第九章：客户关系管理的技术报告.ppt

第九章：客户关系管理的技术 第九章：客户关系管理的技术 目的与要求：了解数据仓库的知识 掌握企业建立数据仓库的流程及关键 了解数据挖掘的基本思想 掌握数据挖掘的应用方法 重点和难点：企业建立数据仓库的流程 数据挖掘的方法 授课方法：讲授 案例讨论 课时：2 第1章：数据仓库 一、数据仓库的概念 数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的数据集合，用于支持管理决策。从以下两个层面理解： 1、数据仓库用于支持决策，面向分析型数据处理，不同于企业现有的操作型数据库 2、数据仓库是对多个异构数据源的有效集成，集成后按照主题进行重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改 数据仓库不是静态的概念，要把信息及时交给需要这些信息的使用者，供他们决策使用。 二、数据库特征 1、面向主题 2、集成的 3、相对稳定的 4、反映历史变化的 数据仓库实际上是一个“以大型数据管理信息系统为基础的附加在这个数据库系统之上的，存储了从企业所有业务数据库中获取的综合数据，并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统 三、数据仓库的类型 1、企业数据仓库 2、操作型数据库 3、数据集市 数据市场 四、数据仓库的内容 1、数据的抽取 2、存储和管理 3、数据的表现 查询 报表 可视化 统计 挖掘 五，数据仓库的应用 目的是解决在信息技术发展中存在拥有大量数据、有用信息却贫乏的问题，以下两个方面的原因促成了数据仓库的应用和建立： 1、数据库的局限性 2、企业的应用需求 六、数据仓库系统的体系结构 数据仓库的基本体系结构 1、数据源 2、监视器 3、集成器 4、数据仓库 5、客户使用 CRM中的数据仓库 数据源数据仓库 数据仓库系统 联机分析处理服务器（OLAP） 前端工具 七、数据库与数据仓库的区别 数据库是面向事务设计的，数据仓库是面向主题设计的 数据库一般存储的是在线交易数据，数据仓库存储的一般是历史数据 数据库是为捕获数据而设计，数据仓库是为分析数据而设计 数据仓库必须具备如下特点： 1、效率足够高 2、数据质量 3、扩展性 八、数据仓库在CRM中的应用 1、分析重点客户 2、降低成本 3、满足客户需求 4、分析企业的经营状况 行业应用 在证券业 在银行领域 在税务领域 在保险业的应用 第2章：数据挖掘 一、数据挖掘 也可以称之为数据库中的知识发现，是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理流程。一般分为以下几步： 1、问题定义 2、数据提取 3、数据预处理 4、数据挖掘 5、知识评估 数据挖掘只是数据库中知识发现的一个步骤，但又是最重要的一个步骤，因此可以不加区别的使用KDD和数据发掘。一般在研究领域被称为数据库中知识发现，在工程领域被称为数据挖掘 二、数据挖掘的起源 大量数据可以被广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。 数据挖掘思想来源：来自统计学的抽样、估计和假设检验；人工智能、模式识别和及其学习的搜索算法、建模技术和学习理论 其他：最优化、进化计算、信息论、信号处理、可视化和信息检索。 三、数据挖掘能做什么 1、数据挖掘能做以下六种不同的事情 1）分类 2）估值 3）预言 4）聚集 5）相关性分组或关联规则 以上又可分为两大类： 直接数据挖掘：分类、估值、预言 间接数据挖掘：聚集，相关性分组、关联规则 四、数据挖掘技术的实现 1、数据的抽取 2、数据的存储和管理 3、数据的展现 五、数据仓库和数据挖掘的关系 数据仓库：矿坑 数据挖掘：深入矿坑的采矿工作 六、Date Mining在各领域的应用情形 零售业、直效行销业（不通过中间商，直接到顾客手中）、制造业、财务金融保险、通讯业以及医疗服务业 从销售数据中：发掘顾客的消费习性、找出顾客偏好、找出流失顾客的特征、推出新产品的是几点等 直效行销：分析顾客群的消费行为与交易记录，结合基本数据，并依其对品牌价值等级的高低来区分顾客，进而达到差异行销的目的 制造业：多运用在品质控管方面，由制造过程中找出影响产品品质最重要的因素，以期提高作业流程的效率 财务金融业：分析市场动向，预测个别公司的营运以及股价走向 医疗业：预测手术、用药、诊断或是流程控制的效率 电话公司、信用卡公司、保险公司、股票交易商：反欺诈交易 七、数据挖掘在CRM中扮演的角色 1、针对获取的差距，利用客户分类分析，找出客户一些共同的特征，希望能借此深入了解客户，借由聚类分析，对客户进行分群后再透过模式分析预测哪些人可能成为我们的客户，以帮助行销人员找到正确的行销对象，进而降低成本，提高行销的成功