CRM中的数据管理

《CRM中的数据管理》由会员分享，可在线阅读，更多相关《CRM中的数据管理（77页珍藏版）》请在装配图网上搜索。

1、课前导读数据是客户关系管理软件中最核心的内容，不仅业务的操作建立在数据的基础上，对业务的预测和关联分析、甚至商业智能的知识均来源于对数据的管理。数据挖掘和数据仓库是数据管理的高级技术工具，数据仓库构建标准格式的数据源，数据挖掘从大量数据中寻找隐藏的信息，如趋势、特征及相关性的过程，也就是从数据中挖掘信息或知识。1客户是企业竞争的基础，而客户数据是CRM系统的灵魂，对数据的处理和分析是CRM的主要任务和功能。在客户数据库中，收集和管理包括商品、客户和潜在客户等表示客户“基本状态”的信息，帮助企业完成消费者分析，确定目标市场，进行销售管理，并跟踪市场产品销售状况。本节将从客户数据的类型和隐私管理方

2、面理解客户数据的内涵。6.1 CRM的客户数据的客户数据2CRM的客户信息一般从销售过程、客服过程、业务推广过程或其他多种形式获得。从商业活动行为的需要来看，有一个对客户了解、针对性促销、产生交易的过程（如图6.1所示），行为过程产生了不同的数据类型，据此把客户数据分为3类。1）客户描述性数据2）市场促销性数据6.1.1 客户数据的类型客户数据的类型3图6.1 客户数据分类45673）客户交易数据8在企业的信息化过程中，越来越多的企业数据管理作为重要的工作内容，而客户数据的采集则是最重要的第一步。这一个阶段主要的目标就是要保证客户数据的准确、及时，如果数据质量无法保证，后续的数据处理和分析则往

3、往达不到预期的效果。因此，首先需要找到可靠的客户数据来源，并对数据进行初步的分析处理，以便为后续的数据挖掘工作打下基础。6.1.2 客户数据的采集客户数据的采集9图6.2 多渠道客户数据收集平台10Elensys是马萨诸塞州的一家直销公司，CVS是当地一家药店，并对病人诊断治疗，公司和药店有合作关系，由Elensys公司向消费者推销新药，CVS公司提供一定病人数据。1982年，病人对此的不满情绪爆发，纷纷指责CVS药店的行为破坏了消费者医疗记录的隐私，最后以公司与药店合作终止为句号。1）使用匿名身份信息2）尽量使用汇总数据6.1.3 客户的隐私问题及保护措施客户的隐私问题及保护措施11图6.3

4、 保护客户隐私的匿名体系结构123）信息只用于市场定位或评估4）尽可能不合并数据源在计算机广泛使用之前，从很多数据源收集客户数据比在小范围内的单一渠道收集数据要困难得多，而要合并多个数据源获得的数据则几乎不可能。但由于计算机和数据库技术的发展，可以很容易地从多个数据源收集客户数据并按照客户进行合并，从而得到每个客户的完整信息。这通常意味着可以掌握客户在产品市场之外的行为，并有可能侵犯客户的隐私权。13为了保障客户的隐私不被侵犯，应尽可能地不对客户数据源进行合并。然而站在为客户服务的角度，企业则需要适当地整合客户数据。试想一下，如果一个客户同时接到同一家公司不同产品的营销员的两个服务电话会是怎么

5、样的感觉。为此，企业需要建立以客户为单位而不是以产品为单位的客户数据库，这实际上需要对客户数据进行适当的整合，并且企业需要根据客户的购买行为对客户进行分类，以便提供个性化的服务。1）客户数据库的特点(1)动态的、整合的顾客数据管理和查询系统6.1.4 客户数据库的建立客户数据库的建立14(2)基于数据库支持的顾客关系格式或结构系统(3)基于数据库支持的忠诚顾客识别系统(4)基于数据库支持的顾客购买行为参考系统(5)个性化服务2）客户数据的分类如图6.4所示，客户数据按照来源分为企业内部数据和企业外部数据。15图6.4 企业数据信息来源163）客户数据信息处理4）构建客户数据库按照可预见未来所需

