客户集成视图架构与案例分析

客户集成视图架构与案例分析参考资料，不具有倾向性客户集成视图架构与案例分析本文将介绍客户集成视图（一户式）的基本架构和应用案例。本文的组织结构如下所示：客户集成视图架构数据源架构数据模型架构数据存储架构数据操作架构数据传输架构数据分析架构客户集成视图案例参考资料，不具有倾向性客户集成视图架构客户集成视图架构客户集成视图案例参考资料，不具有倾向性客户集成视图架构客户集成视图架构可以被划分为如下子架构：数据源架构–该架构包括客户集成视图架构中数据来源的途径、方式、内容等。数据模型架构–在该架构中，将以业务需求和数据源架构为依据，对所有与客户集成视图架构相关的数据进行分析，最终形成架构清晰的数据逻辑模型，并对模型中的数据实体进行明确的分类和利用分析。数据存储架构–在该架构中，将分析各种可能的数据存储方式如数据仓库、ODS、LDAP、DataMarts等的特点，并以业务需求为依据，为数据模型架构中的各类数据实体选择合理的分布式存储方式。数据操作架构–将以数据模型架构和存储架构为基础，明确数据的各种更改者、访问者、更改访问流程和传输逻辑；明确重复数据的同步逻辑。数据传输架构–在该架构中，将分析各种可能的数据传输方式的特点，并以业务需求为依据，结合存储架构和操作架构，确定各种数据在存储和存储之间以及存储和应用之间的传输方式。数据分析架构-该架构与数据仓库相关，将确定被分析的数据、如何分析数据以及如何使用经过分析的数据。参考资料，不具有倾向性客户识别数据传输架构数据存储架构数据源架构数据分析架构分析型数据管理层操作型数据管理层右图为上述架构的示意图。其中，数据模型架构没有在图中表示出来，这是因为数据模型的确定是从需求分析到系统构建过程中的一个中间步骤，当系统被实现后，数据模型将被实例化为右图中的数据存储架构。数据操作架构包含了操作访问层、分析访问层和客户识别等子系统。需要注意的是，在操作访问层和分析访问层中，数据的流动都可能是双向的。在下面的章节中，将逐一介绍客户集成视图的各个子架构客户集成视图架构参考资料，不具有倾向性数据源架构数据模型架构数据存储架构数据传输架构数据分析架构数据操作架构数据源架构小结参考资料，不具有倾向性客户集成视图的数据源可包括以下各种类型：客户业务渠道应用系统呼叫中心基于互联网的销售和客户支持自助服务/销售系统无线、移动客户交互后台处理系统企业的遗留信息系统ERP系统外部数据源应用系统应具有相应的功能来记录必要的信息，以满足客户识别架构中定义的业务规则。如在客户识别架构中需要客户的地址或电话，便应通过相应的交流渠道要求客户提供相应的数据。数据源储存各种应用系统运行时产生的数据，包括为客户提供服务和沟通渠道的业务系统以及内部管理系统等。客户集成视图的建设及其数据源的扩展是一个逐渐完善的过程，其最终目是建成一个跨系统、跨机构、包含各种内部和外部信息并为各种内部和外部系统提供支持和服务的、在整个企业范围内统一的客户集成视图。数据源架构数据源架构参考资料，不具有倾向性数据模型架构数据存储架构数据传输架构数据分析架构数据操作架构数据源架构数据模型架构小结参考资料，不具有倾向性通常，客户集成视图关注如下四类数据：客户统一ID–在整个企业中用于标识客户的唯一ID号。客户属性数据–客户的各种属性，如姓名、电话、住址等等。客户交易数据–企业和客户通过各种渠道进行接触，如用客户通过各种渠道购买企业的产品，客户通过企业的客户服务中心请求支持，客户通过企业的网站浏览信息等。企业的信息系统对上述接触产生的数据进行整理，将得到客户交易数据。换言之，客户交易数据是客户与企业进行接触的历史记录。客户分析数据–企业中的数据仓库等系统对客户的属性数据和交易数据进行分析和挖掘，将得到客户分析数据。