第9章客戶信息的整合與運(yùn)用

1、教學(xué)目的教學(xué)目的掌握客戶數(shù)據(jù)、客戶信息和客戶知識(shí)的關(guān)系及其在數(shù)據(jù)倉(cāng)庫(kù)中的過(guò)程熟悉解數(shù)據(jù)倉(cāng)庫(kù)的定義、特征、類型、技術(shù)結(jié)構(gòu)了解面向CRM系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)/開(kāi)發(fā)流程以及避免數(shù)據(jù)倉(cāng)庫(kù)建設(shè)項(xiàng)目失敗的措施熟悉數(shù)據(jù)挖掘的定義、發(fā)展方向及其基本任務(wù)了解數(shù)據(jù)挖掘的技術(shù)、算法和技術(shù)視角的流程了解在CRM中利用數(shù)據(jù)挖掘所形成的商業(yè)價(jià)值熟悉知識(shí)發(fā)現(xiàn)的定義和過(guò)程熟悉OLAP的定義、特征及其基本操作分析教學(xué)重點(diǎn)教學(xué)重點(diǎn)客戶數(shù)據(jù)、客戶信息和客戶知識(shí)的關(guān)系及其在數(shù)據(jù)倉(cāng)庫(kù)中的過(guò)程數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)和OLAP的概念教學(xué)難點(diǎn)教學(xué)難點(diǎn)數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)結(jié)構(gòu)數(shù)據(jù)挖掘的技術(shù)、算法和技術(shù)視角的流程第第9章章 客戶信息的整合與運(yùn)用客

2、戶信息的整合與運(yùn)用知識(shí)發(fā)現(xiàn)與CRM客戶信息、信息技術(shù)與CRM1CRM系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)23CRM系統(tǒng)中的數(shù)據(jù)挖掘45聯(lián)機(jī)信息分析處理與CRM9.1 客戶信息、信息技術(shù)與客戶信息、信息技術(shù)與CRM9.1.1 客戶信息概述1.客戶信息、客戶數(shù)據(jù)與客戶知識(shí)信息信息知識(shí)知識(shí)加工過(guò)的數(shù)據(jù)簡(jiǎn)單給出事實(shí)、清晰明了的、簡(jiǎn)單的、結(jié)構(gòu)化的、方便的、以正式方式書(shū)寫(xiě)的通過(guò)精簡(jiǎn)、校正、整理、計(jì)算相關(guān)數(shù)據(jù)獲得不具有所有者獨(dú)立性，由信息系統(tǒng)掌握，大量數(shù)據(jù)處理的主要來(lái)源從數(shù)據(jù)演化而來(lái)，形成數(shù)據(jù)庫(kù)、手冊(cè)和文件等正式的、點(diǎn)滴積累的、說(shuō)明性的、易于形成、可重復(fù)應(yīng)用的形式動(dòng)態(tài)數(shù)據(jù)可隨意組合并用于預(yù)測(cè)性決策，沒(méi)有完全結(jié)構(gòu)化，模糊的、直覺(jué)的

3、、難以溝通和表達(dá)的存在于人們之間的聯(lián)系、談話及基于經(jīng)歷與體驗(yàn)的直覺(jué)中，反映在人們的比較情境和處理問(wèn)題的能力之中取決于所有者和需要信息渠道等預(yù)測(cè)、設(shè)計(jì)、計(jì)劃、診斷和直覺(jué)判斷的主要資源在集體智慧中形成并在集體中共享，隨著經(jīng)歷與成敗而演化，需要日積月累地通過(guò)經(jīng)歷積淀而成表9-1 信息與知識(shí)的比較補(bǔ)充內(nèi)容：數(shù)據(jù)、信息、知識(shí)的聯(lián)系和區(qū)別補(bǔ)充內(nèi)容：數(shù)據(jù)、信息、知識(shí)的聯(lián)系和區(qū)別 數(shù)據(jù) 數(shù)據(jù)是知識(shí)階層中最底層也是最基礎(chǔ)的一個(gè)概念；數(shù)據(jù)是形成信息，知識(shí)和智慧的源泉數(shù)據(jù)是對(duì)現(xiàn)實(shí)生活的理性描述，盡可能地從數(shù)量上反映現(xiàn)實(shí)世界；也包括匯總、排序、比例、等等處理數(shù)據(jù)泛指對(duì)客觀事物的數(shù)量、屬性、位置及其相互關(guān)系的抽象表示，

4、以適合于用人工或自然的方式進(jìn)行保存、傳遞和處理例如，水的溫度是100，禮物的重量是500克，木頭的長(zhǎng)度是2米，大樓的高度時(shí)100層。在這些表述中：水，溫度，100，禮物，重量，500克，木頭，長(zhǎng)度，2米，大樓，高度，100層就是數(shù)據(jù)，通過(guò)這些數(shù)據(jù)的描述我們的大腦里形成了對(duì)客觀世界的清晰印象信息信息從自然現(xiàn)象和社會(huì)現(xiàn)象中搜集的原始材料是數(shù)據(jù)，根據(jù)使用數(shù)據(jù)人的目的按一定的形式加以處理，找出其中的聯(lián)系，就形成了信息信息數(shù)據(jù)處理，這個(gè)公式符合我們的思路，但我們認(rèn)為它還不夠完整。信息事實(shí)上還包括有一個(gè)非常重要的特性 時(shí)效性。例如新聞?wù)f北京氣溫9攝氏度，這個(gè)信息對(duì)我們是無(wú)意義的，它必須加上今天或明天北京氣

5、溫9攝氏度。再例如通告說(shuō)，在會(huì)議室三樓開(kāi)會(huì)，這個(gè)信息也是無(wú)意義的，他必須告訴我們是哪天的幾點(diǎn)鐘在會(huì)議室三樓開(kāi)會(huì)。注意信息的時(shí)效性對(duì)于我們使用和傳遞信息有重要的意義。它提醒我們失去信息的時(shí)效性，信息就不是完整的信息，甚至?xí)兂珊翢o(wú)意義的數(shù)據(jù)流。所以我們認(rèn)為信息是具有時(shí)效性的有一定含義的，有邏輯的、經(jīng)過(guò)加工處理的、對(duì)決策有價(jià)值的數(shù)據(jù)流。信息數(shù)據(jù)時(shí)間信息數(shù)據(jù)時(shí)間+處理處理。 知識(shí)知識(shí)是讓從定量到定性的過(guò)程得以實(shí)現(xiàn)的、抽象的、邏輯的東西。知識(shí)是需要通過(guò)信息使用歸納、演繹得知識(shí)是需要通過(guò)信息使用歸納、演繹得方法得到方法得到。知識(shí)只有在經(jīng)過(guò)廣泛深入地實(shí)踐檢驗(yàn)，被人消化吸收，并成為了個(gè)人的信念和判斷取向之后