6、的信息量，尽可能多地考虑预期客户购买产品的情况和购买后的反应。深入策划客户数据库的组成部分，应保留一定的弹性，以满足未来变化的需要。建立数据库，不需要因谋求建立一个详细完备的数据库而推迟建成时间，可先建成一个小而实用的数据库，在管理客户数据库中获得经验，并对其评价，不断改进。构建客户数据库时，让尽可能多的部门和人员参与。17随着计算机技术的广泛应用和发展，人们已不再满足于仅仅执行简单的数据事务操作，而要求对现有的数据进行系统的组织、理解、分析和推理，从而迅速而准确地获取关联信息，为战略决策提供依据。数据仓库就是针对上述问题而产生的一种技术方案，它是基于大规模数据库的决策支持系统环境的核心。6.

7、2 数据仓库技术数据仓库技术18人们在日常生活中常常会遇到这样的情况：超市的经营者希望将经常被同时购买的商品放在一起，以增加销售；银行想了解存款的用户希望投资什么样的基金；保险公司想知道购买保险的客户一般具有哪些特征；医学研究人员希望从已有的成千上万份病历中找出患某种疾病的病人的共同特征，从而为治愈这种疾病提供一些帮助。对于此类问题，如果利用现有信息管理系统中的数据分析工具是无法给出答案的。因为无论是查询、统计还是报表，其处理方式都是对指定的数据进行简单的数字处理，而不能对这些数据所包含的内在信息进行提取。6.2.1 数据仓库概述数据仓库概述191）从数据库到数据仓库图6.5 数据仓库体系化环

8、境202）数据仓库定义3）数据仓库的类型4）数据仓库的技术与传统数据库的比较5）联机事务处理(OLTP)6）数据仓库的体系结构IBM、Oracle等厂商都提出了自己的数据仓库结构，但严格说来，任何一个数据仓库结构都是从一个基本框架发展而来，实现时再根据分析处理的需要具体增加一些部件。其中斯坦福大学“WHPS”课题组提出的一个基本的数据仓库模型，如图6.6所示。21图6.6 数据仓库基本体系结构22数据仓库是一个解决方案，而不是一个可以买到的产品。不同企业会有不同的数据仓库，企业人员往往不懂如何利用数据仓库，不能发挥其决策支持的作用，而数据仓库公司人员又不懂业务，不知道建立哪些决策主题，从数据源

9、中抽取哪些数据，因此需要双方互相沟通，共同协商开发数据仓库。1）数据仓库的开发流程2）实施数据仓库应注意的问题6.2.2 数据仓库的实施数据仓库的实施23维数据仓库的创建所使用和维护的技术与传统数据仓库有显著的不同。传统数据仓库在处理多维数据方面存在着较大的局限性，需对其进行结构和功能上的扩展，才能较好地用在多维决策分析方面。1）星型模式2）雪花模式6.2.3 多维数据仓库中度量的建模多维数据仓库中度量的建模24图6.7 星型模式结构示意图25图6.8 销售机会数据仓库的星型关系结构26图6.9 销售机会数据仓库的星型链接27图6.10 保险业务多维数据仓库的星状模型28图6.11 雪花模式结

10、构示意图29数据仓库的构建需要将不同来源的数据进行集中、整合，然后为不同用户提供数据支持，执行策略指的就是这些数据的整合结构和应用结构。下面将先介绍数据仓库中的两个概念：数据集市和元数据。数据集市是按照不同功能对数据的归类，一般与工作职能相对应；而元数据则是对数据仓库中的资源数据的描述，是仓库中的数据“蓝图”。1）数据集市(Data Mart)2）元数据(Metadata)3）数据仓库的执行策略（1）自上而下模式6.2.4 数据仓库的执行策略数据仓库的执行策略30图6.12 自上而下模式31图6.13 有反馈的自上而下模式32（2）自下而上模式自下而上模式（如图6.14所示）是从构造各个部门或

