CRM系統中的商業(yè)智能：模型和技術

2009/01/07

　　商業(yè)智能；分析了常見的幾種客戶管理模型的問題城、特征、實現技術和評佑方法；描述了一個基于商業(yè)智能的完整CRM解決方案應該包含的基本部件，并從模塊功能、數據流、工作流三方面論述了方案良好的集成性。

　　在正確的時間，通過正確的渠道，給正確的人提供恰當的服務——CRM和ERP、SCM一起構成了現代企業(yè)管理基礎設施。如果說SCM用于優(yōu)化企業(yè)外部環(huán)境和外部資源配置，ERP著力于內部生產管理流程的規(guī)劃控制和企業(yè)硬件資源的充分利用，那么CRM則緊緊圍繞“客戶”這個為企業(yè)創(chuàng)造利潤的軟資源，直接面向市場，提高企業(yè)的核心競爭力，以創(chuàng)新的技術和管理理念經營企業(yè)。

　　CRM和ERP、SCM一樣，在實施過程中會面臨管理和技術上的挑戰(zhàn)。從技術角度來說，CRM的組成模塊可以分為四大類：一是操作級實時業(yè)務過程模塊;二是系統內功能集成模塊;三是企業(yè)級應用協同集成模塊;四是企業(yè)活動分析模塊，也就是商業(yè)智能決策過程模塊。前三項是傳統的，例如：MIS、OA、ERP等企業(yè)應用的構成，可以統稱為操作型應用;而商業(yè)智能是CRM的分析型應用，由于能對數據和用戶提供更深層次的理解和展示，協助管理層進行決策，是構成CRM核心競爭力的核心模塊。本文從技術層面、從客戶模型角度論述CRM的核心競爭力。

1.CRM和商業(yè)智能

　　Goldenberg是這樣定義CRM的：CRM是人、過程和技術的有機集成，以使企業(yè)和客戶的關系最優(yōu);CRM提供了面向客戶的各種功能模塊的無縫連接;CRM越來越倚重(increaasingly leverages)因特網技術。Goldenberg的這個定義基本上概括了CRM的理念：CRM不僅是一個軟件系統，也是一種管理思想。

　　CRM的最終目的是確�？蛻糁艺\度，以使企業(yè)利潤最大化。CRM的構建，在技術方面要把握的是：CRM是“面向客戶”的智能化企業(yè)信息系統。知識經濟時代，與客戶相關的數據是海量的，從海量數據中快速有效地抽取有用知識，以支持面向客戶的決策，是傳統技術難以有效完成的，商業(yè)智能技術也就有了用武之地。所謂商業(yè)智能，就是把海量數據轉化為知識，以支持企業(yè)正確決策的方法和過程，確切地說，商業(yè)智能只是一個新概念，并不是一種新技術。一般認為，數據倉庫、OLAP和數據挖掘是商業(yè)智能的三大支撐組件，數據倉庫構成整個商業(yè)智能的數據基礎，OLAP和數據挖掘則是為商業(yè)決策提供支持的知識提取和展示的智能化過程。商業(yè)智能實質上是一個決策支持系統的解決方案，但它和傳統方案的不同之處在于商業(yè)智能解決方案有更完整、更規(guī)范化的體系結構。圖1展示了一個商業(yè)智能解決方案的典型結構。

　　組成CRM的部件很多，但最核心的是客戶建模部分，這些模型部件直接描述客戶行為特征，提供決策支持。

2.數據建模

　　2.1 建模理論

　　建模的過程就是對構建模型的原始數據描述和解釋的過程，最后得出的模型或者能夠揭示源數據的一些本質屬性，或者能夠成功地對數據未來的發(fā)展做出預測或說明。一般分為識別問題域、問題描述和模型建立、模型解釋、模型驗證和模型維護五個步驟。

　　在商業(yè)智能建模過程中，數據源扮演著一個很重要的角色。在研究商業(yè)智能解決方案時，有時要識別向題域之后才著手解決數據源、數據格式和建立什么樣的數據模型問題;但有時要明確企業(yè)所能提供的數據源之后才考慮所能解決的商業(yè)問題。

　　問題描述和模型建立過程要分清楚影響向題的參數是什么，參數之間的關系以及參數是如何影響問題域的。

　　模型解釋需要回答模型是否正確地揭示了現實世界的間題，主要是定性分析的過程。

　　與模型解釋從定性角度說明模型的性質不同，模型驗證從定量角度來證明模型的實用性。常見的方法包括交叉驗證法、留一法、自舉法等。

　　模型維護是為了使模型適應環(huán)境變化所應該采取的措施。

　　2.2 CRM中常見客戶模型

　　CRM的核心價值所在，就是面向客戶所建立的一些分析模型所表達的商業(yè)智能水平。CRM中常見的客戶模型，大致可以分為三大類：客戶獲得、客戶保持和客戶盈利能力，這三大類模型可能會由一些更具體的模型去實現。

