第6章 CRM中的数据管理
本章学习目标
? 掌握数据的概念和重要性；
? 掌握数据的分类、收集和质量；
? 掌握数据仓库和数据挖掘；
? 了解数据仓库的建立。
开篇案例
沃尔玛啤酒加尿布的故事
居民区中尿布卖得好的店面啤酒也卖得好
这是一个现代商场智能化信息分析系统发现
的秘密
? 沃尔玛能够跨越多个渠道收集最详细的顾客信息，并且能够造就灵活、高速供应链的信息技术系统。
? 沃尔玛的信息系统是最先进的，其主要特点是：投入大、功能全、速度快、智能化和全球联网。
沃尔玛超市天天低价广告表面上看与CRM中获
得更多客户价值相矛盾。但事实上，沃尔玛的低价
策略正是其CRM的核心，与按订单生产不同，以价
格取胜是沃尔玛所有IT投资和基础架构的最终目标。
第6章 CRM中的数据管理
第6章 CRM中的数据管理
6.1 数据的概念和重要性
6.1 数据的概念和重要性
6.1.1 数据的概念
开篇案例中，沃尔玛通过对客户数据的
整合与分析，形成其独特的竞争力。商业数
据的收集、存储、处理和使用，是形成企业
未来竞争力的关键。
6.1.1 数据的概念
日常的商贸活动，产生大量的具有潜在价值的
商业数据。看似简单的超市购物过程，就可以产生
大量的数据。顾客们前往沃尔玛超市购买一些商
品，这个交易过程就可生成许多原始数据，比如：
? 顾客们购买的时间、交易的金额以及每天不同时段顾客购买的频率；
? 顾客所购买物品的种类及其各种商品间的搭配情况；
? 顾客的付款方式。
6.1.1 数据的概念
办理了“沃尔玛购物卡”等会员卡的用户，会在
购物过程中产生更多的数据。如：
? 消费者的性别、年龄、学历、收入水平等个人特征方面的数据，和顾客最近一次购买的时间、平均购买的频率以及通常购买的金额等交易数据；
? 客户投诉、有奖建议等活动向商家提供更多可用于改进运营的数据和信息。
6.1.1 数据的概念
其他类型的企业也会在日常的交易中产生大量
的有关客户描述、促销活动和交易活动等方面的数
据。比如客户采购物品的种类、价格、采购的数量、
客户习惯的供货的批量、交货地点等数据信息。
同时，应用数据挖掘等信息技术，可以促使企
业发现潜在的客户群体，发掘目前客户尚未满足的
需求。
6.1.1 数据的概念
数据是为反映客观世界中的某一事件而记录的
可以鉴别的数字或符号，如数字、文字、图形、图
像、声音等。
围绕数据建立企业CRM活动，其核心价值在于
通过CRM系统对数据的分析、合成，
并把这些离散
的、单个存储的数据转化为使用者可以理解和使用
的信息和知识。
6.1.1 数据的概念
消费者在购买过程中产生的数据，可为商家的
客户研究工作提供大量的可供分析的第一手资料。
? 通过分析大部分消费者的购买时间，可以合理安排超市的收银员的工作时间，在人流量大的时候多安排一些收银员，在人流量小的时候少安排一些收银员；
? 通过研究顾客所购买的产品，可以区分货架上受欢迎和不受欢迎的产品，通过多采购、多陈列受欢迎的产品，减少、甚至淘汰不受欢迎的产品，提高货架的利用率，从而获得更好的效益；
6.1.1 数据的概念
? 通过研究顾客所采购商品间的搭配，找到顾客通常所习惯的购物方式，用以改善超市各种物品彼此搭配的陈列位置，更加方便顾客采购；
? 通过研究客户投诉相关的数据，调查产生消费者不满的原因，促使企业改进客户服务，提供更方便的购物环境，有效调动消费者的潜在需求，形成良好的商家与消费者的互动，消费者可以体验更加愉悦的购物过程，商家获得更好的经济效益，从而实现双赢。
6.1 数据的概念和重要性
6.1.2 数据的重要性
1、数据是CRM系统的灵魂。CRM最关键、
最基本的支柱是客户数据。 CRM通过数据仓库、
数据挖掘、商务智能等技术处理大量的客户属性、
交易记录、购买行为、习惯偏好等数据，从中提
炼出有用信息，为企业销售、营销、客户服务等
工作提供全面支持。
6.1.2 数据的重要性
在美国70%的杂志是订阅的，因此订阅非常
重要。即便《Times》这样的大牌杂志，也必须不
厌其烦的制定基于读者数据库的十分精细的订阅
