电子商务企业管理方案.ppt

第五章电子商务企业管理方案 客户关系管理供应链管理商务智能 客户关系管理简述 CRM CustomerRelationshipManagement 客户关系管理 是正在兴起的一种旨在健全 改善企业与客户之间关系的新型管理系统CRM核心思想是以 客户为中心 提高客户满意度 改善客户关系 从而提高企业的竞争力对CRM的定义 目前还没有一个统一的表述 但就其功能来看 CRM是通过采用信息技术 使企业市场营销 销售管理 客户服务和支持等经营流程信息化 实现客户资源有效利用的管理软件系统 需求的拉动的冲击来自销售人员的声音来自营销人员的声音来自服务人员的声音来自顾客的声音来自经理人员的声音技术的推动管理理念的更新业务流程的重组 BPR 客户的重要性日益突出网络化市场的主动权在客户方 CRM的产生 Internet和电子商务多媒体技术数据仓库和数据挖掘人工智能和专家系统呼叫中心及相应的硬件系统专业咨询真正的CRM应做到让客户更方便 Convenient 让客户更亲切 Care 让客户更觉个性化 Personalized 实时反应 real timeresponse CRM作为解决方案 CRM的主要内容客户分析企业对客户的承诺客户信息交流一良好的关系留住客户客户反馈管理CRM系统组成客户概况 Profiling 分析子系统客户利润 Profitability 分析子系统客户性能 Performance 分析子系统客户产品 Product 分析子系统客户忠诚度 Persistency 分析子系统客户未来 Prospecting 分析子系统客户促销 Promotion 分析子系统 CRM主要内容 CRM与ERP的关系 客户关系管理模型 客户关系管理的功能主要分为四大部分 客户信息管理 整合记录企业各部门 每个人所接触的客户资料 并进行统一管理市场营销管理 制订市场推广计划 并对各种渠道接触的客户进行记录 分类和辨识 提供对潜在客户的管理 并对各种市场活动的成效进行评价销售管理 包括对销售人员电话销售 现场销售 销售佣金等管理 支持现场销售人员的移动通信设备或掌上电脑接入服务管理与客户关怀 功能包括产品安装档案 服务请求 服务内容 服务网点 服务收费等管理信息 详细记录服务全程进行情况 CRM的典型功能 IBM的CRM解决方案 CRM解决方案的功能主要有三类 接入管理 用来管理客户和企业进行交互的方式CRM流程管理 CRM流程管理代表着与销售 服务 支持和市场相关的业务流程的自动化 主要包括销售自动化 服务送达 产品支持和市场自动化关系管理 使用数据挖掘 数据仓库和复杂的分析功能 贯穿于CRM解决方案关系管理的全过程 并具有全面的客户观念和客户忠诚度衡量标准和条件 IBMCRM的主要内容 客户关系管理供应链管理商务智能 SCM概念 供应链 supplychain 定义为相互间通过提供原材料 零部件 产品 服务的厂家 供应商 零售商等组成的网络供应链管理 SupplyChainManagement 则是对供应链中的信息流 物流和资金流进行设计 规划和控制 从而增强竞争实力 提高供应链中各成员的效率和效益SCM帮助管理人员有效分配资源 最大限度提高效率和减少工作周期 SCM与ERP 供应链管理 SCM 应用是在企业资源管理 ERP 的基础上发展起来的ERP从概念上而言仅是对企业内部的资源进行调配与平衡SCM被作为ERP的外延和补充提出来 因为SCM不仅包括资源接收 生产制造过程的管理 还涉及产品交付过程等管理ERP是着重在交易处理 TransactionBase 的层面 SCM软件则着重在规划层面 而且它是从供应链的角度思考作整个供应链的管理 SCM的功能 订购管理 管理客户各种订购情况 如订货 收货 付款与否等需求管理 从市场动态预测客户需求 以及材料补给计划等供给管理 管理材料供应商的供给情况 如库存情况 价格 供给能力等制造管理 管理产品的状况 如生产线 生产量 物流管理等 供应链流程观 周期的观点推拉的观点 Dell供应链的推 拉流程 Oracle供应链管理系统主要包括 供应链计划供给管理物料管理销售定单管理售后客户服务质量管理 Oracle的供应链管理方案 