第九章 CRM系統(tǒng)中的數(shù)據(jù)管理

1、第九章 CRMCRM系統(tǒng)中的數(shù)據(jù)管理系統(tǒng)中的數(shù)據(jù)管理數(shù)據(jù)的概念數(shù)據(jù)的收集數(shù)據(jù)的質(zhì)量數(shù)據(jù)倉庫數(shù)據(jù)挖掘本章重點(diǎn)第一節(jié)第一節(jié) 數(shù)據(jù)的概念和重要性數(shù)據(jù)的概念和重要性數(shù)據(jù)的概念數(shù)據(jù)的概念數(shù)據(jù)的重要性數(shù)據(jù)的重要性一、數(shù)據(jù)的概念一、數(shù)據(jù)的概念數(shù)據(jù)是為反映客觀世界中的某一事件而記錄的可以鑒別的數(shù)字或符號(hào)，如數(shù)字、文字、圖形、圖像、聲音等。特征：特征：這些數(shù)據(jù)結(jié)構(gòu)化地記錄了企業(yè)有關(guān)事件離散的、互不關(guān)聯(lián)的客觀事實(shí)，其可用某種記錄方式加以描述。 目的： 圍繞數(shù)據(jù)庫建立的企業(yè)CRM活動(dòng)，其核心價(jià)值在于通過CRM系統(tǒng)對數(shù)據(jù)的分析、合成，并把這些離散的、單一存儲(chǔ)的數(shù)據(jù)轉(zhuǎn)化為使用者可以理解和使用的信息和知識(shí)。 二、數(shù)據(jù)的重

2、要性二、數(shù)據(jù)的重要性 數(shù)據(jù)是CRM系統(tǒng)的靈魂。CRM最關(guān)鍵、最基本的支柱是客戶數(shù)據(jù)?？蛻絷P(guān)系管理通過數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、商務(wù)智能等技術(shù)處理大量的客戶屬性、交易記錄、購買行為、習(xí)性偏好等數(shù)據(jù)，從中提煉出有用信息，為企業(yè)銷售、營銷、客戶服務(wù)等工作提供全面支持。第二節(jié)第二節(jié) 數(shù)據(jù)的分類、收集及質(zhì)量數(shù)據(jù)的分類、收集及質(zhì)量數(shù)據(jù)的收集數(shù)據(jù)的收集數(shù)據(jù)的質(zhì)量數(shù)據(jù)的質(zhì)量一、數(shù)據(jù)分類一、數(shù)據(jù)分類通過數(shù)據(jù)來源分類通過數(shù)據(jù)來源分類內(nèi)部來源數(shù)據(jù)外部來源數(shù)據(jù)一、數(shù)據(jù)分類一、數(shù)據(jù)分類通過數(shù)據(jù)采集渠道分類通過數(shù)據(jù)采集渠道分類電子郵件電話語音文字交談多媒體數(shù)據(jù)一、數(shù)據(jù)分類一、數(shù)據(jù)分類按照企業(yè)不同部門的用途分類按照企業(yè)不同部門的

3、用途分類客戶數(shù)據(jù)銷售數(shù)據(jù)服務(wù)數(shù)據(jù)一、數(shù)據(jù)分類一、數(shù)據(jù)分類根據(jù)根據(jù)CRM系統(tǒng)的特殊需要分類系統(tǒng)的特殊需要分類描述性數(shù)據(jù)促銷活動(dòng)數(shù)據(jù)交易數(shù)據(jù)這一類數(shù)據(jù)描述了客戶的基本情況，可用于判斷誰是我們的客戶。 這些數(shù)據(jù)詳盡描述了企業(yè)所采取的促銷活動(dòng) 這一類數(shù)據(jù)描述客戶對企業(yè)各種促銷活動(dòng)的反應(yīng)，即他們與企業(yè)的交易情況。 二、數(shù)據(jù)的收集二、數(shù)據(jù)的收集 常見的用于描述客戶的原始數(shù)據(jù)收集方法有如下幾種：定性調(diào)研詢問法觀察法實(shí)驗(yàn)法三、數(shù)據(jù)的質(zhì)量三、數(shù)據(jù)的質(zhì)量 高質(zhì)量的數(shù)據(jù)可為使用者提供準(zhǔn)確的信息報(bào)告，同時(shí)降低企業(yè)與低質(zhì)量數(shù)據(jù)相關(guān)的潛在成本。什么是符合數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)的高質(zhì)量數(shù)據(jù)？ 數(shù)據(jù)倉庫對數(shù)據(jù)質(zhì)量的要求可歸納為：數(shù)據(jù)的