策略，提高杂志发行和订阅率的工作基础就是建
立和开发读者数据库。
6.1.2 数据的重要性
2、很多公司都缺乏可用、准确、实时的客户
数据，要不就是大多数企业的数据应用程序很差。
? 数据仓库研究所指出，2001年由于数据质量低给美国公司造成了大约6000万美金的损失。
? Gartner的调查发现，75%的企业还没有能力形成对顾客的统一认识。
6.1.2 数据的重要性
3、企业为了获得好的效益，不仅要重视对客
户数据的收集，还要重视对客户数据的维护。
? Oracle在其报告《大胆假设，合理求证- Oracle 谏言亚洲银行的CRM建设》一文中指出：“客户数据是银行实施CRM过程中最薄弱的环节。不准确、不完整和未能很好协调的客户数据在过去一度是CRM项目失败的主要原因。缺乏高质量的数据使银行无法了解他们的客户，不准确的客户数据也使银行不能很好地遵守行业标准和一些法规要求。”
第
6章 CRM中的数据管理
6.2 数据的分类、收集及质量
6.2 数据的分类、收集及质量
6.2.1 数据的分类
? 1、通过数据的来源分类
? （1）内部来源数据
商业企业在实际经营过程中产生、记录的数据。
收集方法：有奖登记卡、折扣券、会员俱乐部、零售点收集、利用电子邮件或网站来收集等等。
? （2）外部来源数据
本企业之外所产生的数据称为外部来源数据，是通过别的信息渠道产生的数据信息。其中最重要的外部数据信息来源是政府的各种机构、各类商务团体和专业协会、许多的行业期刊和业务通讯。
6.2.1 数据的分类
例如中国国家旅游局每年都在固定的时期发布
关于中国每年、每月的出入境游客人数的统计，各
地旅游局和旅游行业协会也会发布各个地区或各个
行业的一些旅游人数、旅游收入等情况的统计数据。
这些关于旅游情况的数据，构成了旅游企业制定其
各种发展规划、预计市场情况、指定销售计划最重
要的数据依据。
6.2.1 数据的分类
? 一些私人机构对总的经济状况或具体的市场情况消息灵通，它们也从事这方面的数据搜集出版业务，如A.C.尼尔森、邓白氏等市场研究公司。
? 邓白氏拥有全球最为庞大，覆盖超过1亿企业信息的海量数据库，它收集来自全球多达214个国家、95种语种或方言、181种货币单位的商业信息。同时，为确保信息的精确性、完整性、及时性和跨领域的一致性，它的数据库对数据更新高达每日150万次。
6.2.1 数据的分类
? 2、按照数据采集渠道分类
以CRM系统中呼叫中心为例，采集数据的渠道：
? （1）电子邮件
客户既可以通过免费邮箱，也可以通过网上留言的方式将信息发给呼叫中心。这些信息通过公司的智能分析，按照相应的系统要求加以记录。
? （2）文字交谈
客户可以利用呼叫中心提供的文字交谈功能代替语音同业务代表进行实时的文字交谈。交谈内容经业务员整理，可以形成相关数据并加以记录。
6.2.1 数据的分类
? （3）电话语音
既包括传统的电话语音，也包括基于网络的互联网电话。客户可以通过拨打电话直接与呼叫中心联系，业务员也可以主动联系客户。这些联系活动中，可以产生大量对企业有价值的数据。
? （4）多媒体数据
将语音、数据和视频集成，不再局限于语音和数据的传输，使得交换系统和语音资源之间不仅可以传输电话，而且还可以快速而准确的传输数据、图像等丰富的多媒体信息。
6.2.1 数据的分类
? 3、按照企业不同部门的用途分类
? （1）客户数据
包括客户的基本状况数据、联系人信息、相关业务
记录数据和客户类别记录数据等。不仅包括现有客户的基本信息，还包括潜在客户、其他合作伙伴以及代理商、竞争对手等的特征数据等。
? （2）销售数据
主要通过业务员，记录销售过程中对相关业务的跟踪情况，如与客户的所有前期接触活动、客户询价和报价、每个类型业务的竞争对手以及销售订单的有关信息等。
6.2.1 数据的分类
? （3）服务数据
主要是企业对产品售后进行相关服务的数据记录。可以包含产品的销售时间、使用状况、上次维修时间、客户所购买产品的剩余的服务期限等。
上述几类数据，需与其他类型数据放在同一个