　　客戶獲得，通過對客戶行為進行分析，識別客戶特征，找到潛在客戶，獲得新客戶。如能回答蔽得某些客戶群體的最佳廣告類型是什么，贏得客戶的最有效廣告媒體是什么，購買特定商品的是哪一類客戶等等這樣問題的模型，就可以應用到客戶獲取中。

　　客戶保持，保持長久客戶關系，避免客戶流失，提高客戶滿意度。實踐表明，保留一個客戶比爭取一個客戶的花費要少得多，因此客戶保持也顯得越來越有價值。類似地，很多模型也能夠完成客戶保持的任務，比如客戶流失建模，如果模型能夠回答最有利可圖或最無利可圖的客戶具有哪些特征，客戶最可能的購買時機是什么時間，就可以給決策者提供信息以采取相應的措施，防止客戶流失。CRM系統使用的客戶保持技術多種多樣，像OLAP、分類樹(CART ，CHAID等)、聚類技術等是比較常見的。例如，在銀行業(yè)中，用分類技術建立了一個模型，定義客戶在不同的生命周期內不同的消費行為。如在早期，某一類客戶可能對助學貸款和養(yǎng)老保險儲蓄感興趣;而在后期，對房屋貸款和投資不同行業(yè)更感興趣。這樣的模型就可以幫助銀行對相同類型的客戶作出營銷策略。

　　客戶盈利能力是客戶給企業(yè)創(chuàng)造利潤的能力，這種能力包括現在的和未來的創(chuàng)利能力。在如何用商業(yè)智能技術描述客戶盈利能力模型之前，必須在商業(yè)上給出“客戶盈利能力”的定義，也就是客戶盈利能力的一些優(yōu)化目標。這個目標可能是一些簡單的計算公式，例如盈利=收入-成本，也可能是一些更復雜的公式集。

　　其他比較獨立的模型包括欺詐檢測、風險評估等，在銀行業(yè)、電信業(yè)用得比較普遍，這兩個行業(yè)也是CRM系統、商業(yè)智能系統應用得比較好的行業(yè)。這兩類模型很多時候是相輔相成的，風險評估的目的之一就是為了避免欺詐，欺詐檢測往往是風向評估的一種手段。可以采用分類和聚類這樣的技術來遴別正常用戶和欺詐用戶，分析它們的特征，用作欺詐檢測。另外，像離群點(outlier)分析也是欺詐分析的常用技術。風險評估涉及參數可能包括用戶的經營情況、歷史信貸記錄、信譽度和還債能力等。商業(yè)智能技術幫助信用評估由定性轉向定量，更加可靠，從而提高關于客戶的信用決策水平。

　　2.3 商業(yè)智能建模技術

　　簡單地說，一個企業(yè)的商業(yè)智能系統是為了幫助決策者更好地理解企業(yè)的操作。這種理解需要的知識是“深層次”的.是面向用戶快速反應的，這些不是傳統如OLAP這樣的技術所能達成的目標。商業(yè)智能建模技術基本上可以分為兩大類：一是數據倉庫——OLAP建模技術;二是數據挖掘建模技術。

　　數據倉庫是一個集成的數據環(huán)境，也是一個集成的分析中心，其中的數據是依據商業(yè)智能主題，而不是傳統數據庫應用來組織的。OLAP提供強大、友好的知識獲取界面，使得決策者可以從不同的角度觀察數據，這樣的功能，可以通過切片、切塊、旋轉、上卷、下鉆等功能實現。

　　數據挖掘技術，使用一些數學方法，一些算法和適當的數據結構對數據進行建模，從而描述隱藏在大量數據背后的傳統技術不能或很難發(fā)現的知識，用于給決策提供支持。數據挖掘建模技術包括神經網絡、決策樹、logistic回歸、模糊集、遺傳算法、聚類、關聯規(guī)則挖掘等等。數據挖掘模型都為特定目標而設計，在模型建立之前，分析員必須對模型的需求假設、數據結構要求、應用范圍和結果解釋方法了然于胸。

　　同一個商業(yè)智能分析任務，可以用不同的技術實現。比如市場籃分析，可以用數據挖掘技術，也可以用數據倉庫OLAP技術，但兩種方法得出的結果可能不同，于是，其有用性依賴于決策人員的技術涵養(yǎng)。

　　OLAP技術回答的間題通常可以歸結為一些查詢式的提問，一般情況下，復雜一些的SQL或者SQL集也能夠回答。但是數據倉庫——OLAP技術的優(yōu)勢在于提供了一個面向主題的集成的數據環(huán)境、高效的分析操作和友好的結果顯示界面，大大提高了決策效率。數據挖掘技術找出的結果表現形式往往層次更深，更多樣化。如果說數據挖掘是一個知識發(fā)現的過程，那么OLAP就是一個“知識驗證”的過程。

