CRM中的数据管理培训

《CRM中的数据管理培训》由会员分享，可在线阅读，更多相关《CRM中的数据管理培训（53页珍藏版）》请在金锄头文库上搜索。

1、第六章 CRM中的数据管理,CRM的客户数据 数据仓库技术 数据挖掘技术 数据挖掘技术的应用,客户关系管理,3,第一节CRM的客户数据,一、客户数据的类型,图6-1客户数据分类,客户关系管理,4,客户描述性数据,表6.1 个人客户信息模型,客户关系管理,5,表6.2 团体客户信息模型,客户关系管理,6,市场促销性数据,客户关系管理,7,市场促销性数据,表6.4客户交易型数据模型,客户关系管理,8,二、客户数据的采集 客户数据的来源,图6-2 多渠道客户数据收集平台,客户关系管理,9,客户数据信息处理 (1)基本的校验。 (2)结构化。 (3)数据的分析和使用,客户关系管理,10,一、客户的隐私

2、问题及保护措施 使用匿名身份信息,图6-3 保护客户隐私的匿名体系结构,客户关系管理,11,尽量使用汇总数据 信息只用于市场定位或评估 尽可能不合并数据源,客户关系管理,12,四、客户数据库的建立 客户数据库的特点 （1）动态的、整合的顾客数据管理和查询系统。 （2）基于数据库支持的顾客关系格式或结构系统。 （3）基于数据库支持的忠诚顾客识别系统。 （4）基于数据库支持的顾客购买行为参考系统。 （5）个性化服务。,客户关系管理,13,构建客户数据库 （1）按照可预见未来所需的信息量，尽可能多地考虑预期客户购买产品的情况和购买后的反应。 （2）深入策划客户数据库的组成部分，应保留一定的弹性，以满

3、足未来变化的需要。 （3）建立数据库，可先建成一个小而实用的数据库，在管理客户数据库中获得经验，并对其评价，不断改进。 （4）构建客户数据库时，让尽可能多的部门和人员参与。一方面使信息采集科学完备；另一方面让数据库的使用者充分了解设计者的思想。,客户关系管理,14,第二节数据仓库技术,一、数据仓库概述 从数据库到数据仓库,图6.4数据仓库体系化环境,客户关系管理,15,数据仓库定义 “数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。 （1）面向主题（subjectoriented）。数据仓库通常围绕一些主题。 （2）集成（integrated）。数据仓库通常

4、是结合多个异种数据源构成的。 （3）时变（time-variant）。数据仓库中包含时间元素，它所提供的信息总是与时间相关联的。 （4）不可修改（nonvolatile）。其数据相对稳定，极少或根本不更新。,客户关系管理,16,数据仓库的类型 （1）企业数据仓库（EDW）。 （2）操作型数据库（ODS）。 （3）数据集市（Data Mart）。 数据仓库的技术与传统数据库的比较 （1）数据的抽取。 （2）数据的存储和管理。 （3）数据的展现。 联机事务处理(OLTP) 联机事务处理（OnLine Transaction Processing，OLTP）是传统的关系型数据库的核心应用，主要执行基

5、本的插入、删除等联机事务和查询处理，其基本任务就是及时、安全地将当前事务所产生的记录保存下来。,客户关系管理,17,数据仓库的体系结构,图6.5 数据仓库基本体系结构,客户关系管理,18,二、数据仓库的实施 数据仓库的开发流程 （1）启动工程。 （2）建立技术环境。 （3）确定主题进行仓库结构设计。 （4）数据仓库的物理库设计。 （5）数据抽取、精练、分布。 （6）对数据仓库的OLAP访问。 （7）数据仓库的管理。,客户关系管理,19,实施数据仓库应注意的问题 （1）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。 （2）由于数据仓库的访问和查询往

6、往能够通过工具来提供，因此数据仓库的功能取决于系统的规划和设计。 （3）在对待原始数据不拘泥于业务系统的现状。 （4）数据的抽取、转换和装载在系统实施过程中建议由专门小组或人员负责数据抽取的工作，将其纳入统一的管理和设计。 （5）数据仓库的强项在于提供联机的业务分析手段，才使管理人员实时了解企业和市场的动态。 （6）系统的实施需要明确的计划和时间表。,客户关系管理,20,三、多维数据仓库中度量的建模 星型模式,图6.6星型模式结构示意图,客户关系管理,21,（1）以销售机会作为一个主题，可以同其他几个维表组成一个星状的关系结构。,图6.6星型模式结构示意图,客户关系管理,22,图6.8 销售机

7、会数据仓库的星形链接,客户关系管理,23,（2）以保险公司业务为主题来考虑维的构建。,图6.9保险业务多维数据仓库的星状模型,客户关系管理,24,雪花模式,图6.10 雪花模式结构示意图,客户关系管理,25,四、数据仓库的执行策略 数据集市(Data mart) 数据集市是一个针对某个主题的经过预统计处理的部门级分析数据库，如销售数据集市、营销数据集市、库存集市和财务集市等。 元数据(Metadata) 元数据为数据中的数据，即描述数据的数据。 数据仓库的执行策略,客户关系管理,26,（1）自上而下模式。,图6.11自上而下模式,客户关系管理,27,图6-12 有反馈的自上而下模式,客户关系管