数据库中实现信息共享，以提高企业前台业务的运
作效率和工作质量。
6.2.1 数据的分类
? 4、根据CRM系统的特殊需要对数据分类
? （1）描述性数据
? 描述客户的基本情况，可用于判定谁是我们的客户。
? 可以通过对记录以往交易情况的数据进行分析和定性调研的方法获取。
? 针对消费者市场，客户的描述性数据有：姓名、地址、联系电话、电子邮件、信用情况、出生年月、职业、收入水平、婚姻状况、家庭成员等情况。其中，联系方式和信用情况尤其重要。
6.2.1 数据的分类
? 针对B2B的企业市场，客户的描述性数据有：
企业的基本情况，包括企业名称、行业标准分类代码及所处行业、注册资本、员工数、年销售额、收入及利润等。
客户的联系方式，包括企业总部及相应机构营业地址、联系电话、FAX、主要联系人姓名、关键决策人姓名、其他相关部门和办公室的基本情况与联系方式。
客户企业的其他情况以及公司的一些其他特征，包括客户类型、信用状况、购买情况等。
6.2.1 数据的分类
? （2）促销活动数据
描述对客户所进行的针对性的营销或促销活动。从内容上来讲，这些数据涵盖了一次促销活动的各个方面。
? 促销活动的类型：直接描述促销活动最基本的目的。这些数据需要简要说明市场促销活动的目标客户及意图。
? 对特定促销活动的描述：描述促销活动的内容、执行时间、地点、执行人员、执行方式等方面的状况。对促销活动效果的检验具有重要价值。
6.2.1 数据的分类
? （3）交易数据
这类数据描述客户对企业各种促销活动的反应，即他们与企业的交易情况。
? 如：客户企业的银行账号、信贷限额及付款情况；购买过程；与其他竞争对手的联系情况；忠诚度指数、潜在消费者指数；对新产品的倾向等。
? 这类数据能够为企业有效地识别客户、从潜在客户中挖掘客户提供良好的信息。
6.2 数据的分
类、收集及质量
6.2.2 数据的收集
2007年8月，全球连锁巨头沃尔玛宣布建立了一
个全新的数据中心，它的存储能力竟然高达4PB以
上。这已经超过了4096TB，是一个真正的天文数字。
其中，1TB存储空间能够存储12500部DVD电影，
161500张CD，超过5本维基百科全书。
到目前为止，沃尔玛的门店数超过6000家，大
多数门店都几乎拥有50万件SKU。针对如此庞大的
企业客户信息，其必须制定相应的数据采集规划。
6.2.2 数据的收集
除交易记录外，常见数据收集方法有：
? （1）定性调研：在较小的样本范围内，对某一特殊群体进行探测性调研活动。
? （2）询问法：普及率最高的调研方法。
在美国，大约1.3亿的人曾接受过访谈，超过总人口比重的40%。其中每年有超过7000万的人被访问。
传统的询问法有：入户访谈、经理访谈、街上拦截法、电脑直接访问、单程邮寄调研、固定样本邮寄调研等。
新型的询问法有：触屏法、传真调研、因特网调研、E-mail调研、自动语音调研和邮寄磁盘调研等。
6.2.2 数据的收集
? （3）观察法：是指不通过提问或交流而系统地记录人、物和事件的行为模式的过程。既包括观察人又包括观察现象，既可以由人员来进行，又可由机器来进行。
? （4）实验法：允许研究者在某个环境下控制某个变量，并观察该变量对所研究的事物如何产生影响。优点是可控性，且针对不同的事物群体和条件可以重复相同的方法，因此可以发现自变量在人、环境和时间等方面的影响效果。
6.2 数据的分类、收集及质量
6.2.3 数据的质量
高质量的数据可以为使用者提供标准的信息报
告，同时降低企业与低质量数据相关的潜在成本。
数据质量标准是按照用户自身的要求设定的。
适合使用的数据就是高质量的数据。
总体上来说，数据仓库对数据质量的要求为：
? 数据的准确性：准确的数据首先必须是正确的，是否正确体现在可证实的数据源上；其次准确的数据必须是完整的，即数据仓库中数据之间的参照完整性是否存在或一致。
6.2.3 数据的质量
? 数据的有效性：即数据是否在企业定义的可接受的范围之内。
有效的数据必须具有时效性，即数据在需要的时候是否有效。数据信息的有效期一般较短，超过了一定的时间，再准确和完整的数据都可能毫无价值。
