance Solutions กมงเนนในดานการโกงคาชดเชยของ
คนงาน ซอฟตแวร VerComp ของ HNC มความสามารถในการทำนายซงเปรยบเทยบ
การเคลมกบสงทเปนรปแบบปกตได VerComp ใชโครงขายประสาทเทยม (Neural
Network) กบขอมลการเคลมในอดต ระบบนไดรบการยอมรบวาสามารถประหยดใหกบ
รฐยทาหมากกวา 2 ลานเหรยญสหรฐฯ และยงนำไปใชโดยบรตชโคลมเบยดวย26
โทรคมนาคม
การผอนคลายกฎระเบยบในอตสาหกรรมโทรศพทนำมาซงการแขงขนอยาง
กวางขวาง ผใหบรการโทรศพทไดตอสอยางหนกเพอใหไดลกคา แตเมอใดทไดลกคา
มาแลวกจะถกโจมตโดยคแขงอก และการรกษาลกคาไวกเปนสงทยากมาก ปรากฏการณ
ทลกคาเปลยนผใหบรการไปมา ถกเรยกวา “Churn” ซงเปนแนวคดพนฐานในธรกจ
โทรศพทและดานอนๆ เชนกน
ผอำนวยการดานการตลาดผลตภณฑสำหรบบรษทสอสารพจารณาวา 1 ใน
3 ของ “Churn” เกดจากคณภาพโทรศพทท ไมด และอกคร งหนงเกดจากอปกรณ
ไมด บรษทนมระบบเฝาตดตามสมรรถนะของโทรศพทไรสาย27 ระบบนไดลด “Churn”
ลงไดประมาณ 61% ซ งเทากบการรกษาลกคาของบรษทท งหมดไวประมาณ 3%
ตลอดทงชวงระยะเวลา 1 ป ทปรมาณธรกจโดยเฉลยอยท 150 เหรยญสหรฐฯ ตอ
เดอน การทำให Churn ลดลงน ประมาณวาเทากบรายรบถง 580,000 เหรยญสหรฐฯ
ตอป ระบบปองกนการโกงโทรศพทพกพาของบรษทไดเฝาตดตามสญญาณการสอสาร
เพอระบโทรศพททผดปกต เมอโทรศพทเรมมอาการเสย ระบบจะเตอนพนกงานการ
ตลาดทางโทรศพทใหตดตอลกคาและแนะนำใหนำอปกรณไปเขารบบรการ
บรษท Metapath ไดทำการตลาดระบบปฏบตการการสอสารสำหรบวสาหกจ
(Communication Enterprise Operating System) ในการชวยระบปญหาใหกบลกคา
ทางโทรศพท28 การวางสาย รปแบบการเคลอนท และขอมลสถตประชากรถกบนทก
ไว สงนชวยบรษทในการตงเปาหมายลกคาทเจาะจงได นอกจากนลกคาทไดรบบรการ
บกพรองจะถกตดตอกอนทลกคาจะรองเรยน ซงทำใหบรษทเสนอวธการแกปญหากอนท
ลกคาเปลยนไปใชบรการจากคแขง
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
225ระบบขอมลขาวกรองธรกจและ ERP
อกแนวทางหนงในการลด “Churn” คอ เพอปองกนลกคาจากถกโกงโดยการ
“Clone” เครอง เคยมการประมาณการไววา การ “Clone” (เปนการใชโทรศพทโดยสง
ขอมลเลยนแบบหมายเลขจรงเพอใหคาโทรศพททใชไปอยในหมายเลขจรง) มมลคา
ถง 650 ลานเหรยญสหรฐฯ ในป 199629 มการทำการตลาดระบบปองกนการโกง
จำนวนหนง ระบบเหลานทำใหมการตรวจสอบทโปรงใสแกผใชทถกตองตามกฏหมาย
เคยมการประมาณการไววา การโกงประเภทนมผลกระทบตอเศรษฐกจถง 1.1 พนลาน
เหรยญสหรฐฯ บญชลกคาทเบยว (Deadbeat Accounts) และการยกเลกบรการไดนำ
มาใชในการคดกรองใบสมครลกคาทมโอกาสฉอโกง โปรแกรม Churn Prophet และ
Churn Alert เปนเคร องมอซ งประยกตใช Data Mining ในการทำนายคณสมบต
ของลกคาท ไดเคยยกเลกบรการในอดต Arbor/Mobile เปนชดของผลตภณฑซ ง
ประกอบไปดวยการวเคราะห “Churn” นอกจากน ยงมผลตภณฑอนๆ จำนวนหนง
ทใหบรการนแกผใหบรการโทรศพทดวย
“Churn” เปนแนวคดทใชในการปฏบตการการตลาดของธรกจคาปลกจำนวน
มาก ธนาคารไดใชขอมล “Churn” อยางกวางขวางในการผลกดนการสงเสรมการขาย30