企业中的营销人员、销售人员和客户支持人员以及企业的管理者和决策者都将使用该数据，所以，对于客户分析数据而言，其流动是多向的，除了从各个应用系统和客户集成视图的各个存储单位中取得数据作为分析的基础以及分析后的数据通过某种特定的工具和界面呈现给企业的管理者外，某些客户分析数据还将被直接提供给各个应用系统，供其在业务流程中和与客户接触时使用，以提高企业的业务效率和客户支持服务质量。上述四类数据的前三类可归纳为操作型数据，最后一类是分析型数据。在具体的应用中，需要根据企业的需求将上述四类数据细化成具体的客户集成视图数据逻辑模型，在下面的章节中，将描述获得数据逻辑模型的一般过程和一个数据逻辑模型的实例。数据模型架构参考资料，不具有倾向性确认业务目标及各项业务目标的优先级设计数据实体设计逻辑的数据模型确认业务需求•数据类型列表•数据需求矩阵•业务目标列表市场营销方面客户支持方面产品销售方面•确定的优先级的业务目标•市场营销活动详细目录•实体关系图(ERD)•数据实体描述•数据元素描述•业务目标-业务需求映射矩阵•市场营销策划-业务需求映射矩阵•客户、业务性能衡量标准分析数据的使用情况和价值分析客户需求并最终形成客户集成视图的数据模型的过程如下：本阶段的交付成果•确定数据分类•确定数据需求•举行专题讨论会•与客户交流•确定业务目标的优先级(核心、高、中、低)•为如下系统确定数据逻辑模型：:数据仓库客户分析记录(CAR)客户ODS•确定用于支持业务目标的业务需求•确定衡量上述支持的标准•确定数据实体及其属性•分析数据的使用和数据的价值业务定义所有者使用度量•根据数据的价值确定其优先级采取的主要措施•高层的数据实体及其属性•数据使用详情•确定了优先级的数据需求数据模型架构参考资料，不具有倾向性数据模型架构下面是一个客户集成视图的概念性数据模型示例，其中详细的各类数据实体可分别归入客户集成视图关注的四种数据类型。ContactTypeContactChannelPreferencesContactChannelsEnrollmentProgramsDemographicsCustomerInformationContactMethods/PreferencesCustomerEnrollmentCustomerClassificationCustomerNeedsPsychographics•IndividualConsumer•IndividualBusiness•SmallBusinessSegmentationPurchaseIntentionsCustomerTypeCustomerProductsProductOwnershipProductsCompetitorProductsCampaignsCoreCustomerCoreCustomer•IndividualConsumer•IndividualataBusinessBasicInfoBusinessInformationHouseholdInformationContactHistory接触类型接触渠道偏好lContactChannels接触渠道登记程序消费者统计用户信息接触方法及偏好用户登记用户分类用户需求消费心态分类购买倾向客户类型用户产品产品所有者产品竞争对手的产品策划核心用户核心用户基本信息业务信息家庭信息接触历史参考资料，不具有倾向性核心客户•可能是个人消费者，也可能是某个与公司有商务关系的个人•将支持某商业实体将来的发展客户分类•单个客户可能有一种以上的客户类型•客户类型将决定针对该客户收集的信息的种类•客户类型的确定途径多种多样，可以通过与客户的交互来确定客户的类型，也可以通过业务规则来确定客户的类型•采纳多种多样的客户分割模型将支持多种多样的客户分类•增加在不修改数据模型的条件下加入新的客户分割模型的灵活性“客户”的定义：“客户”是指主动和公司接触过或者公司主动接触过的个人。对于公司来说，此人必须是可以被唯一的确认的。此人可能购买过，也可能没有购买过公司的产品。此人可能是一个消费者，也可能是与公司有商务关系的个人。