有效的数据必须具有完备性，即所需的数据是否存在，且数据要易于获取、易于理解和易于使用。
? 数据既要符合逻辑，又不能冗余
逻辑性主要从业务逻辑的角度判断数据是否正确。数据仓库中不需要不必要的数
据冗余。
6.2.3 数据的质量
为保证数据质量的可靠，应建立一套完善的审
查机制。
? 首先，审核数据的标准化。
不同业务员记录的数据长度不一，信息侧重点不一致，难以形成能用于系统处理的数据。在对各种数据按照企业制定的标准进行审核时，有必要采用强制性标准审查程序，以减少后期数据处理的隐患。
? 其次，审查数据采集的各环节。
在产生数据的源头、数据采集阶段、数据入库之前等各阶段，都需要对数据质量进行审查，从根本上减少人为错误，保证数据的准确性和有效性。
6.2.3 数据的质量
? 再次，系统审查。
系统审查是指通过数据采集入库，由CRM系统的数据仓库对所有进入数据仓库的数据进行再次审查，发现不合格的数据及时通报，根据通报对数据进行溯源，查找出错原因并及时调整，避免造成系统错误，减少企业的潜在损失。
第6章 CRM中的数据管理
6.3 数据仓库和数据挖掘
6.3 数据仓库和数据挖掘
6.3.1 数据仓库及其特征
数据仓库的概念产生于20世纪80年代，“数据仓
库之父”V.H.Inmon在其著作《Building the Data
Warehouse》中给出了数据仓库的定义：数据仓库
是支持管理决策过程的、面向主题的、集成的、反
映历史变化、相对稳定的数据集合，用以支持经营
管理中的决策制定过程。
6.3.1 数据仓库及其特征
根据上述定义，数据仓库有以下四个特征：
? 1、面向主题
主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。
? 操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离；
? 数据仓库中的数据是按照一定的主题域进行组织。
6.3.1 数据仓库及其特征
? 下面举个数据面向主题的例子：
6.3.1 数据仓库及其特征
? 例如：
某电信企业有以下几个数据库：
计费数据库：记录了客户的消费情况；
客户服务数据库：记录了客户的咨询和投诉情况；
财务数据库：记录了客户的缴费情况；
市场信息数据库：记录了有关电信市场的信息；
? 显然，前3个数据库都是客户主题的相关数据。
6.3.1 数据仓库及其特征
6.3.1 数据仓库及其特征
? 2、集成
? 面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。
? 数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过加工、加总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。
6.3.1 数据仓库及其特
征
? 要实现数据集成，就必须对数据进行清洗和转化。数据转化通常可能包含如下问题：
? 数据格式：不同的业务数据库设计者对于同一属性可能使用不同格式。
? 测量单位：不同数据库中对于同一属性的测量单位可能不同。
? 数据代码含义混乱:例如对于性别的表示就有几种方式。
? 数据名称混乱：可能出现同名意义或异名同义的情况。
6.3.1 数据仓库及其特征
? 3、相对稳定
? 操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。
? 数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询， 对数据的修改和删除操作很少，通常只需要定期的加载、刷新。
6.3.1 数据仓库及其特征
操作型数据正规地是一次访问和处理一个记录，可
以对操作型环境中的数据进行更新。但DW的数据
通常是一起载入与访问的，可并不进行一般意义上
的数据更新。DW的数据主要供企业决策分析之