6、才能成為知識(shí)。信息雖給出了數(shù)據(jù)中一些有一定意義的東西，但它往往會(huì)在時(shí)間效用失效后價(jià)值開(kāi)始衰減，只有通過(guò)人們的參與對(duì)信息進(jìn)行歸納，演繹，比較等手段進(jìn)行挖掘，使其有價(jià)值的部分沉淀下來(lái)，并于已存在的人類知識(shí)體系相結(jié)合，這部分有價(jià)值的信息就轉(zhuǎn)變成知識(shí)。例如，北京7月1日氣溫為30度，在12月1日氣溫為3度。這些信息一般會(huì)在時(shí)效性消失后，變得沒(méi)有價(jià)值，但當(dāng)人們對(duì)這些信息進(jìn)行歸納和對(duì)比就會(huì)發(fā)現(xiàn)北京每年的7月氣溫會(huì)比較高，12月氣溫比較低，于是總結(jié)出一年有春夏秋冬四個(gè)季節(jié)，有價(jià)值的信息沉淀并結(jié)構(gòu)化后就形成了知識(shí)。 2.客戶信息的類型客戶信息的類型n在在CRM中，按照客戶信息來(lái)源的不同，可以將客戶信息分為中，

7、按照客戶信息來(lái)源的不同，可以將客戶信息分為3種種n描述客戶是誰(shuí)的信息描述客戶是誰(shuí)的信息n描述對(duì)客戶進(jìn)行營(yíng)銷(xiāo)或者促銷(xiāo)活動(dòng)的信息，主要包括市場(chǎng)活動(dòng)的類描述對(duì)客戶進(jìn)行營(yíng)銷(xiāo)或者促銷(xiāo)活動(dòng)的信息，主要包括市場(chǎng)活動(dòng)的類型、預(yù)算或描述等型、預(yù)算或描述等n描述客戶與企業(yè)交易的信息，主要是過(guò)程信息與結(jié)果信息的結(jié)合描述客戶與企業(yè)交易的信息，主要是過(guò)程信息與結(jié)果信息的結(jié)合n上述這些信息可能是客戶直接或間接告訴給服務(wù)人員的，也可能是從信息服務(wù)提供商那里購(gòu)買(mǎi)的，還有可能是企業(yè)員工利用Web技術(shù)從網(wǎng)絡(luò)中獲取的n這些客戶信息為未來(lái)進(jìn)行客戶細(xì)分、客戶價(jià)值的確定、客戶生命周期的管理和客戶忠誠(chéng)計(jì)劃提供了保證3.客戶信息的重要性說(shuō)明

8、客戶信息的重要性說(shuō)明n客戶信息質(zhì)量低下的危害性客戶信息質(zhì)量低下的危害性n儲(chǔ)存和管理重復(fù)資料的高額成本儲(chǔ)存和管理重復(fù)資料的高額成本n無(wú)法有效地、準(zhǔn)確地處理客戶聯(lián)系和活動(dòng)無(wú)法有效地、準(zhǔn)確地處理客戶聯(lián)系和活動(dòng)n對(duì)客戶目前和潛在的價(jià)值，以及過(guò)去已經(jīng)發(fā)生和未來(lái)對(duì)客戶目前和潛在的價(jià)值，以及過(guò)去已經(jīng)發(fā)生和未來(lái)可能發(fā)生的行為和要求無(wú)法進(jìn)行深刻分析可能發(fā)生的行為和要求無(wú)法進(jìn)行深刻分析n無(wú)法適當(dāng)?shù)貏澐趾兔枋隹蛻?，從而也就無(wú)法針對(duì)不同無(wú)法適當(dāng)?shù)貏澐趾兔枋隹蛻?，從而也就無(wú)法針對(duì)不同的客戶群提供不同的服務(wù)的客戶群提供不同的服務(wù)客戶信息對(duì)客戶管理系統(tǒng)的重要性客戶信息對(duì)客戶管理系統(tǒng)的重要性受客戶信息水平影響最大的受客戶信息

9、水平影響最大的4個(gè)領(lǐng)域（麥凱恩）個(gè)領(lǐng)域（麥凱恩）一是開(kāi)辟新的分銷(xiāo)渠道、關(guān)閉舊的分銷(xiāo)渠道及重新部署現(xiàn)一是開(kāi)辟新的分銷(xiāo)渠道、關(guān)閉舊的分銷(xiāo)渠道及重新部署現(xiàn)有的分銷(xiāo)渠道等決策有的分銷(xiāo)渠道等決策二是事半功倍的能力二是事半功倍的能力用更少的員工為更多的客戶服務(wù)用更少的員工為更多的客戶服務(wù)三是提高銷(xiāo)售和營(yíng)銷(xiāo)活動(dòng)的效率，并以較低的成本實(shí)現(xiàn)相三是提高銷(xiāo)售和營(yíng)銷(xiāo)活動(dòng)的效率，并以較低的成本實(shí)現(xiàn)相同的市場(chǎng)效率同的市場(chǎng)效率四是如何依據(jù)客戶需求分配寶貴的客戶服務(wù)資源，從而提四是如何依據(jù)客戶需求分配寶貴的客戶服務(wù)資源，從而提高客戶服務(wù)水平高客戶服務(wù)水平4.客戶信息對(duì)其他管理活動(dòng)的影響客戶信息對(duì)其他管理活動(dòng)的影響n減少外部采

10、購(gòu)的需求減少外部采購(gòu)的需求n對(duì)不斷變化的經(jīng)營(yíng)環(huán)境的反應(yīng)對(duì)不斷變化的經(jīng)營(yíng)環(huán)境的反應(yīng)5.客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識(shí)客戶知識(shí)呼叫中心呼叫中心網(wǎng)上交流網(wǎng)上交流電子郵件電子郵件傳真?zhèn)髡嬷苯咏佑|直接接觸OLAP數(shù)據(jù)挖掘數(shù)據(jù)挖掘運(yùn)營(yíng)分析運(yùn)營(yíng)分析市場(chǎng)專家市場(chǎng)專家知識(shí)發(fā)現(xiàn)知識(shí)發(fā)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識(shí)客戶知識(shí)圖圖9-1 客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識(shí)過(guò)程圖客戶知識(shí)過(guò)程圖補(bǔ)充內(nèi)容：客戶信息的來(lái)源9.1.2 CRM中的信息技術(shù)介紹中的信息技術(shù)介紹n數(shù)據(jù)庫(kù)管理系統(tǒng)（數(shù)據(jù)庫(kù)管理系統(tǒng)（Database Management System，DBMS）客戶服務(wù)代表與存

