第九讲 客户信息的整合与运用.ppt

第九讲客户信息的整合与运用 9 1客户信息 信息技术与CRM9 2CRM系统和数据仓库9 3CRM系统中的数据挖掘9 4知识发现与CRM9 5联机信息分析处理与CRM 9 1客户信息 信息技术与CRM 9 1 1客户信息概述1 客户信息 客户数据与客户知识 2 客户信息的类型 在CRM中 按照客户信息来源的不同 可以将客户信息分为3种类型 描述客户是谁的信息 描述对客户进行营销或者促销活动的信息 主要包括市场活动的类型 预算或描述等 描述客户与企业交易的信息 主要是过程信息与结果信息的结合 3 客户信息的重要性说明 1 客户信息质量低下的危害性 储存和管理重复资料的高额成本 无法有效地 准确地处理客户联系和活动 对客户目前和潜在的价值 以及过去已经发生和未来可能发生的行为和要求无法进行深刻分析 无法适当地划分和描述客户 从而也就无法针对不同的客户群提供不同的服务 2 客户信息对客户管理系统的重要性 3 受客户信息水平影响最大的4个领域 麦凯恩 一是开辟新的分销渠道 关闭旧的分销渠道及重新部署现有的分销渠道等决策 二是事半功倍的能力 用更少的员工为更多的客户服务 三是提高销售和营销活动的效率 并以较低的成本实现相同的市场效率 四是如何依据客户需求分配宝贵的客户服务资源 从而提高客户服务水平 4 客户信息对其他管理活动的影响 1 减少外部采购的需求 2 对不断变化的经营环境的反应 5 客户数据 客户信息 客户知识 9 1 2CRM中的信息技术介绍 1 数据库管理系统 DBMS 2 数据仓库 3 数据挖掘 4 决策支持 5 电子邮件 9 1 3CRM系统中的信息技术的应用 1 数据仓库的应用数据仓库技术能比较好地解决来自销售 市场 制造 库存和客户服务等部门的分散数据提取和问题处理 从而达到更好地了解客户 更方便地提供服务的目的 2 数据挖掘技术的应用数据挖掘是一门广义的交叉科学 包括了数据库 人工智能 数据统计和并行计算等方面的技术 数据挖掘能够帮助企业确定客户的特点 从而可以为客户提供有针对性的服务 9 2CRM系统和数据仓库 9 2 1数据仓库概述1 数据库技术的发展数据库系统是数据库和数据库管理系统的总称 1968年 IBM研制出信息管理系统 1969年 美国数据系统语言委员会的数据库任务组提出了网络数据库模型的数据规范 于1971年发表了DBTG报告 正式确定了数据库设计的网络方法 1970年 Codd提出了数据库关系模型 开创了数据库的关系方法和数据库规范化理论的研究 80年代后 关系型数据库理论得到空前广泛的应用 90年代数据库技术并没有出现革命性的创新 2 数据仓库的提出 发展与兴起 20世纪80年代中后期出现数据仓库思想的萌芽 从而为数据仓库概念的最终提出和发展打下了基础 1992年 W H Inmon在其里程碑式的 建立数据仓库 一书中提出了 数据仓库 DataWarehouse 的概念 数据仓库的研究和应用从此得到了广泛的关注 9 2 2数据仓库的定义 特征与类型 1 定义Inmon认为 数据仓库是面向主题的 集成的 是随时间推移而发生变化的数据集合 可用来支持管理决策 其他定义 Infomix公司 数据仓库把分布在企业网络中的不同 信息孤岛 中的业务数据集成到一起 存储在单一的集成关系型数据库中 利用这种集成信息 可方便用户对信息的访问 更可使决策人员对一段时间内的历史数据进行分析 研究事物发展趋势 SAS 一种管理技术 旨在通过通畅 合理 全面的信息管理 达到有效的决策支持 各种数据仓库的定义具有以下共同特征 数据仓库中包含大量数据 这些数据可能来自企业或组织内部 也可能来自外部 以数据仓库方式进行组织的目的是为了能够更好地支持决策 数据仓库为最终使用者提供了用于存取 分析数据的工具 2 数据仓库的类型 根据数据仓库所管理的类型和它们所解决的企业问题范围 一般可将数据仓库分为下列3种类型 企业数据仓库 EnterpriseDataWarehouse EDW 操作型数据库 OperationalDataSystem ODS 数据集市 DataMart 9 2 3数据仓库的技术结构 设计模块 是由数据仓库的设计者和管理者来设计和定义数据仓库数据库 数据获取模块 用于开发和运行数据获取应用程序 从源系统中获取数据 并整合到数据仓库的数据库中去 数据管理员模块 用来生成 