11、特定的企业问题的数据集市开始，而整体性数据仓库是建立在这些数据集市的基础上。（3）平行开发模式平行开发模式（如图6.16所示）是指在一个整体性数据仓库的数据模型的指导下，数据集市的建立和整体性数据仓库的建立同步进行。33图6.14 自下而上模式34图6.15 有反馈的自下而上模式35图6.16 平行开发模式36图6.17 有反馈的平行开发模式374）数据仓库系统的结构图6.18 数据库系统结构图38联机分析处理（OnLine Analytical Processing，OLAP）是在1993年由关系型数据库模型的发明者E.F.Codd博士提出的。OLAP支持通过多维的方式对数据进行分析、查询和

12、生成报表，其基本功能是对用户当前及历史数据进行分析以辅助领导决策。OLAP支持复杂的分析操作，侧重决策支持，并且可提供直观易懂的查询结果。即OLAP应当提交对共享的多维信息的快速分析，其中包含5个关键特征：多维。这是OLAP的基本特征，即可以提供对数据的多角度综合查询、统计、分析。6.2.5 联机分析处理联机分析处理(OLAP)39快速。即必须以相当固定的速度向用户提交信息，大多数查询应当在5秒或更短时间内提交给用户。分析。即可以执行由应用程序开发人员预定义或由用户特别定义的对数据的查询和统计分析操作。共享。即必须满足在大量用户间实现共享秘密数据所必需的安全性需求。信息。即可以透明地访问应用程

13、序所必需的、相关的所有数据和信息，而不受它所在的物理位置的限制。406.3 数据挖掘技术数据挖掘技术数据挖掘是近年来随着人工智能和数据库技术的发展而出现的一门新兴技术。它是从大量的数据中筛选出隐含的、可信的、新颖的、有效的信息的高级处理过程。数据挖掘是面向事实的，在数据挖掘中，数据分为训练数据、测试数据和应用数据3大部分，而这3部分的比例依据经验来确定（例如1 1 8）。数据挖掘力图在训练数据中发现事实，并以测试数据作为检验和修正理论的依据，而最后把知识应用于数据中。416.3.1 数据挖掘的含义数据挖掘的含义数据挖掘的关键性思路可以简单地概括为“实事求是”。“实事”即“数据”，“求”就是去发

14、现、去挖掘、去探索，“是”即数据中隐藏的规律。因此，数据挖掘实质上就是探索数据中所蕴含的规律的过程。（1）技术角度的定义（2）商业角度的定义426.3.2 数据挖掘的作用和意义数据挖掘的作用和意义许多企业有数以百万计的历史数据，要通过传统的统计等分析方法精密分析相当困难，容易错失企业应有的商机；而数据挖掘工具能从庞杂的信息中筛选出有用的数据，以公正客观的统计分析快速准确地得知企业经营的信息，从而找出销售模式，正确掌握未来的经营动态。436.3.3 数据挖掘的发展历程数据挖掘的发展历程随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息

15、，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象。44456.3.4 数据挖掘的任务数据挖掘的任务挖掘知识的类型在多数文献和“数据挖掘”软件中称为数据挖掘任务。总结规则挖掘。它所要做的是从客户指定的数据中挖掘出（从不同的角度或在不同的层次上）平均值极小值/极大值、总和、百分比等。挖掘结果运用交叉表、特征规则和统计的曲线图表等表示。关联规则挖掘。它所要做的是从客户指令的数据库中挖掘出满

