资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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,1,2,3,4,掌握客户资源的价值和作用,理解数据仓库对于,CRM,的重要性,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,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,1.,客户对企业市场价值的影响,2.,客户对企业现金流的影响,3.,客户对企业竞争优势的影响,4.,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,1.,客户资源,=,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,2,）品牌资产,3,）关系资产,2.,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：,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,必须理顺品牌资产与客户资产的关系；,其次,，,提高客户资产又必须与服务的基本特征相对应；,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,。,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,1.,客户关系管理中数据仓库概念的两个层次,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,：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,。,2.,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,1.,数据的抽取,2.,存储和管理,3.,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,1.,数据源,2.,数据的存储与管理,3.,联机分析处理服务器,4.,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,1.,简单堆积结构,2.,轮转综合数据存储,3.,简单直接文件,4.,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,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,4,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,OLAP,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。,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。,1.,维的构建,1,）维层次,2,）维成员,3,）多维数据集,2.,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 80,60,1995,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 25,1,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,1.,多为概念视图,2.,透明性,3.,易访问性,4.,一致的报表性能,5.,客户服务器结构,6.,维的等同性,7.,动态稀疏矩阵处理,8.,多用户支持,9.,无约束的跨维操作,10.,直观的数据操作,11.,灵活的报表,12.,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,1.,概念描述,2.,关联分析,3.,序列模式分析,4.,分类分析,5.,演变分析,6.,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,1.,统计分析方法,2.,决策树方法,3.,人工神经网络,4.,遗传算法,5.,模糊技术,6.,粗集方法,谢谢大家！,
展开阅读全文