CRM系統(tǒng):數(shù)據(jù)倉庫在CRM中的應(yīng)用研究

數(shù)據(jù)倉庫在CRM中的應(yīng)用研究 劉震, 熊健民, 譚保華 ( 湖北工業(yè)大學(xué), 湖北武漢430068) 摘要: 企業(yè)管理系統(tǒng)建設(shè)是企業(yè)爭取競爭優(yōu)勢的重要手段, 而數(shù)據(jù)挖掘技術(shù)在企業(yè)管理系統(tǒng)的實施中起著關(guān)鍵作 用。介紹了數(shù)據(jù)倉庫技術(shù)和CRM 技術(shù), 并在此基礎(chǔ)上研究了數(shù)據(jù)挖掘技術(shù)在企業(yè)計算領(lǐng)域的一些應(yīng)用。 關(guān)鍵詞: 數(shù)據(jù)挖掘; OLTP; 客戶關(guān)系管理; 數(shù)據(jù)倉庫 中圖分類號: TP311.13 文獻(xiàn)標(biāo)識碼: A 文章編號: 1672- 7800( 2008) 07- 0105- 03 0 引言 在計算機(jī)分析和應(yīng)用逐漸融入企業(yè)管理運營的現(xiàn)狀下, 如 何有效的利用手中的資源創(chuàng)造最大價值是目前計算機(jī)應(yīng)用與 企業(yè)需求相結(jié)合的制高點。在企業(yè)應(yīng)用的系統(tǒng)中, 有效地利用 數(shù)據(jù)挖掘, 可以指導(dǎo)企業(yè)高層決策者制定優(yōu)化的企業(yè)營銷策 略, 降低企業(yè)運營成本, 增加利潤, 加速企業(yè)發(fā)展。 在現(xiàn)有數(shù)據(jù)倉庫的基礎(chǔ)上, 利用數(shù)據(jù)挖掘技術(shù), 建立分析 模型, 用模糊聚類的數(shù)據(jù)挖掘方法, 實驗?zāi)M分析客戶特征, 并 據(jù)此有針對性地制定營銷策略, 以期高效發(fā)掘現(xiàn)有資源, 是企 業(yè)在提高整體競爭力的一新嘗試。 本文結(jié)合試驗設(shè)計的思想, 用基于數(shù)據(jù)挖掘的方法對貸款 的客戶營銷效果, 進(jìn)行針對性實證分析。分析結(jié)果表明, 在數(shù)據(jù) 挖掘指導(dǎo)下制定的針對性客戶營銷策略, 在增加用戶數(shù)量和提 高服務(wù)質(zhì)量方面有顯著效果。 1 數(shù)據(jù)倉庫技術(shù) 傳統(tǒng)的數(shù)據(jù)庫系統(tǒng)主要面向以事務(wù)處理為主的OLTP ( 聯(lián) 機(jī)事務(wù)處理) 應(yīng)用, 無法滿足制定決策時的分析處理要求。數(shù)據(jù) 倉庫技術(shù)有效地把操作型數(shù)據(jù)集成到統(tǒng)一的環(huán)境中, 以提供決 策型數(shù)據(jù)的訪問, 為用戶更方便地查詢所需信息提供決策支 持。企業(yè)數(shù)據(jù)倉庫的建設(shè), 是以企業(yè)現(xiàn)有業(yè)務(wù)系統(tǒng)和大量業(yè)務(wù) 數(shù)據(jù)的積累為基礎(chǔ), 將信息加以整理和重組, 并及時服務(wù)于管 理人員的經(jīng)營決策需要。 在應(yīng)用系統(tǒng)中, 數(shù)據(jù)倉庫主要由數(shù)據(jù)源、數(shù)據(jù)倉庫管理和 分析工具組成。數(shù)據(jù)源是數(shù)據(jù)倉庫可以利用的各種數(shù)據(jù); 倉庫 管理主要包括根據(jù)需求建立數(shù)據(jù)模型和日常維護(hù)工作; 分析工 具用來完成實際決策所需的各種查詢檢索工具、報表生成工 具、OLAP工具和數(shù)據(jù)挖掘(DataMining) 工具等。 OLAP工具支持復(fù)雜的分析和查詢操作, 對分析需要的數(shù) 據(jù)進(jìn)行有效集成, 按多維模型進(jìn)行組織, 進(jìn)行多角度、多層次的 分析, 側(cè)重對決策人員和高層管理人員的決策支持。數(shù)據(jù)挖掘 是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實際應(yīng)用數(shù) 據(jù)中, 提取潛在有用信息的過程。在商業(yè)上, 按照企業(yè)業(yè)務(wù)目 標(biāo), 對商業(yè)數(shù)據(jù)庫中大量業(yè)務(wù)數(shù)據(jù)進(jìn)行探索和分析, 揭示隱含 的、未知的規(guī)律, 進(jìn)一步找出有效的方法, 幫助企業(yè)的決策者調(diào) 整市場策略, 減少風(fēng)險。 