CRM系統:數據倉庫在CRM中的應用研究

數據倉庫在CRM中的應用研究 劉震, 熊健民, 譚保華 ( 湖北工業大學, 湖北武漢430068) 摘要: 企業管理系統建設是企業爭取競爭優勢的重要手段, 而數據挖掘技術在企業管理系統的實施中起著關鍵作 用。介紹了數據倉庫技術和CRM 技術, 并在此基礎上研究了數據挖掘技術在企業計算領域的一些應用。 關鍵詞: 數據挖掘; OLTP; 客戶關系管理; 數據倉庫 中圖分類號: TP311.13 文獻標識碼: A 文章編號: 1672- 7800( 2008) 07- 0105- 03 0 引言 在計算機分析和應用逐漸融入企業管理運營的現狀下, 如 何有效的利用手中的資源創造最大價值是目前計算機應用與 企業需求相結合的制高點。在企業應用的系統中, 有效地利用 數據挖掘, 可以指導企業高層決策者制定優化的企業營銷策 略, 降低企業運營成本, 增加利潤, 加速企業發展。 在現有數據倉庫的基礎上, 利用數據挖掘技術, 建立分析 模型, 用模糊聚類的數據挖掘方法, 實驗模擬分析客戶特征, 并 據此有針對性地制定營銷策略, 以期高效發掘現有資源, 是企 業在提高整體競爭力的一新嘗試。 本文結合試驗設計的思想, 用基于數據挖掘的方法對貸款 的客戶營銷效果, 進行針對性實證分析。分析結果表明, 在數據 挖掘指導下制定的針對性客戶營銷策略, 在增加用戶數量和提 高服務質量方面有顯著效果。 1 數據倉庫技術 傳統的數據庫系統主要面向以事務處理為主的OLTP ( 聯 機事務處理) 應用, 無法滿足制定決策時的分析處理要求。數據 倉庫技術有效地把操作型數據集成到統一的環境中, 以提供決 策型數據的訪問, 為用戶更方便地查詢所需信息提供決策支 持。企業數據倉庫的建設, 是以企業現有業務系統和大量業務 數據的積累為基礎, 將信息加以整理和重組, 并及時服務于管 理人員的經營決策需要。 在應用系統中, 數據倉庫主要由數據源、數據倉庫管理和 分析工具組成。數據源是數據倉庫可以利用的各種數據; 倉庫 管理主要包括根據需求建立數據模型和日常維護工作; 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工具和數據挖掘(DataMining) 工具等。 OLAP工具支持復雜的分析和查詢操作, 對分析需要的數 據進行有效集成, 按多維模型進行組織, 進行多角度、多層次的 分析, 側重對決策人員和高層管理人員的決策支持。數據挖掘 是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數 據中, 提取潛在有用信息的過程。在商業上, 按照企業業務目 標, 對商業數據庫中大量業務數據進行探索和分析, 揭示隱含 的、未知的規律, 進一步找出有效的方法, 幫助企業的決策者調 整市場策略, 減少風險。 在數據挖掘中最常用的技術有以下幾種: ①人工神經網 絡, 仿照生理神經網絡結構的非線形預測模型, 通過學習進行 模式識別; ②決策樹, 代表著決策集的樹形結構; ③遺傳算法, 基于進化理論, 并采用遺傳結合、遺傳變異以及自然選擇等設 計方法的優化技術; ④近鄰算法, 將數據集合中每一個記錄 進行分類的方法。 2 數據挖掘的主要方法體 數據挖掘也被稱作KDD(Knowledge Discovery in Database) , 是一種決策支持過程, 它主要運用人工智能、機器學習、統計學 等技術, 高度自動化地分析企業原有數據, 作出歸納性推理, 從 中挖掘出潛在模式, 預測客戶行為, 降低經營風險。 數據挖掘的主要方法包括關聯分析、時序模式、分類、聚 類、偏差分析及預測等, 它們可以應用到以客戶為中心的企業 決策分析及管理的不同領域和階段。 ( 1) 關聯分析(Correlation) 。其目的是挖掘出隱藏在數據間 的相互關系。例如, 80%顧客同時會在購買某種A產品的同時購 買B產品, 這就是一條關聯規則。 ( 2) 時序模式。通過時間序列搜索出重復發生概率較高的 模式, 這里強調時間序列的影響。例如, 某段時間內, 購買了A 產品的人中, 70%的人會買B產品。 ( 3) 分類(Classification) 。找出一個類別的概念描述, 它代 表了這類數據的整體信息。分類是數據挖掘中應用最多的任 務。要為每個類別做出準確的描述或建立分析模型或挖掘出分 類規則, 然后用這個分類規則對其他數據庫中的記錄進行分 類。 ( 4) 聚類(Clustering) 。按一定規則將數據分為一系列有意 義的子集。通俗地講, 就是多元統計中研究所謂“物以類聚”現 象的一種方法, 其職能是親疏程度對一批樣本或指標進行分 類。采用不同的聚類方法, 對于相同的記錄集合, 劃分結果可能 有不同。 ( 5) 偏差分析(Deviation) 。從數據庫中找出異常數據。 ( 6) 預測( Prediction) 。利用歷史數據找出規律, 建立模型, 并用此模型預測未來數據的種類、特征等。 3 企業計算領域中的計算機應用及分析 計算機在企業計算領域中的應用主要是協助管理控制企 業的運營和規劃, 其中最重要的就是ERP(Enterprise Resource Planning, 企業資源計劃) 和CRM( 客戶關系管理) 系統。ERP是 建立在信息技術基礎上, 以系統化的管理思想, 為企業決策層 及員工提供決策運行手段的管理平臺。CRM是通過對客戶詳 細資料的深入分析, 來提高客戶滿意程度, 從而提高企業的競 爭力的一種手段。本文結合CRM來討論在企業計算領域中的 計算機應用。 3.1 CRM的概念 CRM是一種以客戶為中心的經營策略, 是利用信息技術對 客戶資源進行集中管理, 將經過分析及處理的客戶信息與所有 與客戶有關的業務領域進行鏈接, 使市場、銷售、客戶服務等各 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, 提供產品及服務, 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 業效益4個方面來討論CRM的價值。 3.2 CRM中數據挖掘的工作流程 ( 1) 數據抽樣。進行數據挖掘時, 應首先從企業大量客戶信 息數據中抽取出相關的數據子集。通過對數據樣本的篩選, 不 僅能減少數據處理量, 節省系統資源, 還能使數據更加具有規 律性。 ( 2) 數據探索。數據探索就是對數據的深入調查, 即從樣本 數據集中使找出規律和趨勢, 用聚類分析區分類別, 多因素相 互影響的、十分復雜的關系明了代, 以發現因素之間的相關性。 ( 3) 數據調整。通過上述兩個步驟的操作, 對數據的狀態和 趨勢有了進一步的了解, 接下來, 要調整數據以進一步明確、量 化問題解決方法。 ( 4) 模型化。在問題進一步明確、數據結構和內容進一步調 整的基礎上, 運用神經網絡、決策樹、數理統計、時間序列分析 等方法來建立模型。這是數據挖掘的核心環節。 ( 5) 評價。從上述過程中將會得出一系列的分析結果、模式 和模型, 多數情況會得出對目標問題多側面的描述, 這時就要 綜合它們的規律性, 提供合理的決策支持信息。 3.3 數據挖掘在CRM中的應用 以金融行業中的貸款業務為例, 數據挖掘技術應用在金融 CRM體系中, 通過對借款人的特征數據進行分析, 對借款人進 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、還款賬單的歷史數據的分析, 對近期或遠期借款人的 貸款行為作出預測。及時調整貸款策略, 防止資金虛耗﹑客源損 失。在這個過程中可以引入數據挖掘的方法, 具體步驟如下。 強力推薦： 天柏客戶關系管理系統 天柏客戶關系管理系統（CRM）是一款集專業性、實用性、易用性為一體的純B/S架構的CRM系統，它基于以客戶為中心的協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的營銷策略，通過企業級協同，有效的“發現、保持和留住客戶”，從而達到留住客戶、提高銷售，實現企業利潤最大化的目的。通過對客戶進行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)、客戶產品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業銷售、營銷、客戶服務和支持等與客戶關系有關的業務流程并提高各個環節的自動化程度，從而幫助企業達到縮短銷售周期、降低銷售成本、擴大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機會和銷售渠道，最終從根本上提升企業的核心競爭力，使得企業在當前激烈的競爭環境中立于不敗之地。 關鍵詞：CRM,CRM系統,CRM軟件,客戶關系管理,客戶管理軟件,客戶管理系統,客戶關系管理軟件,客戶關系管理系統