1 引言
近几年，我国工程机械行业发展迅猛，产销量屡创新高。在这一过程中，企业间产品的差异逐步减小，高质量的客户服务成为企业竞争的优势，整个工程机械行业正在由“以产品为中心”逐步向“以客户为中心”转变。国外许多工程机械营销企业已经引入了客户关系管理(Customer Relationship Management，CRM)系统来协助管理客户信息。在大环境的影响下，国内工程机械企业也纷纷加大了对客户关系管理信息化建设的投入和重视。
在工程机械营销领域实施CRM有以下意义：提升销售业绩；提升营销管理水平；提升客户服务水平；提升产品竞争力；提升企业渠道管理水平；提升企业风险防范能力；提升企业形象等。
在客户关系管理中，如何在众多信息来源中发掘潜在客户，并抓住客户，同时与以前的客户又如何保持发展？如何分析更倾向于购买某些类型车辆的客户特征？这就需要使用有效的工具和分析技术，将这些隐藏在大量数据中的潜在信息和知识进行充分的挖掘和利用，从而提高企业CRM的运行效率。基于商业智能技术的CRM系统为解决这一问题提供了方案，它从企业不同的源系统中提取出有用的数据并进行清理，然后经过抽取(Extraction)、转换(Transformation)和装载(Load)。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、联机在线分析(On Line Analytical Processing，OLAP)工具等，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。
通过上述内容可以看出，数据仓库是商业智能的基础，实质上来讲，数据仓库就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。因此，数据仓库建模的好坏，对于能否为多维分析和数据挖掘等分析工具提供所需要的、整齐一致的数据起着决定性的作用。
本研究以工程机械出口行业为背景，对面向客户价值分析主题的数据仓库建模进行研究，为该行业客户关系管理系统的研究开发提供一定的理论指导。
2 商业智能数据仓库的构成
商业智能领域对数据仓库的共识是，数据仓库维度模型是提供信息给用户的首选结构。维度模型是由一个中心事实表(或者多个事实表)和与其相关的维度构成的。事实表位于中心，而所有维度表环绕在其周围，类似于星形结构。从关系数据库建模的角度看，维度模型是由一个规范化的事实表和反规范化的一些维度表组成的。
2.1 事实表
每个事实表都包括与特定业务主题相关的度量，事实表中的一条记录代表一个度量，一个度量事件也总是产生一条事实表记录。事实表中的键由业务主题中涉及到的每个维度表的外键子集组成。其中，事实表包含信息的详细程度称为粒度。在设计事实表的时候，通常以原始数据来源中可能的最低细节级别进行设计——通常称为原子级别。原子事实表中提供完整的灵活性，以便数据累积跨越到任何维度所需的任何摘要级别。
2.2 维度表
在数据仓库维度模型中，维度表用来描述业务的对象，如雇员、订单、顾客等。它体现了数据仓库的维度概念，维度通过数据仓库中的维度表实现，每个维度表联系着所有参与其中的业务过程。
