CRM的客户数据与数据仓库.ppt

第9章客户信息的整合与运用,企业CRM的实施离不开数据的支持，对优质数据的分析和应用可以提高企业决策的质量和速度。单纯地收集客户数据和信息是不够的，企业必须学会分析信息，把信息转化为客户知识，进而依据这些知识制定有效的行动方案来影响客户行为和购买意向。,客户数据客户信息客户知识过程图,呼叫中心,网上交流,电子邮件,传真,直接接触,数据挖掘,OLAP,知识发现,运营分析,市场专家,数据仓库,一、CRM的客户数据,1.数据的概念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。各种类型的企业在日常的经营活动中都会产生大量的有关客户的描述、促销活动和交易活动等方面的数据。超市的原始数据：顾客购买时间、交易金额和每天不同时段顾客的购买频率；购买种类和搭配情况；付款方式；购买了“会员卡”的顾客数据更多。,数据的重要性,客户数据是银行实施CRM过程中最薄弱的环节。不准确、不完整和未能很好协调的客户数据在过去一度是CRM项目失败的主要原因。缺乏高质量的数据使银行无法了解他们的客户，难以向市场推出新的产品和服务，不能合理地简化银行运营和优化客户关系。不准确的客户数据也使银行不能很好地遵守行业标准和一些法规要求。节自大胆假设，合理求证Oracle建言亚洲银行的CRM建设,2.客户数据的类型（P295页）：,定位客户,交易性数据,促销性数据,描述性数据,产生交易,针对性促销,3.客户数据的信息来源,基本信息,营销信息,交易信息,基本信息,营销信息,交易信息,客户数据库,企业内部数据,继续往来客户,流失客户,营销渠道客户,企业外部信息,继续购买中,一年内无购买,整理测试,二、CRM数据仓库,1.数据库技术数据库是按一定的数据模型组织、描述和存储的，有组织、可共享的数据集合，是构成数据库系统的重要部分。数据库系统指引进数据库技术后的计算机系统，实质上是由有组织、动态存储的有密切联系的数据集合，及对其进行统一管理的计算机软件和配件资源所组成的系统。数据库系统由硬件系统、数据库、数据库管理系统应用程序和用户组成。,数据库系统结构,建立、修改数据,查询及编辑信息,数据管理,应用系统生成,数据处理,数据定义,数据库,DBMS工具,生成菜单数据输入,查看变更的结果,用户及权限,2.数据仓库定义数据仓库之父BillInmon在1991年出版的建立数据仓库一书中所提出的定义被广泛接受数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。关键特征：面向主题；集成；时变；不可修改,2.数据仓库体系结构,3.数据仓库的类型,根据数据仓库所管理的数据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种类型：（1）企业数据仓库（EDW）（2）操作型数据库（ODS）（3）数据市集（DataMartet）数据仓库主要工作的对象为多维数据，因此又称为多维数据库。,案例：数据仓库在电信行业中的应用,数据仓库在电信业务中的应用功能,（1）客户管理（2）客户发展分析（3）业务量分析（4）收入分析（5）营销管理分析,（6）市场竞争分析（7）服务质量分析（8）大客户分析（9）欠费和动态防欺诈行为分析（10）代理商及渠道分析,CRM数据仓库的作用,保留客户降低管理成本分析利润的增长增强竞争优势,数据仓库的发展,随着数据仓库技术的不断发展，在实际应用中发挥了巨大的作用。根据美国META集团的研究，数据仓库技术在金融业、制造业、商贸业以及社会服务等方面都有广泛的应用前景，已经采用数据仓库的企业的投资回报率（ReturnOnInvestment，ROI）均在40%以上，部分企业高达每年600%。IDC在一次对62个数据仓库项目的调查结果表明：进行数据仓库项目开发的公司在平均2.73年的时间内获得了平均为321%的投资回报率。正因如此，数据仓库市场需求量每年约以400%的速度扩张，而同时数据仓库产品越来越成熟，提供数据仓库产品的厂家也越来越多。,三、CRM系统中的数据挖掘,1.数据挖掘的定义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，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘，在人工智能领域，习惯上又称为数据库中知识发现，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。2.挖掘的知识发现过程（P323页）,3.CRM中的数据挖掘分析技术,典型的数据挖掘方法：关联分析、序列模式分析、分类分析、聚类分析等。（1）关联分析从大量的数据中发现项集之间的关联、相关关系或因果结构以及项集的频繁模式。例如：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）,（2）分类分析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.故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。注意：类的个数是确定的，预先定义好的,（3）聚类分析聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。例子：a.一些特定症状的聚集可能预示了一个特定的疾病b.租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群c.中国移动采用先进的数据挖掘工具，对用户wap上网的行为进行聚类分析，通过客户分群，进行精确营销。,3.数据挖掘模型的建立过程,确定分析和预测目标,建立数据挖掘库,模型评估与检验,数据准备,数据相关性前期探索,模型构造,部署和应用,检验达预定成功率,检验达预定成功率,基础数据不足或噪音太大,4.数据挖掘模型在CRM中的应用,数据仓库,目标客户划分,市场划分,预测模型,数据挖掘,决策评估,市场活动,营销活动相应模型客户价值评估模型交叉销售模型客户流失模