数据仓库与CRM的关系.pptVIP

* 数据仓库在CRM中的作用 1 CRM与数据仓库的关系 2 数据仓库的作用 3 数据仓库在CRM中的应有结构 数据仓库与CRM有着难以割舍的密切关系。CRM的很多工作都是以数据仓库为基础展开的。 CRM充分利用数据仓库的分析结果，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的交流，来提高企业的利润 CRM与数据仓库的关系　　CRM的实施主要涉及企业的三个部门：市场、销售和服务。市场、销售和服务部门对CRM都有不同的要求，而且这三个部门之间有许多相互合作的地方。因此，需要协调这三个部门，共同为客户提供方便的服务。同时，企业的其它部门，如生产、财务等，也要和CRM紧密协作。 1.1CRM的业务模型　　CRM在市场部门的主要作用是产生市场机会，而后通过销售和服务等部门的协作，来把握这些市场机会。　　市场专家在对客户行为数据分析的基础上，制定市场策略，给出发现重点客户的方法，这些方法可以产生市场机会。　　市场机会由销售和服务等部门的业务流程处理后，进一步与客户沟通，从而把握市场机会。客户的行为通过客户行为反馈到客户行为分析数据中。在这些反馈数据的基础上，市场专家可以对已经存在的市场策略进行评估，从而改进市场策略和重点客户发现的方法。 1.2数据清洁与集中　　各个企业在长期的运营过程中，积累了大量的数据。为了有效地利用这些数据，以提高企业决策的准确性，就需要使用数据仓库技术。　　对于企业来说，大量的数据分散在不同的OLTP系统中，客户的信息也分散在不同的系统中。如果只对某个系统的数据进行分析，以作为决策支持的依据，显然有信息不全面、分析不准确的缺点。数据仓库可以解决这些问题。根据企业决策的需求，数据仓库将决策分析用的数据集中在一起。　　 分散的数据也带来了数据不清洁的问题。同一个客户的信息在不同系统中的数据不一致，而且有些数据可能是不真实的。　　另外，分散的业务系统中的数据是面向业务的，而不是面向决策的。数据仓库建设过程中，解决了数据不清洁问题，并将数据转换为决策分析所需要的类型。　　通过对分散数据的集中、清洁和转换，数据仓库中存储着清洁、一致、全面和面向决策的数据。这些数据为了方便用户的分析与查询，设计成多维模型结构 1.3数据分析　　数据仓库中存储了大量面向决策分析的数据。对这些数据进行充分的分析，并将分析结果传递给用户，才能完成数据仓库的作用。在数据仓库项目中，数据分析的手段主要有：OLAP、报表和数据挖掘等三种。 二、数据仓库的作用　　数据仓库是CRM项目的灵魂。首先，数据仓库将客户行为数据和其它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，利用数据挖掘技术，发现交叉销售、增量销售、客户保持和潜在客户的方法，并将这些分析结果转化为市场机会。通过数据仓库的分析，可以产生不同类型的市场机会。针对这些不同类型的市场机会，企业分别确定客户关照业务流程。依照这些客户关照业务流程，销售或服务部门通过与客户的交流，达到关照客户和提高利润的目的。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。 2.1客户行为分析　　客户的行为可以分为两个方面：整体行为分析和群体行为分析。整体行为分析用来发现企业的所有客户的行为规律。然而，只有整体行为分析是不够的。企业的客户千差万别，众多的客户在行为上可以划分为不同的群体。这些群体有着明显的行为特征。行为分组（Behavior Segmentation）是CRM的一个重要组成部分。　　据Gartner Group预测，企业的客户关系将越来越复杂。这个复杂性的度量公式为：客户关系复杂度=客户群体个数×产品个数×渠道个数×合作伙伴数量。对同一产品，客户的交易行为也有很大差别，如利用信用卡购买、通过合作伙伴购买等。这样不同的产品组合和不同的交易行为，对企业的价值的贡献也有很大不同。 　　行为分组是按着客户的不同种类的行为，将客户划分成不同的群体。通过行为分组，企业可以更好地理解客户，发现群体客户的行为规律。通过对客户的理解和客户行为规律的发现，企业可以制定相应的市场策略。同时，通过对不同客户的群组之间的交叉分析，可以使企业发现客户群体间的变化规律。 2.2客户理解　客户理解又可以称为群体特征分析。通过行为分组，将客户划分成不同的群组，这些群体客户在行为上有着许多共同的特征。这些行为特征，必须和已知的资料结合在一起，才能被企业所利用。因此，需要对这些不同的行为分组的特征进行分析。特征分析至少有以下几个方面的功能：　　1. 哪些人具有