客戶信息的整合與運用

教學目的掌握客戶數(shù)據、客戶信息和客戶知識的關系及其在數(shù)據倉庫中的過程熟悉解數(shù)據倉庫的定義、特征、類型、技術結構了解面向CRM系統(tǒng)的數(shù)據倉庫設計/開發(fā)流程以及避免數(shù)據倉庫建設項目失敗的措施熟悉數(shù)據挖掘的定義、發(fā)展方向及其基本任務了解數(shù)據挖掘的技術、算法和技術視角的流程了解在CRM中利用數(shù)據挖掘所形成的商業(yè)價值熟悉知識發(fā)現(xiàn)的定義和過程熟悉OLAP的定義、特征及其基本操作分析教學重點客戶數(shù)據、客戶信息和客戶知識的關系及其在數(shù)據倉庫中的過程數(shù)據倉庫、數(shù)據挖掘、知識發(fā)現(xiàn)和OLAP的概念教學難點數(shù)據倉庫的技術結構數(shù)據挖掘的技術、算法和技術視角的流程第9章客戶信息的整合與運用知識發(fā)現(xiàn)與CRM客戶信息、信息技術與CRM1CRM系統(tǒng)和數(shù)據倉庫23CRM系統(tǒng)中的數(shù)據挖掘45聯(lián)機信息分析處理與CRM9.1客戶信息、信息技術與CRM9.1.1客戶信息概述1.客戶信息、客戶數(shù)據與客戶知識信息知識加工過的數(shù)據簡單給出事實、清晰明了的、簡單的、結構化的、方便的、以正式方式書寫的通過精簡、校正、整理、計算相關數(shù)據獲得不具有所有者獨立性，由信息系統(tǒng)掌握，大量數(shù)據處理的主要來源從數(shù)據演化而來，形成數(shù)據庫、手冊和文件等正式的、點滴積累的、說明性的、易于形成、可重復應用的形式動態(tài)數(shù)據可隨意組合并用于預測性決策，沒有完全結構化，模糊的、直覺的、難以溝通和表達的存在于人們之間的聯(lián)系、談話及基于經歷與體驗的直覺中，反映在人們的比較情境和處理問題的能力之中取決于所有者和需要信息渠道等預測、設計、計劃、診斷和直覺判斷的主要資源在集體智慧中形成并在集體中共享，隨著經歷與成敗而演化，需要日積月累地通過經歷積淀而成表9-1信息與知識的比較補充內容：數(shù)據、信息、知識的聯(lián)系和區(qū)別

數(shù)據數(shù)據是知識階層中最底層也是最基礎的一個概念；數(shù)據是形成信息，知識和智慧的源泉數(shù)據是對現(xiàn)實生活的理性描述，盡可能地從數(shù)量上反映現(xiàn)實世界；也包括匯總、排序、比例、等等處理數(shù)據泛指對客觀事物的數(shù)量、屬性、位置及其相互關系的抽象表示，以適合于用人工或自然的方式進行保存、傳遞和處理例如，水的溫度是100℃，禮物的重量是500克，木頭的長度是2米，大樓的高度時100層。在這些表述中：水，溫度，100℃，禮物，重量，500克，木頭，長度，2米，大樓，高度，100層就是數(shù)據，通過這些數(shù)據的描述我們的大腦里形成了對客觀世界的清晰印象信息從自然現(xiàn)象和社會現(xiàn)象中搜集的原始材料是數(shù)據，根據使用數(shù)據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＋處理，這個公式符合我們的思路，但我們認為它還不夠完整。信息事實上還包括有一個非常重要的特性—時效性。例如新聞說北京氣溫9攝氏度，這個信息對我們是無意義的，它必須加上今天或明天北京氣溫9攝氏度。再例如通告說，在會議室三樓開會，這個信息也是無意義的，他必須告訴我們是哪天的幾點鐘在會議室三樓開會。注意信息的時效性對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效性，信息就不是完整的信息，甚至會變成毫無意義的數(shù)據流。所以我們認為信息是具有時效性的有一定含義的，有邏輯的、經過加工處理的、對決策有價值的數(shù)據流。信息＝數(shù)據＋時間+處理。知識知識是讓從定量到定性的過程得以實現(xiàn)的、抽象的、邏輯的東西。知識是需要通過信息使用歸納、演繹得方法得到。知識只有在經過廣泛深入地實踐檢驗，被人消化吸收，并成為了個人的信念和判斷取向之后才能成為知識。信息雖給出了數(shù)據中一些有一定意義的東西，但它往往會在時間效用失效后價值開始衰減，只有通過人們的參與對信息進行歸納，演繹，比較等手段進行挖掘，使其有價值的部分沉淀下來，并于已存在的人類知識體系相結合，這部分有價值的信息就轉變成知識。例如，北京7月1日氣溫為30度，在12月1日氣溫為3度。這些信息一般會在時效性消失后，變得沒有價值，但當人們對這些信息進行歸納和對比就會發(fā)現(xiàn)北京每年的7月氣溫會比較高，12月氣溫比較低，于是總結出一年有春夏秋冬四個季節(jié)，有價值的信息沉淀并結構化后就形成了知識。