客户关系管理供应链管理商务智能 核心业务与电子商务紧密结合面向客户个性化服务商业智能快速反应 智能电子商务的特征 如果数据是金钱 商务智能可以 ExistingDataAssets 产品或服务分析 降低成本 分析利润 发现销售机会 目标市场 动态区隔 P R C 什么是商务智能 商务智能指收集 转换 分析和发布数据的过程 目的是为了更好的决策 商务智能是指将数据转化为知识的过程 它包括捕获和分析信息 交流信息 以及利用这些信息开发市场 Data Information Knowledge 商务智能在行业的应用 银行客户利润分析分支行利润分析交叉销售信用风险管理新产品推销收费策略 保险欺诈管理收费策略目标市场活动客户挽留客户利润分析 零售地区 商店各种货物 品牌 分类等 销售业绩定价和减价市场篮子关系市场需求预测仓储规划 通讯客户忠实客户流失模式客户利润分析竞争分析欺诈管理 数据仓库技术联机分析处理技术OLAP数据挖掘技术代理技术 商务智能关键技术 数据仓库 数据仓库的最终目标是把企业范围内的所有数据集成在一个大仓库中 让用户能运行查询 产生报告 执行分析 数据仓库之父 BillInmon给的定义 数据仓库就是一个用以更好地支持企业或组织的决策分析处理的 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 数据仓库的特征 面向主题的 主题是一个在较高层次将数据归类的标准 每个主题基本对应一个宏观的分析领域集成的 允许数据来自于跨组织和部门等不同数据源 集成的数据必须是一致的 用户看来是统一的数据视图不可更新的 指一旦某个数据进入数据仓库后 一般情况下将被长期保留 反映历史数据内容 随时间不断变化 库中的信息系统地记录了企业从过去某一点到目前的各阶段的信息 数据仓库与数据库比较 不同点 依据决策要求 只从数据库中抽取需要的数据 并进行一定的处理 数据仓库是多维的 即数据仓库的数据的组织方式有多层的行和列 支持决策处理 OLAP 不同于普通的事务处理 OLTP 需要的数据库知识 并行数据库技术 数据量很大 高性能的数据库服务器 分析型的应用 数据库互操作技术 数据来源多种多样 数据仓库的体系结构 操作型数据源 1 报告查询 应用开发和 EIS 工具 操作型数据源 2 OLAP 工具 n 数据挖掘工具 仓库管理器 元数据 高度综合数据 轻度综合数据 细节数据 集 成 管 理 器 查 询 管 理 器 操作型数据源n 数据仓库建模 星型模式 ExampleofStarSchema DateMonthYear Date CustIdCustNameCustCityCustCountry Cust SalesFactTable Date Product Store Customer unit sales dollar sales Yen sales Measurements StoreIDCityStateCountryRegion Store 数据仓库建模 雪片模式 DateMonth Date CustIdCustNameCustCityCustCountry Cust SalesFactTable Date Product Store Customer unit sales dollar sales Yen sales Measurements MonthYear Month Year Year ExampleofSnowflakeSchema 操作型 OLTP 数据源 销售库 星形模式 时间维 事实表 多维模型 事实 度量 Metrics 时间维 时间维的属性 联机事物处理OLTP系统和数据仓库的比较 典型的数据仓库解决方案 IBM数据仓库解决方案ORACLE数据仓库解决方案SAS数据仓库解决方案 IBM数据仓库解决方案 建立数据仓库包括以下阶段 数据抽取阶段 完成对各种数据源的访问数据转换阶段 完成对数据的清洗 汇总 整合数据分布阶段 完成对结果数据存储的分配通常此三阶段紧密结合在一个产品中体现数据仓库的存储 由DB2家族完成数据的呈现 由不同产品完成不同的分析要求管理和维护数据仓库中的数据 交给VisualWarehouse