CRM系统:数据仓库在CRM中的应用研究

数据仓库在CRM中的应用研究 刘震, 熊健民, 谭保华 ( 湖北工业大学, 湖北武汉430068) 摘要: 企业管理系统建设是企业争取竞争优势的重要手段, 而数据挖掘技术在企业管理系统的实施中起着关键作 用。介绍了数据仓库技术和CRM 技术, 并在此基础上研究了数据挖掘技术在企业计算领域的一些应用。 关键词: 数据挖掘; OLTP; 客户关系管理; 数据仓库 中图分类号: TP311.13 文献标识码: A 文章编号: 1672- 7800( 2008) 07- 0105- 03 0 引言 在计算机分析和应用逐渐融入企业管理运营的现状下, 如 何有效的利用手中的资源创造最大价值是目前计算机应用与 企业需求相结合的制高点。在企业应用的系统中, 有效地利用 数据挖掘, 可以指导企业高层决策者制定优化的企业营销策 略, 降低企业运营成本, 增加利润, 加速企业发展。 在现有数据仓库的基础上, 利用数据挖掘技术, 建立分析 模型, 用模糊聚类的数据挖掘方法, 实验模拟分析客户特征, 并 据此有针对性地制定营销策略, 以期高效发掘现有资源, 是企 业在提高整体竞争力的一新尝试。 本文结合试验设计的思想, 用基于数据挖掘的方法对贷款 的客户营销效果, 进行针对性实证分析。分析结果表明, 在数据 挖掘指导下制定的针对性客户营销策略, 在增加用户数量和提 高服务质量方面有显著效果。 1 数据仓库技术 传统的数据库系统主要面向以事务处理为主的OLTP ( 联 机事务处理) 应用, 无法满足制定决策时的分析处理要求。数据 仓库技术有效地把操作型数据集成到统一的环境中, 以提供决 策型数据的访问, 为用户更方便地查询所需信息提供决策支 持。企业数据仓库的建设, 是以企业现有业务系统和大量业务 数据的积累为基础, 将信息加以整理和重组, 并及时服务于管 理人员的经营决策需要。 在应用系统中, 数据仓库主要由数据源、数据仓库管理和 分析工具组成。数据源是数据仓库可以利用的各种数据; 仓库 管理主要包括根据需求建立数据模型和日常维护工作; 分析工 具用来完成实际决策所需的各种查询检索工具、报表生成工 具、OLAP工具和数据挖掘(DataMining) 工具等。 OLAP工具支持复杂的分析和查询操作, 对分析需要的数 据进行有效集成, 按多维模型进行组织, 进行多角度、多层次的 分析, 侧重对决策人员和高层管理人员的决策支持。数据挖掘 是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数 据中, 提取潜在有用信息的过程。在商业上, 按照企业业务目 标, 对商业数据库中大量业务数据进行探索和分析, 揭示隐含 的、未知的规律, 进一步找出有效的方法, 帮助企业的决策者调 整市场策略, 减少风险。 在数据挖掘中最常用的技术有以下几种: ①人工神经网 络, 仿照生理神经网络结构的非线形预测模型, 通过学习进行 模式识别; ②决策树, 代表着决策集的树形结构; ③遗传算法, 基于进化理论, 并采用遗传结合、遗传变异以及自然选择等设 计方法的优化技术; ④近邻算法, 将数据集合中每一个记录 进行分类的方法。 2 数据挖掘的主要方法体 数据挖掘也被称作KDD(Knowledge Discovery in Database) , 是一种决策支持过程, 它主要运用人工智能、机器学习、统计学 等技术, 高度自动化地分析企业原有数据, 作出归纳性推理, 从 中挖掘出潜在模式, 预测客户行为, 降低经营风险。 数据挖掘的主要方法包括关联分析、时序模式、分类、聚 类、偏差分析及预测等, 它们可以应用到以客户为中心的企业 决策分析及管理的不同领域和阶段。 ( 1) 关联分析(Correlation) 。其目的是挖掘出隐藏在数据间 的相互关系。例如, 80%顾客同时会在购买某种A产品的同时购 买B产品, 这就是一条关联规则。 ( 2) 时序模式。通过时间序列搜索出重复发生概率较高的 模式, 这里强调时间序列的影响。例如, 某段时间内, 购买了A 产品的人中, 70%的人会买B产品。 ( 3) 分类(Classification) 。找出一个类别的概念描述, 它代 表了这类数据的整体信息。分类是数据挖掘中应用最多的任 务。要为每个类别做出准确的描述或建立分析模型或挖掘出分 类规则, 然后用这个分类规则对其他数据库中的记录进行分 类。 ( 4) 聚类(Clustering) 。按一定规则将数据分为一系列有意 义的子集。通俗地讲, 就是多元统计中研究所谓“物以类聚”现 象的一种方法, 其职能是亲疏程度对一批样本或指标进行分 类。采用不同的聚类方法, 对于相同的记录集合, 划分结果可能 有不同。 ( 5) 偏差分析(Deviation) 。从数据库中找出异常数据。 ( 6) 预测( Prediction) 。利用历史数据找出规律, 建立模型, 并用此模型预测未来数据的种类、特征等。 3 企业计算领域中的计算机应用及分析 计算机在企业计算领域中的应用主要是协助管理控制企 业的运营和规划, 其中最重要的就是ERP(Enterprise Resource Planning, 企业资源计划) 和CRM( 客户关系管理) 系统。ERP是 建立在信息技术基础上, 以系统化的管理思想, 为企业决策层 及员工提供决策运行手段的管理平台。CRM是通过对客户详 细资料的深入分析, 来提高客户满意程度, 从而提高企业的竞 争力的一种手段。本文结合CRM来讨论在企业计算领域中的 计算机应用。 3.1 CRM的概念 CRM是一种以客户为中心的经营策略, 是利用信息技术对 客户资源进行集中管理, 将经过分析及处理的客户信息与所有 与客户有关的业务领域进行链接, 使市场、销售、客户服务等各 个部门可以共享客户资源, 使公司可以实时地跟踪客户的需 求, 提供产品及服务, 提高客户的满意度及忠诚度, 从而吸引更 多的客户, 最终使公司的利润最大化。 一般来讲, 可以从提高效率、拓展市场、保留客户及提高企 业效益4个方面来讨论CRM的价值。 3.2 CRM中数据挖掘的工作流程 ( 1) 数据抽样。进行数据挖掘时, 应首先从企业大量客户信 息数据中抽取出相关的数据子集。通过对数据样本的筛选, 不 仅能减少数据处理量, 节省系统资源, 还能使数据更加具有规 律性。 ( 2) 数据探索。数据探索就是对数据的深入调查, 即从样本 数据集中使找出规律和趋势, 用聚类分析区分类别, 多因素相 互影响的、十分复杂的关系明了代, 以发现因素之间的相关性。 ( 3) 数据调整。通过上述两个步骤的操作, 对数据的状态和 趋势有了进一步的了解, 接下来, 要调整数据以进一步明确、量 化问题解决方法。 ( 4) 模型化。在问题进一步明确、数据结构和内容进一步调 整的基础上, 运用神经网络、决策树、数理统计、时间序列分析 等方法来建立模型。这是数据挖掘的核心环节。 ( 5) 评价。从上述过程中将会得出一系列的分析结果、模式 和模型, 多数情况会得出对目标问题多侧面的描述, 这时就要 综合它们的规律性, 提供合理的决策支持信息。 3.3 数据挖掘在CRM中的应用 以金融行业中的贷款业务为例, 数据挖掘技术应用在金融 CRM体系中, 通过对借款人的特征数据进行分析, 对借款人进 行分类, 对不同类别的借款人采取不同的营销对策。对不同等 级贷款、还款账单的历史数据的分析, 对近期或远期借款人的 贷款行为作出预测。及时调整贷款策略, 防止资金虚耗﹑客源损 失。在这个过程中可以引入数据挖掘的方法, 具体步骤如下。 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。 关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统