16、足一定条件的依赖性关系。分类规则挖掘。群集规则挖掘。46预测分析。趋势分析。趋势分析又称为时间序列分析，它是从相当长时间的发展中发现规律与趋势。偏差分析。偏差分析又称为比较分析，它找出一系列判别式的规则，以区别客户设置的两个不同类别。476.3.5 数据挖掘的基本方法数据挖掘的基本方法为了能从CRM客户数据中挖掘出对实际有用的关联，人们从统计学、人工智能和数据库等领域，借助基础研究的成果和工具，提出了许多办法。1）统计分析方法2）决策树3）人工神经网络4）基因算法5）粗糙集6）联机分析处理技术(OLAP）486.3.6 数据挖掘方法的应用举例数据挖掘方法的应用举例数据挖掘的实际应用与计算机技术

17、和应用数学息息相关，研究的难度比较大，下面仅以实际中最常见的两种挖掘方法为例，让读者有一个初步的了解。1）关联规则挖掘一个超级市场的销售系统记录了客户购买货物的详细情况。下面以一个简单的客户购物清单加以分析，见表6.6。2）分类规则挖掘举例（1）面向评估函数的分类方法49505152（2）面向决策树的分类方法（3）群集分析天文学家为了了解恒星的亮度和温度之间的关系，画了如图6.19所示的散布图。纵轴为衡量该恒星相对于太阳亮度的倍数，横轴则衡量恒星表面的绝对温度，即-273。53图6.19 散布图：将恒星依照温度和亮度来分群546.3.7 常见数据挖掘工具软件介绍常见数据挖掘工具软件介绍在本节中

18、，将对一些常见的数据挖掘产品作一个简单的介绍，以便使读者对数据挖掘在CRM中的应用上理解起来更加直观，并对世界上先进国家应用数据挖掘工具的发展程度有一个体会。当前推出的数据挖掘软件有很多，其实现的功能、方法都不同。鉴于对软件的评价标准，选择介绍如下：1）DB Miner2）Intelligent Miner3）SAS Enterprise Miner556.4 数据挖掘技术的应用数据挖掘技术的应用数据挖掘就是探索客户行为规律的过程。数据挖掘技术目前已越来越多地被应用于CRM系统中，成为客户细分、客户赢利能力分析、交叉营销和客户维护的基础。并且，在客户生命周期的不同阶段都有不同的应用。566.4

19、.1 数据挖掘客户关系管理中的应用数据挖掘客户关系管理中的应用在整个客户关系管理系统中，主题分析逐渐成为应用的主导。对客户管理产生了许多量化指标，应用量化指标对客户进行管理决策提高了科学性和正确性。对客户数据的分析更多体现在数据挖掘工具的使用上，数据挖掘在客户关系管理系统中体现出重要的商业价值。现在国内外推出的诸多客户关系管理产品中，数据挖掘都作为一个重要的模块嵌在其中。单纯的操作型客户关系管理已被逐渐淘汰。1）客户的细分2）客户的赢利能力分析57图6.20 决策输入和构成的分群583）交叉营销4）客户的保持59图6.21 商家和消费者的互利关系60图6.22 数据挖掘在客户层次转变中的作用6

20、16.4.2 数据挖掘技术在客户生命周期各阶段的应用数据挖掘技术在客户生命周期各阶段的应用在客户生命周期的各个过程中，不同阶段包含了多种重要的事件。数据挖掘技术可在客户生命周期的各个阶段加以应用，包括争取新客户、让已有客户创造更多的利润、保留原有老客户等，从而提高企业的客户关系管理能力。如图6.23展示了数据挖掘技术在客户生命周期事件中的典型应用。1）潜在客户2）响应者3）即得客户4）流失客户62图6.23 客户生命周期636.4.3 CRM中实施数据挖掘的基本步骤中实施数据挖掘的基本步骤如果进一步将CRM分析应用需求进行技术型整理，可以归纳出以下几类数据挖掘需求：数据描述和总结。数据分类。数

