{管理信息化CRM客户关系}CRM系统中的商业智能技术培训讲义

《{管理信息化CRM客户关系}CRM系统中的商业智能技术培训讲义》由会员分享，可在线阅读，更多相关《{管理信息化CRM客户关系}CRM系统中的商业智能技术培训讲义（82页珍藏版）》请在金锄头文库上搜索。

1、第7章 CRM系统中的商业智能技术,数据仓库技术,数据挖掘,理解 三种技术的 的应用,CRM系统中商业智能技术,本章主要内容：）,联机分析处理,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第一节 商业智能,商业智能是从大量的数据和信息中发掘有用的知识，并用于决策以增加商业利润，是一个从数据到信息到知识的处理过程。商业智能用来辅助商业活动作出快速反应，加快知识的获取速度，减少企业不确定性因素的影响。因此能很好地满足管理层和决策层对信息知识的时间性和准确性的要求。,商业智能在我国尚处于起步阶段，

2、虽然其在发展和应用过程中仍存在很多不足，但商业智能正朝着实时性、标准化、集成性、实用性、大众化方向发展。,商业智能的定义,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,体系结构：以Web服务形式提供，以XML形式发放BI应用的分析结果是新的发展趋势。,应用系统：BI系统将更具专业化和行业化的特点，与企业门户、企业应用集成紧密相连,商业智能的发展,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,

3、应用,商业智能,商业智能系统的构成,商业智能系统由业务数据仓库系统、决策支持系统等部分构成。,图7-12 商业智能系统的数据处理循环,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,商务智能系统的三大支撑技术,数据仓库技术,OLAP,数据仓库完成了数据 的收集、集成、存储 、管理等工作，商务 智能面对的是经过加 工的数据，能更专注 于信息的提取和知识 的发现。,OLAP从多种角度对 原始数据进行分析 ，将其转化为用户 所理解、并真实反 映企业经营情况的 信息，为决策提供 依据。

4、,数据挖掘技术,数据挖掘技术能 高度自动化地分 析数据，做出归 纳性推理，挖掘 出潜在的模式， 帮助决策者作出 正确的决策。,商业智能系统的支撑技术,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,客户智能是创新和使用客户知识，帮助企业提高优化客户关系的决策能力和整体运营能力的概念、方法、过程以及软件的集合。,客户智能,客户智能的定义,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP

5、技术,应用,商业智能,客户知识，顾名思义，是有关客户的知识。客户知识包括客户的消费偏好、喜欢选用的接触渠道、消费特征等许多描述客户的知识。客户知识是人们通过实践认识到的、与客户有关的规律性，而客户智能是获得客户知识并使用客户知识求解问题的能力。,客户智能是对企业战略决策真正有价值的事物和行动。生成客户知识的过程称之为客户知识的加工处理过程，客户智能不仅包括了客户知识的生成，而且强调了客户知识在企业中的分发、使用，直到产生客户智能 。,客户知识,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应

6、用,商业智能,图7-13 客户智能的生成、分发和使用,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,(1)客户知识的生成（generation）：使用商业智能提供的OLAP分析工具、数据挖掘工具或两种工具的组合，发现存在于客户数据中的模式、规则、概念、规律的整个过程，称为客户知识的生成。 (2)客户知识的分发（distribution）：客户知识必须到达组织内每一个需要客户知识的部分。将客户知识存储与动态知识库，借助CRM的系统平台，将客户知识分发到需要的终端。 (3)客户知

7、识的使用（using it）：将客户信息和知识投入使用是CRM的最后一个环节。许多CRM和知识发现没有成功，很大程度上在于产生的与客户有关的信息和知识不能投入使用。,第一节 商业智能,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第二节 数据仓库概述,数据仓库的产生,没有（一致的）全局信息 很难产生正确的决策,没有（完整的）历史数据 ,历史数据分析（经验） 发展趋势预测 隐含信息挖掘, 更难 支持企业决策,研究,企业范围内的数据集成 多数据库系统 面向问题的分析 海量数据存储,产生一项新的信息

8、技术 Data Warehousing,DW 的概念起源于 20 世纪 80 年代 美国 著名信息工程学家 W. H. Inmon 博士,Record System Atomic Data 提出 数据仓库的概念 Decision Support Database,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第二节 数据仓库概述,早期 数据仓库的 定义的 重要文献： Martin Hubel 1986.10 Data Base and the Data Warehousing Concept,

9、数据仓库的定义,B. A. Devilin P. T. Murphy An Architecture for a Business and Information System IBM System Journal,其中，披露了一项 IBM 的 内部研究计划 目的：构造一种“以关系数据库为基础的公司数据的集成化仓储” 仓储的使用者： 不是 IT 人员 而是各级决策者 数据仓库,1991年， IBM 公司 正式 公布 其 DW 构架 INDEPTH 成功 开发 DW,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术

