在2000多年前的古羅馬競技場，角斗士們被迫手握短劍進行著殊死的搏斗，最終可能走向同樣的命運：用自己鮮活的生命去當祭品。而在四周的看臺上，驕奢殘忍的王公大臣和打扮得花枝招展的貴族婦人們，卻從那鮮紅的血光中獲得刺激和快感，尖叫和狂歡蓋住了流血的奴隸的痛苦呻吟。
    這血腥的一幕，似乎正在國內零售業(yè)重演：賣場扎堆經營，“千店一面”的雷同叫賣，“自殺性炸彈”的價格肉搏，盲目的“低性價比”；你滿100送 100，我就滿100送110，一家比一家送得狠，一家比一家送得絕；誓要拼個你死我活，爭個魚死網破——似乎整個群體都身不由己地陷入了最后的瘋狂。而虎視眈眈伺機而動的，是全球最大50家跨國零售財團中47家已經進入中國、并且馬不停蹄地完成了在中國零售市場“高端布局”的帝國軍團！
    與“帝國軍團”在各中心城市的巷戰(zhàn)讓我們明白了：只有實現營銷創(chuàng)新的企業(yè)才能成為硝煙彌漫的肉搏戰(zhàn)中的勝利者！“商品營銷與顧客營銷雙輪驅動” 將逐漸成為零售行業(yè)主導趨勢。除了DM、買贈、滿省、搭售、抽獎、返券、減價、換購等面向全體顧客實施地毯式轟炸的“商品營銷”之外，我們更需要在細分客戶群體基礎上實施精確制導的“顧客營銷”。構建商業(yè)智能（BI）體系、掌握先進的數據分析與高級決策支持能力，已經迫在眉睫——CIO們肩上的擔子更重了！
    “數據爆炸，信息貧乏”已經困擾零售業(yè)CIO們好多年了！面對著零售企業(yè)越來越強烈的要把“數據墳墓”轉化為“信息寶藏”的需求，富基融通選擇了以CRM為切入點。我們推向市場的是分析型的CRM，以幫助零售企業(yè)診斷目前在顧客管理方面的現狀和問題，發(fā)現能夠影響消費者的營銷行為和提升經營業(yè)績的有效方法，從而幫助企業(yè)經營決策者進行營銷戰(zhàn)略與策略的調整，指導營銷策劃和執(zhí)行人員完成精準的“一對一”營銷。當然，這個“一”的目標不局限于一個顧客，也可以是一個顧客群體。
    我們研發(fā)人員與CIO關注的是共同的課題、追求的是共同的目標。區(qū)別在于：CIO更多的是從戰(zhàn)略層面上規(guī)劃企業(yè)的商業(yè)智能架構，而我們則是將主要的精力用于從邏輯層面把一個個數據分析主題從名稱推導成有實用價值的數學模型和算法，然后完成程序代碼的設計。
    我們與CIO之間的交流，可互有裨益、相得益彰。下面，我就從商業(yè)智能的項目規(guī)劃和數據分析兩個層面，談談一個探索者的經驗教訓與體會。
    一、商業(yè)智能的項目規(guī)劃
    在規(guī)劃層面值得關注的有兩點：
    一是數據倉庫平臺的選型，二是商業(yè)智能項目的階段特征。
    Sybase公司推出特別為數據倉庫設計的關系型數據庫 IQ和與之配套的數據模型設計軟件包IWS，頗有吸引力。Sybase IQ的核心技術特征以及相對于傳統(tǒng)數據庫的各項優(yōu)勢，在網上有包括產品白皮書在內的豐富的介紹資料。零售業(yè)的商業(yè)智能項目以系統(tǒng)上線為界，分為兩個階段：前一個階段的特征是共性化和廠商主導，如同購置商品房（商業(yè)軟件與商品房在商業(yè)特性上極其相似）；系統(tǒng)上線后應用階段的特征是個性化和用戶主導，如同對商品房是簡易裝修入住還是豪華裝修費用超過購房款，完全取決于房主在經濟實力、生活品位、規(guī)劃能力、專業(yè)素養(yǎng)、用途需求等各方面的差異。
    最了解企業(yè)戰(zhàn)略與經營需求的，是用戶自己。系統(tǒng)上線后，用戶可以運用廠商提供的與數據倉庫配套的工具包，隨需應變地構建層出不窮的數據模型與分析主題——這是個只有起點沒有終點的進程！在這個非開放環(huán)境中打造出來的、內生的數據分析與高級決策支持能力，才是企業(yè)的核心競爭力——這也是企業(yè)IT團隊實現角色轉換和價值升華的大好機遇。
    二、數據分析的主題研發(fā)
    商業(yè)智能、數據倉庫是“舶來品”，可是推本溯源、尋求借鑒的過程遠非“依葫蘆畫瓢”那么順當。
    我體會最深的，是《五燈會元》中的這一段話：“老僧三十年前未參禪時，見山是山，見水是水。及至后來，親見知識，有個入處，見山不是山，見水不是水。而今得個體歇處，依前見山只是山，見水只是水�！� 幾乎在每個分析主題的模型構建與算法推理的過程中，我都經歷了以下三個思維階段：
    見山只是山，見水只是水 —— 初次接觸，隨意觀察，表面印象，沒有深入探討。
    見山不是山，見水不是水 ——進入懷疑、批判階段，疑團滿腹，眼前是假象。
    見山仍是山，見水仍是水 —— 經過驗證、推理、分析獲得真知灼見。
    第一個例子：亦真亦幻的“客戶價值矩陣分析”模型
    幾乎每個CRM軟件提供商在與零售企業(yè)接觸的時候，都會拿這個“客戶價值矩陣分析圖”來說事：

    可是這么多年過去了，雙方的交流始終停留在這張看起來很簡單的模型圖上；軟件廠商們沒能把這個模型的算法推理出來、設計到軟件中去，零售企業(yè)們也只能依舊沿用“消費額ABC分析法”來簡單地切分會員價值群體。
    CRM的本質是價值驅動，追求的效果是把企業(yè)有限的營銷與服務資源準確地投入到最有回報價值的客戶身上。所以，“客戶價值矩陣分析”是整個CRA（客戶關系分析）體系構建的基礎和我們這次CRM產品研發(fā)要突破的第一道關口。
    可是，我閱遍了所能搜索到的相關資料、用盡了所能想到的方法，也像此前的探索者那樣沒能從這張圖上推導出合乎邏輯的算法來。如果不能撞破這堵困住同行們多年的“南（難）墻”，那撞破的只能是我自己的飯碗了！這回可不是“玩票”的，得玩命了。
    就在山窮水盡還苦苦求索的時候，我突然感覺到，這張“可望而不可及”的客戶價值矩陣分析圖跟“三角幻圖”太像了：三角幻圖中的每一個構成單元、每一個角、每一條邊單獨看起來都是真實可信的，但組合成一個整體來推理卻是不合邏輯的。
    我恍然大悟：原來，行業(yè)中流行的這張矩陣圖是用于交流的高度抽象的概念圖，而不是能用于推導算法的數學模型圖——并不是有葫蘆可依就能畫出瓢來。 從“三角幻圖”的構成原理中，我得到啟發(fā)，終于把客戶價值矩陣的算法推導出來了。
    第二個例子：無葫蘆可依的“RFV三維分類模型”