2.客戶信息的類型在CRM中，按照客戶信息來源的不同，可以將客戶信息分為3種描述客戶是誰的信息描述對客戶進行營銷或者促銷活動的信息，主要包括市場活動的類型、預算或描述等描述客戶與企業(yè)交易的信息，主要是過程信息與結果信息的結合上述這些信息可能是客戶直接或間接告訴給服務人員的，也可能是從信息服務提供商那里購買的，還有可能是企業(yè)員工利用Web技術從網絡中獲取的這些客戶信息為未來進行客戶細分、客戶價值的確定、客戶生命周期的管理和客戶忠誠計劃提供了保證3.客戶信息的重要性說明客戶信息質量低下的危害性儲存和管理重復資料的高額成本無法有效地、準確地處理客戶聯(lián)系和活動對客戶目前和潛在的價值，以及過去已經發(fā)生和未來可能發(fā)生的行為和要求無法進行深刻分析無法適當?shù)貏澐趾兔枋隹蛻?，從而也就無法針對不同的客戶群提供不同的服務客戶信息對客戶管理系統(tǒng)的重要性受客戶信息水平影響最大的4個領域（麥凱恩）一是開辟新的分銷渠道、關閉舊的分銷渠道及重新部署現(xiàn)有的分銷渠道等決策二是事半功倍的能力——用更少的員工為更多的客戶服務三是提高銷售和營銷活動的效率，并以較低的成本實現(xiàn)相同的市場效率四是如何依據客戶需求分配寶貴的客戶服務資源，從而提高客戶服務水平4.客戶信息對其他管理活動的影響減少外部采購的需求對不斷變化的經營環(huán)境的反應5.客戶數(shù)據—客戶信息—客戶知識呼叫中心網上交流電子郵件傳真直接接觸OLAP數(shù)據挖掘運營分析市場專家知識發(fā)現(xiàn)數(shù)據倉庫客戶數(shù)據客戶信息客戶知識圖9-1客戶數(shù)據—客戶信息—客戶知識過程圖補充內容：客戶信息的來源9.1.2CRM中的信息技術介紹數(shù)據庫管理系統(tǒng)（DatabaseManagementSystem，DBMS）客戶服務代表與存儲于計算機中的數(shù)據之間的軟件界面，就是數(shù)據庫管理系統(tǒng)對于任何重要的CRM系統(tǒng)而言，好的DBMS都是必不可少的數(shù)據倉庫它能使客戶服務代表、呼叫中心經理、管理人員和其他得到授權的個體或實體接觸各種信息數(shù)據挖掘數(shù)據挖掘軟件支持從貌似無關的大量數(shù)據中挖掘出有用數(shù)據的工作數(shù)據挖掘通過確定數(shù)據間的關系和關聯(lián)來工作數(shù)據挖掘的結果利于促銷，如識別客戶的喜好決策支持決策支持軟件包含使用電話中心經理和公司領導能回顧和利用數(shù)據以作出更好決策的軟件工具從簡單的電子表格程序，到復雜的圖形界面的過程模擬器電子郵件9.1.3CRM系統(tǒng)中的信息技術的應用1.數(shù)據倉庫的應用數(shù)據倉庫技術能比較好地解決來自銷售、市場、制造、庫存和客戶服務等部門的分散數(shù)據提取和問題處理，從而達到更好地了解客戶，更方便地提供服務的目的2.數(shù)據挖掘技術的應用數(shù)據挖掘是一門廣義的交叉科學，包括了數(shù)據庫、人工智能、數(shù)據統(tǒng)計和并行計算等方面的技術數(shù)據挖掘能夠幫助企業(yè)確定客戶的特點，從而可以為客戶提供有針對性的服務9.2CRM系統(tǒng)和數(shù)據倉庫9.2.1數(shù)據倉庫（DataWarehouse，DW）概述1.數(shù)據庫技術的發(fā)展數(shù)據庫系統(tǒng)是數(shù)據庫和數(shù)據庫管理系統(tǒng)的總稱1968年，IBM研制出信息管理系統(tǒng)1969年，美國數(shù)據系統(tǒng)語言委員會的數(shù)據庫任務組提出了網絡數(shù)據庫模型的數(shù)據規(guī)范，于1971年發(fā)表了DBTG報告，正式確定了數(shù)據庫設計的網絡方法1970年，Codd提出了數(shù)據庫關系模型，開創(chuàng)了數(shù)據庫的關系方法和數(shù)據庫規(guī)范化理論的研究80年代后，關系型數(shù)據庫理論得到空前廣泛的應用90年代數(shù)據庫技術并沒有出現(xiàn)革命性的創(chuàng)新2.數(shù)據倉庫的提出、發(fā)展與興起20世紀80年代中后期出現(xiàn)數(shù)據倉庫思想的萌芽，從而為數(shù)據倉庫概念的最終提出和發(fā)展打下了基礎1992年，InmonW.H.在其里程碑式的《建立數(shù)據倉庫》一書中提出了“數(shù)據倉庫（DataWarehouse）”的概念，數(shù)據倉庫的研究和應用從此得到了廣泛的關注9.2.2數(shù)據倉庫的定義、特征與類型1.定義Inmon（1992）認為，數(shù)據倉庫是面向主題的、集成的，是隨時間推移而發(fā)生變化的數(shù)據集合，可用來支持管理決策面向主題集成的數(shù)據:從分散的子系統(tǒng)中提取，但不是簡單拷貝，而是經過統(tǒng)一、綜合數(shù)據對最終用戶而言只讀：不可更改數(shù)據隨時間不斷變化用于支持管理決策Infomix公司：數(shù)據倉庫把分布在企業(yè)網絡中的不同“信息孤島”中的業(yè)務數(shù)據集成到一起，存儲在單一的集成關系型數(shù)據庫中；利用這種集成信息，可方便用戶對信息的訪問，更可使決策人員對一段時間內的歷史數(shù)據進行分析，研究事物發(fā)展趨勢SAS：一種管理技術，旨在通過通暢、合理、全面的信息管理，達到有效的決策支持。數(shù)據庫與數(shù)據倉庫：以銀行業(yè)為例數(shù)據庫是事務系統(tǒng)的數(shù)據平臺，客戶在銀行做的每筆交易都會寫入數(shù)據庫，被記錄下來，可以簡單地理解為用數(shù)據庫記帳。