在前面文章中有过小结，服装行业商业智能的应用形式，可以分为四类，分别是仪表盘、多维分析、即席查询和复杂报表。而在实际与企业接触过程中，沟通到商业智能，常常遇到客户对其的印象走到极端的情况。认为基础应用类的太低级，用几个文员替代即可，没有什么意思，商业智能系统一定要挖掘，要预测，要做到平常人做不到的，才算是有意义的。事实上，由于服装行业业务的特殊性，譬如生命周期短，流行几乎无法预测、普遍实行订货会制等因素，传统快消行业或是零售业的销售预测类应用，较难借鉴，尤其是在女装、休闲等细分行业。那么，基于服装行业现实状况，可以实现哪一些，相对来说要“高于报表和查询水平”的应用呢？
个人认为，服装行业的商业智能应用，不应当一味求“先进技术”，不能抱着“无挖掘，不BI”的想法。而应当切合行业和企业当前的管理需求现状，借助计算机系统的海量运算和规则处理能力，综合运用分析、挖掘、查询等手段，一切围绕解决运营管理中的重点难点问题，使得工作 效率得到提升、人力得到释放，体系化的管理思想可以借其落地，适当满足企业从高管到一线各个层级用户需求，从而实现整体管理水平的提升。本文将举例几种报表、分析之外的，相对“高级”一些、有特点的商业智能应用。
管理驾驶舱
管理驾驶舱的应用并不新鲜了，将其列为有特点的应用，是源于其使用对象的特殊性。管理驾驶舱的用户角色以企业的高层管理人员为主，它以高管们熟悉的业务语言，简明扼要呈现企业的运营状况，并提供精美的界面和较好的用户交互，是企业高管使用信息系统来进行业务管理的窗口。在任何一个企业的商业智能建设中，满足高管的需求都是不可忽视的。因此，管理驾驶舱在本文所描述的这类应用中，理应占得一席。
VIP顾客分析、分群与精准营销
这其实亦能算作ACRM了。分析VIP顾客特征、消费行为及依据RFM（或RFM模型的扩充）进行分类。目前在服装行业的一些细分，会员营销的重要性日益增加，尤其是诸如高端男装女装以及婴童这一类。RFM模型分类的客户名单可采取相应的动作，亦可导入至短信平台进行接触。另外，亦可通过客户消费习性，将新款上市或是推测将有购买需要的（如婴童）信息推送给客户。
闭环反馈
由于服装行业商品生命周期短，且与流行等因素相关，销量预测的效果往往不佳。因此，可考虑从销售预测，转移注意到及时提高销售、库存信息的反馈灵敏度，结合预计销售周期、剩余可销售周期、库存可用天数、近期日均销量等数据，在有限的生命周期里尽可能的提高商品运营操作的反应速度，通过货品的补货和调配来尽量避免缺货和盘活滞销货品。
通常，企业会通过一系列的规则，判断货品在终端、区域之间的流动，做决策时，操作人的主观性判断会占到较大的比重。但是货品SKU在大量终端的销售，不同的上市日期，将造成大量的数据及负责的运算，这种情况下，许多企业会期望将规则预置，由系统计算、匹配生成货品的流动，并留以人工干预的接口。最终的理想情况是此部分匹配建议可以在业务系统中生成相应的单据。事实上，实现以上这些功能，已经不仅是一个商业智能（BI）系统的工作了，已经融入人工操作过程，并与业务系统进行结合，实现了闭环反馈。
购物篮分析
这是数据挖掘的经典应用，亦是可以在服装企业进行实践的应用。系统将从大量的购物小票数据中提取商品的关联信息。并将结果反馈至终端，以提高终端店铺的连带销售。
本文最后，还是要提一下销售预测，在一些具体的行业里，如男士正装，或是家居服、内衣行业的经典常销款等，仍然是可以去尝试的。