4、準(zhǔn)確性數(shù)據(jù)的有效性數(shù)據(jù)既符合邏輯，又不冗余。數(shù)據(jù)的審查機(jī)制：審核數(shù)據(jù)的標(biāo)準(zhǔn)化審查數(shù)據(jù)采集的各個(gè)環(huán)節(jié)系統(tǒng)審查第四節(jié)第四節(jié) 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘數(shù)據(jù)倉庫和數(shù)據(jù)挖掘數(shù)據(jù)倉庫的概念特征數(shù)據(jù)倉庫的概念特征數(shù)據(jù)倉庫的體系結(jié)構(gòu)數(shù)據(jù)倉庫的體系結(jié)構(gòu)數(shù)據(jù)挖掘概念數(shù)據(jù)挖掘概念數(shù)據(jù)在數(shù)據(jù)在CRMCRM中的應(yīng)用中的應(yīng)用一、數(shù)據(jù)倉庫及其特征一、數(shù)據(jù)倉庫及其特征 數(shù)據(jù)倉庫一個(gè)用以更好地支持企業(yè)或者組織決策分析處理的、面向主題的、集成的、不可更新的、隨時(shí)間不斷變化的數(shù)據(jù)集合。 數(shù)據(jù)倉庫有以下幾個(gè)特征： 面向主題集成相對穩(wěn)定反映歷史變化數(shù)據(jù)倉庫的基本體系數(shù)據(jù)倉庫的一般結(jié)構(gòu)抽取抽取 裝載裝載 刷新刷新 清理清理數(shù)據(jù)倉庫數(shù)據(jù)倉庫服務(wù)

5、服務(wù)OLAPOLAP服務(wù)器服務(wù)器OLAPOLAP服務(wù)器服務(wù)器數(shù)據(jù)倉庫技術(shù)在CRM中的應(yīng)用1、CRM客戶行為分析：客戶行為分析：客戶理解行為規(guī)律分析組間交叉分析二）數(shù)據(jù)倉庫技術(shù)在CRM中的應(yīng)用2、重點(diǎn)客戶發(fā)現(xiàn)、重點(diǎn)客戶發(fā)現(xiàn) 重點(diǎn)客戶的特點(diǎn)：重點(diǎn)客戶的特點(diǎn)：潛在客戶交叉銷售增量銷售二、數(shù)據(jù)倉庫技術(shù)在CRM中的應(yīng)用3、性能評估、性能評估 根據(jù)客戶行為分析，企業(yè)可以準(zhǔn)確地制定根據(jù)客戶行為分析，企業(yè)可以準(zhǔn)確地制定市場策略和市場活動(dòng)。然而，這些市場活市場策略和市場活動(dòng)。然而，這些市場活動(dòng)能否達(dá)到預(yù)定的目標(biāo)是改進(jìn)市場策略和動(dòng)能否達(dá)到預(yù)定的目標(biāo)是改進(jìn)市場策略和評價(jià)客戶行為分組性能的重要指標(biāo)。評價(jià)客戶行為分組性

6、能的重要指標(biāo)。二、數(shù)據(jù)挖掘數(shù)據(jù)挖掘1、數(shù)據(jù)挖掘概述、數(shù)據(jù)挖掘概述定義：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)的過程。2、數(shù)據(jù)挖掘的功能分類估計(jì)關(guān)聯(lián)聚類直接數(shù)據(jù)挖掘間接數(shù)據(jù)挖掘3、數(shù)據(jù)挖掘的類型有監(jiān)督的數(shù)據(jù)挖掘（直接數(shù)據(jù)挖掘）無監(jiān)督的數(shù)據(jù)挖掘（間接數(shù)據(jù)挖掘）自上而下的方法，適用于預(yù)先知道要搜索目標(biāo)的情況自下而上的方法，適用于預(yù)先不知道要搜索目標(biāo)的情況三、數(shù)據(jù)挖掘的三大支柱數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)挖掘算法數(shù)據(jù)挖掘模型一）數(shù)據(jù)與數(shù)據(jù)倉庫比較項(xiàng)目數(shù)據(jù)庫數(shù)據(jù)倉庫數(shù)據(jù)內(nèi)容當(dāng)前值存檔、匯總或計(jì)算的值數(shù)據(jù)性質(zhì)動(dòng)態(tài)靜態(tài)數(shù)據(jù)結(jié)構(gòu)復(fù)雜，用于操作