11、儲(chǔ)于計(jì)算機(jī)中的數(shù)據(jù)之間的軟件界面，就是數(shù)據(jù)庫(kù)管理系統(tǒng)對(duì)于任何重要的CRM系統(tǒng)而言，好的DBMS都是必不可少的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)它能使客戶服務(wù)代表、呼叫中心經(jīng)理、管理人員和其他得到授權(quán)的個(gè)體或?qū)嶓w接觸各種信息數(shù)據(jù)挖掘數(shù)據(jù)挖掘數(shù)據(jù)挖掘軟件支持從貌似無(wú)關(guān)的大量數(shù)據(jù)中挖掘出有用數(shù)據(jù)的工作數(shù)據(jù)挖掘通過(guò)確定數(shù)據(jù)間的關(guān)系和關(guān)聯(lián)來(lái)工作數(shù)據(jù)挖掘的結(jié)果利于促銷(xiāo)，如識(shí)別客戶的喜好決策支持決策支持決策支持軟件包含使用電話中心經(jīng)理和公司領(lǐng)導(dǎo)能回顧和利用數(shù)據(jù)以作出更好決策的軟件工具從簡(jiǎn)單的電子表格程序，到復(fù)雜的圖形界面的過(guò)程模擬器電子郵件電子郵件9.1.3 CRM系統(tǒng)中的信息技術(shù)的應(yīng)用系統(tǒng)中的信息技術(shù)的應(yīng)用1.數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)

12、用數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用n數(shù)據(jù)倉(cāng)庫(kù)技術(shù)能比較好地解決來(lái)自銷(xiāo)售、市場(chǎng)、制造、庫(kù)存和客戶服務(wù)等部門(mén)的分散數(shù)據(jù)提取和問(wèn)題處理，從而達(dá)到更好地了解客戶，更方便地提供服務(wù)的目的2.數(shù)據(jù)挖掘技術(shù)的應(yīng)用數(shù)據(jù)挖掘技術(shù)的應(yīng)用n數(shù)據(jù)挖掘是一門(mén)廣義的交叉科學(xué)，包括了數(shù)據(jù)庫(kù)、人工智能、數(shù)據(jù)統(tǒng)計(jì)和并行計(jì)算等方面的技術(shù)n數(shù)據(jù)挖掘能夠幫助企業(yè)確定客戶的特點(diǎn)，從而可以為客戶提供有針對(duì)性的服務(wù)9.2 CRM系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)9.2.1 數(shù)據(jù)倉(cāng)庫(kù)（ Data Warehouse，DW）概述1.數(shù)據(jù)庫(kù)技術(shù)的發(fā)展n數(shù)據(jù)庫(kù)系統(tǒng)是數(shù)據(jù)庫(kù)和數(shù)據(jù)庫(kù)管理系統(tǒng)的總稱n1968年，IBM研制出信息管理系統(tǒng)n1969年，美國(guó)數(shù)據(jù)系統(tǒng)語(yǔ)言委員會(huì)的數(shù)

13、據(jù)庫(kù)任務(wù)組提出了網(wǎng)絡(luò)數(shù)據(jù)庫(kù)模型的數(shù)據(jù)規(guī)范，于1971年發(fā)表了DBTG報(bào)告，正式確定了數(shù)據(jù)庫(kù)設(shè)計(jì)的網(wǎng)絡(luò)方法n1970年，Codd提出了數(shù)據(jù)庫(kù)關(guān)系模型，開(kāi)創(chuàng)了數(shù)據(jù)庫(kù)的關(guān)系方法和數(shù)據(jù)庫(kù)規(guī)范化理論的研究n80年代后，關(guān)系型數(shù)據(jù)庫(kù)理論得到空前廣泛的應(yīng)用n90年代數(shù)據(jù)庫(kù)技術(shù)并沒(méi)有出現(xiàn)革命性的創(chuàng)新2.數(shù)據(jù)倉(cāng)庫(kù)的提出、發(fā)展與興起n20世紀(jì)80年代中后期出現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)思想的萌芽，從而為數(shù)據(jù)倉(cāng)庫(kù)概念的最終提出和發(fā)展打下了基礎(chǔ)n1992年， Inmon W. H. 在其里程碑式的建立數(shù)據(jù)倉(cāng)庫(kù)一書(shū)中提出了“數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse）”的概念，數(shù)據(jù)倉(cāng)庫(kù)的研究和應(yīng)用從此得到了廣泛的關(guān)注9.2.2 數(shù)據(jù)倉(cāng)庫(kù)的定

14、義、特征與類型1.定義nInmon（1992）認(rèn)為，數(shù)據(jù)倉(cāng)庫(kù)是面向主題的、集成的，是隨時(shí)間推移而發(fā)生變化的數(shù)據(jù)集合，可用來(lái)支持管理決策n面向主題n集成的數(shù)據(jù):從分散的子系統(tǒng)中提取，但不是簡(jiǎn)單拷貝，而是經(jīng)過(guò)統(tǒng)一、綜合n數(shù)據(jù)對(duì)最終用戶而言只讀：不可更改n數(shù)據(jù)隨時(shí)間不斷變化n用于支持管理決策nInfomix公司：數(shù)據(jù)倉(cāng)庫(kù)把分布在企業(yè)網(wǎng)絡(luò)中的不同“信息孤島”中的業(yè)務(wù)數(shù)據(jù)集成到一起，存儲(chǔ)在單一的集成關(guān)系型數(shù)據(jù)庫(kù)中；利用這種集成信息，可方便用戶對(duì)信息的訪問(wèn)，更可使決策人員對(duì)一段時(shí)間內(nèi)的歷史數(shù)據(jù)進(jìn)行分析，研究事物發(fā)展趨勢(shì)nSAS：一種管理技術(shù)，旨在通過(guò)通暢、合理、全面的信息管理，達(dá)到有效的決策支持。數(shù)據(jù)庫(kù)與

15、數(shù)據(jù)倉(cāng)庫(kù)：以銀行業(yè)為例數(shù)據(jù)庫(kù)是事務(wù)系統(tǒng)的數(shù)據(jù)平臺(tái)，客戶在銀行做的每筆交易都會(huì)寫(xiě)入數(shù)據(jù)庫(kù)，被記錄下來(lái)，可以簡(jiǎn)單地理解為用數(shù)據(jù)庫(kù)記帳。數(shù)據(jù)倉(cāng)庫(kù)是分析系統(tǒng)的數(shù)據(jù)平臺(tái)，它從事務(wù)系統(tǒng)獲取數(shù)據(jù)，并做匯總、加工，為決策者提供決策的依據(jù)。比如，某銀行某分行一個(gè)月發(fā)生多少交易，該分行當(dāng)前存款余額是多少。如果存款又多，消費(fèi)交易又多，那么該地區(qū)就有必要設(shè)立ATM了。顯然，銀行的交易量是巨大的，通常以百萬(wàn)甚至千萬(wàn)次來(lái)計(jì)算。事務(wù)系統(tǒng)是實(shí)時(shí)的，這就要求時(shí)效性，客戶存一筆錢(qián)需要幾十秒是無(wú)法忍受的，這就要求數(shù)據(jù)庫(kù)只能存儲(chǔ)很短一段時(shí)間的數(shù)據(jù)。而分析系統(tǒng)是事后的，它要提供關(guān)注時(shí)間段內(nèi)所有的有效數(shù)據(jù)。這些數(shù)據(jù)是海量的，匯總計(jì)算起來(lái)