IBM数据仓库解决方案 IBM数据仓库解决方案 前三个阶段 抽取 转换 分布 VisualWarehouse DataJoiner DatePropagator数据仓库的存储由DB2家族产品来完成 IBM数据仓库解决方案 数据的呈现 Approach可进行查询和统计分析IntelligentDecisionServer支持多维分析IntelligentMiner用于数据挖掘用户查找和理解数据仓库中的数据 DataGuide ORACLE数据仓库解决方案 ORACLE数据仓库解决方案 OracleExpressServer是一个先进的计算引擎和数据高速缓存Oracle的OLAP工具主要包括OracleExpressObjects OracleExpressAnalyzer和OracleDiscoverer ORACLE数据仓库解决方案 OracleExpressWebAgent将OracleExpress技术的分析能力和Web浏览器的简单性相结合OracleFinancialAnalyzer OracleFinancialController和OracleSalesAnalyzer是Oracle针对财务和销售而预制的OLAP应用 联机分析处理 OLAP 60年代 关系数据库之父E F Codd提出了关系模型 促进了联机事务处理 OLTP 的发展 数据以表格的形式而非文件方式存储 1993年 E F Codd提出了OLAP概念 认为OLTP已不能满足终端用户对数据库查询分析的需要 SQL对大型数据库进行的简单查询也不能满足终端用户分析的要求 用户的决策分析需要对关系数据库进行大量计算才能得到结果 而查询的结果并不能满足决策者提出的需求 因此 E F Codd提出了多维数据库和多维分析的概念 即OLAP OLTP数据OLAP数据原始数据导出数据细节性数据综合性和提炼性数据当前值数据历史数据可更新不可更新 但周期性刷新一次处理的数据量小一次处理的数据量大面向应用 事务驱动面向分析 分析驱动面向操作人员 支持日面向决策人员 支持管理需要常操作 OLTP和OLAP的区别 定义1 OLAP 联机分析处理 是针对特定问题的联机数据访问和分析 通过对信息 维数据 的多种可能的观察形式进行快速 稳定一致和交互性的存取 允许管理决策人员对数据进行深入观察 定义2 OLAP 联机分析处理 是使分析人员 管理人员或执行人员能够从多种角度对从原始数据中转化出来的 能够真正为用户所理解的 并真实反映企业维特性的信息进行快速 一致 交互地存取 从而获得对数据的更深入了解的一类软件技术 OLAP委员会的定义 OLAP的目标是满足决策支持或多维环境特定的查询和报表需求 它的技术核心是 维 这个概念 因此OLAP也可以说是多维数据分析工具的集合 什么是OLAP 1 维 是人们观察数据的特定角度 是考虑问题时的一类属性 属性集合构成一个维 时间维 地理维等 2 维的层次 人们观察数据的某个特定角度 即某个维 可以存在细节程度不同的各个描述方面 时间维 日期 月份 季度 年 3 维的成员 维的一个取值 是数据项在某维中位置的描述 某年某月某日 是在时间维上位置的描述 4 多维数组 维和变量的组合表示 一个多维数组可以表示为 维1 维2 维n 变量 时间 地区 产品 销售额 5 数据单元 单元格 多维数组的取值 2000年1月 上海 笔记本电脑 100000 相关基本概念 1 快速性 用户对OLAP的快速反应能力有很高的要求 系统应能在5秒内对用户的大部分分析要求做出反应 2 可分析性 OLAP系统应能处理与应用有关的任何逻辑分析和统计分析 3 多维性 多维性是OLAP的关键属性 系统必须提供对数据的多维视图和分析 包括对层次维和多重层次维的完全支持 4 信息性 不论数据量有多大 也不管数据存储在何处 OLAP系统应能及时获得信息 并且管理大容量信息 OLAP特性 多维视图 地 北京 理 多维数据视图 位 上海 99 置 98 年 广州 97 份 彩电 洗衣机 电冰箱 产 品 类 型 98 97 1 超立方结构 Hypercube 超立方结构指用三维或更多的维数来描述一个对象 每个维彼此垂直 数据的测量值发生在维的交叉点上 