เมอการทำ Data Mining บงชลกคาตามคณสมบตแลว จะใชการตลาดทางโทรศพท
และการขายตรงทางไปรษณยเพอนำเสนอโปรแกรมสงเสรมการขายของธนาคาร ตลาด
สนเชอจำนองพบวามการรไฟแนนซ (Refinance) ครงใหญในชวงตนทศวรรษท 1990
ธนาคารไวพอทจะรวาตองทำใหลกคาสนเชอเหลานมความพอใจ หากธนาคารตองการ
รกษาธรกจไว สงนทำใหธนาคารตดตอลกคาแตละรายทถอสญญาจำนองทมอตรา
ดอกเบยสงกวาอตราตลาด แมวาธนาคารอาจตองตดบญชทใหผลกำไรงามไป แต
ธนาคารกรวาถาธนาคารไมใหบรการทดกวากบผกแลว คแขงกอาจเสนอแทนได ดวย
การใชการทำ Data Mining และการตลาดทางโทรศพทแลว Crestar Mortgage ได
รายงานวามอตราการคงรกษาลกคาไดเพมขนจาก 8% เปนมากกวา 20% ในเวลา 1 ป
การตลาดทางโทรศพท
ชดเจนวาผใหบรการทางโทรศพทเปนหนงในบรรดาหลายๆ บรษทรายทใช
ประโยชนจากการตลาดทางโทรศพท บรษท MCI Communication ไดใชประโยชน
กลยทธของ Data Marts ซงดงขอมลลกคาทคาดหวงจาก Data Warehouse ขอมลน
โดยปกตจะนำไปประยกตใชในโปรแกรม 2 เดอน วธการนเคยไดรบการยอมรบวาชวย
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
230 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
230 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
กรณศกษาจรง : ระบบ Data Warehouse ของ Wal-Mart
Wal-Mart ไดกอตงขนในป 1962 และมการเตบโตอยางชดเจนในตลาดคาปลก
เหตผลพนฐานหนงของการมอทธพลนคอ การใชงานเทคโนโลยสารสนเทศ ซงใชเพอ
สนบสนนความสามารถหลกของ Wal-Mart ในการกระจายโซอปทานออกไปมากกวา
2,900 ชองทาง Wal-Mart ใช Data Warehouse ซงประกอบดวยขอมลขนาด 101
เทระไบต ซงเชอวาเปนฐานขอมลทางการคาทใหญทสดในโลก36 มการลงทนในการ
ปฏบตการ Data Warehouse มากกวา 4 พนลานเหรยญสหรฐฯ
Data Warehouse ของ Wal-Mart ในชวงแรกถกเกบจากจดขาย (Point-
of-Sale) และขอมลการขนสง ซงสงเหลานไดเสรมดวยสารสนเทศดานสนคาคงคลง
การพยากรณ ขอมลประชากร การลดราคา (Markdown) การคนสนคา (Return)
และราคาตลาดตามกลมสนคา (Market Basket) รวมถงขอมลเกยวกบคแขงดวย
เชนกน ระบบประมวลผล 65 ลานรายการตอสปดาห Data Warehouse ของ Wal-
Mart จะมขอมล 65 สปดาหแบงตามรายการสนคา ตามรานคา และตามวน
สารสนเทศนสนบสนนการทำการตดสนใจ ผซอ ผขาย บคลากรดานลอจสตกส
และนกพยากรณสามารถเขาถง Data Warehouse ไดโดยตรง ดงทหนสวนคคา
3,500 รายไดทำอย ระบบสามารถจดการการสอบถาม (Query) มากกวา 35,000
รายการตอสปดาห ผลประโยชนของการปฏบตการนไดประมาณไวมากกวา 12,000
เหรยญสหรฐฯ ตอ 1 การสอบถาม โดยผใชทมสทธเพยงไมกรายดำเนนการประมาณ
1,000 การสอบถามตอสปดาห
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
231ระบบขอมลขาวกรองธรกจและ ERP 231ระบบขอมลขาวกรองธรกจและ ERP
กรณศกษาจรง : การทำ Data Mining ท Fingerhut
บรษท Fingerhut Companies, Inc เปนผบกเบกในการใชงานการทำ Data
Mining สำหรบการตลาดในการคาปลกแบบใชแคตตาลอก (Catalog Retail-