10、,应用,商业智能,第二节 数据仓库概述,数据仓库(data warehouse)是一个面向主题的(subject oriented)、集成的(integrated)、非易失的(non-volatile)、随时间变化的(time variant)数据集合，用于支持管理决策。,在数据仓库中，所有数据都是围绕一定主题进行。 对于同一主题： 关系数据库中，数据分布在相关的数据表中， 在数据仓库中，数据存放在同一数据表中。,数据仓库中数据都经过清洗、过滤、转换。都有统一得格式、消除了源数据中结构、表示方式、代码含义，不一致性,对于支持决策，历史数据非常重要。数据一旦写入，几乎不再更改，除非错误。对数据仓

11、库的操作只是数据追加。 所以数据仓库中数据是非易失的（稳定的）,数据仓库中数据是只增不删的，所以记录了所有的数据。反映企业各个时期的信息，即反映企业随时间动态变化的数据。,数据仓库的定义,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第二节 数据仓库概述,数据结构：,销售管理系统 顾客（顾客号，姓名，性别，年龄，文化程度，地址，电话） 销售（员工号，顾客号，商品号，数量，单价，日期） 采购管理系统 订 单（订单号，供应商号，总金额，日期） 订单细则（订单号，商品号，类别，单价，数量） 供 应

12、商（供应商号，供应商名，地址，电话） 库存管理系统 领料单（领料单号，领料人，商品号，数量，日期） 进料单（进料单号，订单号，进料人，收料人，日期） 库 存（商品号，库房号，库存量，日期） 库 房（库房号，仓库管理员，地点，库存商品描述）,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第二节 数据仓库概述,这种数据组织的特点： 对相关部门的数据进行收集和处理，重点是“数据”和“处理” 数据按部门的组织结构和业务活动特点进行； 数据是不断变化和反复更新的，所以，是动态的，要求的是 处理的速度和即

13、时性（只反映当时的情况）； 数据库中存储的表与部门中的业务报表基本上是对应的，所以， 直观，处理方便，易理解； 数据库建立的本质：数据与处理分离（在程序中不分离） 因为：很多应用涉及同一数据项，而同一数据项分散在不同的 数据库中 造成数据的不一致性。 这样的数据处理方式称为“联机事务处理” OLTP 数据库的存储要求 冗余小 （各种范式） 速度快 （保留一定的冗余）,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,第二节 数据仓库概述,按主题组织数据的数据结构:,商 品 商品固有信息 (商品号,

14、 商品名, 类别, 颜色, ) 商品采购信息 (商品号, 供应商号, 供应价, 供应日期, 供应量, ) 商品销售信息 (商品号, 顾客号, 售价,销售日期,销售量,.) 商品库存信息 (商品号,库房号,库存量,日期,) 供应商 供应商固有信息(供应商号,供应信息,地址,电话,) 供应商品信息(供应商号,商品号,供应价,供应日期,供应量,) 顾 客 顾客固有信息(顾客号,顾客名,性别,年龄,文化程度,住址,电话,) 顾客购物信息(顾客号,商品号,售价,购买日期,购买量,), 企业关心的业务方向：客户，商品，供应商, 对上述分析对象，可围绕主题进行数据组织：,采购 销售 库存,商品,（一致）信息

15、，便于 联机分析处理 OLAP,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,（1）数据粒度,面向数据挖掘,面向OLAP,粒度的大小反映数据仓库 的数据综合程度。粒度越 小，数据越详细，数据量 也越大。（表）,反映的是抽样率。抽样率的 确定取决于源数据量的大小 和数据挖掘的具体要求。源 数据量越大，抽样率越低。,表数据粒度的相关指标,数据粒度的划分是设计最重要的工作，需考虑数据仓库可接受的分析类型和最低粒度以及能存储的数据量。一般数据仓库都选择多重粒度的结构。,重要概念,第二节 数据仓库概述,

16、数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,数据分割常见形式,（2）数据分割,数据分割就是将大量的数据分成独立的、较小的单元进行存储以提高数据处理的效率。在进行分割时要考虑数据量、数据对象和粒度划分策略等几个方面。,一个表垂直分 成两部分，把 一个大表分成 两个表，表之 间通过关键 字段关联。,表按行分成两 部分，表被用 来存储用户联 系紧密的本地 重要数据，减 少网络查询。,经过多个分布系 统把一个图分解 成两部分，从指 定的服务器或在 多个服务器之间 建立连接而得到 一个表所需要的 全部数据。,第二节 数据仓库概述,数据挖掘,OLAP的应用,数据挖掘应用,基本步骤,设计与实施,数据仓库技术,体系结构,数据仓库,客户智能,定义、构成,OLAP技术,应用,商业智能,