21、据分类可以提高市场细分的可操作性和可管理性。预测。给出一个或一批预测输入，其结果会如何？数据相关性发现。一种行为的发生有很大可能性触发另一种行为。数据依赖性分析。一种行为的发生以另一种行为为前提。64图6.24 数据挖掘的基本步骤651）确定分析和预测目标2）了解数据3）数据准备4）数据相关性前期探索5）模型构造6）模型评估和检验7）部署和应用666.4.4 应用数据挖掘技术是优化客户关系管理的关应用数据挖掘技术是优化客户关系管理的关键键随着企业CRM系统的不断完善，前、后台系统从接触中心所得到的数据日益增加，企业积累了大量的客户和产品销售数据。这些海量的数据使用传统的查询或分析工具往往不能识

22、别其中有价值的信息，进而就不能为企业制订营销策略、开展营销活动提供决策支持，难以针对具体的客户开展一对一的服务。而数据挖掘恰好能够解决上述问题，因此利用数据挖掘技术优化客户关系管理已经成为CRM领域一个非常热门的话题。数据挖掘应用起来比较复杂，因此在CRM中实施数据挖掘需要经过审慎的考虑，以保证实施成功，使企业从中受益。671）确定如何使用数据挖掘2）具备一定的商业智能和分析能力3）定义数据挖掘应用的用户4）定义所使用的数据并进行数据预处理5）反复验证及用户培训686.5 案例：数据仓库技术在银行经营管理中的作用案例：数据仓库技术在银行经营管理中的作用数据仓库技术对于商业银行具有重要作用，是银

23、行成功地进行市场营销的核心。据美国银行家协会(ABA)对美国排名前100名的商业银行调查显示，已有50多家实施数据仓库和数据挖掘项目，剩余的银行正在试点准备实施。该项调查还预测数据仓库和数据挖掘技术在美国商业银行的应用增长率是14.9，由此可见数据仓库的重要性。数据仓库在银行经营管理中的作用主要有：（1）有助于银行了解自身的经营状况69（2）获得“深度效益”（3）有助于商业银行经营管理和决策支持（4）有助于商业银行风险防范（5）有助于集成客户的各种信息，形成统一的客户视图70本章小结本章小结CRM系统的应用让企业积累了大量的客户数据，如何从海量数据中获取有用的信息成为决策者的一个重要问题，分析

24、型CRM的特点便凸现出来。数据仓库和数据挖掘技术作为从这些信息中获取有价值的知识的重要工具，可以为企业高层决策者提供准确的客户分类、忠诚度、赢利能力、潜在用户等有用信息，指导他们制订最优的企业营销策略，降低企业运营成本，增加利润，加速企业的发展。71复习思考题复习思考题1.CRM中客户数据类型包括哪些？2.可采用哪些方式保护客户的隐私？3.数据仓库与数据库的区别是什么？4.建立客户数据库应注意哪些问题？5.客户数据库有哪些特点？6.简述数据仓库的开发过程。7.OLAP与OLTP有什么不同？8.什么是数据挖掘？数据挖掘的目的是什么？9.如何在客户生命周期的各个阶段应用数据挖掘技术？72讨论题讨论

25、题1.什么样的公司需要建立数据仓库？2.为什么要将客户数据分类？这样做有什么好处？3.能不能从其他公司购买客户数据？如何使用这样的数据？4.你觉得最好的CRM数据挖掘软件有哪几种？5.以学校附近的书店为例，介绍几个简单适用的数据挖掘目标和任务。6.你的个人信息有哪些可以在网上找到？你觉得该如何保证你的个人隐私不被公开到Internet中？73网络实践题网络实践题745.如果苹果公司要监测网络中关于苹果手机的评论，应该重点监测哪些网站？如何获得并挖掘这些客户信息？6.作为出版商，应如何利用豆瓣网（）中的书评信息？7.淘宝网的诚信保障体系包括哪些内容？目前存在哪些不足之处？能不能利用CRM系统的功能加以改善？75演讲完毕，谢谢观看！