ing) Fingerhut ไดกอตงขนในป 1948 และสงแคตตาลอกออกไปประมาณ 130
แบบทแตกตางกน ใหกบลกคามากกวา 65 ลานคน38 บรษทม Data Warehouse
ขนาด 6 เทระไบต การวเคราะหการทำ Data Mining ไดมงพจารณาท 3,000
ตวแปรซงสมพนธกบลกคา 12 ลานรายทยงคงเปนลกคาสมำเสมอ Fingerhut
มการใชแบบจำลองเชงพยากรณกวา 300 แบบ
หางสรรพสนคา Federated ไดซ อบรษท Fingerhut ดวยมลคา 1.7
พนลานเหรยญสหรฐฯ ในเดอนกมภาพนธ ป 1999 เพอเขาถอครองฐานขอมล
ของบรษท39 ในป 2002 การปฏบตงานของ Fingerhut ไดลดขนาดลง Fing-
erhut ไดแสดงใหเหนวาไดใช Data Mining สำหรบการแบงสวนแบงทางการ
ตลาด (Market Segmentation) ทประสบความสำเรจอยางสง ดวยธรกจขนาด
1.6-2 พนลานเหรยญสหรฐฯ ตอป โดยตงเปาหมายไวทผมรายไดตำ40 บรษท
สามารถสงแคตตาลอกทางไปรษณยไดถง 400,000 ชดตอวน และกระจายแคต-
ตาลอกพเศษเฉพาะ 340 ลานเลมตอปไปยงลกคาทยงคงเปนลกคาสมำเสมอถง 7
ลานราย41 แตละสายผลตภณฑมแคตตาลอกเฉพาะของตนเอง ไดมการบงชลกคา
เปาหมายเปนกลมยอยขนาดเลกของผซงมความเปนไปไดทจะซอ (หลกการของ Lift
ในนยามดานการตลาด : ดไดทภาคผนวกทายบท) หางสรรพสนคา Federated
วางแผนทจะถายโอนเทคโนโลยของ Fingerhut ไปยงราน Macy และ Blooming-
dale ของตน
Fingerhut ใชเครองมอการแบงเซกเมนต แผนภมทางเลอกตดสนใจ (De-
cision Tree) การวเคราะหความถดถอย (Regression Analysis) และเครองมอสราง
แบบจำลอง Neural จาก SAS (สำหรบเครองมอวเคราะหความถดถอย) และ SPSS
Inc. (สำหรบเครองมอโครงขายประสาทเทยมหรอ Neural Network) เมอหนง
ในผทเปนลกคาสมำเสมอ 7 ลานรายของ Fingerhut สงซอสนคา (ของเลน เกม
ของใชในบาน และรายการอนอกมาก) แลว ขอมลธรกรรม ขอมลเชงประชากร
และขอมลเชงจตวทยาจะถกเกบในฐานขอมลเชงสมพนธ (Relational Database)
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
234 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
ภาคผนวก
Lift ในการทำ Data Mining ผขายปลกและผผลตทราบวาพวกเขากำลงสญเงนจำนวนมากโดยเปลาประโยชน
เพอการทำตลาดแบบมวลชน (Mass Marketing) หลกการของ Lift มความสำคญมาก
ในการสงเสรมการตลาด Lift เปนผลตางระหวางความนาจะเปนเฉลยของการตอบ
สนองเชงบวกและการตอบสนองทไดรบจรง เราสามารถแบงขอมลเปนกลมละเอยดได
เทาทตองการได (ในทนไดแบงประชากรออกเปน 20 สวนเทาๆ กน หรอกลมละ 5%)
กลมเหลานมคณลกษณะเฉพาะบางอยางทบงชได อยางเชน รหสไปรษณย ระดบ
รายได และความชอบ จากนนเราสามารถสมตวอยางและจำแนกสวนของยอดขายสำหรบ
แตละกลมได แนวคดเบองหลง Lift คอการสงเอกสารสงเสรมการขาย (ซงมตนทน)
ไปยงกลมคนซงมความนาจะเปนมากทสดทจะตอบสนองเชงบวกเปนอนดบแรก เรา
สามารถมอง Lift ออกมาเปนภาพโดยพลอตผลการตอบสนองเทยบกบสดสวนของ
ประชากรทงหมดของลกคาทมศกยภาพ
ทงการตอบสนองสะสมและอตราสวนประชากรสะสมถกพลอตออกมาเพอ
บงช Lift ซง Lift กคอผลตางระหวางเสนกราฟ 2 เสน ทอยในหนาถดไป
จดประสงคของการวเคราะห Lift คอ การทำใหไดกำไรสงสดโดยการบงช
