《客户的关系管理第9章 CRM中的数仓库与数据挖掘》由会员分享，可在线阅读，更多相关《客户的关系管理第9章 CRM中的数仓库与数据挖掘（24页珍藏版）》请在金锄头文库上搜索。
1、主要内容思考练习第9章 CRM中的数据仓库与数据挖掘 主要内容9.1 9.1 客户关系管理与数据仓库客户关系管理与数据仓库 9.3 9.3 应用应用案例案例第9章 CRM中的数据仓库与数据挖掘 9.2 9.2 客户客户关系管理与数据挖掘关系管理与数据挖掘9.1.1 数据仓库的基本概念 数据仓库概念始于20世纪80年代中期，随着人们对大型数据系统研究、管理、维护等方面的深刻认识和不断完善，在总结、丰富、集中多个企业信息的经验之后，为数据仓库给出了更为精确的定义，即“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”。 一个企业的典型的数据仓库的结构如图9.1。9.
2、1 客户关系管理与数据仓库9.1 客户关系管理与数据仓库MIS,Access,Excel等MIS数据库CRM数据库ERP数据库数 据 精简清 洗 添加格 式 转换数 据 整合数 据 导入ETL (Extract,Transformation,Load)数据仓库管理平台数据仓库元数据(Metadata)数据仓库数据库管理系统数据集市数据集市OLAP分析数据库查询、报告引擎数据挖掘工具OLAP数据访问工具OLTP交易型数据库图9.1 数据仓库结构示意图数据仓库有以下几个特点： 1、 面向主题 2、 集成的数据 3、 数据不可更新 4、 数据随时间不断变化 5、 使用数据仓库 9.1 客户关系管理与
3、数据仓库9.1.2 建立单独的数据仓库 操作数据库存放了大量的数据，为什么还要建立单独的数据仓库？数据仓库虽然同一般交易型数据库采用同样的关系数据库管理系统，但是交易型数据库的主要任务是执行联机事务和查询处理，而数据仓库系统在数据分析和决策方面为用户或“知识工人”提供服务，用不同的格式组织和提供数据，以满足不同用户的形形色色需求。 另外，数据仓库与操作数据库分离是由于这两种系统中数据的结构、内容和用法都不相同。 9.1 客户关系管理与数据仓库9.1.3 数据仓库的数据组织 1、数据仓库数据组织方式 数据仓库中数据的组织方式与操作数据库不同，通常采用分级的方式进行组织，一个典型的数据仓库的数据组
4、织结构图如图9.2所示。在数据仓库中，数据被分成四种级别，分别是高度综合级、轻度综合级、当前细节级、早期细节级，下面对各个级别的数据进行简单介绍：9.1 客户关系管理与数据仓库9.1.3 数据仓库的数据组织9.1 客户关系管理与数据仓库后备数据后备数据后备数据后备数据元数据早期细节级当前细节级轻度综合级高度综合级图9.2 数据仓库数据组织结构图9.1.3 数据仓库的数据组织 1、数据仓库数据组织方式 （1） 早期细节数据 （2） 当前细节数据 （3） 轻度综合数据 （4） 高度综合数据9.1 客户关系管理与数据仓库9.1.3 数据仓库的数据组织 2、数据仓库中的数据模型 （1） 星型模式 （2
5、） 雪花模式 （3） 事实星座9.1 客户关系管理与数据仓库9.1.4 数据仓库结构 通常，数据仓库采用三层结构，如图9.3 所示： （1） 底层是数据仓库服务器 （2） 中间层是OLAP服务器 （3） 顶层是客户9.1 客户关系管理与数据仓库9.1 客户关系管理与数据仓库查询/报告分析数据挖掘OLAP服务器OLAP服务器输出监控管理元数据存储数据仓库数据集市提取、清理转换、转入刷新操作数据库外部信息源数据数据底层：数据仓库服底层：数据仓库服务器务器中间层：中间层：OLAPOLAP服务服务器器顶层：前端工具顶层：前端工具图9.3三层数据仓库结构9.1.5 数据仓库如何支持CRM 数据仓库是客户