用，所涉及的数据操作主要是数据查询。在DW
中，数据一旦被写入就不再变化了。
DW在数据存储方面使分批进行，定期执行提取过
程为DW增加记录。
6.3.1 数据仓库及其特征
6.3.1 数据仓库及其特征
? 4、反映历史变化
? 操作型数据库主要关心当前某一个时间段内的数据；
? 而数据仓库中的数据通常包含历史信息，系统记录企业从过去某一时点到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。
? DW中数据的时间期限通常是5~10年; 操作型系统的通常是60~90天;
6.3.1 数据仓库及其特征
目前，数据仓库已经在商业中得到广泛的应用。
根据Winter公司的调查报告，Oracle公司在数据仓
库市场上具有巨大优势。目前全球最大的商务数据
库就运行在Oracle公司的软件中。全球顶级数据调
查公司通过数据仓库技术建立其自己的“数据工厂”。
6.3.1 数据仓库及其特征
丰田美国公司每年要运输数以百万计的车辆，
并进行配件递送。庞大的营销数据对后勤部门来
说，简直就是一场噩梦。不仅错误不断发生，而且
很多情况下，出了错全然不知。
通过数据仓库等系统优化了流程之后，情况完
全变了。不仅让丰田近100万辆整车和零部件实现了
有序管理，而且能管理到咖啡机这类微小的费用支
出，更加强了业务部门与IT部门的深度合作。
6.3.1 数据仓库及其特征
丰田公司2500名中层经理从数据仓库智能报表
中发现问题，找到新的思考视角，提升了管理水平。
丰田的盈利超过了福特和大众的总和。以2003年为
例，丰田的收入是1320亿美元，而大
众是1840亿美
元。但是丰田的利润是136亿美元，而大众只有28亿
美元。
6.3.1 数据仓库及其特征
一个数据仓库的基本体系结构中应有以下几个
基本组成部分：
? 数据源：指为数据仓库提供最底层数据的运作数据库系统及外部数据。
? 监视器：负责感知数据源发生的变化，并按数据仓库的需求提取数据。
? 集成器：将从运作数据库中提取的数据进过转换、计算、综合等操作，并集成到数据仓库中。
6.3.1 数据仓库及其特征
? 数据仓库：存储已经按企业级视图转化的数据，供分析处理用。根据不同的分析要求，数据按不同的综合程度存储。数据仓库中还应存储元数据，其中记录了数据的结构和数据仓库的任何变化，以支持数据仓库的开发和使用。
? 客户应用：供用户对数据仓库中的数据进行访问查询，并以直观的方法表示分析结果的工具。
6.3.1 数据仓库及其特征-OLAP
如果使用数据仓库，必须要有相关技术的支持。
联机分析处理（On-Line-Analytical-Processing，
OLAP）技术和数据挖掘技术是数据仓库系统中应
用的主要数据处理技术。
OLAP理事会给出的概念是：OLAP是一种软件
技术，它使分析员、经理、和行政人员能够迅速、
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。
5 .1 OLAP的基本概念
5 .1 OLAP的基本概念
? 变量：从现实系统抽象而来，用于描述数据的实际含义。变量都有一定的取值范围。
? 维：维是人们观察问题的特定角度,是与某一事件相关的因素在关系模型的抽象。注：这里的因素应当是问题所关心的因素。
? 维的层次性：是人们观察数据细致程度不同造成的。维度层次的确定需要具体问题具体分析。
5 .1 OLAP的基本概念
5 .1 OLAP的基本概念
? 维的取值：也称为维的成员。维成员由各个维层次的所有取值的组合构成（维度取值不一定包含所有的层次）。
? 维的分类：按照一定的划分标准对维的所有取值集合的一个分类划分，其目的通常是为了在不同类别之间进行比较。
? 事实：是不同维度在某一取值下的交叉点，是对事件的度量。
? 多维数据立方体（Data Cube）：立方体中每个交点对应于一个事件。多维数据立方体在数据上可对应一个多维数组（维度1、维度2、维度3、…维度n，度量变量）。
6.3.1 数据仓库及其特征-OLAP