สดสวนประชากรทจะไดรบเอกสารสงเสรมการขาย ตวอยางเชน ถาคาดวาจะไดกำไร
โดยเฉลย 6 เหรยญสหรฐฯ ตอแตละการตอบสนอง และคาดวามตนทน 5 เหรยญ
สหรฐฯ สำหรบเอกสารสงเสรมการขายทสงออกไปแตละชดแลว กเหนไดชดเจนวาจะ
สามารถทำกำไรไดมากกวาหากสงไปทเซกเมนตแรก ซงมอตราการตอบสนองทคาดหวง
เซกเมนต การตอบสนอง เซกเมนต การตอบสนอง เซกเมนต การตอบสนอง
การตอบสนองสงสด 0.0987% อนดบท8 0.0623% อนดบท15 0.0273%
อนดบท2 0.0923 อนดบท9 0.0573 อนดบท16 0.0223
อนดบท3 0.0873 อนดบท10 0.0523 อนดบท17 0.0173
อนดบท4 0.0823 อนดบท11 0.0473 อนดบท18 0.0125
อนดบท5 0.0773 อนดบท12 0.0423 อนดบท19 0.0080
อนดบท6 0.0723 อนดบท13 0.0373 อนดบท20 0.0040
อนดบท7 0.0673 อนดบท14 0.0323
สดสวนการตอบสนองตามเซกเมนต
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
237ระบบขอมลขาวกรองธรกจและ ERP
คำสำคญ
การเขาคกน (Matching) คอ ความสมพนธของตวแปรภายในฐานขอมล
การจดการความสมพนธลกคา (Customer Relationship Management :
CRM) คอ ซอฟตแวรทมจดประสงคในการเฝาตดตามความตองการลกคา และการชวย
องคกรในการคงรกษาธรกจไว ระบบสนบสนนของการทำ Data Mining ใน CRM
ประกอบดวยการบงชคณคาของคณสมบตสวนตวของลกคา
การคนพบองคความรใหม (Knowledge Discovery) คอ การตรวจสอบขอมล
โดยไมมการตงขอสงเกตใดไวกอน
การตลาดจลภาค (Micro Marketing) คอ การตงเปาหมายแคมเปญสงเสรม
การขายทมฐานจากขอมลเกยวกบลกคาวานาจะตอบสนองอยางไร
การทดสอบสมมตฐาน (Hypothesis Testing) คอ การทดสอบเชงสถตอยาง
เปนระบบของความสมพนธทนำเสนอ
การทำขอมลใหเปนมาตรฐาน (Data Standardization) คอ กระบวนการ
ของการพฒนาคาตวแปรทเปนเอกลกษณ
การทำเหมองขอมล (Data Mining) คอ การใชสถตหรอปญญาประดษฐ (AI)
เพอยนยนสมมตฐานหรอบงชรปแบบ
การประมวลผลเชงวเคราะหแบบออนไลน (On-line Analytic Processing :
OLAP) คอ ฐานขอมลหลายมต ซงมการออกรายงานและการสนบสนนทางรปภาพ
คลงขอมล (Data Warehouse) การเกบขอมลทมงตามหวเรอง (Subject-
oriented) ทบรณาการ แปรผนตามเวลา และการไมเปลยนแปลงไดงาย
ความสามารถในการปรบขนาดโครงการได (Scalability) คอ ความสามารถ
ของระบบในการจดการกบปรมาณขอมลทเพมขน
ความเปนอเนกประสงค (Versatility) คอ ความสามารถของระบบในการ
ประยกตใชกบแบบจำลองการทำ Data Mining ทหลากหลาย
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
238 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
คณภาพขอมล (Data Quality) คอ ความถกตองแมนยำและความสมบรณ
ของขอมลทมรปแบบทเหมาะสม
ตลาดขอมล (Data Marts) คอ Data Warehouse ขนาดเลก หรอผลตภณฑ
ฐานขอมลทรวบรวมขอมลจากการศกษาเฉพาะทาง
เอกภาพของขอมล (Data Integrity) คอ การไมมขอมลทไมมความหมาย
เสยหาย หรอซำซอน
Churn คอ การทลกคาหมนเวยนเปลยนไปมาตามโปรแกรมสงเสรมการขายของ
คแขง
Granular คอ ระดบของความละเอยดในขอมล
Copyri
ghted
Mate
rial o