16、也要慢一些，但是，只要能夠提供有效的分析數(shù)據(jù)就達(dá)到目的了。數(shù)據(jù)倉(cāng)庫(kù)，是在數(shù)據(jù)庫(kù)已經(jīng)大量存在的情況下，為了進(jìn)一步挖掘數(shù)據(jù)資源、為了決策需要而產(chǎn)生的，它決不是所謂的“大型數(shù)據(jù)庫(kù)”。2.共同特征n數(shù)據(jù)倉(cāng)庫(kù)中包含大量數(shù)據(jù)，這些數(shù)據(jù)可能來(lái)自企業(yè)或組織內(nèi)部，也可能來(lái)自外部n以數(shù)據(jù)倉(cāng)庫(kù)方式進(jìn)行組織的目的是為了能夠更好地支持決策n數(shù)據(jù)倉(cāng)庫(kù)為最終使用者提供了用于存取、分析數(shù)據(jù)的工具3.類型n根據(jù)數(shù)據(jù)倉(cāng)庫(kù)所管理的類型和它們所解決的企業(yè)問(wèn)題范圍，一般可將數(shù)據(jù)倉(cāng)庫(kù)分為下列3種類型n企業(yè)數(shù)據(jù)倉(cāng)庫(kù)（Enterprise DataWarehouse,EDW）n操作型數(shù)據(jù)庫(kù)（Operational Data System,O

17、DS）n數(shù)據(jù)集市（Data Mart）9.2.3 數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)結(jié)構(gòu)n設(shè)計(jì)模塊：是由數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)者和管理者來(lái)設(shè)計(jì)和定義數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)n數(shù)據(jù)獲取模塊：用于開(kāi)發(fā)和運(yùn)行數(shù)據(jù)獲取應(yīng)用程序，從源系統(tǒng)中獲取數(shù)據(jù)，并整合到數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)中去n數(shù)據(jù)管理員模塊：用來(lái)生成、管理和訪問(wèn)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)n管理模塊：包括一整套用于維護(hù)數(shù)據(jù)倉(cāng)庫(kù)環(huán)境的系統(tǒng)管理服務(wù)n信息目錄模塊：能幫助技術(shù)用戶和業(yè)務(wù)用戶訪問(wèn)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)n數(shù)據(jù)訪問(wèn)模塊：所提供的數(shù)據(jù)訪問(wèn)工具使最終用戶能夠訪問(wèn)和分析數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)n中間件模塊：將倉(cāng)庫(kù)數(shù)據(jù)庫(kù)與最終用戶工具連接起來(lái)數(shù)據(jù)數(shù)據(jù)獲取獲取模塊模塊數(shù)據(jù)管理員數(shù)據(jù)管理員 模塊模塊數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)數(shù)據(jù)元

18、數(shù)據(jù)數(shù)據(jù)傳遞數(shù)據(jù)傳遞模塊模塊中間件中間件模塊模塊信息目錄信息目錄 模塊模塊元數(shù)據(jù)元數(shù)據(jù)外部元數(shù)據(jù)數(shù)據(jù)訪問(wèn)數(shù)據(jù)訪問(wèn)模塊模塊外部數(shù)據(jù)設(shè)計(jì)模塊設(shè)計(jì)模塊管理模塊圖圖9-2 數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)結(jié)構(gòu)數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)結(jié)構(gòu)補(bǔ)充：數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)模型數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)由四個(gè)主要部分組成處理過(guò)程實(shí)現(xiàn)：集散區(qū)域、管理控制數(shù)據(jù)的提供：倉(cāng)庫(kù)數(shù)據(jù)儲(chǔ)藏室、元數(shù)據(jù)儲(chǔ)藏室9.2.4 面向CRM系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)與開(kāi)發(fā)1.任務(wù)和環(huán)境的評(píng)估2.需求的收集和分析3.構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)4.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的培訓(xùn)5.回顧、總結(jié)與再開(kāi)發(fā)9.2.5 數(shù)據(jù)倉(cāng)庫(kù)解決方案（略）1.Sybase提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案2.SAS提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案3.Platinum提供的

19、數(shù)據(jù)倉(cāng)庫(kù)解決方案4.HP提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案5.IBM公司提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案6.Informix公司提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案7.Oracle公司提供的數(shù)據(jù)倉(cāng)庫(kù)解決方案9.2.6 Eddie Bauer的客戶數(shù)據(jù)倉(cāng)庫(kù)1.新的觀點(diǎn)2.信息決定商業(yè)決策3.跟蹤客戶4.了解客戶5.客戶忠誠(chéng)度9.2.7 如何避免數(shù)據(jù)倉(cāng)庫(kù)建設(shè)項(xiàng)目的失敗如何避免數(shù)據(jù)倉(cāng)庫(kù)建設(shè)項(xiàng)目的失敗1.缺少領(lǐng)導(dǎo)的大力支持和積極參與2.過(guò)高的期望值3.沒(méi)有以決策支持為核心4.人員配備不夠充分5.低估了數(shù)據(jù)清潔、轉(zhuǎn)換、載入的工作量6.低估了用戶對(duì)系統(tǒng)擴(kuò)充的需要7.對(duì)用戶界面和前端工具的重視（不夠）9.3 CRM系統(tǒng)中的數(shù)據(jù)挖掘系統(tǒng)中的數(shù)據(jù)

20、挖掘9.3.1 數(shù)據(jù)挖掘（Data Mining）概述1.從與數(shù)據(jù)倉(cāng)庫(kù)、OLAP和統(tǒng)計(jì)分析的聯(lián)系中定義數(shù)據(jù)挖掘n數(shù)據(jù)挖掘：從大量的、不完全的、有噪聲的、從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含于其模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含于其中的、人們事先不知道但又具有潛在用途的信中的、人們事先不知道但又具有潛在用途的信息和知識(shí)的過(guò)程息和知識(shí)的過(guò)程n從大量的數(shù)據(jù)中，抽取出潛在的、有價(jià)值的知識(shí)、模型或規(guī)則的過(guò)程進(jìn)化階段商業(yè)問(wèn)題支持技術(shù)產(chǎn)品廠家產(chǎn)品特點(diǎn)數(shù)據(jù)搜集（20世紀(jì)60年代）過(guò)去5年中，總收入是多少？計(jì)算機(jī)、磁帶和磁盤(pán)IBM和CDC提供歷史性的、靜態(tài)的數(shù)據(jù)信息數(shù)據(jù)訪問(wèn)（20

