第9章客户信息的整合与运用

教学目的掌握客户数据、客户信息和客户知识的关系及其在数据仓库中的过程熟悉解数据仓库的定义、特征、类型、技术结构了解面向CRM系统的数据仓库设计/开发流程以及避免数据仓库建设项目失败的措施熟悉数据挖掘的定义、发展方向及其基本任务了解数据挖掘的技术、算法和技术视角的流程了解在CRM中利用数据挖掘所形成的商业价值熟悉知识发现的定义和过程熟悉OLAP的定义、特征及其基本操作分析教学重点客户数据、客户信息和客户知识的关系及其在数据仓库中的过程数据仓库、数据挖掘、知识发现和OLAP的概念教学难点数据仓库的技术结构数据挖掘的技术、算法和技术视角的流程第9章客户信息的整合与运用知识发现与CRM客户信息、信息技术与CRM1CRM系统和数据仓库23CRM系统中的数据挖掘45联机信息分析处理与CRM9.1客户信息、信息技术与CRM9.1.1客户信息概述1.客户信息、客户数据与客户知识信息知识加工过的数据简单给出事实、清晰明了的、简单的、结构化的、方便的、以正式方式书写的通过精简、校正、整理、计算相关数据获得不具有所有者独立性，由信息系统掌握，大量数据处理的主要来源从数据演化而来，形成数据库、手册和文件等正式的、点滴积累的、说明性的、易于形成、可重复应用的形式动态数据可随意组合并用于预测性决策，没有完全结构化，模糊的、直觉的、难以沟通和表达的存在于人们之间的联系、谈话及基于经历与体验的直觉中，反映在人们的比较情境和处理问题的能力之中取决于所有者和需要信息渠道等预测、设计、计划、诊断和直觉判断的主要资源在集体智慧中形成并在集体中共享，随着经历与成败而演化，需要日积月累地通过经历积淀而成表9-1信息与知识的比较补充内容：数据、信息、知识的联系和区别数据数据是知识阶层中最底层也是最基础的一个概念；数据是形成信息，知识和智慧的源泉数据是对现实生活的理性描述，尽可能地从数量上反映现实世界；也包括汇总、排序、比例、等等处理数据泛指对客观事物的数量、属性、位置及其相互关系的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理例如，水的温度是100℃，礼物的重量是500克，木头的长度是2米，大楼的高度时100层。在这些表述中：水，温度，100℃，礼物，重量，500克，木头，长度，2米，大楼，高度，100层就是数据，通过这些数据的描述我们的大脑里形成了对客观世界的清晰印象信息从自然现象和社会现象中搜集的原始材料是数据，根据使用数据人的目的按一定的形式加以处理，找出其中的联系，就形成了信息信息＝数据＋处理，这个公式符合我们的思路，但我们认为它还不够完整。信息事实上还包括有一个非常重要的特性—时效性。例如新闻说北京气温9摄氏度，这个信息对我们是无意义的，它必须加上今天或明天北京气温9摄氏度。再例如通告说，在会议室三楼开会，这个信息也是无意义的，他必须告诉我们是哪天的几点钟在会议室三楼开会。注意信息的时效性对于我们使用和传递信息有重要的意义。它提醒我们失去信息的时效性，信息就不是完整的信息，甚至会变成毫无意义的数据流。所以我们认为信息是具有时效性的有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。信息＝数据＋时间+处理。知识知识是让从定量到定性的过程得以实现的、抽象的、逻辑的东西。知识是需要通过信息使用归纳、演绎得方法得到。知识只有在经过广泛深入地实践检验，被人消化吸收，并成为了个人的信念和判断取向之后才能成为知识。信息虽给出了数据中一些有一定意义的东西，但它往往会在时间效用失效后价值开始衰减，只有通过人们的参与对信息进行归纳，演绎，比较等手段进行挖掘，使其有价值的部分沉淀下来，并于已存在的人类知识体系相结合，这部分有价值的信息就转变成知识。例如，北京7月1日气温为30度，在12月1日气温为3度。这些信息一般会在时效性消失后，变得没有价值，但当人们对这些信息进行归纳和对比就会发现北京每年的7月气温会比较高，12月气温比较低，于是总结出一年有春夏秋冬四个季节，有价值的信息沉淀并结构化后就形成了知识。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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上述这些信息可能是客户直接或间接告诉给服务人员的，也可能是从信息服务提供商那里购买的，还有可能是企业员工利用Web技术从网络中获取的这些客户信息为未来进行客户细分、客户价值的确定、客户生命周期的管理和客户忠诚计划提供了保证3.客户信息的重要性说明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客户信息对客户管理系统的重要性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减少外部采购的需求对不断变化的经营环境的反应5.客户数据—客户信息—客户知识呼叫中心网上交流电子邮件传真直接接触OLAP数据挖掘运营分析市场专家知识发现数据仓库客户数据客户信息客户知识图9-1客户数据—客户信息—客户知识过程图补充内容：客户信息的来源9.1.2CRM中的信息技术介绍数据库管理系统（DatabaseManagementSystem，DBMS）客户服务代表与存储于计算机中的数据之间的软件界面，就是数据库管理系统对于任何重要的CRM系统而言，好的DBMS都是必不可少的数据仓库它能使客户服务代表、呼叫中心经理、管理人员和其他得到授权的个体或实体接触各种信息数据挖掘数据挖掘软件支持从貌似无关的大量数据中挖掘出有用数据的工作数据挖掘通过确定数据间的关系和关联来工作数据挖掘的结果利于促销，如识别客户的喜好决策支持决策支持软件包含使用电话中心经理和公司领导能回顾和利用数据以作出更好决策的软件工具从简单的电子表格程序，到复杂的图形界面的过程模拟器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（DataWarehouse，DW）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，InmonW.H.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（1992）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√面向主题√集成的数据:从分散的子系统中提取，但不是简单拷贝，而是经过统一、综合√数据对最终用户而言只读：不可更改√数据随时间不断变化√用于支持管理决策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。数据库与数据仓库：以银行业为例数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。2.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3.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数据获取模块数据管理员模块数据仓库数据元数据数据传递模块中间件模块信息目录模块元数据外部元数据数据访问模块外部数据设计模块管理模块图9-2数据仓库的技术结构补充：数据仓库系统模型数据仓库系统由四个主要部分组成处理过程实现：集散区域、管理控制数据的提供：仓库数据储藏室、元数据储藏室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（略）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（不够）9.3CRM系统中的数据挖掘9.3.1数据挖掘（DataM