f E.I.S
QUARE PUBLIS
HING
240 ERP สำหรบผบรหาร : ประเดนในการเลอกใช ดำเนนโครงการ และขยายผล
1V. M. Mabert, A. Soni, และ M. A. Venkataramanan, “Enterprise Resource Planning Survey of U.S. Manufacturing Firms,”Production and Inventory Management Journal 41, ฉบบท 20 (ป 2000), หนา 52-58; และ J. Olhager และ E. Selldin, “Enterprise Resource Planning Survey of Swedish Manufacturing Firms,” European Journal of Operational Research 146 (ป 2003), หนา 365-732M. Katz, ed., Price Waterhouse Technology Forecast: 1997 (Mento Park, CA: Price Waterhouse World Technology Centre).3W. Inmon, “Data Mart Does Not Equal Data Warehouse ,” DMReview.com, วนท 18 เดอนกรกฎาคม ป 20004R. Whiting and J. Sweat, “Profitable Customer,” Informationweek, วนท 29 เดอนมนาคม ป 1999 หนา 44-56 5D. Browning and J. Mundy, “Data Warehouse Design Considerations,” Microsoft Corporation, เดอนธนวาคม ป 2001, www.msn.com6T. Barron, “OLAP Goes Online,” Informationweek, วนท 20 เดอนกนยายน ป 1999 หนา 90-937เลมเดยวกน8J. Wu, “Ensuring Data Integrity (Parts1, 2 และ 3), DM Review, วนท 18 เดอนกรกฎาคม ป 2000 วนท 7 เดอนสงหาคม ป 2000 วนท 14 เดอนสงหาคม ป 2000 www.datawarehouse.com9W. Inmon และ R. Hackathorn, Using the Data Warehouse (New York: John Wiley & Sons, 1994); R. Kimball, The Data Warehouse Toolkit: Practical Techniques for Building Dimension Data Warehourse (New York: John Wiley & Sons, 1996); M. Corey, M. Abbey, I. Abramson, L. Barnes, B. Taub, and R. Venkitachalam, Data Warehousing (New York: Osborne, 1999)10M. J. A. Berry และ G. Linoff, Data Mining Techniques (New York: John Wiley & Sons, 1997)11Whiting and Sweat, “Profitable Customer”12R. McKim, “Betting on Loyalty Marketing,” Zip/Target Marketing 22 ฉบบท 3 (เดอนมนาคม ป 1999) หนา 42-4313Whiting and Sweat, “Profitable Customer”14S. Weinstein, “Tacking Technology,” Progressive Grocer 78 ฉบบท 2 (เดอนกมภาพนธ ป 1999) หนา 43-4915K. Kiesnoski, “ Customer Relationship Management,” Bank System & Technology 36, ฉบบท 4 (เดอนกมภาพนธ ป 1999) หนา 30-3416K. T. Higgins, “Tomorrow the Front Office,” Marketing Management 8 ฉบบท 2 (ฤดรอน ป 1999) หนา 4-717A. Bednarz, “Cents and Retail Sensibility,” Network World 19, ฉบบท 1 (วนท 7 เดอนมกราคม ป 2002) หนา 21-2218W. Holland and G. Skarke, “Is Your IT System VESTed?” Strategic Finance 83, ฉบบท 6 (เดอนธนวาคม ป 2001) หนา 34-37 19Kiesnoski, “ Customer Relationship Management,”20P. Demery, “The Decade of