第九章-CRM系统中的数据管理PPT课件

第九章CRM系统中的数据管理 数据的概念 数据的收集 数据的质量 数据仓库 数据挖掘 本章重点 第一节数据的概念和重要性 数据的概念 数据的重要性 一 数据的概念 数据是为反映客观世界中的某一事件而记录的可以鉴别的数字或符号 如数字 文字 图形 图像 声音等 特征 这些数据结构化地记录了企业有关事件离散的 互不关联的客观事实 其可用某种记录方式加以描述 目的 围绕数据库建立的企业CRM活动 其核心价值在于通过CRM系统对数据的分析 合成 并把这些离散的 单一存储的数据转化为使用者可以理解和使用的信息和知识 二 数据的重要性 数据是CRM系统的灵魂 CRM最关键 最基本的支柱是客户数据 客户关系管理通过数据仓库 数据挖掘 商务智能等技术处理大量的客户属性 交易记录 购买行为 习性偏好等数据 从中提炼出有用信息 为企业销售 营销 客户服务等工作提供全面支持 第二节数据的分类 收集及质量 数据的收集 数据的质量 一 数据分类 通过数据来源分类 内部来源数据 外部来源数据 一 数据分类 通过数据采集渠道分类 电子邮件 电话语音 文字交谈 多媒体数据 一 数据分类 按照企业不同部门的用途分类 客户数据 销售数据 服务数据 一 数据分类 根据CRM系统的特殊需要分类 描述性数据 促销活动数据 交易数据 这一类数据描述了客户的基本情况 可用于判断谁是我们的客户 这些数据详尽描述了企业所采取的促销活动 这一类数据描述客户对企业各种促销活动的反应 即他们与企业的交易情况 二 数据的收集 常见的用于描述客户的原始数据收集方法有如下几种 定性调研 询问法 观察法 实验法 三 数据的质量 高质量的数据可为使用者提供准确的信息报告 同时降低企业与低质量数据相关的潜在成本 什么是符合数据质量标准的高质量数据 数据仓库对数据质量的要求可归纳为 数据的准确性 数据的有效性 数据既符合逻辑 又不冗余 数据的审查机制 审核数据的标准化 审查数据采集的各个环节 系统审查 第四节数据仓库和数据挖掘 数据仓库的概念特征 数据仓库的体系结构 数据挖掘概念 数据在CRM中的应用 一 数据仓库及其特征 数据仓库 一个用以更好地支持企业或者组织决策分析处理的 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 数据仓库有以下几个特征 面向主题 集成 相对稳定 反映历史变化 数据仓库的基本体系 数据仓库的一般结构 数据仓库的基本体系结构 数据源 抽取装载刷新清理 数据仓库 数据集市 服务 OLAP服务器 OLAP服务器 前端工具 查询工具 分析工具 报表工具 数据挖掘工具 数据仓库技术在CRM中的应用 1 CRM客户行为分析 客户理解 行为规律分析 组间交叉分析 二 数据仓库技术在CRM中的应用 2 重点客户发现重点客户的特点 潜在客户 交叉销售 增量销售 二 数据仓库技术在CRM中的应用 3 性能评估根据客户行为分析 企业可以准确地制定市场策略和市场活动 然而 这些市场活动能否达到预定的目标是改进市场策略和评价客户行为分组性能的重要指标 二 数据挖掘 1 数据挖掘概述 定义 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 2 数据挖掘的功能 分类 估计 关联 聚类 直接数据挖掘 间接数据挖掘 3 数据挖掘的类型 有监督的数据挖掘 直接数据挖掘 无监督的数据挖掘 间接数据挖掘 自上而下的方法 适用于预先知道要搜索目标的情况 自下而上的方法 适用于预先不知道要搜索目标的情况 三 数据挖掘的三大支柱 数据与数据库 数据挖掘算法 数据挖掘模型 一 数据与数据仓库 数据仓库与数据库的区别 数据仓库的简单堆积方式 事务处理数据库 每天的事务处理 8月1日 8月2日 8月4日 8月3日 8月5日 8月6日 每日的综合 数据仓库的简单堆积方式 二 数据挖掘算法 聚类 决策树 关联 1 聚类 概念 按照对象属性的相似性将他们分为若干个组或类别的方法 研究目的 就是把相似的对象归并成类 研究的主要内容是如何度量相似性以及怎样构造聚类的具体方法以达到分类的目的 研究对象 1 对样品进行分类 即从实际问题中观测得到n个样品Xi i 1 2 n 要根据某相似性原则 将这n样品进行分类 2 是对指标进行分类 即对所考察的p个指标X x1 x2 xp 根据n个观测值Xi xi1 xi2 xip i 1 2 n 要由某相似原则将这p个指标x1 x2 xp进行分类 在客户管理中应用 帮助市场分析人员发现客户中所存在的各种特征的群体 并使用购买模式来描述各个客户群体 2 决策树 决策树是一个类似流程图的有点像树的分析工具 从树根到枝叶 