21、世紀(jì)80年代）在新英格蘭的分部，去年三月的銷(xiāo)售額是多少？關(guān)系數(shù)據(jù)庫(kù)、結(jié)構(gòu)化查詢語(yǔ)言（SQL）、ODBCOracle、Sybase、Informix、IBM和Microsoft提供歷史性的、動(dòng)態(tài)的數(shù)據(jù)信息數(shù)據(jù)倉(cāng)庫(kù)決策支持（20世紀(jì)90年代）在新英格蘭的分部，去年三月的銷(xiāo)售額是多少？波士頓可以據(jù)此得出什么結(jié)論？聯(lián)機(jī)分析處理、多維數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)Pilot、Comshare、Arbor、Cognos和Microstrategy在各種層次上提供回溯性的、動(dòng)態(tài)的數(shù)據(jù)信息數(shù)據(jù)挖掘（正在流行）下個(gè)月波士頓的銷(xiāo)售會(huì)怎么樣？為什么？高級(jí)算法、多處理器計(jì)算機(jī)和“海量”數(shù)據(jù)庫(kù)Pilot、Lockheed、 IBM、

22、SGI和其他新創(chuàng)企業(yè)提供預(yù)測(cè)性信息表9-2 數(shù)據(jù)挖掘的進(jìn)化歷程2.數(shù)據(jù)挖掘的主要特征數(shù)據(jù)挖掘的主要特征n數(shù)據(jù)挖掘面對(duì)的是海量數(shù)據(jù)n數(shù)據(jù)可能是不完全的、有噪聲的、隨機(jī)的、又復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，且維數(shù)較大n數(shù)據(jù)挖掘是多學(xué)科的交叉，綜合運(yùn)用了統(tǒng)計(jì)學(xué)、計(jì)算機(jī)和數(shù)學(xué)等學(xué)科的技術(shù)3.數(shù)據(jù)挖掘的未來(lái)發(fā)展方向數(shù)據(jù)挖掘的未來(lái)發(fā)展方向n與專家系統(tǒng)結(jié)合的數(shù)據(jù)挖掘n網(wǎng)絡(luò)數(shù)據(jù)挖掘n數(shù)據(jù)挖掘的時(shí)序性n對(duì)非結(jié)構(gòu)化數(shù)據(jù)的挖掘n引入新的數(shù)據(jù)挖掘算法補(bǔ)充內(nèi)容：數(shù)據(jù)挖掘的主要功能分類分類企業(yè)可以按照客戶的行為對(duì)他們進(jìn)行分類，以便使特定的產(chǎn)品和服務(wù)能夠被提供給更加有價(jià)值的客戶群（即最佳客戶）族群族群/聚類聚類將具有相似特點(diǎn)的客戶分成幾個(gè)

23、族群（市場(chǎng)細(xì)分）聯(lián)系聯(lián)系/關(guān)系關(guān)系探尋產(chǎn)品或行為間的聯(lián)系是否存在以及聯(lián)系的強(qiáng)度，以便能夠基于相關(guān)產(chǎn)品做出決策方式或次序方式或次序客戶的購(gòu)買(mǎi)行為的方式或次序補(bǔ)充內(nèi)容：典型數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)9.3.2 數(shù)據(jù)挖掘的基本任務(wù)數(shù)據(jù)挖掘的基本任務(wù)1.自動(dòng)預(yù)測(cè)趨勢(shì)和行為自動(dòng)預(yù)測(cè)趨勢(shì)和行為2.關(guān)聯(lián)分析關(guān)聯(lián)分析n若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)n關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)等多種類型n關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)3.聚類分析聚類分析n數(shù)據(jù)庫(kù)中的記錄可被劃分為一系列有意義的子集，即聚類4.概念描述概念描述n是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類對(duì)象的有關(guān)特征5.偏差檢測(cè)偏

24、差檢測(cè)n基本方法是尋找觀測(cè)結(jié)果與參照值之間有意義的差別9.3.3 數(shù)據(jù)挖掘的技術(shù)與算法簡(jiǎn)介數(shù)據(jù)挖掘的技術(shù)與算法簡(jiǎn)介1.數(shù)據(jù)挖掘的集合論技術(shù)n粗糙集技術(shù)n是一種處理含糊和不精確數(shù)學(xué)問(wèn)題的新型數(shù)學(xué)工具n粗糙集將知識(shí)定義為不可精確區(qū)分的關(guān)系的一個(gè)族集，這就使知識(shí)有了明確的數(shù)學(xué)含義，易于進(jìn)行數(shù)學(xué)分析n概念樹(shù)技術(shù)n一個(gè)數(shù)據(jù)庫(kù)中的不同數(shù)據(jù)都擁有許多的不同屬性，根據(jù)這些屬性可以對(duì)數(shù)據(jù)進(jìn)行分類，然后對(duì)每個(gè)屬性進(jìn)行概念提升中國(guó)江蘇臺(tái)灣其他省份淡水 基隆 南京 蘇州 圖9-3 籍貫概念樹(shù)籍貫概念樹(shù)2.數(shù)據(jù)挖掘中的仿生物技術(shù)數(shù)據(jù)挖掘中的仿生物技術(shù)n神經(jīng)網(wǎng)絡(luò)技術(shù)（Neutral Network）n模擬了人腦神經(jīng)元結(jié)構(gòu)

25、，可以為解決復(fù)雜程度高的問(wèn)題提供一個(gè)比較簡(jiǎn)便的方法n神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)是：輸入層、輸出層、隱含層1輸入層隱含層輸出層圖9-4 簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖23645生物進(jìn)化遺傳算法適者生存在算法停止時(shí)，獲得最優(yōu)解個(gè)體解染色體解的編碼（字符串、向量等）基因解中每個(gè)分量的特征（如數(shù)值）適應(yīng)度適應(yīng)性函數(shù)值種群根據(jù)適應(yīng)度函數(shù)值進(jìn)取的一組解雜交通過(guò)變換兩個(gè)解的對(duì)應(yīng)分量產(chǎn)生新的解的過(guò)程 變異通過(guò)變換一個(gè)解得某些分量產(chǎn)生一個(gè)新解的過(guò)程表9-3 遺傳算法與生物進(jìn)化的比較遺傳算法遺傳算法遺傳算法主要借助生物進(jìn)化中的“適者生存”的概念，模仿生物進(jìn)化中的遺傳繁殖機(jī)制，對(duì)優(yōu)化問(wèn)題解空間的每一個(gè)個(gè)體進(jìn)行編碼，然后對(duì)編碼后的優(yōu)