5 .1 OLAP的基本概念
5 .1 OLAP的基本概念
5 .1 OLAP的基本概念
? OLAP的基本分析动作
? 数据切片：如果在某一维度上选定一个取值，则多维数据就从n维下降成了n－1维，我们称多维数组的子集为多维数组在维度i上的切片。
5 .1 OLAP的基本概念
? OLAP的基本分析动作
? 数据切块：选定多维数组中若干维度的取值范围，从而形成了多维数组的子集，我们将这个子集称为数据切块。
5 .1 OLAP的基本概念
? OLAP的基本分析动作
? 数据钻取（数据下钻）
5 .1 OLAP的基本概念
? OLAP的基本分析动作
? 数据上卷（数据聚合）
5 .1 OLAP的基本概念
? OLAP的基本分析动作
? 数据转轴（ 数据旋转）：改变维度的位置关系，使最终用户可以从其他视角来观察多维数据。
5 .1 OLAP的基本概念
? OLAP的展现方式
5 .1 OLAP的基本概念
? OLAP和OLTP的区别
6.3 数据仓库和数据挖掘
6.3.2 数据挖掘
数据挖掘是从大量的、不完全的、有噪声的、
模糊的、随机的数据中，提取隐含其中的、人们事
先不知道的、具有潜在利用价值的信息和知识的过
程。
知识发现是用数据库管理系统来存储数据，用
机器学习的方法来分析数据，挖掘大量数据背后隐
藏的知识，称为数据库中的知识发现。
6.3.2 数据挖掘
6.3.2 数据挖掘
数据挖掘是一个多学科交叉的领域，涉及数据
库技术、人工智能、机器学习、人工神经网络、统
计、模式识别、知识库工程、信息检索、高性能计
算技术、可视化等领域。
数据挖掘的对象可以来自任何数据源。最常见
的数据源类型有以下几种：关系型数据库、数据仓
库、事务数据库、面向对象数据库、空间数据库、
时序数据库、文本数据库、多媒体数据库、混合型
数据库、历史数据库、互联网信息。
6.3.2 数据挖掘
数据挖掘通过关联性分析、分类分析、聚类分
析、异常性分析、趋势分析等知识发现活动，寻找
频繁模式、关联规则、分类规则、聚类模式、异常
模式、周期性规律等主要类型的知识。
从知识发现的整个过程来看，数据挖掘有以下
步骤：
? 数据整理：删除噪声、不一致的数据。
? 数据集成：将多源数据综合起来。
? 数据筛选：抽取与分析任务相关的数据。
6.3.2 数据挖掘
? 数据转换：数据转换或合并成适当的形式，以利于挖掘。
? 数据挖掘：采用智能化的方法来抽取数据中隐藏着的模式与知识。
? 模式评估：根据一定价值标准对挖掘的结果进行评估。
? 知识表达：采用可视化和知识表达技术，表示挖掘结果。
6.3 数据仓库和数据挖掘
6.3.3 数据仓库在CRM中的应用
CRM的很多工作都是以数据仓库为基础展开的。
? 利用数据仓库，企业可以制定准确的市场策略与促销活动。
? 同时，CRM是提高数据仓库项目投资回报率的一个途径。
? CRM充分利用
数据仓库的分析结果来制定市场策略、产生市场机会，并通过销售和服务等部门与客户交流，从而提高企业的利润。
6.3.3 数据仓库在CRM中的应用
? 首先，数据仓库将客户行为数据和其他相关的客户数据集中起来，为市场分析提供依据。
? 其次，数据仓库将对客户行为的分析以OLAP、报表等形式传递给市场专家。市场专家利用这些分析结果，制定准确、有效的市场策略。同时利用数据仓库的数据，采用数据挖掘技术，发现交叉销售、增量销售的机会，实现客户保持和发展潜在客户，并将这些信息作为市场准入的基础。
? 最后，数据仓库将客户的市场机会的反应行为，集中到数据仓库中，作为评价市场策略的依据。
6.3.3 数据仓库在CRM中的应用
数据仓库在CRM中有以下三个方面的作用：
? 1、CRM客户行为分析
? 2、重点客户发现
? 3、性能评估
6.3.3 数据仓库在CRM中的应用
? 1、CRM客户行为分析
客户的行为可以划分为两个方面：
? 整体行为分析：用来发现企业的所有客户的行为规律。
? 群体行为分析：用来发现企业特定群体客户的行为规律。