7、性計(jì)算簡單，用于商業(yè)分析訪問頻率高低主要用途日常事務(wù)處理聯(lián)機(jī)分析處理性能要求高一般數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別數(shù)據(jù)倉庫的簡單堆積方式事務(wù)處理數(shù)據(jù)庫每天的事務(wù)處理8月1日8月2日8月4日8月3日8月5日8月6日每日的綜合數(shù)據(jù)倉庫的簡單堆積方式二）數(shù)據(jù)挖掘算法聚類決策樹關(guān)聯(lián)1、聚類概念：概念： 按照對象屬性的相似性將他們分為若干個(gè)組或類別的方法。研究目的：研究目的： 就是把相似的對象歸并成類，研究的主要內(nèi)容是如何度量相似性以及怎樣構(gòu)造聚類的具體方法以達(dá)到分類的目的。研究對象：研究對象： 1、對樣品進(jìn)行分類，即從實(shí)際問題中觀測得到n個(gè)樣品Xi, i=1,2,n，要根據(jù)某相似性原則，將這n樣品進(jìn)行分類；2、

8、是對指標(biāo)進(jìn)行分類，即對所考察的p個(gè)指標(biāo)X=(x1, x2,xp), 根據(jù)n個(gè)觀測值Xi=(xi1, xi2, xip),i=1,2,n,要由某相似原則將這p個(gè)指標(biāo)x1, x2,xp進(jìn)行分類。在客戶管理中應(yīng)用： 幫助市場分析人員發(fā)現(xiàn)客戶中所存在的各種特征的群體，并使用購買模式來描述各個(gè)客戶群體。2、決策樹 決策樹是一個(gè)類似流程圖的有點(diǎn)像樹的分析工具。從樹根到枝葉，每個(gè)內(nèi)部節(jié)點(diǎn)代表對一個(gè)屬性取值的判斷，相對于節(jié)點(diǎn)，每個(gè)分支都代表一個(gè)判斷結(jié)果，或者說是一個(gè)類別。決策樹決策樹 舉例：舉例：有一群人，描述這群人的屬性有年齡，年收有一群人，描述這群人的屬性有年齡，年收入，學(xué)歷。入，學(xué)歷。D DC C2 2

9、C C1 1年齡年齡年收入年收入B B2 2B B4 4B B3 3B B1 1B B1 1B B1 1B B1 1B B1 1B B1 1B B1 1B B1 1學(xué)歷學(xué)歷 下面以南方醫(yī)院供應(yīng)公司為例，看一看如何利用下面以南方醫(yī)院供應(yīng)公司為例，看一看如何利用決策樹作出合適的生產(chǎn)能力計(jì)劃。決策樹作出合適的生產(chǎn)能力計(jì)劃。 南方醫(yī)院供應(yīng)公司是一家制造醫(yī)護(hù)人員的工裝大褂的公司。該公司正在考慮擴(kuò)大生產(chǎn)能力。它可以有以下幾個(gè)選擇：1、什么也不做；2、建一個(gè)小廠；3、建一個(gè)中型廠；4、建一個(gè)大廠。新增加的設(shè)備將生產(chǎn)一種新型的大褂，目前該產(chǎn)品的潛力或市場還是未知數(shù)。如果建一個(gè)大廠且市場較好就可實(shí)現(xiàn)$100，0