26、化問(wèn)題解空間進(jìn)行組合劃分，并通過(guò)迭代從中尋找含有最優(yōu)解和較優(yōu)解的組合3.統(tǒng)計(jì)分析方法統(tǒng)計(jì)分析方法n相關(guān)分析和回歸分析：相關(guān)分析是用相關(guān)系數(shù)來(lái)度量變量間相關(guān)程度的數(shù)量關(guān)系，回歸分析研究是變量間的因果關(guān)系n差異分析：從樣本統(tǒng)計(jì)量的值得出的差異來(lái)確定總體參數(shù)之間是否存在差異（假設(shè)檢驗(yàn)），典型的方法是方差分析，即通過(guò)分析實(shí)驗(yàn)數(shù)據(jù)中不同來(lái)源的變異對(duì)總體變異的貢獻(xiàn)大小，確定實(shí)驗(yàn)中的可控因素（自變量）是否對(duì)實(shí)驗(yàn)結(jié)果（因變量）有重要的影響n因子分析：是把多個(gè)可直接觀測(cè)的變量轉(zhuǎn)化為少數(shù)幾個(gè)不相關(guān)的總和指標(biāo)的多遠(yuǎn)統(tǒng)計(jì)分析方法，在醫(yī)學(xué)、心理學(xué)和經(jīng)濟(jì)學(xué)與管理學(xué)等科學(xué)領(lǐng)域得到十分廣泛的應(yīng)用n聚類分析：是根據(jù)事物本身的特

27、征研究個(gè)體分類的方法，是直接比較樣本中事物之間的性質(zhì)的一種方法，把性質(zhì)相近的歸為一類，將性質(zhì)差別比較大的分為不同的類n判別分析：根據(jù)表明事物特點(diǎn)的變量值和他們所屬的類求出判別函數(shù)，再根據(jù)判別函數(shù)對(duì)未知所屬類別的事物進(jìn)行分類的一種分析方法4.關(guān)聯(lián)規(guī)則算法關(guān)聯(lián)規(guī)則算法n關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間存在潛在關(guān)系的規(guī)則，形式為“A1 A2 Am B1 B2 Bn”，其Ai（i=1，2，m）， Bj（j=1，2，n）是數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)n數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)就是根據(jù)一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)，可推導(dǎo)出另一些項(xiàng)在同類事務(wù)中也出現(xiàn)n關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)n關(guān)聯(lián)規(guī)則算法分為兩個(gè)步驟n求支持度大于用戶

28、指定的最小支持的數(shù)據(jù)項(xiàng)集，即大數(shù)據(jù)項(xiàng)集，對(duì)于語(yǔ)義約束的規(guī)則，僅求得滿足約束的大數(shù)據(jù)項(xiàng)集n利用大數(shù)據(jù)項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則是挖掘算法的核心邏輯數(shù)據(jù)庫(kù)被選擇的數(shù)據(jù)預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)換的數(shù)據(jù)被抽取的信息被同化的知識(shí)選擇預(yù)處理轉(zhuǎn)換挖掘分析和 簡(jiǎn)化圖9-6 數(shù)據(jù)挖掘流程圖9.3.4 數(shù)據(jù)挖掘的流程數(shù)據(jù)挖掘的流程技術(shù)視角技術(shù)視角從邏輯數(shù)據(jù)庫(kù)開(kāi)始，經(jīng)過(guò)選擇流程獲得被選擇的數(shù)據(jù)，然后對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，從而得到經(jīng)過(guò)預(yù)處理的數(shù)據(jù)庫(kù)在此基礎(chǔ)上，再對(duì)新生成的數(shù)據(jù)進(jìn)行某種轉(zhuǎn)換，并利用所獲取的新數(shù)據(jù)進(jìn)行挖掘，提出其中有用信息，再加以分析和同化，最終形成經(jīng)過(guò)同化的知識(shí)，為企業(yè)決策提供支持9.3.5 用數(shù)據(jù)挖掘優(yōu)化用

29、數(shù)據(jù)挖掘優(yōu)化CRM系統(tǒng)系統(tǒng)1.什么是優(yōu)化？n優(yōu)化是對(duì)結(jié)果進(jìn)行明確評(píng)價(jià)的問(wèn)題，是在一定的約束和限制條件下，得到最優(yōu)安排的過(guò)程2.使用數(shù)據(jù)挖掘技術(shù)優(yōu)化CRM系統(tǒng)的一般步驟n評(píng)價(jià)，即檢測(cè)發(fā)生的結(jié)果n預(yù)測(cè)，即根據(jù)已發(fā)生的事情來(lái)進(jìn)行預(yù)測(cè)n行動(dòng)，即進(jìn)行嘗試3.優(yōu)化形式n存在一種明確定義的數(shù)值有待優(yōu)化n對(duì)復(fù)雜的、因果關(guān)系不明確的問(wèn)題進(jìn)行優(yōu)化9.3.6 在在CRM中利用數(shù)據(jù)挖掘所形成的商業(yè)價(jià)值中利用數(shù)據(jù)挖掘所形成的商業(yè)價(jià)值1.客戶盈利模型2.客戶獲取模型3.客戶挽留模型4.客戶細(xì)分模型n科學(xué)的客戶細(xì)分需滿足兩個(gè)基本條件：完整性；互斥性5.交叉銷(xiāo)售模型n通過(guò)數(shù)據(jù)挖掘中的聚類分析，鎖定交叉銷(xiāo)售所要面對(duì)的目標(biāo)客戶n

30、通過(guò)關(guān)聯(lián)分析確定最優(yōu)的銷(xiāo)售組合，并向相應(yīng)的客戶展開(kāi)交叉銷(xiāo)售9.3.7 數(shù)據(jù)挖掘工具及其評(píng)估數(shù)據(jù)挖掘工具及其評(píng)估1.數(shù)據(jù)挖掘工具的類型n通用工具n主要包括：SAS公司的Enterprise Miner、IBM的Intelligent Miner、SPSS公司的Clementine、Oracle公司的Darwin、Angoss的Knowledge Seekern綜合數(shù)據(jù)挖掘工具n面向特定應(yīng)用的數(shù)據(jù)挖掘工具n主要包括：KDI（主要在零售業(yè)）和Unica Modell（重點(diǎn)在市場(chǎng)領(lǐng)域）等2.數(shù)據(jù)挖掘工具的評(píng)估標(biāo)準(zhǔn)數(shù)據(jù)挖掘工具的評(píng)估標(biāo)準(zhǔn)n操作的數(shù)據(jù)類型n結(jié)果的有用性和確定性n知識(shí)的表達(dá)n多層次互動(dòng)知識(shí)n

31、并行分布的數(shù)據(jù)挖掘算法n私有保護(hù)和數(shù)據(jù)安全n其他標(biāo)準(zhǔn)：產(chǎn)品成熟度和公司力量、產(chǎn)品的數(shù)據(jù)操作能力、產(chǎn)品的用戶界面，管理復(fù)雜程度等9.4 知識(shí)發(fā)現(xiàn)與CRM9.4.1 知識(shí)發(fā)現(xiàn)概述nFayyad等（1996）認(rèn)為，知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database，KDD）就是指在從大量數(shù)據(jù)中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡的過(guò)程nKDD具有自動(dòng)性和一定的智能性9.4.2 知識(shí)發(fā)現(xiàn)的過(guò)程知識(shí)發(fā)現(xiàn)的過(guò)程（P323 圖圖9-7）n數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備理解有關(guān)KDD的背景和用戶的具體需求n數(shù)據(jù)選取數(shù)據(jù)選取確定要選取的目標(biāo)數(shù)據(jù)，從原始數(shù)據(jù)庫(kù)中選取數(shù)據(jù)或者數(shù)據(jù)樣本n