6、关系管理的基础，是CRM必需的基本技术。数据仓库是一个中央的存储系统，它可以帮助企业的员工回答任何来自客户的业务问题。 整个系统可以划分为数据源、数据仓库系统和CRM分析系统等三个部分。 1、数据源 数据的来源主要有四个方面：客户信息、客户行为、生产系统和其他相关数据。 2、数据仓库系统 主要有数据仓库建设和数据仓库两个部分。9.1 客户关系管理与数据仓库9.1.5 数据仓库如何支持CRM 3、CRM分析系统 由数据准备、客户分析数据集市、客户分析系统和调度监控模块构成。9.1 客户关系管理与数据仓库 不能说没有数据挖掘的客户关系管理系统不是客户关系管理，但只有采用了数据挖掘技术的CRM系统，
7、才是符合现代企业要求的高效的客户关系管理系统。 在竞争激烈的商业时代，资源占有成为决定企业生死成败的关键。 企业所能做的，就是尽可能收集顾客的信息，借助各种分析方法，透过无序的、表层的信息挖出内在的知识和规律，这就当前十分流行的数据挖掘技术所研究的。9.2 客户关系管理与数据挖掘9.2.1 数据挖掘的基本定义 简单地说，数据挖掘是从大量的数据中，抽取出潜在的，有价值的知识、模型或规则的过程。 数据挖掘的功能大体可分为一下几种： 1、分类 数据分类是一个两步过程。 第一步，随机选取训练数据集，通过分析这些训练数据集建立模型。 第二步，使用模型对没有分类的数据进行分类。 9.2 客户关系管理与数据
8、挖掘9.2.1 数据挖掘的基本定义 2、聚类 3、关联分析 4、概念描述 5、孤立点分析 6、演变分析9.2 客户关系管理与数据挖掘9.2.2 在CRM中应用数据挖掘 CRM系统能够帮助企业管理与客户相关的一系列活动，对企业日常所有的营销业务进行流程化和自动化地管理。随着客户信息的日趋复杂，客户数据的大量积累，分析大量复杂的客户数据，挖掘客户价值，发现客户行为趋势，理解客户对企业的真正价值，用全生命周期的观点来分析客户关系是企业成功的关键因素，这些恰恰要依赖数据挖掘。9.2 客户关系管理与数据挖掘9.2.2 在CRM中应用数据挖掘 数据挖掘和数据库查询的不同点在于，数据查询只能根据现有的数据归
9、纳一些事实，而数据挖掘可以发现事物之间的关系和隐藏的趋势与模式。 利用数据挖掘对这些数据进行分析，从中发现相关的知识和规律，可以使整个CRM系统形成一个闭环，充分发挥CRM系统的作用。9.2 客户关系管理与数据挖掘9.2.3 CRM中的数据挖掘流程 有效的CRM中数据挖掘的基本步骤为： 1、定义商业问题 2、建立营销数据库 3、探索数据 4、为建模准备数据 有四个主要部分： （1）为建立模型选择变量 （2）从原始数据中构建新的预示值 （3）从数据中选取一个子集或样本来建立模型 （4）转换变量 9.2 客户关系管理与数据挖掘9.2.3 CRM中的数据挖掘流程 5、数据挖掘模型的建立 6、评价模型
10、 7、将数据挖掘运用到CRM方案中 与客户的交互作用的两种方式：客户主动联系你（inbound）或者你主动联系他们(outbound)。部署的需求是完全不同的。 9.2 客户关系管理与数据挖掘9.3.1 数据挖掘在证券行业中的应用 其典型应用包括有： 1、客户分析 2、咨询服务 3、风险防范 4、经营状况分析9.3 应用案例9.3.2 数据挖掘在电信CRM中的应用 在全球电信行业，数据挖掘技术已经被广泛应用于日常市场经营活动中，目前主要用于“分群”和“预测”。分群就是根据客户基本信息、客户的消费水平、客户的消费行为及客户与企业的交互，将客户分为不同的群，分群摆脱了传统的以客户价值为依据的“分类”思想，它综合考虑了客户与企业交互的所有行为及基本人口统计信息。 9.3 应用案例 1、什么是数据仓库？数据仓库的特点是什么？ 2、CRM中的数据仓库逻辑结构是什么样？ 3、结合实际讨论什么是数据挖掘？ 4、举例说明CRM中数据挖掘的作用。 5、结合某行业的业务情况，讨论CRM中数据挖掘的流程。 6、举例说明CRM中数据挖掘的一般步骤。 思考练习
