charp6CRM中的数据管理.pptx

1;第六章 CRM中的数据管理;第一节CRM的客户数据 ;;大类信息;市场促销性数据 ;大类信息;;;一、客户的隐私问题及保护措施 使用匿名身份信息;;;;第二节数据仓库技术 ;数据仓库定义 “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”。 （1）面向主题（subject－oriented）。数据仓库通常围绕一些主题。 （2）集成（integrated）。数据仓库通常是结合多个异种数据源构成的。 （3）时变（time-variant）。数据仓库中包含时间元素，它所提供的信息总是与时间相关联的。 （4）不可修改（nonvolatile）。其数据相对稳定，极少或根本不更新。 ;数据仓库的类型 （1）企业数据仓库（EDW）。 （2）操作型数据库（ODS）。 （3）数据集市（Data Mart）。 数据仓库的技术与传统数据库的比较 （1）数据的抽取。 （2）数据的存储和管理。 （3）数据的展现。 联机事务处理(OLTP) 联机事务处理（On－Line Transaction Processing，OLTP）是传统的关系型数据库的核心应用，主要执行基本的插入、删除等联机事务和查询处理，其基本任务就是及时、安全地将当前事务所产生的记录保存下来。;数据仓库的体系结构;;实施数据仓库应注意的问题 （1）与传统业务系统不同，数据仓库是面向管理决策层应用的，必须有系统自身的最终用户——企业决策层的参与。 （2）由于数据仓库的访问和查询往往能够通过工具来提供，因此数据仓库的功能取决于系统的规划和设计。 （3）在对待原始数据不拘泥于业务系统的现状。 （4）数据的抽取、转换和装载在系统实施过程中建议由专门小组或人员负责数据抽取的工作，将其纳入统一的管理和设计。 （5）数据仓库的强项在于提供联机的业务分析手段，才使管理人员实时了解企业和市场的动态。 （6）系统的实施需要明确的计划和时间表。;三、多维数据仓库中度量的建模 星型模式 ;（1）以销售机会作为一个主题，可以同其他几个维表组成一个星状的关系结构。;客户号;（2）以保险公司业务为主题来考虑维的构建。;雪花模式;;（1）自上而下模式。;OLTP原始数据库;（2）自下而上模式。;（3）平行开发模式。;图6-18有反馈的平??开发模式;数据仓库系统的结构;;第三节数据挖掘技术 ;;三、数据挖掘的发展历程 ;;五、数据挖掘的基本方法 统计分析方法 决策树 人工神经网络 （1）前馈式网络。 （2）反馈式网络。 （3）自组织型网络。 基因算法 粗糙集 联机分析处理技术(OLAP）;六、数据挖掘方法的应用举例 关联规则挖掘;双项统计;分类规则挖掘举例 （1）先画出一个训练数据库。;;;（3）群集（聚类）分析;七、常见数据挖掘工具软件介绍 DB Miner （1）DB MinerAX2002软件包用于关联关系挖掘，它从大量数据中挖掘出有价值描述数据项之间相互联系的有关知识。其主要应用领域是挖掘客户的消费倾向和消费规律。 （2）DB MinerDX2002软件包采用微分双方挖掘关系数据库和多维数据库中的数据的显著变化，其主要应用领域是挖掘企业利润或其它重要数据指标随其它指标的变化规律。 （3）DB MinerSX2002是一个用于对时序数据和序列数据进行挖掘的工具包，它主要用于挖掘企业经营数据的趋势分析。 Intelligent Miner SAS Enterprise Miner;第四节数据挖掘技术的应用 ;2.客户的盈利能力分析 CPV=PB/PS （1） 式中，PS——可见费用。为购买价格，咨询费，培训费，运输费，安装费，修理费及维护费等；PB——可见利益。为商品效用，售后服务，提供保险，质量保证及技术支持等。 V=（ PB＋ RB）/（ PS＋ RS） （2）;;;二、数据挖掘技术在客户生命周期各阶段的应用 ;;三、CRM中实施数据挖掘的基本步骤 ;;