浅析银行分析型CRM实现技术及实施策略.docVIP

浅析银行分析型CRM实现技术及实施策略摘要:客户是银行业至关重要的商业资源,是银行的第一资产,对客户关系的建立、维持和培育应得到高度重视。“以产品为中心”向“以客户为中心”变革,是银行业改革的必由之路,现代银行业务必须以“客户为中心”来运作,根据客户的具体需求向其提供相应的金融服务。只有获取完整的客户信息,根据不同的客户行为对其进行类别划分,有针对性地采取服务措施,影响客户行为,才能提高银行盈利,增强竞争力。面对国际潮流和竞争压力,中国银行业必须迅速转变经营观念,真正做到以客户满意为中心,加快客户关系管理的建设,分析型CRM提供了一个有力工具。 关键词:银行;分析型CRM;功能;技术 随着银行业务的不断扩展和业务处理信息系统的不断升级,如何高效地管理和利用银行庞大、分散的客户数据,是银行所面临最迫切需要解决的问题。建立分析型CRM系统成为银行实施CRM系统,提高竞争力的有力武器。 利用银行分析型CRM的解决方案,对客户信息进行全面分析,挖掘客户知识,继而制定和改进相应的市场策略,与操作、协作型CRM相结合,以更好地指导营销人员为客户服务和完善客户服务流程,并反馈到银行内部系统,用于增强银行内部的运营效率。 一、银行分析型CRM的实现技术 为实现上述功能,银行分析型CRM主要通过数据仓库、数据挖掘和联机分析处理三项技术来进行业务分析和客户关系管理。 1、数据仓库(Data Warehousing) 数据仓库是CRM的基础,以满足系统对各方面数据的要求。传统数据库技术是以单一的数据资源,即数据库为中心,进行事务处理、批处理、决策分析等各种数据处理工作。其虽对银行的日常事务实现了集中处理,但无法满足数据处理多样化和CRM对业务运作及相关行业情况进行分析的要求。数据仓库则前进一步,所要研究和解决的就是从数据库中获取信息的问题,目的是进行数据挖掘,从不同数据源收集数据,对数据进行整合和统计,形成一个中心数据集,从而既能保持数据的一致性,又易于用户访问。 数据仓库系统一般包括三层结构:数据获取层、数据存储层、数据输出层。数据获取层通常采用弱耦合方式与业务系统数据库相连,通过对业务系统数据进行抽取、转换和加载后,导入数据仓库;数据存储层完成对数据仓库系统中数据的存储和管理,为了便于对海量数据的管理,得把数据以一定的规则组织起来,而如何从逻辑和物理上去组织数据,正是数据仓库建设的重要步骤;数据的输出层与OLAP服务器、数据挖掘服务器相连,对数据仓库中的数据进行多维分析和挖掘。 2、数据挖掘(Data Mining) 数据仓库中信息数据量非常大,要找出与客户相关,有价值的信息,及相互间的关联,需要对大量数据进行深层分析,以获得有利于商业运作、提高竞争力的信息。数据挖掘就是从海量数据中抽取出潜在、有价值的知识、模型或规则的过程,挖掘出更有价值的信息。也就是根据预定义的商业目标,对大量的企业数据进行探索和分析,揭示其中隐含的商业规律,并进一步将其模型化的有效技术过程。数据挖掘是一门交叉学科,它集成了许多学科中成熟的工具和技术,包括数据库技术、统计学、机器学习、模型识别、人工智能、神经网络等。 数据挖掘技术在商业上的实际应用非常丰富,业务应用十分广泛,常见的具体例子有客户细分、客户保留、欺诈检测、信用风险评估、投资组合管理、客户服务自动化等等。 3、联机分析处理(On-Line Analytical Processing) 联机分析处理是针对特定问题的联机数据访问和分析,通过对信息进行快速、稳定、一致和交互式的存取,对数据进行多层次、多阶段的分析处理,以获得高度归纳的分析结果。联机分析处理是一种自上而下、不断深入的分析工具,在用户提出问题或假设之后,它负责提取出关于此问题的详细信息,并以一种比较直观的方式呈现给用户。OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行存取,从而获得对数据更深入了解的一类软件技术。 OLAP是多维数据分析工具的集合,基本操作有钻取、切片和切块、以及旋转等。(1)钻取是改变维的层次,变换分析的粒度,包括向上钻取(roll up)和向下钻取(drill down)。向上钻取是在某一维上将低层次的细节数据概括到高层次的汇总数据,或者减少维数;而向下钻取则相反,它从汇总数据深入到细节数据进行观察或增加新维。(2)切片和切块是在一部分维上选定值后,关心度量数据在剩余维上的分布。如果剩余的维只有两个,则是切片;如果有三个,则是切块。(3)旋转是变换维的方向,即在表格中重新安排维的放置(例如行列互换)。 OLAP有多种实现方法,根据存储数据的方式不同可以分为基于关系数据库的OLAP实现(ROLAP)、基于多维数据组织的OLAP实现(M