CRM系統(tǒng)：分析型CRM 在保險(xiǎn)行業(yè)的應(yīng)用

3 保險(xiǎn)行業(yè)分析型CRM 實(shí)施風(fēng)險(xiǎn)規(guī)避 數(shù)據(jù)倉(cāng)庫(kù)及OLAP 分析的構(gòu)建過(guò)程如圖7 所示。在圖7 的構(gòu)建過(guò)程中，存在著以下風(fēng)險(xiǎn)： (1)OLAP 服務(wù)器風(fēng)險(xiǎn)：在OLAP 服務(wù)器環(huán)節(jié)由于CUBE 創(chuàng) 建過(guò)程復(fù)雜同時(shí)CUBE 的維護(hù)也復(fù)雜，因此存在著風(fēng)險(xiǎn)。為 了規(guī)避OLAP 服務(wù)器的風(fēng)險(xiǎn)，可以先采用圖8 的方式。該方式 對(duì)前端展現(xiàn)工具的要求是：能夠?qū)崿F(xiàn)OLAP 功能(鉆取、切片、 旋轉(zhuǎn)⋯)、避免預(yù)先計(jì)算、具有審計(jì)功能、能夠直接使用數(shù)據(jù)倉(cāng) 庫(kù)中的星型模型、聚合表等數(shù)據(jù)結(jié)構(gòu)。 (2)數(shù)據(jù)倉(cāng)庫(kù)風(fēng)險(xiǎn)：由于構(gòu)建的數(shù)據(jù)倉(cāng)庫(kù)是穩(wěn)定、集成以及 結(jié)構(gòu)優(yōu)化的，因此在構(gòu)建過(guò)程中也存在風(fēng)險(xiǎn)。為了規(guī)避數(shù)據(jù) 倉(cāng)庫(kù)的風(fēng)險(xiǎn)，可以先采用圖9 的方式。該方式對(duì)前端展現(xiàn)工 具的要求是：能夠融合多個(gè)數(shù)據(jù)源的數(shù)據(jù)、能夠在數(shù)據(jù)和應(yīng)用 之間構(gòu)建語(yǔ)義、具有審計(jì)功能，從而為數(shù)據(jù)倉(cāng)庫(kù)的結(jié)構(gòu)優(yōu)化提 供建議、能夠進(jìn)行任務(wù)調(diào)度(避免干擾業(yè)務(wù)系統(tǒng)的運(yùn)行)。 總地說(shuō)來(lái)，在數(shù)據(jù)倉(cāng)庫(kù)和OLAP 建設(shè)過(guò)程中規(guī)避風(fēng)險(xiǎn)的 基本原則是：必須反復(fù)地、迭代地進(jìn)行、企業(yè)需求必須不斷加 以反映、及時(shí)獲得成果使項(xiàng)目小組能夠確認(rèn)項(xiàng)目進(jìn)展。實(shí)施 圖如圖10 所示。 4 保險(xiǎn)行業(yè)分析型CRM的技術(shù)架構(gòu) 對(duì)于目前的企業(yè)應(yīng)用來(lái)說(shuō)，可供選擇的技術(shù)架構(gòu)包括： .NET和J2EE。考慮到保險(xiǎn)行業(yè)對(duì)安全可靠等的要求，建議保 險(xiǎn)行業(yè)分析型CRM 的技術(shù)架構(gòu)采用J2EE 體系。 5 結(jié)束語(yǔ) 對(duì)保險(xiǎn)企業(yè)來(lái)說(shuō)，分析型CRM 的應(yīng)用通過(guò)應(yīng)用數(shù)據(jù)倉(cāng) 庫(kù)、OLAP、數(shù)據(jù)挖掘等技術(shù)手段，對(duì)保險(xiǎn)業(yè)務(wù)系統(tǒng)的客戶關(guān)聯(lián) 數(shù)據(jù)進(jìn)行處理，發(fā)掘有價(jià)值的客戶、保留有價(jià)值的客戶以及根 據(jù)不同的客戶類別制定相應(yīng)的營(yíng)銷策略，從而提高保險(xiǎn)企業(yè) 的核心競(jìng)爭(zhēng)力。 參考文獻(xiàn): [1] 朱愛(ài)群.客戶關(guān)系管理與數(shù)據(jù)挖掘[M].北京:中國(guó)財(cái)政經(jīng)濟(jì)出 版社, 2001. 4 實(shí)驗(yàn)結(jié)果 下面通過(guò)實(shí)驗(yàn)來(lái)分析分組多支持度關(guān)聯(lián)算法與原有算法 之間的性能比較。實(shí)驗(yàn)的下。實(shí)驗(yàn)運(yùn)行環(huán)境為CPUP4 1.6G， 內(nèi)存512M，操作系統(tǒng)為Windows 2003，用Java 編寫了兩種算 法。數(shù)據(jù)源為合成數(shù)據(jù)，使用數(shù)據(jù)生成器生成了4 個(gè)數(shù)據(jù)文 件，分別包含了4 萬(wàn)、6 萬(wàn)、8 萬(wàn)、10 萬(wàn)條事務(wù)，100 屬性(分成5 組，對(duì)應(yīng)的支持度為0.02、0.04、0.6、0.8、0.10)，平均事務(wù)長(zhǎng)度為 8。算法的運(yùn)行結(jié)果如圖3 所示。從圖3 中可以看出分組算法 的效率比原來(lái)的多支持度關(guān)聯(lián)規(guī)則高，這主要是因?yàn)椴扇×? 分組后再連接候選集時(shí)，由于分組算法需要連接的候選集比 原有算法少，因此提高了效率。 