數(shù)據倉庫是分析系統(tǒng)的數(shù)據平臺，它從事務系統(tǒng)獲取數(shù)據，并做匯總、加工，為決策者提供決策的依據。比如，某銀行某分行一個月發(fā)生多少交易，該分行當前存款余額是多少。如果存款又多，消費交易又多，那么該地區(qū)就有必要設立ATM了。顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計算。事務系統(tǒng)是實時的，這就要求時效性，客戶存一筆錢需要幾十秒是無法忍受的，這就要求數(shù)據庫只能存儲很短一段時間的數(shù)據。而分析系統(tǒng)是事后的，它要提供關注時間段內所有的有效數(shù)據。這些數(shù)據是海量的，匯總計算起來也要慢一些，但是，只要能夠提供有效的分析數(shù)據就達到目的了。數(shù)據倉庫，是在數(shù)據庫已經大量存在的情況下，為了進一步挖掘數(shù)據資源、為了決策需要而產生的，它決不是所謂的“大型數(shù)據庫”。2.共同特征數(shù)據倉庫中包含大量數(shù)據，這些數(shù)據可能來自企業(yè)或組織內部，也可能來自外部以數(shù)據倉庫方式進行組織的目的是為了能夠更好地支持決策數(shù)據倉庫為最終使用者提供了用于存取、分析數(shù)據的工具3.類型根據數(shù)據倉庫所管理的類型和它們所解決的企業(yè)問題范圍，一般可將數(shù)據倉庫分為下列3種類型企業(yè)數(shù)據倉庫（EnterpriseDataWarehouse,EDW）操作型數(shù)據庫（OperationalDataSystem,ODS）數(shù)據集市（DataMart）9.2.3數(shù)據倉庫的技術結構設計模塊：是由數(shù)據倉庫的設計者和管理者來設計和定義數(shù)據倉庫數(shù)據庫數(shù)據獲取模塊：用于開發(fā)和運行數(shù)據獲取應用程序，從源系統(tǒng)中獲取數(shù)據，并整合到數(shù)據倉庫的數(shù)據庫中去數(shù)據管理員模塊：用來生成、管理和訪問數(shù)據倉庫中數(shù)據管理模塊：包括一整套用于維護數(shù)據倉庫環(huán)境的系統(tǒng)管理服務信息目錄模塊：能幫助技術用戶和業(yè)務用戶訪問數(shù)據倉庫系統(tǒng)數(shù)據訪問模塊：所提供的數(shù)據訪問工具使最終用戶能夠訪問和分析數(shù)據倉庫中的數(shù)據中間件模塊：將倉庫數(shù)據庫與最終用戶工具連接起來數(shù)據獲取模塊數(shù)據管理員模塊數(shù)據倉庫數(shù)據元數(shù)據數(shù)據傳遞模塊中間件模塊信息目錄模塊元數(shù)據外部元數(shù)據數(shù)據訪問模塊外部數(shù)據設計模塊管理模塊圖9-2數(shù)據倉庫的技術結構補充：數(shù)據倉庫系統(tǒng)模型數(shù)據倉庫系統(tǒng)由四個主要部分組成處理過程實現(xiàn)：集散區(qū)域、管理控制數(shù)據的提供：倉庫數(shù)據儲藏室、元數(shù)據儲藏室9.2.4面向CRM系統(tǒng)的數(shù)據倉庫設計與開發(fā)1.任務和環(huán)境的評估2.需求的收集和分析3.構造數(shù)據倉庫4.數(shù)據倉庫技術的培訓5.回顧、總結與再開發(fā)9.2.5數(shù)據倉庫解決方案（略）1.Sybase提供的數(shù)據倉庫解決方案2.SAS提供的數(shù)據倉庫解決方案3.Platinum提供的數(shù)據倉庫解決方案4.HP提供的數(shù)據倉庫解決方案5.IBM公司提供的數(shù)據倉庫解決方案6.Informix公司提供的數(shù)據倉庫解決方案7.Oracle公司提供的數(shù)據倉庫解決方案9.2.6EddieBauer的客戶數(shù)據倉庫1.新的觀點2.信息決定商業(yè)決策3.跟蹤客戶4.了解客戶5.客戶忠誠度9.2.7如何避免數(shù)據倉庫建設項目的失敗1.缺少領導的大力支持和積極參與2.過高的期望值3.沒有以決策支持為核心4.人員配備不夠充分5.低估了數(shù)據清潔、轉換、載入的工作量6.低估了用戶對系統(tǒng)擴充的需要7.對用戶界面和前端工具的重視（不夠）9.3CRM系統(tǒng)中的數(shù)據挖掘9.3.1數(shù)據挖掘（DataMining）概述1.從與數(shù)據倉庫、OLAP和統(tǒng)計分析的聯(lián)系中定義數(shù)據挖掘數(shù)據挖掘：從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據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息和知識的過程從大量的數(shù)據中，抽取出潛在的、有價值的知識、模型或規(guī)則的過程進化階段商業(yè)問題支持技術產品廠家產品特點數(shù)據搜集（20世紀60年代）過去5年中，總收入是多少？計算機、磁帶和磁盤IBM和CDC提供歷史性的、靜態(tài)的數(shù)據信息數(shù)據訪問（20世紀80年代）在新英格蘭的分部，去年三月的銷售額是多少？關系數(shù)據庫、結構化查詢語言（SQL）、ODBCOracle、Sybase、Informix、IBM和Microsoft提供歷史性的、動態(tài)的數(shù)據信息數(shù)據倉庫決策支持（20世紀90年代）在新英格蘭的分部，去年三月的銷售額是多少？波士頓可以據此得出什么結論？