摘 要:介绍了客户关系管理和数据仓库的基本概念 ,提出了建立客户关系管理中数据仓库的解决方案;指导企业分析、 挖掘客户有价值信息.
Abstract : The article introduces s ome basic concepts about Customer Relation Management(CRM) and Data Warehouse ,and then presents the s olution to the CRM ‘s Data Warehouse.Key words : Customer Relation Management ;Data Warehouse ;Data Mining
1 客户关系管理的内涵客户关系管理 “以客户为中心”,以客户历史和当前的交易数据为基础 ,利用信息技术 ,从这些海量数据中找出客户特征 ,分析客户行为 ,然后从中挖掘出对企业有商业价值的信息 ,帮助企业辅助决策和规划相关的企业经营活动.CRM的核心是企业与客户的关系,源于 “以客户为中心” 的新型商业模式,并由集成了企业内前台和后台业务系统的一整套应用程序所支持[1].CRM以企业在每个客户身上获取利润最大化为目标 ,通过向企业的市场营销、 管理和服务等部门提供全面的、 个性化的客户资料 ,以及强化企业信息分析和跟踪服务的能力 ,力求建立和保持一系列与客户之间卓有成效的 “一对一关系”,保持现有的客户并吸引更多的客户加盟 ,促进企业发展.
2数据仓库概述
2. 1 数据仓库的定义及体系结构数据仓库的创始人 Inmon W H将数据仓库定义如下: “数据仓库是一个面向主题的、 集成的、 不可更新的、 随时间不断变化的数据集合 ,用以支持企业或组织的决策分析处理.[2 ]”数据仓库的体系结构可分为数据获取层、 数据存储层、 数据挖掘层等多个部分(如图1所示) .数据获取层把决策主题所需要的数据(当前的、 历史的) ,从各种相关的业务数据库或数据文件等外部数据源中抽取出来 ,进行各种必要的清理、 整合和转换等处理 ,再将这些数据集成 ,并以一定的组织结构存储到数据存储层中.数据挖掘层集成各种数据挖掘的算法 ,包含具有很强功能的数据挖掘工具 ,可以提供灵活有效的任务模型、 组织形式 ,以支持各项决策的数据挖掘任务.
**********1
2. 2 数据挖掘技术是客户关系管理的引擎数据挖掘(Data Mining ,DM) ,又称知识发现(Knowledge Discovery in Database ,简称 K DD) ,是通过挖掘数据仓库中存储的大量数据 ,从中抽取有意义的、 隐含的、 以前未知的并有潜在使用价值的知识的过程.常用的数据挖掘技术有关联分析、 序列分析、分类分析、 预测分析、 聚类分析及时间序列分析等.基于数据仓库及其数据挖掘技术 ,使得企业能够全方位的了解客户 ,把握客户的特征与需求 ,更有效地掌握客户的行为与需求.如果说客户关系管理是实现企业目标利润最大化的最有力的工具 ,那么数据挖掘则是这个工具的最佳引擎[3 ].
3 CRM中数据仓库的解决方案
3. 1 CRM中数据仓库的逻辑结构在 CRM中建立一个数据仓库 ,它的逻辑结构我们可以用图2来说明.在图2中 ,整个系统划分为数据源、 数据仓库系统和 CRM分析系统三个部分:1)数据源数据主要来自四个方面:客户信息、客户行为、 生产系统和其他相关数据.2)数据仓库系统主要分为数据仓库建设和数据仓库两部分.数据仓库建设利用数据仓库的数据 ET L 和设计工具 ,将与客户相关的数据集中到数据仓库中;然后在数据仓库的基础上 ,通过联机分析处理(OLAP) 、 报表等 ,将客户的整体行为分析和企业运营分析结果传递给数据仓库用户.3) CRM分析系统由分析数据准备、 客户分析数据集市、 客户分析系统和调度监控等模块构成.在数据仓库的基础上 ,由分析数据准备模块将客户分析所需要的数据形成客户分析数据集市;在此基础上 ,客户分析模块进行客户行为分组、 重点客户发现和性能评估模板的设计与实现;最后 ,CRM分析系统的分析结果由OLAP和报表传递给市场专家.