32、數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理對(duì)選取的數(shù)據(jù)和數(shù)據(jù)樣本進(jìn)行一定的預(yù)處理，檢查數(shù)據(jù)的完整性、消除噪聲、清除多余數(shù)據(jù)n數(shù)據(jù)變換數(shù)據(jù)變換對(duì)進(jìn)行過(guò)預(yù)處理后的數(shù)據(jù)再進(jìn)一步進(jìn)行相關(guān)的轉(zhuǎn)換操作，如轉(zhuǎn)換數(shù)據(jù)的類型等n確定確定KDD的目標(biāo)的目標(biāo)為下一步選擇算法做出準(zhǔn)備n選擇算法選擇算法根據(jù)KDD的目標(biāo)選擇合適的算法，使之與整個(gè)KDD過(guò)程的評(píng)價(jià)標(biāo)準(zhǔn)相一致n解釋解釋/評(píng)價(jià)評(píng)價(jià)對(duì)經(jīng)過(guò)發(fā)掘所發(fā)現(xiàn)的知識(shí)進(jìn)行解釋，并將知識(shí)以客戶能夠理解的方式描述出來(lái)，讓客戶進(jìn)行評(píng)估圖 數(shù)據(jù)挖掘中的知識(shí)發(fā)現(xiàn)流程9.4.3 在在CRM中運(yùn)用知識(shí)發(fā)現(xiàn)中運(yùn)用知識(shí)發(fā)現(xiàn)n對(duì)于許多實(shí)施CRM系統(tǒng)的企業(yè)來(lái)說(shuō)，僅僅依靠CRM系統(tǒng)對(duì)數(shù)據(jù)的組織和存儲(chǔ)功能，并不能滿足企業(yè)對(duì)

33、決策支持的需要n如果不能夠?qū)Υ罅康男畔⑦M(jìn)行高級(jí)處理以便形成可理解的模式，那么企業(yè)花費(fèi)高昂的成本所收集和積累的這些信息實(shí)際上就被浪費(fèi)掉了n因此，發(fā)現(xiàn)隱藏于大量客戶信息背后的關(guān)聯(lián)性與規(guī)律性，就形成了CRM中的知識(shí)發(fā)現(xiàn)體系9.5 聯(lián)機(jī)信息分析處理與CRM9.5.1 作為數(shù)據(jù)倉(cāng)庫(kù)前端接口的聯(lián)機(jī)分析處理（OLAP）圖圖9-8 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)與OLAP整合圖整合圖DB1DB2數(shù)據(jù)倉(cāng)庫(kù)客戶客戶1客戶客戶2OLAP服務(wù)器圖9-8 數(shù)據(jù)倉(cāng)庫(kù)與OLAP整合圖9.5.2 從從OLTP到到OLAP的轉(zhuǎn)變的轉(zhuǎn)變n20世紀(jì)60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Codd提出了關(guān)系模型，促進(jìn)了聯(lián)機(jī)事務(wù)處理（OLTP）的發(fā)展n1

34、993年，Codd提出來(lái)OLAP概念（On Line Analytical Processing，OLAP）OLTP（ On Line Transaction Processing ）數(shù)據(jù)OLAP（ On Line Analytical Processing ）數(shù)據(jù)原始數(shù)據(jù)細(xì)節(jié)性數(shù)據(jù)當(dāng)前值數(shù)據(jù)可更新一次處理的數(shù)據(jù)量小面向應(yīng)用，是事務(wù)驅(qū)動(dòng)型的面向操作人員，支持日常操作導(dǎo)出數(shù)據(jù)綜合性和提煉性數(shù)據(jù)歷史數(shù)據(jù)不可更新，但周期性刷新一次處理的數(shù)據(jù)量大面向分析，是分析驅(qū)動(dòng)型的面向決策人員，支持管理需要表9-4 OLTP與OLAP的主要區(qū)別9.5.3 OLAP的定義與特征的定義與特征1.定義定義nOLAP委員

35、會(huì)把OLAP界定為具有下列功能的軟件技術(shù)：使使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的信息（這些信息是能夠真正為用戶所理數(shù)據(jù)中轉(zhuǎn)化出來(lái)的信息（這些信息是能夠真正為用戶所理解，并且能夠真實(shí)反映出企業(yè)特性的信息）進(jìn)行快速、一解，并且能夠真實(shí)反映出企業(yè)特性的信息）進(jìn)行快速、一致、互動(dòng)地存取，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)的更深入理解致、互動(dòng)地存取，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)的更深入理解2.特征特征nOLAP的顯著特征是它能夠提供數(shù)據(jù)的多維視圖n強(qiáng)大的分析功能：OLAP的分析操作主要包括切片（Slice）、切塊（Dice）、下鉆（Drill-down）、

36、上鉆（Roll-up）和旋轉(zhuǎn)（Rotate）n基本特點(diǎn)：多維、快速、分析、共享、信息9.5.4 OLAP中的一些基本概念中的一些基本概念1.變量：數(shù)據(jù)的實(shí)際意義，描述數(shù)據(jù)是什么2.維：是人們觀察數(shù)據(jù)的特定角度，每個(gè)不同的視角就叫做一個(gè)“維”n例如，進(jìn)行客戶細(xì)分可以從客戶與企業(yè)的互動(dòng)的角度加以細(xì)分，也可以從客戶終身價(jià)值角度加以細(xì)分3.維的層次性：是指人們觀察數(shù)據(jù)的某個(gè)角度還可以存在細(xì)節(jié)差異的多個(gè)方面。n例如，客戶互動(dòng)的層次包括“從不”、“偶爾”、“經(jīng)?！钡萵多維數(shù)組可以表示為（維1，維2，維n，變量）9.5.5 OLAP結(jié)構(gòu)介紹數(shù)據(jù)庫(kù)服務(wù)器DBMS元數(shù)據(jù)請(qǐng)求處理OLAP服務(wù)器SQL結(jié)果設(shè)定前端工

37、具結(jié)果設(shè)定信息請(qǐng)求圖9-9 OLAP系統(tǒng)的一般結(jié)構(gòu)9.5.6 OLAP的基本分析操作的基本分析操作1.切片和切塊（Slice and Dice）n在多維數(shù)組的某一維上選定一維成員的動(dòng)作，稱為切片，即在多維數(shù)組（維1，維2，維n，變量）選定維i，并對(duì)維i選擇一個(gè)維成員，得到了（維1，維2，維成員 維i，維n，變量），這個(gè)操作叫做切片n切塊也有相似的操作，只不過(guò)切塊選擇的是對(duì)某一區(qū)間的維選定維成員地理維規(guī)模維盈利維上海市場(chǎng)潛量圖9-10 切片與切塊操作2.鉆取鉆取n鉆取主要包含向下鉆?。―rill-down）和向上鉆?。≧oll-up）操作3.旋轉(zhuǎn)（旋轉(zhuǎn)（Rolate）/轉(zhuǎn)軸（轉(zhuǎn)軸（Pivot）n