聯(lián)機分析處理、多維數(shù)據庫、數(shù)據倉庫Pilot、Comshare、Arbor、Cognos和Microstrategy在各種層次上提供回溯性的、動態(tài)的數(shù)據信息數(shù)據挖掘（正在流行）下個月波士頓的銷售會怎么樣？為什么？高級算法、多處理器計算機和“海量”數(shù)據庫Pilot、Lockheed、IBM、SGI和其他新創(chuàng)企業(yè)提供預測性信息表9-2數(shù)據挖掘的進化歷程2.數(shù)據挖掘的主要特征數(shù)據挖掘面對的是海量數(shù)據數(shù)據可能是不完全的、有噪聲的、隨機的、又復雜的數(shù)據結構，且維數(shù)較大數(shù)據挖掘是多學科的交叉，綜合運用了統(tǒng)計學、計算機和數(shù)學等學科的技術3.數(shù)據挖掘的未來發(fā)展方向與專家系統(tǒng)結合的數(shù)據挖掘網絡數(shù)據挖掘數(shù)據挖掘的時序性對非結構化數(shù)據的挖掘引入新的數(shù)據挖掘算法補充內容：數(shù)據挖掘的主要功能分類企業(yè)可以按照客戶的行為對他們進行分類，以便使特定的產品和服務能夠被提供給更加有價值的客戶群（即最佳客戶）族群/聚類將具有相似特點的客戶分成幾個族群（市場細分）聯(lián)系/關系探尋產品或行為間的聯(lián)系是否存在以及聯(lián)系的強度，以便能夠基于相關產品做出決策方式或次序客戶的購買行為的方式或次序補充內容：典型數(shù)據挖掘系統(tǒng)的結構9.3.2數(shù)據挖掘的基本任務1.自動預測趨勢和行為2.關聯(lián)分析若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關聯(lián)關聯(lián)可分為簡單關聯(lián)、時序關聯(lián)和因果關聯(lián)等多種類型關聯(lián)分析的目的是找出數(shù)據庫中隱藏的關聯(lián)網3.聚類分析數(shù)據庫中的記錄可被劃分為一系列有意義的子集，即聚類4.概念描述是對某類對象的內涵進行描述，并概括這類對象的有關特征5.偏差檢測基本方法是尋找觀測結果與參照值之間有意義的差別9.3.3數(shù)據挖掘的技術與算法簡介1.數(shù)據挖掘的集合論技術粗糙集技術是一種處理含糊和不精確數(shù)學問題的新型數(shù)學工具粗糙集將知識定義為不可精確區(qū)分的關系的一個族集，這就使知識有了明確的數(shù)學含義，易于進行數(shù)學分析概念樹技術一個數(shù)據庫中的不同數(shù)據都擁有許多的不同屬性，根據這些屬性可以對數(shù)據進行分類，然后對每個屬性進行概念提升中國江蘇臺灣其他省份淡水基隆……南京蘇州………………圖9-3籍貫概念樹籍貫概念樹2.數(shù)據挖掘中的仿生物技術神經網絡技術（NeutralNetwork）模擬了人腦神經元結構，可以為解決復雜程度高的問題提供一個比較簡便的方法神經網絡基本結構是：輸入層、輸出層、隱含層1輸入層隱含層輸出層圖9-4簡單的人工神經網絡結構圖23645生物進化遺傳算法適者生存在算法停止時，獲得最優(yōu)解個體解染色體解的編碼（字符串、向量等）基因解中每個分量的特征（如數(shù)值）適應度適應性函數(shù)值種群根據適應度函數(shù)值進取的一組解雜交通過變換兩個解的對應分量產生新的解的過程變異通過變換一個解得某些分量產生一個新解的過程表9-3遺傳算法與生物進化的比較遺傳算法遺傳算法主要借助生物進化中的“適者生存”的概念，模仿生物進化中的遺傳繁殖機制，對優(yōu)化問題解空間的每一個個體進行編碼，然后對編碼后的優(yōu)化問題解空間進行組合劃分，并通過迭代從中尋找含有最優(yōu)解和較優(yōu)解的組合3.統(tǒng)計分析方法相關分析和回歸分析：相關分析是用相關系數(shù)來度量變量間相關程度的數(shù)量關系，回歸分析研究是變量間的因果關系差異分析：從樣本統(tǒng)計量的值得出的差異來確定總體參數(shù)之間是否存在差異（假設檢驗），典型的方法是方差分析，即通過分析實驗數(shù)據中不同來源的變異對總體變異的貢獻大小，確定實驗中的可控因素（自變量）是否對實驗結果（因變量）有重要的影響因子分析：是把多個可直接觀測的變量轉化為少數(shù)幾個不相關的總和指標的多遠統(tǒng)計分析方法，在醫(yī)學、心理學和經濟學與管理學等科學領域得到十分廣泛的應用聚類分析：是根據事物本身的特征研究個體分類的方法，是直接比較樣本中事物之間的性質的一種方法，把性質相近的歸為一類，將性質差別比較大的分為不同的類判別分析：根據表明事物特點的變量值和他們所屬的類求出判別函數(shù)，再根據判別函數(shù)對未知所屬類別的事物進行分類的一種分析方法4.關聯(lián)規(guī)則算法關聯(lián)規(guī)則是描述數(shù)據庫中數(shù)據項之間存在潛在關系的規(guī)則，形式為“A1∧A2∧···∧AmB1∧B2∧···∧Bn”，其Ai（i=1，2，···，m），Bj（j=1，2，···，n）是數(shù)據庫中的數(shù)據項數(shù)據項之間的關聯(lián)就是根據一個事務中某些項的出現(xiàn)，可推導出另一些項在同類事務中也出現(xiàn)關聯(lián)分析的目的是找出數(shù)據庫中隱藏的關聯(lián)關聯(lián)規(guī)則算法分為兩個步驟求支持度大于用戶指定的最小支持的數(shù)據項集，即大數(shù)據項集，對于語義約束的規(guī)則，僅求得滿足約束的大數(shù)據項集利用大數(shù)據項集產生關聯(lián)規(guī)則，關聯(lián)規(guī)則是挖掘算法的核心