在數(shù)據(jù)挖掘中最常用的技術(shù)有以下幾種: ①人工神經(jīng)網(wǎng) 絡(luò), 仿照生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非線形預(yù)測模型, 通過學(xué)習(xí)進(jìn)行 模式識別; ②決策樹, 代表著決策集的樹形結(jié)構(gòu); ③遺傳算法, 基于進(jìn)化理論, 并采用遺傳結(jié)合、遺傳變異以及自然選擇等設(shè) 計方法的優(yōu)化技術(shù); ④近鄰算法, 將數(shù)據(jù)集合中每一個記錄 進(jìn)行分類的方法。 2 數(shù)據(jù)挖掘的主要方法體 數(shù)據(jù)挖掘也被稱作KDD(Knowledge Discovery in Database) , 是一種決策支持過程, 它主要運用人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計學(xué) 等技術(shù), 高度自動化地分析企業(yè)原有數(shù)據(jù), 作出歸納性推理, 從 中挖掘出潛在模式, 預(yù)測客戶行為, 降低經(jīng)營風(fēng)險。 數(shù)據(jù)挖掘的主要方法包括關(guān)聯(lián)分析、時序模式、分類、聚 類、偏差分析及預(yù)測等, 它們可以應(yīng)用到以客戶為中心的企業(yè) 決策分析及管理的不同領(lǐng)域和階段。 ( 1) 關(guān)聯(lián)分析(Correlation) 。其目的是挖掘出隱藏在數(shù)據(jù)間 的相互關(guān)系。例如, 80%顧客同時會在購買某種A產(chǎn)品的同時購 買B產(chǎn)品, 這就是一條關(guān)聯(lián)規(guī)則。 ( 2) 時序模式。通過時間序列搜索出重復(fù)發(fā)生概率較高的 模式, 這里強(qiáng)調(diào)時間序列的影響。例如, 某段時間內(nèi), 購買了A 產(chǎn)品的人中, 70%的人會買B產(chǎn)品。 ( 3) 分類(Classification) 。找出一個類別的概念描述, 它代 表了這類數(shù)據(jù)的整體信息。分類是數(shù)據(jù)挖掘中應(yīng)用最多的任 務(wù)。要為每個類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分 類規(guī)則, 然后用這個分類規(guī)則對其他數(shù)據(jù)庫中的記錄進(jìn)行分 類。 ( 4) 聚類(Clustering) 。按一定規(guī)則將數(shù)據(jù)分為一系列有意 義的子集。通俗地講, 就是多元統(tǒng)計中研究所謂“物以類聚”現(xiàn) 象的一種方法, 其職能是親疏程度對一批樣本或指標(biāo)進(jìn)行分 類。采用不同的聚類方法, 對于相同的記錄集合, 劃分結(jié)果可能 有不同。 ( 5) 偏差分析(Deviation) 。從數(shù)據(jù)庫中找出異常數(shù)據(jù)。 ( 6) 預(yù)測( Prediction) 。利用歷史數(shù)據(jù)找出規(guī)律, 建立模型, 并用此模型預(yù)測未來數(shù)據(jù)的種類、特征等。 3 企業(yè)計算領(lǐng)域中的計算機(jī)應(yīng)用及分析 計算機(jī)在企業(yè)計算領(lǐng)域中的應(yīng)用主要是協(xié)助管理控制企 業(yè)的運營和規(guī)劃, 其中最重要的就是ERP(Enterprise Resource Planning, 企業(yè)資源計劃) 和CRM( 客戶關(guān)系管理) 系統(tǒng)。ERP是 建立在信息技術(shù)基礎(chǔ)上, 以系統(tǒng)化的管理思想, 為企業(yè)決策層 及員工提供決策運行手段的管理平臺。CRM是通過對客戶詳 細(xì)資料的深入分析, 來提高客戶滿意程度, 從而提高企業(yè)的競 爭力的一種手段。本文結(jié)合CRM來討論在企業(yè)計算領(lǐng)域中的 計算機(jī)應(yīng)用。 3.1 CRM的概念 CRM是一種以客戶為中心的經(jīng)營策略, 是利用信息技術(shù)對 客戶資源進(jìn)行集中管理, 將經(jīng)過分析及處理的客戶信息與所有 與客戶有關(guān)的業(yè)務(wù)領(lǐng)域進(jìn)行鏈接, 使市場、銷售、客戶服務(wù)等各 個部門可以共享客戶資源, 使公司可以實時地跟蹤客戶的需 求, 提供產(chǎn)品及服務(wù), 提高客戶的滿意度及忠誠度, 從而吸引更 多的客戶, 最終使公司的利潤最大化。 