（1）众多客户在行为上有着明显的行为特征，需对其进行行为分组，即按照客户不同种类的行为，将客户划分成不同的群体。
（2）客户理解：又称为群体特征分析，可使企业了解以下内容：
? 哪些人具有这样的行为？年轻人？还是老年人？
? 哪里人具有这样的行为？北京的，还是上海的？
? 具有这样行为的人，给企业带来的利润有多大？
? 具有这样行为的人，对于企业来说是忠诚的吗？
（3）行为规律分析：发现群体客户的行为规律，
可帮助企业了解：
? 这些客户都拥有企业的哪些产品？
? 这些客户的购买高峰是节假日还是工作日？
? 这些客户通常的购买形式是在哪些地方发生？是在合作商户还是在营业厅？
通过这些客户的行为分析，能够对企业在确定
市场活动的时间、地点与合作商等方面提供确凿的
依据。
（4）组间交叉分析：
一些客户在基本资料等其他方面非常相似，但
是却在两个不同的行为分组中，且这两个分组对企
业的价值相差较大，这时就要充分分析客户发生这
种现象的原因，这就是组间交叉分析的重要内容。
通过这些分析使企业能够准确的制定市场策略
和市场活动，从而为企业带来较大的利润。
6.3.3 数据仓库在CRM中的应用
? 2、重点客户发现
主要是发现能为企业带来潜在效益的重要客户。
这些重点客户主要特点有：
? 潜在客户：有价值的新客户。
? 交叉销售：同一客户有更多次的消费。
? 增量销售：同一客户更多地使用同一产品或服务。
根据客户的这些属性特点，就可以挖掘出重点
客户，然后做好保持和提高这些重点客户的忠诚度
的工作。
6.3.3 数据仓库在CRM中的应用
? 3、性能评估
? 根据客户行为分析，企业可以准确的制定市场策略和市场活动，然而这些市场活动是否能够达到预定的目标是改进市场策略和评价客户行为分组性能的重要指标。因此，CRM中必须对行为分析和市场策略进行评估。
?重点客户发现过程也需要对其性能进行分析，在此基础上修改重点客户发现过程。
这些评估都是建立在客户对市场反馈的基础上的。
6.3 数据仓库和数据挖掘
6.3.4 数据挖掘在CRM中的应用
? 1、客户特征多维分析
挖掘客户个性需求，客户属性描述要包括地址、年龄、性别、收入、职业、受教育程度等多个字段，可以进行多维的组合型分析，并快速给出符合条件的客户名单和数量。
? 2、客户行为分析
结合客户信息对某一客户群体的消费行为进行分析。针对不同的消费行为及其变化，制定个性化营销策略，并从中筛选出潜在客户。
6.3.4 数据挖掘在CRM中的应用
? 3、客户流失分析
对客户持久性、牢固性以及稳定性的分析可以及时发现问题并及时的采取补救措施。
? 4、销售分析与销售预期
包括按产品、促销效果、销售渠道、销售方式等进行的分析。同时，分析不同客户对企业效益的不同影响，分析客户行为对企业收益的影响，使企业与客户的关系及企业利润得到最优化。
6.3.4 数据挖掘在CRM中的应用
? 5、交叉销售
在交叉营销活动中，数据挖掘可以帮助企业寻找影响客户购买行为的因素，帮助营销人员了解哪些客户最有可能购买新产品以及哪些产品通常被一起购买，进而在一对一营销活动中，企业可以利用数据挖掘中的分类与聚类技术把大量的客户分成不同的类，使每个类里的客户拥有相似的属性，进而使企业给每种不同类型的客户提供完全不同的服务，最终提高客户的满意程度。
6.3.4 数据挖掘在CRM中的应用
? 6、在客户细分中的应用
? 客户细分可以让管理者在较高的层次上查看整个数据库中的数据，也可以使经营管理者使用不同的方法处理不同细分的群体客户。
? 数据挖掘可以根据客户的预测行为来定义客户细分群。例如，决策树的叶子节点可视为一个独立的客户细分群，每个叶节点由某些特定的客户特征来定义，对所有符合这些特征的客户存在的一些预测行为。
6.3.4 数据挖掘在CRM中的应用
? 7、在客户获取中的应用
在开发新客户的过程中，可利用数据挖
掘模型建立一个预测性分析模型。但是，企业对当前不属于自己的客户的了解程度，远没有对现有客户的了解程度高，关键在于寻找那些已知信息和想要得到的行为模型之间的关系。
6.3.4 数据挖掘在CRM中的应用