8、理,28,（2）自下而上模式。,图6.14有反馈的自下而上模式,客户关系管理,29,（3）平行开发模式。,图6-17平行开发模式,客户关系管理,30,图6-18有反馈的平行开发模式,客户关系管理,31,数据仓库系统的结构,图6.19数据库系统结构图。,客户关系管理,32,五、联机分析处理(OLAP) OLAP支持通过多维的方式对数据进行分析、查询和生成报表，其基本功能是对用户当前及历史数据进行分析以辅助领导决策。OLAP支持复杂的分析操作，侧重决策支持，并且可提供直观易懂的查询结果。,客户关系管理,33,第三节数据挖掘技术,一、数据挖掘的涵义 数据挖掘的定义 （1）技术上的定义。数据挖掘（Da

9、ta Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 （2）商业角度的定义。数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。,客户关系管理,34,二、数据挖掘的作用和意义 数据挖掘工具能从庞杂的信息中筛选出有用的数据，以公正客观的统计分析快速准确地得知企业经营的信息，从而找出销售模式，正确掌握未来的经营动态。,客户关系管理,35,三、数据挖掘的发展历程,表6-4 数据挖掘的进化历程,客户关系管理

10、,36,四、数据挖掘的任务 总结规则挖掘。 关联规则挖掘。 分类规则挖掘。 群集（聚类）规则挖掘。 预测分析。 趋势分析。 偏差分析。,客户关系管理,37,五、数据挖掘的基本方法 统计分析方法 决策树 人工神经网络 （1）前馈式网络。 （2）反馈式网络。 （3）自组织型网络。 基因算法 粗糙集 联机分析处理技术(OLAP）,客户关系管理,38,六、数据挖掘方法的应用举例 关联规则挖掘,表6-5客户购物清单,表6-5客户购物清单,表6-6单项统计结果,客户关系管理,39,R1：啤酒尿布，S=0.6，C0.60.80.75 R2：尿布啤酒，S=0.6，C0.60.80.75 R3：牛奶啤酒，S=0

11、.4，C0.40.41 R4：啤酒牛奶，S=0.4，C=0.40.80.5 R5：尿布爽身粉，S=0.4，C0.40.80.5 R6：婴儿爽身粉尿布，S=0.4，C=0.4/0.4l,客户关系管理,40,分类规则挖掘举例 （1）先画出一个训练数据库。,表6-8评奖项目训练数据,客户关系管理,41,特征选择。 选择一个总分评估函数（又称为特征函数）。 根据训练数据解方程式或迭代调整有效字段的加权值，使得在训练集中，各记录的PiFi刚好在应评等级的分数段中。 用另一组或多组独立的测试数据来测试和修改公式TotalW。 公式TotalPiFi就是从数据中“挖掘”出来的，其所分类的知识可以推广使用。,

12、客户关系管理,42,（2）面向决策树的分类方法 根据训练数据计算出各个字段的信息增益。 删除信息增益很小的字段，其余字段按照信息增益从大到小排序，以信息增益最大者为根结点，建立一棵决策树。 从训练数据中挖掘出每一个结点的分类门限。 应用于大量的学生评奖辅助决策。,客户关系管理,43,（3）群集（聚类）分析,图6.20 散布图：将恒星依照温度和亮度来分群,客户关系管理,44,七、常见数据挖掘工具软件介绍 DB Miner （1）DB MinerAX2002软件包用于关联关系挖掘，它从大量数据中挖掘出有价值描述数据项之间相互联系的有关知识。其主要应用领域是挖掘客户的消费倾向和消费规律。 （2）DB

13、 MinerDX2002软件包采用微分双方挖掘关系数据库和多维数据库中的数据的显著变化，其主要应用领域是挖掘企业利润或其它重要数据指标随其它指标的变化规律。 （3）DB MinerSX2002是一个用于对时序数据和序列数据进行挖掘的工具包，它主要用于挖掘企业经营数据的趋势分析。 Intelligent Miner SAS Enterprise Miner,客户关系管理,45,第四节数据挖掘技术的应用,一、数据挖掘客户关系管理中的应用 客户的细分,图6-1客户数据分类,客户关系管理,46,2.客户的盈利能力分析 CPV=PB/PS （1） 式中，PS可见费用。为购买价格，咨询费，培训费，运输费，

14、安装费，修理费及维护费等；PB可见利益。为商品效用，售后服务，提供保险，质量保证及技术支持等。 V=（ PB RB）/（ PS RS） （2）,图6-22商家和消费者的互利关系,客户关系管理,47,图6-23 数据挖掘在客户层次转变中的作用,客户关系管理,48,交叉营销 客户的保持 （1）客户购买行为要受到来自文化、社会环境、个人特性、心理等方面的影响。 （2）客户满意与客户保持有着非线性的正相关关系。 （3）客户在考虑是否转向其他供应商时必然要考虑转移的成本。 （4）客户关系具有明显的生命周期的特征。,客户关系管理,49,二、数据挖掘技术在客户生命周期各阶段的应用,图6.24 客户生命周期,客户关系管理,50,潜在客户 响应者 即得客户 流失客户,客户关系管理,51,三、CRM中实施数据挖掘的基本步骤,图6.25数据挖掘的基本步骤,客户关系管理,52,确定分析和预测目标 了解数据 数据准备 数据相关性前期探索 模型构造 模型评估和检验 部署和应用,客户关系管理,53,四、应用数据挖掘技术优化客户关系管理的关键 确定如何使用数据挖掘 具备一定的商业智能和分析能力 定义数据挖掘应用的用户 定义所使用的数据并进行数据预处理 反复验证及用户培训,