数据模型架构参考资料，不具有倾向性客户信息•根据客户的类型，只有特定的客户属性将被使用•客户信息变更的历史记录将通过使用高效的加盖时间戳的方法被保留下来接触方法和偏好•管理所有关于客户联系方法的信息，比如电子邮件、地址和电话号码•允许记录一个客户在一种联系方法下的多条信息（比如允许记录一个客户的多个电子邮件地址）•允许客户定义每种联系方法的有效性级别•使系统具有在不改变数据模型的条件下增加客户的联系方法及其对方法的偏好的灵活性•对客户的注册程序和偏好进行集中存储，以保证其数据集成性•客户接触概要信息，包含：–首次接触–最后一次接触–在过去一年中的总共接触次数–营销、销售、客户支持等单一部门统计的关于客户接触的概要信息•客户接触概要信息将用于驱动客户体验数据模型架构参考资料，不具有倾向性客户需求•支持对客户的购买倾向进行捕捉•循序对客户的消费心理进行收集，包括态度和偏好•可通过向某些外部数据供应商购买来获得关于消费者购买倾向和消费心理的统计数据客户的产品•支持在销售时捕获关于客户产品所有权关系的信息•有能力识别已经购买过公司的产品但是尚未注册的用户•支持在用户注册时捕获关于用户产品所有权的额外信息•指向产品所有者的连接，以获取关于产品的详细信息•允许捕捉客户拥有的其他产品的信息•支持基于购买日期、生产日期或者安装日期的产品担保开始日期•利用业务规则确定产品担保开始日期数据模型架构参考资料，不具有倾向性数据模型架构数据存储架构数据传输架构数据分析架构数据操作架构数据源架构数据存储架构小结参考资料，不具有倾向性在数据存储架构中，将首先介绍各种可能用于存储客户集成视图中各种数据实体的设施，再讨论数据模型架构中各类数据实体与各种设施间的对应关系。这些存储设施包括：OLTP–在线交易型数据库LDAP–轻型目录访问协议ODS–操作型数据库DW–数据仓库DataMarts–数据集市数据存储架构参考资料，不具有倾向性OLTP指各个应用系统运行所需的数据库，如CTAIS、金税各自的数据库。数据存储架构LDAP的优势：可以在任何计算机平台上，用很容易获得的而且数目不断增加的LDAP的客户端程序访问LDAP目录。而且也很容易定制应用程序为它加上LDAP的支持。大多数的LDAP服务器安装起来很简单，也容易维护和优化为读密集型的操作进行专门的优化考虑使用LDAP的条件：需要在任何平台上都能读取数据。每一个单独的记录项每一天都只有很少的改变可以把数据存在平面数据库（flatdatabase）而不是关系型数据库中参考资料，不具有倾向性用于客户集成视图的ODS有如下几种类型：ODS类型复杂性ODS数据内容特点从渠道应用程序中复制的表经过筛选的客户特性和客户交易信息集成的客户特性和客户交易信息，可用于分析来源于数据仓库的客户分析信息，将被提供给应用系统闭环的、集成的客户特性、分析和交易信息简单稍复杂复杂稍简单复杂•客户数据的快照，供简单的查询和分析•只能进行非跨系统的客户识别•不可重复的过程•缺乏历史数据•跨系统链接和匹配的客户特性数据和客户交易数据•受限制的离线使用（只可用于活动管理）•跨系统链接和匹配的客户特性数据和客户交易数据•可供分析的客户特性数据和客户交易数据•增强的离线使用（可用于活动管理和数据调查）•将后端系统批处理生成的客户分析数据提供给应用系统使用•有限的应用系统数据用法捕捉能力•360°跨越整个企业的客户集成视图•客户数据在应用系统和分析系统之间自由流动•数据的所有权不再清晰数据存储架构参考资料，不具有倾向性数据仓库：客户数据仓库不仅要支持数据仓库的传统功能，即向终端用户提供分析报表，还需要具有将客户分析数据提供给各个渠道和应用系统的能力。同传统的数据仓库一样，客户数据仓库通常包含来自整个企业中各个子系统的数据信息，包括客户交易数据，呼入呼出的通信数据，以及产品所有权和保证书数据。这些客户数据通常粒度较小，且长期保存以便满足生成历史报表的需求。用于支持客户集成视图的客户数据仓库必须被物理地优化以便处理大量的数据和大量客户、应