10、00的利潤。如果市場不好則會(huì)導(dǎo)致$90，000的損失。但是，如果市場較好，建中型廠將會(huì)獲得$40，000，市場不好則損失$5，000。當(dāng)然，還有一個(gè)選擇就是什么也不干。最近的市場研究表明市場好的概率是0.4，也就是說市場不好的概率是0.6。參下圖：在這些數(shù)據(jù)的基礎(chǔ)上，能產(chǎn)生最大的預(yù)期貨幣價(jià)在這些數(shù)據(jù)的基礎(chǔ)上，能產(chǎn)生最大的預(yù)期貨幣價(jià)值（值（EMV）的選擇就可找到。）的選擇就可找到。 EMV（建大廠）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型廠）=(0.4) *($ 600,000)+(0.6)* (-$10,000)=+$18,000 E

11、MV(建小廠)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建廠)=$0 根據(jù)EMV標(biāo)準(zhǔn)，南方公司應(yīng)該建一個(gè)中型廠一個(gè)中型廠。 3、關(guān)聯(lián) 簡單的說是在數(shù)據(jù)庫和數(shù)據(jù)倉庫中發(fā)現(xiàn)大簡單的說是在數(shù)據(jù)庫和數(shù)據(jù)倉庫中發(fā)現(xiàn)大量數(shù)據(jù)之間的有趣的相關(guān)聯(lián)系。量數(shù)據(jù)之間的有趣的相關(guān)聯(lián)系。記錄號(hào)記錄號(hào)購物清單購物清單12345 啤酒、尿布、嬰兒爽身粉、面包、雨傘啤酒、尿布、嬰兒爽身粉、面包、雨傘尿布、嬰兒爽身粉尿布、嬰兒爽身粉啤酒、尿布、牛奶啤酒、尿布、牛奶啤酒、尿布、洗衣粉啤酒、尿布、洗衣粉啤酒、牛奶、可樂啤酒、牛奶、可樂上表中，共發(fā)生交易5次，即T1， T2， T

12、3 ，T4 ， T5交易中的商品設(shè)為項(xiàng)，即啤酒為X1，尿布為X2，嬰兒爽身粉為X3，面包為X4，牛奶為X5，洗衣粉為X6，可樂為X7。問題：問題： 超市經(jīng)理想知道商品之間的關(guān)聯(lián)，要求列超市經(jīng)理想知道商品之間的關(guān)聯(lián)，要求列出哪些同時(shí)購買的，且支持度出哪些同時(shí)購買的，且支持度0.4 0.4 的商品名的商品名稱。稱。單項(xiàng)統(tǒng)計(jì)結(jié)果單項(xiàng)統(tǒng)計(jì)結(jié)果0.80.80.40.4雙項(xiàng)統(tǒng)計(jì)雙項(xiàng)統(tǒng)計(jì)支持度支持度啤酒，尿布啤酒，尿布啤酒，牛奶啤酒，牛奶尿布，嬰兒爽身粉尿布，嬰兒爽身粉0.60.40.4雙項(xiàng)統(tǒng)計(jì)結(jié)果雙項(xiàng)統(tǒng)計(jì)結(jié)果得出如下規(guī)則：得出如下規(guī)則：R R1 1：啤酒：啤酒尿布，尿布，S=0.6S=0.6，C=0.6/

13、0.8=0.75C=0.6/0.8=0.75R R2 2：尿布尿布啤酒啤酒，S=0.6S=0.6，C=0.6/0.8=0.75C=0.6/0.8=0.75R R3 3：牛奶牛奶啤酒啤酒，S=0.4S=0.4，C=0.4/0.4=1C=0.4/0.4=1R R4 4：啤酒：啤酒牛奶，牛奶，S=0.4S=0.4，C=0.4/0.8=0.5C=0.4/0.8=0.5R R5 5：尿布：尿布嬰兒爽身粉，嬰兒爽身粉，S=0.4S=0.4，C=0.4/0.8=0.5C=0.4/0.8=0.5R R6 6：嬰兒爽身粉嬰兒爽身粉尿布尿布，S=0.4S=0.4，C=0.4/0.4=1C=0.4/0.4=1三）數(shù)