邏輯數(shù)據庫被選擇的數(shù)據預處理后的數(shù)據被轉換的數(shù)據被抽取的信息被同化的知識選擇預處理轉換挖掘分析和簡化圖9-6數(shù)據挖掘流程圖9.3.4數(shù)據挖掘的流程——技術視角從邏輯數(shù)據庫開始，經過選擇流程獲得被選擇的數(shù)據，然后對這些數(shù)據進行預處理，從而得到經過預處理的數(shù)據庫在此基礎上，再對新生成的數(shù)據進行某種轉換，并利用所獲取的新數(shù)據進行挖掘，提出其中有用信息，再加以分析和同化，最終形成經過同化的知識，為企業(yè)決策提供支持9.3.5用數(shù)據挖掘優(yōu)化CRM系統(tǒng)1.什么是優(yōu)化？優(yōu)化是對結果進行明確評價的問題，是在一定的約束和限制條件下，得到最優(yōu)安排的過程2.使用數(shù)據挖掘技術優(yōu)化CRM系統(tǒng)的一般步驟評價，即檢測發(fā)生的結果預測，即根據已發(fā)生的事情來進行預測行動，即進行嘗試3.優(yōu)化形式存在一種明確定義的數(shù)值有待優(yōu)化對復雜的、因果關系不明確的問題進行優(yōu)化9.3.6在CRM中利用數(shù)據挖掘所形成的商業(yè)價值1.客戶盈利模型2.客戶獲取模型3.客戶挽留模型4.客戶細分模型科學的客戶細分需滿足兩個基本條件：完整性；互斥性5.交叉銷售模型通過數(shù)據挖掘中的聚類分析，鎖定交叉銷售所要面對的目標客戶通過關聯(lián)分析確定最優(yōu)的銷售組合，并向相應的客戶展開交叉銷售9.3.7數(shù)據挖掘工具及其評估1.數(shù)據挖掘工具的類型通用工具主要包括：SAS公司的EnterpriseMiner、IBM的IntelligentMiner、SPSS公司的Clementine、Oracle公司的Darwin、Angoss的KnowledgeSeeker綜合數(shù)據挖掘工具面向特定應用的數(shù)據挖掘工具主要包括：KDI（主要在零售業(yè)）和UnicaModell（重點在市場領域）等2.數(shù)據挖掘工具的評估標準操作的數(shù)據類型結果的有用性和確定性知識的表達多層次互動知識并行分布的數(shù)據挖掘算法私有保護和數(shù)據安全其他標準：產品成熟度和公司力量、產品的數(shù)據操作能力、產品的用戶界面，管理復雜程度等9.4知識發(fā)現(xiàn)與CRM9.4.1知識發(fā)現(xiàn)概述Fayyad等（1996）認為，知識發(fā)現(xiàn)（KnowledgeDiscoveryinDatabase，KDD）就是指在從大量數(shù)據中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡的過程KDD具有自動性和一定的智能性9.4.2知識發(fā)現(xiàn)的過程（P323圖9-7）數(shù)據準備——理解有關KDD的背景和用戶的具體需求數(shù)據選取——確定要選取的目標數(shù)據，從原始數(shù)據庫中選取數(shù)據或者數(shù)據樣本數(shù)據預處理——對選取的數(shù)據和數(shù)據樣本進行一定的預處理，檢查數(shù)據的完整性、消除噪聲、清除多余數(shù)據數(shù)據變換——對進行過預處理后的數(shù)據再進一步進行相關的轉換操作，如轉換數(shù)據的類型等確定KDD的目標——為下一步選擇算法做出準備選擇算法——根據KDD的目標選擇合適的算法，使之與整個KDD過程的評價標準相一致解釋/評價——對經過發(fā)掘所發(fā)現(xiàn)的知識進行解釋，并將知識以客戶能夠理解的方式描述出來，讓客戶進行評估圖數(shù)據挖掘中的知識發(fā)現(xiàn)流程9.4.3在CRM中運用知識發(fā)現(xiàn)對于許多實施CRM系統(tǒng)的企業(yè)來說，僅僅依靠CRM系統(tǒng)對數(shù)據的組織和存儲功能，并不能滿足企業(yè)對決策支持的需要如果不能夠對大量的信息進行高級處理以便形成可理解的模式，那么企業(yè)花費高昂的成本所收集和積累的這些信息實際上就被浪費掉了因此，發(fā)現(xiàn)隱藏于大量客戶信息背后的關聯(lián)性與規(guī)律性，就形成了CRM中的知識發(fā)現(xiàn)體系9.5聯(lián)機信息分析處理與CRM9.5.1作為數(shù)據倉庫前端接口