第九章CRM系统中的数据管理要点.pptVIP

第九章 CRM系统中的数据管理 第一节 数据的概念和重要性 一、数据的概念 目的： 围绕数据库建立的企业CRM活动，其核心价值在于通过CRM系统对数据的分析、合成，并把这些离散的、单一存储的数据转化为使用者可以理解和使用的信息和知识。 二、数据的重要性 数据是CRM系统的灵魂。CRM最关键、最基本的支柱是客户数据。客户关系管理通过数据仓库、数据挖掘、商务智能等技术处理大量的客户属性、交易记录、购买行为、习性偏好等数据，从中提炼出有用信息，为企业销售、营销、客户服务等工作提供全面支持。 第二节 数据的分类、收集及质量 一、数据分类 通过数据来源分类 一、数据分类 通过数据采集渠道分类 一、数据分类 按照企业不同部门的用途分类 一、数据分类 根据CRM系统的特殊需要分类 二、数据的收集 常见的用于描述客户的原始数据收集方法有如下几种： 三、数据的质量 高质量的数据可为使用者提供准确的信息报告，同时降低企业与低质量数据相关的潜在成本。 什么是符合数据质量标准的高质量数据？ 数据仓库对数据质量的要求可归纳为： 数据的审查机制： 第四节 数据仓库和数据挖掘 一、数据仓库及其特征 数据仓库——一个用以更好地支持企业或者组织决策分析处理的、面向主题的、集成的、不可更新的、随时间不断变化的数据集合。 数据仓库有以下几个特征： 数据仓库的基本体系 数据仓库的一般结构 数据仓库技术在CRM中的应用 1、CRM客户行为分析： 二）数据仓库技术在CRM中的应用 2、重点客户发现 重点客户的特点： 二、数据仓库技术在CRM中的应用 3、性能评估 根据客户行为分析，企业可以准确地制定市场策略和市场活动。然而，这些市场活动能否达到预定的目标是改进市场策略和评价客户行为分组性能的重要指标。 二、数据挖掘 1、数据挖掘概述 2、数据挖掘的功能 3、数据挖掘的类型 三、数据挖掘的三大支柱 一）数据与数据仓库 数据仓库的简单堆积方式 二）数据挖掘算法 1、聚类 概念： 按照对象属性的相似性将他们分为若干个组或类别的方法。 研究目的： 就是把相似的对象归并成类，研究的主要内容是如何度量相似性以及怎样构造聚类的具体方法以达到分类的目的。 研究对象： 1、对样品进行分类，即从实际问题中观测得到n个样品Xi, i=1,2,…,n，要根据某相似性原则，将这n样品进行分类； 2、是对指标进行分类，即对所考察的p个指标X=(x1, x2,…,xp)’, 根据n个观测值Xi=(xi1, xi2,…, xip)’,i=1,2,…,n,要由某相似原则将这p个指标x1, x2,…,xp进行分类。 在客户管理中应用： 帮助市场分析人员发现客户中所存在的各种特征的群体，并使用购买模式来描述各个客户群体。 2、决策树 决策树是一个类似流程图的有点像树的分析工具。从树根到枝叶，每个内部节点代表对一个属性取值的判断，相对于节点，每个分支都代表一个判断结果，或者说是一个类别。 决策树 下面以南方医院供应公司为例，看一看如何利用决策树作出合适的生产能力计划。 　　 南方医院供应公司是一家制造医护人员的工装大褂的公司。该公司正在考虑扩大生产能力。它可以有以下几个选择：1、什么也不做；2、建一个小厂；3、建一个中型厂；4、建一个大厂。新增加的设备将生产一种新型的大褂，目前该产品的潜力或市场还是未知数。如果建一个大厂且市场较好就可实现$100，000的利润。如果市场不好则会导致$90，000的损失。但是，如果市场较好，建中型厂将会获得$40，000，市场不好则损失$5，000。当然，还有一个选择就是什么也不干。最近的市场研究表明市场好的概率是0.4，也就是说市场不好的概率是0.6。参下图： 在这些数据的基础上，能产生最大的预期货币价值（EMV）的选择就可找到。 EMV（建大厂）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型厂）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小厂)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建厂)=$0 　　根据EMV标准，南方公司应该建一个中型厂。 3、关联 简单的说是在数据库和数据仓库中发现大量数据之间的有趣的相关联系。 三）数据挖掘的基本步骤 1、确定分析和预测目标 2、建立数据挖掘库 3、分析数据 4、建立模型 5、模型评估与验证 6、模型实施 四）数据挖掘的应用 【实践练习】 假如你是一位营业员，需要记录客户的个人资料。客户