? 8、在客户盈利能力分析中的应用
数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变化。在客户盈利能力分析中，需要做的是基于市场营销策略预测盈利能力。
? 首先需要设定一些优化目标；
? 然后利用数据挖掘工具从客户的交易记录中发现一些行为模式，且用这些行为模式来预测客户盈利能力的高低，进而帮助分析和提高客户盈利能力，使企业在市场竞争中获取优势。
6.3.4 数据挖掘在CRM中的应用
? 9、在风险评估和防止诈骗中的应用
?利用数据挖掘中的神经网络分析模型可以探察具有诈骗倾向的客户，这就有可能使企业对这些客户加强监控，防治诈骗的发生。
?数据挖掘中的孤立点分析也可识别那些具有诈骗倾向的客户。例如，一个邮购零售商可以区分来自同一地址不同客户的付款方式。当同一客户使用不同的名字时，可以识别潜在的诈骗行为。银行在贷款给公司之前，可以查明这家公司是否处于财政危机之中。
第6章 CRM中的数据管理
6.4 CRM数据仓库的建立
数据仓库与CRM密不可分。CRM除了
市场分析之外，还有销售和服务等方面的功
能。但对于客户量巨大、市场策略对企业影
响较大的企业，CRM要以数据仓库为核心。
6.4 CRM数据仓库的建立
构建数据仓库时，必须根据企业的具体情况，
按步骤进行：
? 1、需求的收集和分析
?与传统业务系统不同，数据仓库是面向管理决策层应用的，必须有系统自身的最终用户—企业决策层的参与。
?构建数据仓库前，先对各相关部门的主营和有关决策、分析人员进行访谈，收集并分析其需求从而确定每一主题的主题域。
6.4 CRM数据仓库的建立
? 2、启动CRM数据仓库工程，建立技术环境
? 确定目标并制定工程计划，系统的实施需要明确的计划和时间表。
? 适时地选择实现数据仓库的软硬件资源。
可以选择适当的操作系统作为网络操作系统，选取合适的数据库管理系统、WEB服务器、数据仓库与WEB服务器集成的实现技术。数据仓库的功能取决于系统的规划和设计。
? 新的技术和产品可以分阶段加入，但是要避免无休止的测试和选型。
6.4 CRM数据仓库的建立
? 3、确定主题进行数据建模
? 确定主题是进行数据仓库结构设计的基础。
? CRM数据仓库面向客户关系的建立、保持和维护，因此其主题可以分别确定为客户
关系的建立、客户关系的保持和客户关系的维护。
? 4、选择数据源
? 数据仓库将客户行为数据和其他相关数据集中起来，为市场分析提供依据。
? CRM数据仓库的数据源主要有：客户信息、客户行为、生产系统和其他相关数据。
6.4 CRM数据仓库的建立
? 5、设计数据仓库中的数据结构
在现有业务系统数据结构的基础上，针对管理信息的特征—时间特性和汇总特性，对数据的名称、类型描述及关联等进行重新定义。主要包括：
?统一数据类型：同一数据必须是同一数据类型。
?调整数据长度：同一数据长度必须为统一长度。
?增加时间属性：使得变量带上了时间属性，实现了数据的长期存放和信息的历史分析，并可按时间维度进行不同程度的汇总。
6.4 CRM数据仓库的建立
? 6、粒度划分
? 粒度反应了数据的详细程度和级别，直接影响数据仓库的数据量以及所适合的查询类型。
? 不同粒度级别的数据用于不同类型的分析处理。
如：销售主题的数据在产品维上按产品小类和大类汇总，在客户维上按客户代码汇总，在时间维上按周、月季、年进行汇总。为了提高查询速度，可按产品维、客户维、时间维综合汇总生成导出数据以满足某些经常性的查询。
6.4 CRM数据仓库的建立
? 7、数据的抽取和加载
? 8、管理元数据
? 元数据就是关于数据的数据。
? 描述了数据仓库的数据和环境，在整个数据仓库中起着核心作用。
此外，数据仓库需要根据不同时期、不同阶段
的需求进行更新、重建等。对上述步骤循环往复，
形成企业构建CRM数据仓库的整体过程。
复习思考题
? CRM系统中数据的质量要求主要体现在哪几个方面？
? 在CRM系统数据仓库中，数据挖掘技术主要有哪些作用？
? 案例分析