的聯(lián)機分析處理（OLAP）圖9-8數(shù)據倉庫與OLAP整合圖DB1DB2數(shù)據倉庫客戶1客戶2OLAP服務器圖9-8數(shù)據倉庫與OLAP整合圖9.5.2從OLTP到OLAP的轉變20世紀60年代，關系數(shù)據庫之父E.F.Codd提出了關系模型，促進了聯(lián)機事務處理（OLTP）的發(fā)展1993年，Codd提出來OLAP概念（OnLineAnalyticalProcessing，OLAP）OLTP（OnLineTransactionProcessing）數(shù)據OLAP（OnLineAnalyticalProcessing）數(shù)據原始數(shù)據細節(jié)性數(shù)據當前值數(shù)據可更新一次處理的數(shù)據量小面向應用，是事務驅動型的面向操作人員，支持日常操作導出數(shù)據綜合性和提煉性數(shù)據歷史數(shù)據不可更新，但周期性刷新一次處理的數(shù)據量大面向分析，是分析驅動型的面向決策人員，支持管理需要表9-4OLTP與OLAP的主要區(qū)別9.5.3OLAP的定義與特征1.定義OLAP委員會把OLAP界定為具有下列功能的軟件技術：使分析人員、管理人員或執(zhí)行人員能夠從多種角度對從原始數(shù)據中轉化出來的信息（這些信息是能夠真正為用戶所理解，并且能夠真實反映出企業(yè)特性的信息）進行快速、一致、互動地存取，從而實現(xiàn)對數(shù)據的更深入理解2.特征OLAP的顯著特征是它能夠提供數(shù)據的多維視圖強大的分析功能：OLAP的分析操作主要包括切片（Slice）、切塊（Dice）、下鉆（Drill-down）、上鉆（Roll-up）和旋轉（Rotate）基本特點：多維、快速、分析、共享、信息9.5.4OLAP中的一些基本概念1.變量：數(shù)據的實際意義，描述數(shù)據是什么2.維：是人們觀察數(shù)據的特定角度，每個不同的視角就叫做一個“維”例如，進行客戶細分可以從客戶與企業(yè)的互動的角度加以細分，也可以從客戶終身價值角度加以細分3.維的層次性：是指人們觀察數(shù)據的某個角度還可以存在細節(jié)差異的多個方面。例如，客戶互動的層次包括“從不”、“偶爾”、“經常”等多維數(shù)組可以表示為（維1，維2，···，維n，變量）9.5.5OLAP結構介紹數(shù)據庫服務器DBMS元數(shù)據請求處理OLAP服務器SQL結果設定前端工具結果設定信息請求圖9-9OLAP系統(tǒng)的一般結構9.5.6OLAP的基本分析操作1.切片和切塊（SliceandDice）在多維數(shù)組的某一維上選定一維成員的動作，稱為切片，即在多維數(shù)組（維1，維2，···，維n，變量）選定維i，并對維i選擇一個維成員，得到了（維1，維2，維成員維i，···，維n，變量），這個操作叫做切片切塊也有相似的操作，只不過切塊選擇的是對某一區(qū)間的維選定維成員地理維規(guī)模維盈利維上海市場潛量圖9-10切片與切塊操作2.鉆取鉆取主要包含向下鉆?。―rill-down）和向上鉆?。≧oll-up）操作3.旋轉（Rolate）/轉軸（Pivot）旋轉，即改變一個報告或者頁面的維方向，包含交換行維和列維，以及把頁面顯示的一個維和頁面外的一個維進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)模維旋轉以改變頁面顯示（b）圖9-11旋轉操作9.5.7OLAP市場狀況和產品評測（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主要應用于以下幾個方面快速查詢客戶信息決策支持數(shù)據分析實時、動態(tài)、直觀地展示CRM中的客戶數(shù)據電信行業(yè)目前主要的數(shù)據來自于計費系統(tǒng)和網管數(shù)據。電信系統(tǒng)經過多年的運行，已經存儲了大量的歷史數(shù)據。這些數(shù)據中蘊涵著豐富的信息，從中可以了解企業(yè)在電信市場經營過程中所處的態(tài)勢、競爭對手的經營形勢、客戶群的分布狀況、消費特征、企業(yè)經營發(fā)展的趨勢等，對其進行分析處理可以得到很多令人欣喜的結論。強大的數(shù)據處理能力，加上豐富的企業(yè)數(shù)據，可以有力地促進企業(yè)經營和競爭。

案例：數(shù)據倉庫在電信行業(yè)中的應用基于數(shù)據倉庫的應用設計從系統(tǒng)結構看，電信行業(yè)數(shù)據倉庫解決方案系統(tǒng)一般包括應用系統(tǒng)部分、中央數(shù)據倉庫系統(tǒng)部分，數(shù)據源系統(tǒng)部分三大部分數(shù)據來源電信行業(yè)數(shù)據倉庫解決方案數(shù)據源主要來自電信各業(yè)務系統(tǒng)，包括計費系統(tǒng)、營業(yè)系統(tǒng)、客服系統(tǒng)、財務系統(tǒng)、結算系統(tǒng)、網管系統(tǒng)、112系統(tǒng)、114系統(tǒng)、電信網絡資源管理系統(tǒng)以及其它系統(tǒng)，此外數(shù)據源還有來自電信系統(tǒng)外的數(shù)據，如人口統(tǒng)計、社會各企業(yè)的財務數(shù)據、銀行數(shù)據等。

業(yè)務應用系統(tǒng)則主要包括以下10個方面功能客戶管理客戶發(fā)展分析業(yè)務量分析收入分析營銷管理分析市場競爭分析服務質量分析大客戶分析欠費和動態(tài)防欺詐行為分析代理商及渠道分析客戶管理電信企業(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玫哪康氖歉鶕蛻舻膶傩裕òㄗ匀粚傩院托袨閷傩?，從不同角度深層次分析客戶，從而針對不同的客戶采取不同的促銷活動以及提供更好和更有針對性的服務，以此增加新的客戶，提高客戶的忠誠度，降低客戶流失率，提高客戶消費額度等。客戶發(fā)展分析這主要是依照客戶的自然屬性和消費行為屬性對客戶進行分析。其主要指標包括客戶總量分析、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、客戶風險分析等等。

業(yè)務量分析包括業(yè)務總量分析、業(yè)務增長和流失分析、網絡通話流量及流向分析、熱點區(qū)域分析、業(yè)務量結構分析、收益分析、呼叫特征分析等。

收入分析包括收入總量分析、收入變化分析、收入結構分析、客戶繳費及欠費分析等。營銷管理分析主要提供的功能包括產品定價分析、市場需求分析、促銷活動分析、營銷渠道分析等。市場競爭分析包括市場占有率分析、競爭對手發(fā)展情況分析、供應商行為分析、合作商行為分析等。

服務質量分析包括客戶服務質量分析、客戶咨詢查詢分析、客戶投訴分析等。通過對服務質量的分析，能夠了解目前客戶最關心的問題；通過將客戶流失和服務質量結合起來分析，能夠清楚客戶為什么會流失以及什么因素會導致客戶流失，從而采取有針對性的措施，減少客戶流失量。大客戶分析大客戶是企業(yè)利潤的主要來源，其分析也極其重要。其中包括大客戶構成分析、大客戶發(fā)展及流失分析、大客戶業(yè)務使用情況分析、大客戶業(yè)務量變化情況分析。欠費和動態(tài)防欺詐行為分析這是在總結各種騙費、欠費行為的內在規(guī)律后，在數(shù)據倉庫的基礎上建立一套行為規(guī)則庫，及時預警各種騙費、欠費，使企業(yè)損失盡量減少，并通過用戶的繳費銷賬情況、社會類別、占用資源等，分信譽度給不同用戶以不同的服務及優(yōu)惠。代理商及渠道分析通過對供應商市場行為進行分析，從而為電信公司與供應商合作方面戰(zhàn)略、策略的制定提供參考依據。

任務：結合第10章內容，撰寫相應報告，并PPT匯報1.主題：某一電子商務公司（京東、亞馬遜中國，等等）如何進行客戶關系管理，題目自擬，與CRM相關2.報告內容：（1）引論：A.因特網在電子商務中的發(fā)展；B.因特網如何促進了客戶關系管理（系統(tǒng)）的發(fā)展。(2)該電子商務公司網上客戶關系管理分析：A.該公司介紹；B.該公司網上客戶關系管理的特點;C.該公司網上客戶關系管理的措施和辦法（可以結合本書一些理念展開）。（3）總結：網上客戶關系管理對企業(yè)發(fā)展的影響；網上客戶關系管理發(fā)展趨勢。3.撰寫報告：每組提交一份2500字-4000的報告，下次上課前交，寫上各小組成員的姓名、學號、班級4.PPT演示：每小組將報告制成幻燈片，下次課前分組上臺演講：一個班兩組，上來演講的時間為10分鐘；全組人員都上臺；臺下的同學可以提問5.形式要求：有表格的應采用三開欄表格；有數(shù)據的應該繪制餅形圖/柱形圖/線形圖表示本章小結本章主要內容是客戶信息的獲取、分析、應用，因此應用層面的CRM是本章的基礎。它是對客戶互動的一個升華，也是CRM系統(tǒng)的重要內容。本章首先介紹了客戶數(shù)據、客戶信息與客戶知識的區(qū)別。當然，它們共同構成了一個獨特的演進過程。由獲取的客戶數(shù)據，經過數(shù)據倉庫的抽取、清洗等操作，形成了客戶信息，再經過前端接口的數(shù)據挖掘和OLAP分析，形成了可視化的結果，呈現(xiàn)給決策者或專家。客戶信息正是經過這樣的淬煉，經過一系列在技術上息息相關、在邏輯上緊鑼密鼓的過程，為決策的制定和預測等做出貢獻。這項工作涉及信息技術和CRM理念的結合。在理念上做好CRM，就必然需要兩個平臺：客戶互動平臺（CustomerInteractionPlatform）和客戶知識平臺（CustomerKnowledgePlatform）。而信息技術與第二個平臺的結合，就是本講著重描述的內容。但是，這種結合還在繼續(xù)演進，如從關系型數(shù)據庫到數(shù)據倉庫、從OLTP到OLAP等。在這方面，兩個引起較大關注的演進方向是客戶智能和專家系統(tǒng)。百萬客戶大拜訪71一、課程目的

1、持續(xù)推動主顧300（讓業(yè)務員有機會做）

2、每天完成7+3拜訪（讓業(yè)務員愿意做）

3、熟練掌握拜訪技巧（讓業(yè)務員會做）二、過程：三、內容1、理念篇--知道和不知道？2、拜訪篇--心動不如行動3、話術篇--完美的拜訪是設計出來的72

理念篇知道和不知道？73猜中彩74人類最大的恐懼來自于未知世界的無知不知道是一種危機，一種威脅，一種恐懼。理念之一：

75不知道的兩種表現(xiàn)形式？？76（1）你曾拜訪過的客戶中，是否有各種不同的客戶性格類型？（2）你是否經常變換不同的推銷策略？（3）你的推銷模式的成交率是多少？（4）失敗的原因是客戶？你？還是推銷方式？你知道還是不知道？業(yè)務員的不知道77愛人同志78理念之二：

不知道是客觀存在的，是認識事物的開始79

生活中對待不知道的幾種態(tài)度：（1）不知道等于不存在；（沒市場，沒客戶）（2）不知道等于無所謂；（沒問題，沒關系，沒辦法）（3）不知道等于想知道，好奇并積極的探索！80理念之三：

人的進步就在于不斷的減少不知道業(yè)務員的進步就在于將自己和對客戶的不知道變成知道81

理念之四：

傭金的兌現(xiàn)來自于拜訪82理念之五心動不如行動83結論：除非你去做拜訪，否則永遠你都處在不知道的狀態(tài)當中煩惱、恐懼和壓力皆因此而生。84

拜訪篇心動不如行動85丑媳婦怕見公婆一、沒信心（1）對自己沒信心信心是拜訪出來的恐懼來自動作的陌生，而不是來自動作的難度（2）對新條款沒信