14、據(jù)挖掘的基本步驟1、確定分析和預(yù)測目標(biāo)2、建立數(shù)據(jù)挖掘庫3、分析數(shù)據(jù)4、建立模型5、模型評估與驗(yàn)證6、模型實(shí)施四）數(shù)據(jù)挖掘的應(yīng)用客戶細(xì)分客戶獲取客戶保持交叉營銷 【實(shí)踐練習(xí)】 假如你是一位營業(yè)員，需要記錄客戶的個(gè)人資料?？蛻糍Y料一般分為兩部分：一部分為基本資料，另一部分為特別資料。請你列出客戶的這兩種資料。 1、基本資料 2、特別資料基本資料： 姓名、地址、電話、職業(yè)、嗜好、其他影響購買內(nèi)容的興趣特別資料： 首次購買商品的種類，首次購買商品的日期或聯(lián)系的日期。 愛好或者規(guī)格。 特別需要考慮之處。 是否需要送貨服務(wù)、安裝服務(wù)或其他特殊服務(wù)。 第五節(jié) 商業(yè)智能 商業(yè)智能的概念于商業(yè)智能的概念于19

15、96年最早由加特納集年最早由加特納集團(tuán)（團(tuán)（Gartner Group）提出，加特納集團(tuán)將）提出，加特納集團(tuán)將商業(yè)智能定義為：商業(yè)智能描述了一系列商業(yè)智能定義為：商業(yè)智能描述了一系列的概念和方法，通過應(yīng)用基于事實(shí)的支持的概念和方法，通過應(yīng)用基于事實(shí)的支持系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能技系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能技術(shù)提供使企業(yè)迅速分析數(shù)據(jù)的技術(shù)和方法，術(shù)提供使企業(yè)迅速分析數(shù)據(jù)的技術(shù)和方法，包括收集、管理和分析數(shù)據(jù)，將這些數(shù)據(jù)包括收集、管理和分析數(shù)據(jù)，將這些數(shù)據(jù)轉(zhuǎn)化為有用的信息，然后分發(fā)到企業(yè)各處。轉(zhuǎn)化為有用的信息，然后分發(fā)到企業(yè)各處。一、商業(yè)智能的定義 商業(yè)智能商業(yè)智能，又稱商務(wù)智能

16、，英文為Business Intelligence，簡寫為BI。商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。從技術(shù)層面上講，商業(yè)智能不是什么新技術(shù)，它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術(shù)的綜合運(yùn)用。 二、商業(yè)智能系統(tǒng)的構(gòu)成 數(shù)據(jù)倉庫 聯(lián)機(jī)分析處理 數(shù)據(jù)挖掘三、應(yīng)用范圍 銷售分析 主要分析各項(xiàng)銷售指標(biāo)，例如毛利、毛利率、交叉比、銷進(jìn)比、盈利能力、周轉(zhuǎn)率、同比、環(huán)比等等；而分析維又可從管理架構(gòu)、類別品牌、日期、時(shí)段等角度觀察，這些分析維又采用多級(jí)鉆取，從而獲得相當(dāng)透徹的分析思路；同時(shí)根據(jù)海量數(shù)據(jù)產(chǎn)生預(yù)測信息、報(bào)警信息等分析數(shù)據(jù)；還可根據(jù)各種銷售指標(biāo)產(chǎn)生新的透視表。 商品分析 商品分析的主要數(shù)據(jù)來自銷售數(shù)據(jù)和商品基礎(chǔ)數(shù)據(jù)，從而產(chǎn)生以分析結(jié)構(gòu)為主線的分析思路。主要分析數(shù)據(jù)有商品的類別結(jié)構(gòu)、品牌結(jié)構(gòu)、價(jià)格結(jié)構(gòu)、毛利結(jié)構(gòu)、結(jié)算方式結(jié)構(gòu)、產(chǎn)地結(jié)構(gòu)等，從而產(chǎn)生商品廣度、商品深度、商品淘汰率、商品引進(jìn)率、商品置換率、重點(diǎn)商品、暢銷商品、滯銷商品、季節(jié)商品等多種指標(biāo)。通過D系統(tǒng)對這些指標(biāo)的分析來指導(dǎo)企業(yè)商品結(jié)構(gòu)的調(diào)整，加強(qiáng)所營商品的競爭能力和合理配置。 人員分析 通過系統(tǒng)對公司的人員指標(biāo)進(jìn)行分析，特別是對銷售人員指標(biāo)（銷售