数据空间的各个部分都有相同的维属性 收缩超立方结构 这种结构的数据密度更大 数据的维数更少 并可加入额外的分析维 2 多立方结构 Multicube 在多立方结构 Multicube 中 将大的数据结构分成多个多维结构 这些多维结构是大数据维数的子集 面向某一特定应用对维进行分割 即将超立方结构变为子立方结构 它具有很强的灵活性 提高了数据 特别是稀疏数据 的分析效率 OLAP多维数据结构 OLAP多维数据分析 对以多维形式组织起来的数据 采取切片 切块 旋转等各种分析动作 以求剖析数据 使最终用户能从多个角度 多侧面地观察数据库中的数据 1 切片和切块 SliceandDice 在多维数据结构中 按二维进行切片 按三维进行切块 可得到所需要的数据 如在 城市 产品 时间 三维立方体中进行切块和切片 可得到各城市 各产品的销售情况 2 钻取 Drill 钻取包含向下钻取 Drill down 和向上钻取 Drill up 上卷 Roll up 操作 钻取的深度与维所划分的层次相对应 3 旋转 Rotate 转轴 Pivot 通过旋转可以得到不同视角的数据 数据分析方法 OLAP的分析方法 一 切片 切块 OLAP的分析方法 二 钻取 按时间维向下钻取 按时间维向上钻取 60 OLAP的分析方法 三 旋转 数据组织形式 RDB数据组织 MDDB数据组织 关系表中综合数据的存放多维数据库中综合数据的存放 OLAP体系结构 数据挖掘 DataMining 数据挖掘 DataMining 又称数据库中的知识发现 KnowledgeDiscoveryinDatabase KDD 是指从大型数据库或数据仓库中抽取出潜在的 有价值的知识 模型或规则 的过程数据挖掘的目的 提高市场决策能力 检测异常模式 在过去的经验基础上预言未来趋势等数据挖掘不同的术语和定义 datamining knowledgediscovery patterndiscovery datadredging dataarcheology 数据挖掘过程 选择 转换 挖掘 理解 转换后数据 抽取的信息 可理解的信息 选择的数据 数据仓库 数据挖掘过程模型 1 定义商业问题2 建立数据挖掘模型3 分析数据4 准备数据5 建立模型6 评价模型7 实施 数据挖掘和数据仓库 数据挖掘模式 分类模式关联模式顺序模式聚类模式回归模式时间序列模式 分类 Classification 方法 首先从数据中选出已经分好类的训练集 在该训练集上运用数据挖掘分类的技术 建立分类模型 对于没有分类的数据进行分类 例子 a 信用卡申请者 分类为低 中 高风险b 分配客户到预先定义的客户分片注意 类的个数是确定的 预先定义好的常用算法 Decisiontreeinduction Neuralnetworks Geneticalgorithms K Nearestneighbors Casebasedreasoning AssociationRuleModel DecisionClustermodel Roughsetclassificationmodel 回归 估值Estimation 方法估值与分类类似 不同之处在于 分类描述的是离散型变量的输出 而估值处理连续值的输出 分类的类别是确定数目的 估值的量是不确定的 例子 a 根据购买模式 估计一个家庭的孩子个数b 根据购买模式 估计一个家庭的收入c 估计realestate的价值一般来说 估值可以作为分类的前一步工作 给定一些输入数据 通过估值 得到未知的连续变量的值 然后 根据预先设定的阈值 进行分类 例如 银行对家庭贷款业务 运用估值 给各个客户记分 Score0 1 然后 根据阈值 将贷款级别分类 关联模式 相关性分组或关联规则 Affinitygroupingorassociationrules 两种常用的技术是关联规则和序列模式 关联规则是寻找在同一个事件中出现的不同项的相关性 序列模式寻找的是事件之间时间上的相关性例子 a 超市中客户在购买A的同时 经常会购买B 即A B 关联规则 b 客户在购买A后 隔一段时间 会购买B 序列分析 聚类 Clustering 方法聚类是对记录分组 把相似