5 結(jié)束語(yǔ) 本文針對(duì)多支持度關(guān)聯(lián)規(guī)則問(wèn)題中存在的問(wèn)題，提出了 使用分組給定支持度的方法，并給出了相應(yīng)的分組算法。該 算法有兩個(gè)作用：減少了需要用戶指定支持度的個(gè)數(shù)；提高了 多支持度關(guān)聯(lián)規(guī)則問(wèn)題的計(jì)算效率。 參考文獻(xiàn): [1] Han JW, KamberM. Datamining: Concepts and techniques[M]. San Francisco: Morgan Kaufmann Publishers, 2001. [2] Liu B, Hsu W, Ma Y. Mining association rules with multiple minimum supports [C]. San Diego, USA: Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1999.337-341. [3] Yun H, Ha D, Hwang B, et al. Mining association rules on significant rare data using relative support[J]. Journal of Systems and Software, 2003, 67(3): 181-191. [4] Seno M, Karypis G LPMiner. An algorithm for finding frequent itemsets using length decreasing support constraint[C]. San Jose, USA: Proceedings 1st IEEE Conference on Data Mining, 2001. 505-512. [5] SenoM, Karypis G SLPMiner. An algorithm for finding frequent sequential patterns using length-decreasing support constraint [C]. Maebashi, Japan: Proceedings 2nd IEEE Conference on Data Mining, 2002. 418-425. [6] 樓曉鴻,丁寶康.一種多支持度的關(guān)聯(lián)規(guī)則采集算法[J].計(jì)算機(jī) 工程, 2001,27(6):102-103. [7] 李銘.關(guān)聯(lián)規(guī)則的多支持度挖掘在銷售數(shù)據(jù)中的應(yīng)用[J].計(jì)算 機(jī)工程, 2003,29(8):90-92. [8] 張建明,榮岡.基于關(guān)聯(lián)規(guī)則的故障診斷方法及研究[J].化工自 動(dòng)化及儀表, 2003,30 (5):11-14. [9] 吳小波,徐維祥.多支持度關(guān)聯(lián)規(guī)則在網(wǎng)絡(luò)使用挖掘中的應(yīng)用 [J].計(jì)算機(jī)工程與應(yīng)用, 2005,41(31):164-167. 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(shí)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(yíng)銷理念，圍繞客戶生命周期的整個(gè)過(guò)程，針對(duì)不同價(jià)值的客戶實(shí)施以客戶滿意為目標(biāo)的營(yíng)銷策略，通過(guò)企業(yè)級(jí)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(shí)現(xiàn)企業(yè)利潤(rùn)最大化的目的。通過(guò)對(duì)客戶進(jìn)行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠(chéng)度分析(Persistency)、客戶利潤(rùn)分析(Profitability)、客戶性能分析(Performance)、客戶未來(lái)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(yíng)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(gè)環(huán)節(jié)的自動(dòng)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(chǎng)份額、尋求新的市場(chǎng)機(jī)會(huì)和銷售渠道，最終從根本上提升企業(yè)的核心競(jìng)爭(zhēng)力，使得企業(yè)在當(dāng)前激烈的競(jìng)爭(zhēng)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)