每个内部节点代表对一个属性取值的判断 相对于节点 每个分支都代表一个判断结果 或者说是一个类别 决策树 举例 有一群人 描述这群人的属性有年龄 年收入 学历 D C2 C1 年龄 年收入 B2 B4 B3 B1 B1 B1 B1 B1 B1 B1 B1 学历 下面以南方医院供应公司为例 看一看如何利用决策树作出合适的生产能力计划 南方医院供应公司是一家制造医护人员的工装大褂的公司 该公司正在考虑扩大生产能力 它可以有以下几个选择 1 什么也不做 2 建一个小厂 3 建一个中型厂 4 建一个大厂 新增加的设备将生产一种新型的大褂 目前该产品的潜力或市场还是未知数 如果建一个大厂且市场较好就可实现 100 000的利润 如果市场不好则会导致 90 000的损失 但是 如果市场较好 建中型厂将会获得 40 000 市场不好则损失 5 000 当然 还有一个选择就是什么也不干 最近的市场研究表明市场好的概率是0 4 也就是说市场不好的概率是0 6 参下图 在这些数据的基础上 能产生最大的预期货币价值 EMV 的选择就可找到 EMV 建大厂 0 4 100 000 0 6 90 000 14 000EMV 中型厂 0 4 600 000 0 6 10 000 18 000EMV 建小厂 0 4 40 000 0 6 5 000 13 000EMV 不建厂 0根据EMV标准 南方公司应该建一个中型厂 3 关联 简单的说是在数据库和数据仓库中发现大量数据之间的有趣的相关联系 举例 上表中 共发生交易5次 即T1 T2 T3 T4 T5交易中的商品设为项 即啤酒为X1 尿布为X2 婴儿爽身粉为X3 面包为X4 牛奶为X5 洗衣粉为X6 可乐为X7 问题 超市经理想知道商品之间的关联 要求列出哪些同时购买的 且支持度 0 4的商品名称 单项统计结果 双项统计结果 得出如下规则 R1 啤酒 尿布 S 0 6 C 0 6 0 8 0 75R2 尿布 啤酒 S 0 6 C 0 6 0 8 0 75R3 牛奶 啤酒 S 0 4 C 0 4 0 4 1R4 啤酒 牛奶 S 0 4 C 0 4 0 8 0 5R5 尿布 婴儿爽身粉 S 0 4 C 0 4 0 8 0 5R6 婴儿爽身粉 尿布 S 0 4 C 0 4 0 4 1 三 数据挖掘的基本步骤 1 确定分析和预测目标2 建立数据挖掘库3 分析数据4 建立模型5 模型评估与验证6 模型实施 四 数据挖掘的应用 客户细分 客户获取 客户保持 交叉营销 实践练习 假如你是一位营业员 需要记录客户的个人资料 客户资料一般分为两部分 一部分为基本资料 另一部分为特别资料 请你列出客户的这两种资料 1 基本资料2 特别资料 基本资料 姓名 地址 电话 职业 嗜好 其他影响购买内容的兴趣特别资料 首次购买商品的种类 首次购买商品的日期或联系的日期 爱好或者规格 特别需要考虑之处 是否需要送货服务 安装服务或其他特殊服务 第五节商业智能 商业智能的概念于1996年最早由加特纳集团 GartnerGroup 提出 加特纳集团将商业智能定义为 商业智能描述了一系列的概念和方法 通过应用基于事实的支持系统来辅助商业决策的制定 商业智能技术提供使企业迅速分析数据的技术和方法 包括收集 管理和分析数据 将这些数据转化为有用的信息 然后分发到企业各处 一 商业智能的定义 商业智能 又称商务智能 英文为BusinessIntelligence 简写为BI 商业智能通常被理解为将企业中现有的数据转化为知识 帮助企业做出明智的业务经营决策的工具 从技术层面上讲 商业智能不是什么新技术 它只是数据仓库 OLAP和数据挖掘等技术的综合运用 二 商业智能系统的构成 数据仓库联机分析处理数据挖掘 三 应用范围 销售分析主要分析各项销售指标 例如毛利 毛利率 交叉比 销进比 盈利能力 周转率 同比 环比等等 而分析维又可从管理架构 类别品牌 日期 时段等角度观察 这些分析维又采用多级钻取 从而获得相当透彻的分析思路 同时根据海量数据产生预测信息 报警信息等分析数据 还可根据各种销售指标产生新的透视表 商品分析商品分析的主要数据来自销售数据和商品基础数据 从而产生以分析结构为主线的分析思路 主要分析数据有商品的类别结构 品牌结构 价格结构 毛利结构 结算方式结构 产地结构等 从而产生商品广度 商品深度 商品淘汰率 商品引进率 商品置换率 重点商品 畅销商品 滞销商品 季节商品等多种指标 通过D系统对这些指标的分析来指导企业商品结构的调整 加强所营商品的竞争能力和合理配置 人员分析通过系统对公司的人员指标进行分析 特别是对销售人员指标 销售指标为主 毛利指标为辅 和采购人员指标 销售额 毛利 供应商更换 购销商品数 代销商品数 资