管理和访问数据仓库中数据 管理模块 包括一整套用于维护数据仓库环境的系统管理服务 信息目录模块 能帮助技术用户和业务用户访问数据仓库系统 数据访问模块 所提供的数据访问工具使最终用户能够访问和分析数据仓库中的数据 中间件模块 将仓库数据库与最终用户工具连接起来 图9 2数据仓库的技术结构 9 2 4面向CRM系统的数据仓库设计与开发 1 任务和环境的评估2 需求的收集和分析3 构造数据仓库4 数据仓库技术的培训5 回顾 总结与再开发 9 2 5数据仓库解决方案 1 Sybase提供的数据仓库解决方案2 SAS提供的数据仓库解决方案3 Platinum提供的数据仓库解决方案4 HP提供的数据仓库解决方案5 IBM公司提供的数据仓库解决方案6 Informix公司提供的数据仓库解决方案7 Oracle公司提供的数据仓库解决方案 9 2 6EddieBauer的客户数据仓库 1 新的观点2 信息决定商业决策3 跟踪客户4 了解客户5 客户忠诚度 9 2 7如何避免数据仓库建设项目的失败 1 缺少领导的大力支持和积极参与2 过高的期望值3 没有以决策支持为核心4 人员配备不够充分5 低估了数据清洁 转换 载入的工作量6 低估了用户对系统扩充的需要7 对用户界面和前端工具的重视 9 3CRM系统中的数据挖掘 9 3 1数据挖掘概述1 从与数据仓库 OLAP和统计分析的联系中定义数据挖掘数据挖掘 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隐含于其中的 人们事先不知道但又具有潜在用途的信息和知识的过程 表9 2数据挖掘的进化历程 2 数据挖掘的主要特征 数据挖掘面对的是海量数据 数据可能是不完全的 有噪声的 随机的 又复杂的数据结构且维数较大 数据挖掘是多学科的交叉 综合运用了统计学 计算机和数学等学科的技术 3 数据挖掘的未来发展方向 1 与专家系统结合的数据挖掘 2 网络数据挖掘 3 数据挖掘的时序性 4 对非结构化数据的挖掘 5 引入新的数据挖掘算法 9 3 2数据挖掘的基本任务 1 自动预测趋势和行为2 关联分析若两个或多个变量的取值之间存在某种规律性 就称为关联 关联可分为简单关联 时序关联和因果关联等多种类型 关联分析的目的是找出数据库中隐藏的关联网 3 聚类分析数据库中的记录可被划分为一系列有意义的子集 即聚类 4 概念描述是对某类对象的内涵进行描述 并概括这类对象的有关特征 5 偏差检测基本方法是寻找观测结果与参照值之间有意义的差别 9 3 3数据挖掘的技术与算法简介 1 数据挖掘的集合论技术 1 粗糙集技术是一种处理含糊和不精确数学问题的新型数学工具 2 概念树技术 2 数据挖掘中的仿生物技术 1 神经网络技术 NeutralNetwork 2 遗传算法 表9 3遗传算法与生物进化的比较 3 统计分析方法 1 相关分析和回归分析 2 差异分析 3 因子分析 4 聚类分析 5 判别分析 4 关联规则算法 关联规则是描述数据库中数据项之间存在潜在关系的规则 形式为 A1 A2 AmB1 B2 Bn 其Ai i 1 2 m Bj j 1 2 n 是数据库中的数据项 数据项之间的关联就是根据一个事务中某些项的出现 可推导出另一些项在同类事务中也出现 关联分析的目的是找出数据库中隐藏的关联 关联规则算法分为两个步骤 求支持度大于用户指定的最小支持的数据项集 即大数据项集 对于语义约束的规则 仅求得满足约束的大数据项集 利用大数据项集产生关联规则 关联规则是挖掘算法的核心 9 3 4数据挖掘的流程 技术视角 9 3 5用数据挖掘优化CRM系统 1 什么是优化 优化是对结果进行明确评价的问题 是在一定的约束和限制条件下 得到最优安排的过程 2 使用数据挖掘技术优化CRM系统的一般步骤 评价 即检测发生的结果 预测 即根据已发生的事情来进行预测 行动 即进行尝试 3 优化形式 存在一种明确定义的数值有待优化 对复杂的 因果关系不明确的问题进行优化 9 3 6在CRM中利用数据挖掘所形成的商业价值 1 客户盈利模型2 客户获取模型3 客户挽留模型4 客户细分模型科学的客户细分需满足两个基本条件 完整性 互斥性5 交叉销售模型 通过数据挖掘中的聚类分析 锁定交叉销售所要面对的目标客户 通过关联分析确定最优的销售组合 并向相应的客户展开交叉销售 9 3 7数据挖掘工具及其评估 1 数据挖掘工具的类型 