38、旋轉(zhuǎn)，即改變一個(gè)報(bào)告或者頁(yè)面的維方向，包含交換行維和列維，以及把頁(yè)面顯示的一個(gè)維和頁(yè)面外的一個(gè)維進(jìn)行交換地理維盈利維盈利維地理維行列交換（a）盈利維地理維盈利維規(guī)模維旋轉(zhuǎn)以改變頁(yè)面顯示（b）圖9-11 旋轉(zhuǎn)操作9.5.7 OLAP市場(chǎng)狀況和產(chǎn)品評(píng)測(cè)（略）市場(chǎng)狀況和產(chǎn)品評(píng)測(cè)（略）1.Hyperion公司2.Oracle公司3.Cognos公司4.MicroStrategy公司5.微軟公司（Microsoft）6.IBM公司7.Brio公司在CRM系統(tǒng)中，OLAP主要應(yīng)用于以下幾個(gè)方面快速查詢客戶信息決策支持?jǐn)?shù)據(jù)分析實(shí)時(shí)、動(dòng)態(tài)、直觀地展示CRM中的客戶數(shù)據(jù)電信行業(yè)目前主要的數(shù)據(jù)來(lái)自于計(jì)費(fèi)系統(tǒng)和網(wǎng)電

39、信行業(yè)目前主要的數(shù)據(jù)來(lái)自于計(jì)費(fèi)系統(tǒng)和網(wǎng)管數(shù)據(jù)。電信系統(tǒng)經(jīng)過(guò)多年的運(yùn)行，已經(jīng)存儲(chǔ)管數(shù)據(jù)。電信系統(tǒng)經(jīng)過(guò)多年的運(yùn)行，已經(jīng)存儲(chǔ)了大量的歷史數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)涵著豐富的了大量的歷史數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)涵著豐富的信息，從中可以了解企業(yè)在電信市場(chǎng)經(jīng)營(yíng)過(guò)程信息，從中可以了解企業(yè)在電信市場(chǎng)經(jīng)營(yíng)過(guò)程中所處的態(tài)勢(shì)、競(jìng)爭(zhēng)對(duì)手的經(jīng)營(yíng)形勢(shì)、客戶群中所處的態(tài)勢(shì)、競(jìng)爭(zhēng)對(duì)手的經(jīng)營(yíng)形勢(shì)、客戶群的分布狀況、消費(fèi)特征、企業(yè)經(jīng)營(yíng)發(fā)展的趨勢(shì)的分布狀況、消費(fèi)特征、企業(yè)經(jīng)營(yíng)發(fā)展的趨勢(shì)等，對(duì)其進(jìn)行分析處理可以得到很多令人欣喜等，對(duì)其進(jìn)行分析處理可以得到很多令人欣喜的結(jié)論。的結(jié)論。 強(qiáng)大的數(shù)據(jù)處理能力，加上豐富的強(qiáng)大的數(shù)據(jù)處理能力，加上豐富的企業(yè)

40、數(shù)據(jù)，可以有力地促進(jìn)企業(yè)經(jīng)營(yíng)和競(jìng)爭(zhēng)。企業(yè)數(shù)據(jù)，可以有力地促進(jìn)企業(yè)經(jīng)營(yíng)和競(jìng)爭(zhēng)。 案例：數(shù)據(jù)倉(cāng)庫(kù)在電信行業(yè)中的應(yīng)用案例：數(shù)據(jù)倉(cāng)庫(kù)在電信行業(yè)中的應(yīng)用 基于數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用設(shè)計(jì)從系統(tǒng)結(jié)構(gòu)看，電信行業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案系統(tǒng)一般包括應(yīng)用系統(tǒng)部分、中央數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)部分，數(shù)據(jù)源系統(tǒng)部分三大部分?jǐn)?shù)據(jù)來(lái)源電信行業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案數(shù)據(jù)源主要來(lái)自電信各業(yè)務(wù)系統(tǒng)，包括計(jì)費(fèi)系統(tǒng)、營(yíng)業(yè)系統(tǒng)、客服系統(tǒng)、財(cái)務(wù)系統(tǒng)、結(jié)算系統(tǒng)、網(wǎng)管系統(tǒng)、112系統(tǒng)、114系統(tǒng)、電信網(wǎng)絡(luò)資源管理系統(tǒng)以及其它系統(tǒng)，此外數(shù)據(jù)源還有來(lái)自電信系統(tǒng)外的數(shù)據(jù)，如人口統(tǒng)計(jì)、社會(huì)各企業(yè)的財(cái)務(wù)數(shù)據(jù)、銀行數(shù)據(jù)等。 業(yè)務(wù)應(yīng)用系統(tǒng)則主要包括以下10個(gè)方面功能客戶管理客戶發(fā)展分

41、析業(yè)務(wù)量分析收入分析營(yíng)銷(xiāo)管理分析市場(chǎng)競(jìng)爭(zhēng)分析服務(wù)質(zhì)量分析大客戶分析欠費(fèi)和動(dòng)態(tài)防欺詐行為分析代理商及渠道分析客戶管理客戶管理電信企業(yè)要吸引客戶、發(fā)展客戶并留住客戶，首先必須要了解客戶?？蛻艄芾響?yīng)用的目的是根據(jù)客戶的屬性（包括自然屬性和行為屬性)，從不同角度深層次分析客戶，從而針對(duì)不同的客戶采取不同的促銷(xiāo)活動(dòng)以及提供更好和更有針對(duì)性的服務(wù)，以此增加新的客戶，提高客戶的忠誠(chéng)度，降低客戶流失率，提高客戶消費(fèi)額度等。客戶發(fā)展分析客戶發(fā)展分析這主要是依照客戶的自然屬性和消費(fèi)行為屬性對(duì)客戶進(jìn)行分析。其主要指標(biāo)包括客戶總量分析、新增客戶分析、客戶流失分析、客戶行為分析，客戶信用度分析、客戶風(fēng)險(xiǎn)分析等等。 業(yè)務(wù)量分析業(yè)務(wù)量分析包括業(yè)務(wù)總量分析、業(yè)務(wù)增長(zhǎng)和流失分析、網(wǎng)絡(luò)通話流量及流向分析、熱點(diǎn)區(qū)域分析、業(yè)務(wù)量結(jié)構(gòu)分析、收益分析、呼叫特征分析等。 收入分析收入分析包括收入總量分析、收入變化分析、收入結(jié)構(gòu)分析、客戶繳費(fèi)及欠費(fèi)分析等。 營(yíng)銷(xiāo)管