Marketing,” Credit Card Management 11, ฉบบท 11 (เดอนกมภาพนธ ป 1999) หนา 74-8421เลมเดยวกน22A. Levinsohn, “Modern miners Plumb for Gold,” ABA Banking Journal 90, ฉบบท 12 (เดอนธนวาคม ป 1998), หนา 52-5523Demery, “Decade of Marketing.”24 T. Hoffman, “Finding a Rich Niche,” Computerworld 33, ฉบบท 6 (วนท 8 เดอนกมภาพนธ ป 1999), หนา 44.25T. Goveia, “Short Circuiting Crime,” Canadian insurance 104, ฉบบท 5 (เดอนพฤษภาคม ป 1999), หนา 16-17.26เลมเดยวกน27B. Reeves, “ All in the Family,” Wireless Review 15, ฉบบท 7 (วนท 1 เดอนเมษายน ป 1998), หนา 42-5028เลมเดยวกน29เลมเดยวกน30M. McGarity, “Keeping your Borrowers,” Mortgage Banking 58, ฉบบท 9 (เดอนมถนายน ป 1998), หนา 12-23.31T. Hoffman, “MCI Connects with Disposable Merts,” Computerworld 31, ฉบบท 50 (วนท 15 เดอนธนวาคม ป 1997), หนา 67-70.32R. Robinsin, “1:1 Marketing: An Integrated Strategy to Reach Customers,” Telemarketing 15, ฉบบท 11 (เดอนพฤษภาคม ป 1997), หนา 66-74.33B. Roberts, “HR’s Link to the Corporate Big Picture,” HRMagazine 44, ฉบบท 4 (เดอนเมษายน ป 1999), หนา 103-110.34J. M. Connolly, “Fast Facts,” Computerworld 33, ฉบบท 20 (วนท 17 เดอนพฤษภาคม ป 1999), หนา.98.35K. Kiesonoki, “PNC Add GUI-Based Modeling Solution,” Bank Systems & Technology 36, ฉบบท 4 (เดอนเมษายน ป 1999), หนา 18.36P.S. Foote and M. Krishnamurfhi, “Forecasting Using Data Warehouseing Modle: Wal-Mart’s Experince,” The Journal of Business Forecasting, Fall 2001, หนา 13-1737S. Patton, “The Truth about CRM,” CIO Magazine, วนท 1 เดอนพฤษภาคม ป 2001 www.cio.com/archive/050101/truth_content.html38J. Lach, “Data Mining Digs In,” American Demographic 21, ฉบบท 7 (เดอนกรกฎาคม ป 1999), หนา 38-45.39G. Rosenberg, “The e-Tailing Phenomenon: Wall Street Helps Retailers, Mad Dash to the Internet,” Investment Dealers Digest, วนท 31 เดอนพฤษภาคม ป 1999, หนา 18-22.40Whiting and Sweat, “Profitable Customers.”41D. Campbell, R. Erdahl, D. Johnson, E. Bibelnieks, M. Haydock, M. Bullock, and H. Crowder, “Optimizing Customer Mail Streams at Fingerhut,” Interfaces 31, ฉบบท 1 (ป 2001), หนา 77-90.42D. Pearson, “Markwting for Survival,” CIO 11, ฉบบท 13, (วนท 15 เดอนเมษายน ป 1998), หนา 44-48.43S. Deck, “Mining Your Business,” Computerworld 33, ฉบบท 20 (วนท 17 เดอนพฤษภาคม ป 1999), หนา 94-98.44Campbell et al., “Optimizing Customer Mail Streams.”45Deck, “Mining Your Business.”46s. Chiger, “Bragging Rights,” Catalog Age 15, ฉบบท 9 (เดอนสงหาคม ป 1998), หนา 1, 66.
หมายเหต