数据挖掘—CRM技术的助推剂

 ,　　CRM（客户关系管理：Customer RelationshipManagement），是现代管理科学与信息技术结合的产物，是企业为最终实现电子化、运营目标所创造和使用的软硬件系统及集成的管理方法、解决方案的总和。它以客户为中心，通过再造企业组织体系和优化业务流程，展开系统的客户研究，从而提高客户的满意度和忠诚度，提高运营效率和利润收益。自1997年以来，全球CRM市场一直处于爆炸式的快速发展中，主要应用领域集中在制造、金融、电信等行业，许多新兴企业如Amazon、Cisco已率先成为CRM的使用者和受益者。以Oracle、IBM、Sieble等为代表的IT厂商对CRM前景表现出坚定的信心，国内也有创智科技、清华同方等知名软件企业正在着力开发和部署解决方案。,　　CRM软件系统是基于CRM理念而设计的，它将面向客户的所有业务进行整合，提供了统一的业务平台，并使用工作流技术将各种业务紧密联系起来。其功能主要包含了客户管理、订单管理、员工管理、分析决策四个方面。,　　CRM使企业活动与客户需求一致，而CRM技术就是其实现的关键，它可将经过合理设计的商业战略变成业务结果。,　　CRM的技术类型主要有三种：,　　(1)运营型CRM：运营型CRM主要包括客户呼叫中心，其典型的功能有客户服务、订购管理，或销售及营销的自动化及管理等。,　　(2)操作型CRM：这种软件目前较多，它更多关注客户信息的组织和管理的简单化。它的重点是创建一个客户数据库，这个库提供了客户与关系的一致性描绘并用专门的应用程序来提供这些信息，这些软件包括SFA(销售力量自动化)和客户服务程序等。,　　(3)分析型CRM：分析型CRM可对客户数据进行捕捉、存储、提取、处理、解释、产生相应报告。它使用了数据挖掘技术。因为客户信息的绝对容量增加和与客户的相互作用日益复杂，数据挖掘迎合了该种趋势，它能促使客户关系更有意义。它通过使用数据分析和数据建模技术来发现数据之间的趋势和关系的过程，可以用来理解客户希望获得什么，还可以预测客户将要做什么，可以帮助你选择恰当的客户并将注意力集中在他们身上，以便为他们提供恰当的附加产品，也可以帮助你辨别哪些客户打算与你“分手”。由于可以提高以最好的方响应个性化需求的能力，并且可以通过恰当的资源分配来降低成本，因此可以增加收入。,　　由此可见，要使用分析型CRM，数据挖掘技术必不可少。使用CRM可以帮助企业建立起庞大的数据仓库，在数据仓库中，进行数据挖掘正逐渐成为CRM中最核心的部分。,　　从定义上来看，数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识、模型或规则的过程，汇集了统计学、人工智能、数据库等学科的内容，是一门新兴的交叉学科。对于企业而言，数据挖掘可以有助于发现业务发展的趋势，揭示已知的事实，预测未知的结果，并帮助企业分析出完成任务所需的关键因素，以达到增加收入、降低成本，使企业处于更有利的竞争位置的目的。,　　确切地说，数据挖掘是一种知识发现的过程，它主要基于统计学、人工智能、机器学习等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行预测，以辅助决策者评估风险、做出正确的决策。数据挖掘与联机分析处理（On-Line Analytical Processing, OLAP）都是分析型工具。联机分析处理作为验证型分析工具，“更多地依赖用户输入的问题和假设”，使得用户能够快速地检索到所需要的数据，而数据挖掘能够自动地发现隐藏在数据中的模式（Pattern）。,　　在实际应用中，数据挖掘主要采用以下几种方法进行模式的发现：,　　（1）相关分析和回归分析：相关分析主要分析变量之间联系的密切程度；而回归分析主要基于观测数据建立变量之间适当的依赖关系。相关分析是回归分析的基础。,　　（2）时间序列分析：与相关分析类似，目的也是为了挖掘出数据之间的联系，但时间序列分析更加侧重于数据在时间先后上的因果关系。,　　（3）分类分析：分类分析首先为每一个观测赋予一个标记，然后检查这些被标记的观测，描述出这些观测的特征。这种描述可以是一个数学公式或者模型，利用它可以分类新的观测。常用的几种典型的分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。,　　（4）聚类分析：与分类分析不同，聚类分析的输入是一组未标定的记录，目的是根据一定的规则，合理地划分记录集合。聚类分析和分类分析是一组互逆的过程，因此在很多分类分析中适用的算法也同样适用于聚类分析。,　　在客户关系管理中，数据挖掘的基本步骤简单表示为：,　　目前，数据挖掘工具的市场一般分为三个组成部分：通用型工具、综合／DSS／OL数据挖掘工具和快速发展的面向特定应用的工具。其中：,　　通用型工具占有最大和最成熟的那部分市场。从定义上说，它们是非面向特定应用的适合于各种需要的情况，其中包括的主要工具有SAS EntERPrise Miner、IBM Intelligent Miner、Oracle Darwin、SPSS Clementine、Unica PRW、SGI MineSet等软件。,　　综合数据挖掘工具这一部分市场反映了商业对具有多功能的决策支持工具的真实和迫切的需求。商业要求该工具能提供管理报告、在线分析处理和普通结构中的数据挖掘能力。这些综合工具包括Cognos Scenario和Business Objects等。,　　面向特定应用工具这一部分工具正在快速发展，在这一领域的厂商设法通过提供商业方案而不是寻求方案的一种技术来区分自己和别的领域的厂商。这些工具是纵向的、贯穿这一领域的方方面面，其常用工具有重点应用在零售业的KD1、主要应用在保险业的Option＆Choices和针对欺诈行为探查开发的HNC软件。,　　数据挖掘公司的老大NCR Teradata数据仓库事业部客户战略关系副总裁史威福特曾经说过，从技术的层面来看，利用操作型的CRM，你可以利用自动化的呼叫中心，帮助销售人员利用B2B的方式掌握更多的客户信息，同时为客户提供更多、更好的服务。企业还可以利用这些信息制定一些更好的营销模式，提高客户服务的质量。我需要强调的是，操作型的CRM如果不具备分析型CRM的功能就无法成功。分析型的CRM可以分析客户的这种互动关系和客户交易，并且对营销、销售和服务做出一定的预测，它不仅可以分析客户目前的需要，而且还可以分析客户未来的需求。如果分析型CRM没有数据仓库的支持，也是无法成功的。分析型CRM需要长期的客户交易数据、行为模式和互动数据的详细信息。,　　由此可见，在实施CRM的过程中，数据挖掘技术的时候会使最终的结果变得更加的完美，数据挖掘技术的最新进展也成为了CRM最强大的推进剂。
特别声明：以上文章内容来源于网络，不代表CRM论坛观点或立场。如有侵权，请联系管理员删除