***********2
3. 2 数据仓库在 CRM中的作用数据仓库是 CRM 的灵魂. CRM 系统的很多工作都是以数据仓库为基础展开的.一般说来 ,数据仓库在 CRM中能够实现以下三方面的功能:客数据仓库在客户关系管理中的应用户行为分析、 重点客户发现和市场性能评估.3. 2. 1 客户行为分析客户行为分析可以划分为两个方面:整体行为分析和群体行为分析.整体行为分析用来发现企业所有客户的行为规律;但仅有整体行为分析是不够的,因为企业的客户千差万别,根据客户行为的不同可以将他们划分为不同的群体,每个群体有着明显的行为特征,这种划分方式叫做 “行为分组” .通过行为分组,企业可以更好地理解客户,发现群体客户的行为规律.基于这些理解和规律,市场专家可以制定相应的市场策略,同时还可以针对不同客户组进行交叉分析,帮助企业发现客户群体间的变化规律.行为分组只是客户群体行为分析的开始.在行为分组完成后 ,还要进行客户理解、 客户行为规律发现和客户组之间的交叉分析.1)客户理解又可以称为群体特征分析 ,其目标是将客户在行为上的共同特征与已知的资料结合在一起 ,对客户进行具体分析.客户理解至少应包括以下功能:a.哪些客户具有这样的行为;
b.哪里的客户具有这样的行为;c.这样的客户能给企业带来多少利润;
d.具有这样行为的客户是否对本企业忠诚.2)客户行为规律发现的目标是发现群体客户的行为规律.一般来说 ,至少应该包括以下功能:a.这些客户拥有企业的哪些产品;
b.这些客户的购买高峰期是什么时候;c.这些客户通常的购买行为在哪里发生.这些分析可以为企业在确定市场活动的时间、 地点、 合作商等方面提供确凿的依据.
3)通过对群体客户的特征分析和行为规律分析 ,企业在一定程度上了解了自己的客户 ,但客户的组间交叉分析对企业来说更为重要.有些客户同时属于两个不同的行为分组 ,且这两个分组对企业的影响相差很大 ,但这些客户的基本资料却非常相似.此时 ,我们就需要充分分析客户出现这种现象的原因 ,这就是组间交叉分析的重要内容.通过组间交叉分析 ,企业可以了解以下内容:a.行为分组之间的主要差别有哪些;
b.哪些客户能够从一个行为分组跃进到另一个行为分组中;c.客户从一个对企业价值较小的组上升到对企业有较大价值的组的条件是什么.这些分析可以帮助企业能够准确地制定市场策略 ,获得更多的利润.
3. 2. 2 重点客户发现重点客户发现的目标是找出对企业具有重要意义的客户 ,主要包括以下几个方面:a.潜在客户— — — 挖掘有价值的新客户;b.交叉销售— — — 同一客户有更多的消费需求;c.增量销售— — — 客户更多地使用同一种产品或服务;d.客户保持— — — 保持客户的忠诚度.
3. 2. 3 市场性能评估根据客户行为分析 ,企业可以准确地制定市场策略和策划市场活动.然而 ,这些市场活动是否达到预定的目标是企业改进市场策略和评价客户行为分组性能的重要指标.同样 ,重点客户发现过程也需要对其性能进行分析 ,然后在此基础上进一步改进和完善.这些性能评估都是以客户所提供的市场反馈为基础的.通过数据仓库的数据获取与存储过程 ,可以将客户对市场的反馈自动地输入到数据仓库中 ,这个获得客户反馈的过程被称为客户行为跟踪.针对行为分组和重点客户发现过程 ,性能评估至少具备以下功能:a.针对每个市场目标设计一系列评估模板,从而使企业能及时跟踪市场的变化.同时在这些报告中 ,给出一些统计指标来度量市场活动的效率 ,这些报告应该按月份更新 ,并根据市场活动而改变.b.在一定的时间范围内(3～6 个月)给出行为分组的报告.
4 结束语
在制造业企业信息化中 ,客户关系管理是不可缺少的一部分[4 ].
建立基于数据仓库的客户关系管理 ,具有数据挖掘和在线分析等分析功能 ,高质量地实现了客户关系管理的目标 ,充分发挥了客户关系管理的作用 ,能够给企业带来巨大的经济回报.
参考文献:
[1 ] 周剑雄 ,高 洁.基于数据库和数据挖掘技术的客户关系管理[J ] .计算机系统应用 ,2003 (2) 9～11.
[2 ] 萨师煊 ,王 珊.数据库系统概论(第三版) [M] .高等教育出版社 ,2002.
[3 ] 刘玉梅 ,王 燕 ,陈 澍.客户关系管理系统数据仓库的建立[J ] .信息技术 ,2003 (1) 20～21.
[4 ] 本刊编辑部.制造业企业如何用好客户关系管理 CRM[J ] .中国制造业信息化 ,2003 (8) 36～38.