3.基于商業(yè)智能的CRM系統

　　一個基于商業(yè)智能的CRM系統解決方案一般包括四個層次：數據源層、數據存儲層、應用支持層和服務層。實際上，這可以看作圖1商業(yè)智能解決方案在具體行業(yè)(CRM)中的應用。方案中包括商業(yè)智能系統的一些通用元素，比如數據集市、數據倉庫、ODS(Operational Data Store)、OLAP、DM等，也看到了一些面向CRM的特定元素的位置，例如關于客戶的數據源，面向客戶的業(yè)務處理和集成以及面向客戶的服務層。

　　數據源層主要是關系型數據庫表數據，也包括其它像文本文件等數據源，提供CRM數據存儲層的數據來源。

　　數據存儲層數據包括數據倉庫和ODS，它們都是通過對源數據的ETL(Extraction/Transformation/Load)生成。通過EYL 的數據流向，一條指向ODS，另一條指向DW。這兩條數據流滿足了各種終端用戶對多種功能的多種分析應用需求。

　　ODS是一個集成了來自不同操作數據庫數據的環(huán)境，其目的是為終端用戶提供一致的企業(yè)數據集成視圖，它使用戶能夠進行跨多個模塊功能的操作。這些與DW是類似的，但與數據倉庫和數據集市受約束的更新相比，主要差異在于頻致的更新頻率和直接的更新途徑。ODS具有DW的一些特征，例如它也是面向主題的、集成的數據，但它還有一些DB的特征，例如反映當前值的、變化的、細節(jié)的數據。

　　ODS和DW的數據流向是雙向的。ODS通過標準批處理方法把數據推入DW，例如，為了快照、數據分期存儲(data staging)或存放歷史數據的目的，將一個總結型數據元素的當前值轉存入DW。

　　根據ODS的類型，少量的數據可以以受控的方式從DW回流至ODS。雖然這個數據流只是ODS很小的一部分，但是卻有著重大的商業(yè)意義。根據ODS的類型，最終用戶對ODS的更新可能會觸發(fā)數據回流至數據源。

　　解決方案的最頂兩層是應用支持層和服務層，這兩層是緊密相連的，服務層的服務通過應用層應用提供，應用支持層的功能通過服務層直接面對客戶和決策者。

　　CRM應用支持層包括操作級實時業(yè)務應用、模塊級和企業(yè)應用級集成及商業(yè)智能應用支持層。實時業(yè)務應用層包括基本的CRM操作型數據應用，如客戶信息查詢處理、產品銷售過程處理、客戶支持處理監(jiān)控過程、促銷活動記錄等實時業(yè)務和業(yè)務管理。至于模塊級和應用級集成就是引言中提到的系統內功能集成模塊和企業(yè)級應用協同集成模塊。前者協調CRM解決面向CRM中各部門的子模塊的數據交換和功能協調，后者則負責與企業(yè)的ERP、SCM等生產管理系統的集成。商業(yè)智能應用支持就是CRM的企業(yè)活動分析模塊，通過OLAP和DM得到一些模型和報表。提供給決策人做決策，并通過一個商業(yè)活動管理子模塊提供直接面向客戶的活動。

　　服務層既要面對客戶，也要面對決策者，界面應該是清晰、直觀、友好的�？蛻魪姆⻊諏咏邮芟到y提供的功能和服務，并向系統反饋意見;決策人員根據反饋意見和數據分析展示，進行相應決策。在這個互動的過程中，CRM完成它的目標：爭取新客戶、保留老客戶、達成企業(yè)利潤最大化。

　　最后是貫穿整個系統的工作流管理，工作流管理是CRM系統中的另外一個挑戰(zhàn)。前面已經花了相當篇幅論述系統模型和系統應用集成，事實上，在整個系統結構中，工作流管理系統不僅是控制業(yè)務流程的“引擎”，還充當了模塊級集成和企業(yè)應用級集成的“粘和劑”。限于篇幅，不再詳述。

　　本文針對分析型應用的CRM系統建設瓶頸，從建模視角分析了商業(yè)智能在CRM中的地位和作用，描述了一個基于商業(yè)智能的完整CRM解決方案應該包含的基本部件，并從模塊功能、數據流、工作流三方面論述了方案良好的集成性。

E-works

相關鏈接:

2009年CRM與BI市場六大態(tài)勢遐想 2009-01-07

ERP VS CRM：誰主機械制造業(yè)銷售管理？ 2009-01-04

年終CRM拿什么來關懷客戶 2008-12-31

CRM需要知識管理 2008-12-30

展望：托管型CRM將在09年加速爆發(fā) 2008-12-30

分類信息: