客户关系管理-第十章客户信息的整合与运用课件.ppt

第十章 客户信息的整合与运用 主编：薛永基2013年6月内容提要1234掌握客户资源的价值和作用掌握客户资源的价值和作用理解数据仓库对于理解数据仓库对于CRM的重要性的重要性熟悉联机分析系统的框架结构熟悉联机分析系统的框架结构了解各种数据挖掘技术的目标和应用场景了解各种数据挖掘技术的目标和应用场景10.1 客户资源信息与客户关系管理（1）10.1.1客户信息的价值n1.客户对企业市场价值的影响客户对企业市场价值的影响n2.客户对企业现金流的影响客户对企业现金流的影响n3.客户对企业竞争优势的影响客户对企业竞争优势的影响n4.客户对企业学习与更新的影响客户对企业学习与更新的影响10.1 客户资源信息与客户关系管理（2）10.1.2 客户资源的内涵级提升途径n1.客户资源客户资源=客户资产客户资产指的是企业从客户那里取得的净现金流，这一现金流的大小和价值取决于客户的长期购买量、客户购买所产生的利润、这种关系的持续期以及客户进行这些购买的次数。1）价值资产）价值资产2）品牌资产）品牌资产3）关系资产）关系资产n2.客户资源价值提升途径客户资源价值提升途径企业可以从以下几个方面增加客户资源价值：1）提高核心服务的消费价值。2）客户服务人员与顾客面对面接触可增强双方的关系。3）企业可以组织客户参加以各种主题或依托的社交活动，让客户从中获益。4）企业应鼓励客户的“忠诚”行为。5）企业可以充分利用自己拥有的网络优势，加强自己与客户之间的相互学习关系。6）防止买卖双方关系破裂。新客户与企业之间的关系相当脆弱。10.1 客户资源信息与客户关系管理（3）10.1.2 客户资源的内涵级提升途径10.1 客户资源信息与客户关系管理（4）10.1.3 客户信息的分析风险有两种定义：风险有两种定义：1）一种定义强调了风险表现为不确定性；2）而另一种定义则强调风险表现为损失的不确定性。10.1.4 综合分析提高客户资产首先首先必须理顺品牌资产与客户资产的关系；其次其次，提高客户资产又必须与服务的基本特征相对应；最后最后，提高客户资产应该与品牌建设的创新紧密相连，以适应产业技术进步的发展和竞争的要求。企业建立品牌总是要找到能够把自己与竞争对手产品区分开的客户利益点以突出差异，这是品牌成功的关键所在品牌成功的关键所在。10.2 客户关系管理系统和数据仓库（1）10.2.1 客户关系管理中数据仓库技术的应用特点n1.客户关系管理中数据仓库概念的两个层次客户关系管理中数据仓库概念的两个层次功能上功能上：数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；内容和特征上内容和特征上：数据仓库是对多个异构的数据源有效集成，集成后按照主题进行重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。n2.客房关系、管理系统中数据仓库应用的属性客房关系、管理系统中数据仓库应用的属性10.2 客户关系管理系统和数据仓库（2）10.2.2 客户关系管理中数据仓库技术的应用过程n1.数据的抽取数据的抽取n2.存储和管理存储和管理n3.数据的表现数据的表现10.2 客户关系管理系统和数据仓库（3）10.2.3 客户关系管理中数据仓库技术的层次n1.数据源数据源n2.数据的存储与管理数据的存储与管理n3.联机分析处理服务器联机分析处理服务器n4.前端工具前端工具10.2 客户关系管理系统和数据仓库（4）10.2.4 客户关系管理中数据仓库的数据组织n1.简单堆积结构简单堆积结构n2.轮转综合数据存储轮转综合数据存储n3.简单直接文件简单直接文件n4.连续文件连续文件10.2 客户关系管理系统和数据仓库（5）10.2.5 客户关系管理中数据仓库的元数据n元数据作为数据的数据，可对数据仓库中的各种数据进行详细的描述，说明元数据作为数据的数据，可对数据仓库中的各种数据进行详细的描述，说明每个数据的上下文关系，使每个数据具有符合现实的真实含义，使最终用户每个数据的上下文关系，使每个数据具有符合现实的真实含义，使最终用户了解这些数据之间的关系。了解这些数据之间的关系。1）第一层（操作环境层）是指整个企业内有关业务的OLTP系统和一些外部数据源；2）第二层是通过把第一层的相关数据抽取到一个中心区而组成的数据仓库层；3）第三层是为了完成对业务数据的分析而由各种工具组成的业务层。及时查询OLAP分析DM企业数据模型、多维数据模型业务层DW层操作环境层业务元数据技术元数据外部数据源RDBMS元数据知识库数据仓库图10-1 元数据的典型结构10.2 客户关系管理系统和数据仓库（6）10.2 客户关系管理系统和数据仓库（7）10.2.6 客户关系管理中数据仓库的模型在整个数据仓库的建模过程中，一般需要在整个数据仓库的建模过程中，一般需要4个过程：个过程：1）业务建模，生成业务模型，主要进行业务层面的分解和程序化。2）领域建模，生成领域模型，主要是对业务模型进行抽象处理，生成领域概念模型。3）逻辑建模，生成逻辑模型，主要是将领域模型的概念实体以及实体之间的关系进行数据库层次的逻辑化。4）物理建模，生成物理模型，主要解决逻辑模型针对不同关系型数据库的物理化以及性能等一些具体的技术问题。业务模型领域模型逻辑模型物理模型图10-2 数据仓库的层次10.3 联机分析处理与客户关系管理（1）10.3.1 基本概念nOLAP是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的，这些信息是从原始数据直接转换过来的，他们以用户容易理解的方式反映企业的真实情况。n具有以下几个基本特征：具有以下几个基本特征：1）快速性：用户对OLAP的快速反应能力有很高的要求。系统应能在5秒内对用户的大部分分析要求做出反应。2）可分析性：OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。3）多维性：多维性是OLAP的关键属性。系统必须提供对数据的多维视图和分析，包括对层次维和多重层次维的完全支持。4）信息性：不论数据量有多大，也不管数据存储在何处，OLAP系统应能及时获得信息，并且管理大量信息。n1.维的构建维的构建1）维层次2）维成员3）多维数据集n2.联机分析处理多维数据分析联机分析处理多维数据分析1）切片和切块2）钻取3）旋转、转轴10.3 联机分析处理与客户关系管理（2）10.3.2 联机分析的多维性图10-3 OLAP多维数据分析-三维立方体的切块和切片图（单位：万美元）按时间维向下钻取部门 销售部门1 90部门2部门3 80 601995年部门 1季度 2季度 3季度 4季度部门1 20 20 35 15部门2 25 5 15 15部门3 20 15 18 27按时间维向上钻取图10-4 OLAP多维数据分析-钻取图举例1995年 1996年部门 1季度 2季度 3季度 4季度 1季度 2季度 3季度 4季度部门1 20 20 35 15 12 20 25 14部门2 25 5 15 15 20 18 23 12部门3 20 15 18 27 18 20 17 251季度 2季度 3季度 4季度部门 1995年 1996年 1995年 1996年 1995年 1996年 1995年 1996年部门1 20 12 20 20 35 25 15 14部门2 25 20 5 18 15 23 15 12 部门3 20 18 15 20 18 17 27 25 图10-5 OLAP多维数据分析旋转图举例10.3 联机分析处理与客户关系管理（6）10.3.3 联机分析处理的存储方式和架构图10-6 星型模式图10-7 多维数据的存储结构图图10-8 星座（结合）模式10.3 联机分析处理与客户关系管理（9）10.3.4 联机分析处理的评价因素n1.多为概念视图多为概念视图n2.透明性透明性n3.易访问性易访问性n4.一致的报表性能一致的报表性能n5.客户服务器结构客户服务器结构n6.维的等同性维的等同性n7.动态稀疏矩阵处理动态稀疏矩阵处理n8.多用户支持多用户支持n9.无约束的跨维操作无约束的跨维操作n10.直观的数据操作直观的数据操作n11.灵活的报表灵活的报表n12.不限制的维和聚合级别不限制的维和聚合级别10.4 客户关系管理系统中的数据挖掘（1）10.4.1 客户信息中的数据模型1.数据往往是共享的，分布的用户访问集中的数据，要求数据结构不变或相对稳定。好的数据模型设计可以保持共享数据的一致性和用户访问的有效性。2.数据模型清晰地描述了系统完整的数据流程，是应用程序作用于系统的中介。通过数据模型改进系统，可以提高系统的协调性与合理性，可以产生更好的系统设计。3.数据仓库的分析类型决定了模型的类型和模型的内容，因为提问、报告及多维分析需要聚集和清晰的元数据结构。例如，多维分析需要变换粒度，这一点也要在模型中体现。一个清晰的数据仓库模型可以简化端用户的任务。10.4 客户关系管理系统中的数据挖掘（2）10.4.1 客户信息中的数据模型客观世界ER模型/面向对象的分析方法概念模型到关系模型的映射概念模型逻辑模型物理模型关系模型到物理实现的映射主观世界关系模型物理实现的细节图10-9 概念模型、逻辑模型和物理模型之间的关系图10.4 客户关系管理系统中的数据挖掘（3）10.4.2 数据挖掘的功能选择n1.概念描述概念描述n2.关联分析关联分析n3.序列模式分析序列模式分析n4.分类分析分类分析n5.演变分析演变分析n6.偏差检测偏差检测10.4 客户关系管理系统中的数据挖掘（4）10.4.3 数据挖掘的技术选择n1.统计分析方法统计分析方法n2.决策树方法决策树方法n3.人工神经网络人工神经网络n4.遗传算法遗传算法n5.模糊技术模糊技术n6.粗集方法粗集方法谢谢大家！谢谢大家！