1 通用工具主要包括 SAS公司的EnterpriseMiner IBM的IntelligentMiner SPSS公司的Clementine Oracle公司的Darwin Angoss的KnowledgeSeeker 2 综合数据挖掘工具 3 面向特定应用的数据挖掘工具主要工具包括KDI 主要在零售业 和UnicaModell 重点在市场领域 等 2 数据挖掘工具的评估标准 1 操作的数据类型 2 结果的有用性和确定性 3 知识的表达 4 多层次互动知识 5 并行分布的数据挖掘算法 6 私有保护和数据安全其他标准 产品成熟度和公司力量 产品的数据操作能力 产品的用户界面 管理复杂程度等 9 4知识发现与CRM 9 4 1知识发现概述Fayyad等 1996 提出的观点 认为 知识发现 KnowledgeDiscoveryinDatabase KDD 就是指在从大量数据中提取有效的 新颖的 潜在有用的 最终可被理解的模式的非平凡的过程 KDD具有自动性和一定的智能性 9 4 2知识发现的过程 数据准备 理解有关KDD的背景和用户的具体需求 数据选取 确定要选取的目标数据 从原始数据库中选取数据或者数据样本 数据预处理 对选取的数据和数据样本进行一定的预处理 检查数据的完整性 消除噪声 清除多余数据 数据变换 对进行过预处理后的数据再进一步进行相关的转换操作 如转换数据的类型等 确定KDD的目标 为下一步选择算法做出准备 选择算法 根据KDD的目标选择合适的算法 使之与整个KDD过程的评价标准相一致 解释 评价 对经过发掘所发现的知识进行解释 并将知识以客户能够理解的方式描述出来 让客户进行评估 9 4 3在CRM中运用知识发现 对于许多实施CRM系统的企业来说 仅仅依靠CRM系统对数据的组织和存储功能 并不能满足企业对决策支持的需要 如果不能够对大量的信息进行高级处理以便形成可理解的模式 那么企业花费高昂的成本所收集和积累的这些信息实际上就被浪费掉了 因此 发现隐藏于大量客户信息背后的关联性与规律性 就形成了CRM中的知识发现体系 9 5联机信息分析处理与CRM 9 5 1作为数据仓库前端接口的OLAP 图9 8数据仓库与OLAP整合图 9 5 2从OLTP到OLAP的转变 20世纪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 1993年 Codd提出来OLAP概念 OnLineAnalyticalProcessing OLAP 表9 4OLTP与OLAP的主要区别 9 5 3OLAP的定义与特征 1 定义OLAP委员会把OLAP界定为具有下列功能的软件技术 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信息 这些信息是能够真正为用户所理解 并且能够真实反映出企业特性的信息 进行快速 一致 互动地存取 从而实现对数据的更深入理解 2 特征 1 OLAP的显著特征是它能够提供数据的多维视图 2 强大的分析功能 OLAP的分析操作主要包括切片 Slice 切块 Dice 下钻 Drill down 上钻 Roll up 和旋转 Rotate 9 5 4OLAP中的一些基本概念 1 变量 数据的实际意义 描述数据是什么 2 维 是人们观察数据的特定角度 每个不同的视角就叫做一个 维 例 进行客户细分可以从客户与企业的互动的角度加以细分 也可以从客户终身价值角度加以细分 3 维的层次性是指人们观察数据的某个角度还可以存在细节差异的多个方面 例 客户互动的层次包括 从不 偶尔 经常 等 多维数组可以表示为 维1 维2 维n 变量 9 5 5OLAP结构介绍 9 5 6OLAP的基本分析操作 1 切片和切块 SliceandDice 在多维数组的某一维上选定一维成员的动作 称为切片 即在多维数组 维1 维2 维n 变量 选定维i 并对维i选择一个维成员 得到了 维1 维2 维成员维i 维n 变量 这个操作叫做切片 切块也有相似的操作 只不过切块选择的是对某一区间的维选定维成员 2 钻取钻取主要包含向下钻取 Drill down 和向上钻取 Roll up 操作 3 旋转 Rolate 转轴 Pivot 旋转 即改变一个报告或者页面的维方向 包含交换行维和列维 以及把页面显示的一个维和页面外的一个维进行交换 9 5