一般來講, 可以從提高效率、拓展市場、保留客戶及提高企 業(yè)效益4個方面來討論CRM的價值。 3.2 CRM中數(shù)據(jù)挖掘的工作流程 ( 1) 數(shù)據(jù)抽樣。進(jìn)行數(shù)據(jù)挖掘時, 應(yīng)首先從企業(yè)大量客戶信 息數(shù)據(jù)中抽取出相關(guān)的數(shù)據(jù)子集。通過對數(shù)據(jù)樣本的篩選, 不 僅能減少數(shù)據(jù)處理量, 節(jié)省系統(tǒng)資源, 還能使數(shù)據(jù)更加具有規(guī) 律性。 ( 2) 數(shù)據(jù)探索。數(shù)據(jù)探索就是對數(shù)據(jù)的深入調(diào)查, 即從樣本 數(shù)據(jù)集中使找出規(guī)律和趨勢, 用聚類分析區(qū)分類別, 多因素相 互影響的、十分復(fù)雜的關(guān)系明了代, 以發(fā)現(xiàn)因素之間的相關(guān)性。 ( 3) 數(shù)據(jù)調(diào)整。通過上述兩個步驟的操作, 對數(shù)據(jù)的狀態(tài)和 趨勢有了進(jìn)一步的了解, 接下來, 要調(diào)整數(shù)據(jù)以進(jìn)一步明確、量 化問題解決方法。 ( 4) 模型化。在問題進(jìn)一步明確、數(shù)據(jù)結(jié)構(gòu)和內(nèi)容進(jìn)一步調(diào) 整的基礎(chǔ)上, 運用神經(jīng)網(wǎng)絡(luò)、決策樹、數(shù)理統(tǒng)計、時間序列分析 等方法來建立模型。這是數(shù)據(jù)挖掘的核心環(huán)節(jié)。 ( 5) 評價。從上述過程中將會得出一系列的分析結(jié)果、模式 和模型, 多數(shù)情況會得出對目標(biāo)問題多側(cè)面的描述, 這時就要 綜合它們的規(guī)律性, 提供合理的決策支持信息。 3.3 數(shù)據(jù)挖掘在CRM中的應(yīng)用 以金融行業(yè)中的貸款業(yè)務(wù)為例, 數(shù)據(jù)挖掘技術(shù)應(yīng)用在金融 CRM體系中, 通過對借款人的特征數(shù)據(jù)進(jìn)行分析, 對借款人進(jìn) 行分類, 對不同類別的借款人采取不同的營銷對策。對不同等 級貸款、還款賬單的歷史數(shù)據(jù)的分析, 對近期或遠(yuǎn)期借款人的 貸款行為作出預(yù)測。及時調(diào)整貸款策略, 防止資金虛耗﹑客源損 失。在這個過程中可以引入數(shù)據(jù)挖掘的方法, 具體步驟如下。 強(qiáng)力推薦： 天柏客戶關(guān)系管理系統(tǒng) 天柏客戶關(guān)系管理系統(tǒng)（CRM）是一款集專業(yè)性、實用性、易用性為一體的純B/S架構(gòu)的CRM系統(tǒng)，它基于以客戶為中心的協(xié)同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標(biāo)的營銷策略，通過企業(yè)級協(xié)同，有效的“發(fā)現(xiàn)、保持和留住客戶”，從而達(dá)到留住客戶、提高銷售，實現(xiàn)企業(yè)利潤最大化的目的。通過對客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產(chǎn)品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業(yè)銷售、營銷、客戶服務(wù)和支持等與客戶關(guān)系有關(guān)的業(yè)務(wù)流程并提高各個環(huán)節(jié)的自動化程度，從而幫助企業(yè)達(dá)到縮短銷售周期、降低銷售成本、擴(kuò)大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機(jī)會和銷售渠道，最終從根本上提升企業(yè)的核心競爭力，使得企業(yè)在當(dāng)前激烈的競爭環(huán)境中立于不敗之地。 關(guān)鍵詞：CRM,CRM系統(tǒng),CRM軟件,客戶關(guān)系管理,客戶管理軟件,客戶管理系統(tǒng),客戶關(guān)系管理軟件,客戶關(guān)系管理系統(tǒng)