第九章 CRM中的数据管理技术 学习目标：掌握和理解数据仓库的概念以及数据仓库与数据库的区别：理解元数据、数 据粒度、数据分割的概念：了解数据仓库的体系结构：掌握和理解数据挖掘的概念及常用方 法：理解客户关系管理中数据挖掘的流程及作用：了解OLAP的概念，以及ROLAP、MOLAP 以及HOLAP之间的联系与区别。 主要知识点： 第一节数据仓库概述 一、数据仓库的概念 二、CRM的核心技术是数据仓库 第二节CRM中的客户数据仓库 一、CRM数据仓库的功能 二、客户数据仓库的建设要求 第三节数据挖掘技术 一、数据挖掘的概念 二、数据挖掘的应用 三、CRM数据挖掘的流程 四、数据挖掘在CRM中的商业价值 第一节 数据仓库概述 随着CM的应用，企业拥有了越来越多的客户数据。如何有效地使用这些数据，并从 中得到有价值的知识来支持企业经营决策，已成为CM急需解决的一个问题。 一、数据仓库的概念 数据仓库是一个面向主题的、集成的、非易失的、随时间变化的数据集合，用于支持管 理决策。 1.面向主题的特性。在数据仓库中，所有的数据都是围绕一定的主题进行组织的 2.集成性。数据有统一的格式、表示方式、代码含义，用相同的单位表示，消除了源数 据中的结构、表示方式、代码含义的不一致。 3非易失性。数据仓库中的数据一旦写入，一般不能再更改，除非数据有错误。因此， 数据库中的数据相对是稳定的。 4.时变性。数据库中的数据记录了从开始使用数据库起的所有数据。它能反映企业各个 时期的信息，也可以说它反映的是企业随时间动态变化的数据。 二、CRM的技术核心是数据库 一个企业理解客户、影响客户的捷径是通过不断地获得和客户相关的信息，来提高客户 的满意度、持久度，进而提高盈利。但是在实施CM的企业中有约30%的企业没有取得规 划中的收益，分析原因发现，这些企业没有提供详细的交易数据。完整的CM应是数据库
第九章 CRM 中的数据管理技术 学习目标：掌握和理解数据仓库的概念以及数据仓库与数据库的区别；理解元数据、数 据粒度、数据分割的概念；了解数据仓库的体系结构；掌握和理解数据挖掘的概念及常用方 法；理解客户关系管理中数据挖掘的流程及作用；了解 OLAP 的概念，以及 ROLAP、MOLAP 以及 HOLAP 之间的联系与区别。 主要知识点： 第一节 数据仓库概述 一、数据仓库的概念 二、CRM 的核心技术是数据仓库 第二节 CRM 中的客户数据仓库 一、CRM 数据仓库的功能 二、客户数据仓库的建设要求 第三节 数据挖掘技术 一、数据挖掘的概念 二、数据挖掘的应用 三、CRM 数据挖掘的流程 四、数据挖掘在 CRM 中的商业价值 第一节 数据仓库概述 随着 CRM 的应用，企业拥有了越来越多的客户数据。如何有效地使用这些数据，并从 中得到有价值的知识来支持企业经营决策，已成为 CRM 急需解决的一个问题。 一、数据仓库的概念 数据仓库是一个面向主题的、集成的、非易失的、随时间变化的数据集合，用于支持管 理决策。 1.面向主题的特性。在数据仓库中，所有的数据都是围绕一定的主题进行组织的。 2.集成性。数据有统一的格式、表示方式、代码含义，用相同的单位表示，消除了源数 据中的结构、表示方式、代码含义的不一致。 3.非易失性。数据仓库中的数据一旦写入，一般不能再更改，除非数据有错误。因此， 数据库中的数据相对是稳定的。 4.时变性。数据库中的数据记录了从开始使用数据库起的所有数据。它能反映企业各个 时期的信息，也可以说它反映的是企业随时间动态变化的数据。 二、CRM 的技术核心是数据库 一个企业理解客户、影响客户的捷径是通过不断地获得和客户相关的信息，来提高客户 的满意度、持久度，进而提高盈利。但是在实施 CRM 的企业中有约 30%的企业没有取得规 划中的收益，分析原因发现，这些企业没有提供详细的交易数据。完整的 CRM 应是数据库
与客户交互的渠道和企业的经营战略的结合。CRM通过对客户关系数据进行深入、细致的 收集和分类，并采用数据库领域的分析技术，形成客户的统一视图，准确地了解用户行为， 从而根据其特点提供“一对一”的个性化服务。可见，数据库是CM的一个核心技术。 三、数据仓库的结构 (一)数据仓库的一般结构P220 (二)元数据 元数据(Metadata)是关于数据的数据。元数据包括了数据仓库的结构，数据存储信息， 数据提取、清洗和转换的规则，数据存取和检索的索引和配置等数据信息。元数据管理的主 要任务有两个方面：一是负责存储和维护元数据库中的元数据：二是负责数据仓库建模工具、 数据获取工具、前端工具之间的消息传递，协调各模块和工具之间的工作。 四、数据仓库中的两个重要概念 (一)数据粒度 数据粒度有两种形式。第一种形式的数据粒度是面向OLAP(联机分析处理)的。粒度的大 小反映了数据仓库中数据的综合程度。粒度越小，数据越详细，数据量也就越大。第二种形 式的数据粒度是面向数据挖掘的，它反映的是抽样率。 (二)数据分割 将大量数据分成独立的、较小的单元进行存储，以提高数据处理效率。常见的数据分割 包括以下几种形式：垂直分割、水平分割、图解分割。 第二节 CRM中的客户数据仓库 一、CRM数据仓库的功能 在客户关系管理中，数据库主要有以下几个方面的功能： 1.保留客户。目前公司都面临着客户流失很严重的问题，保留客户也就成了市场竞争的 一个重要内容。在客户中，并不是所有的客户都有保留价值，因此要通过数据库中的数据资 料分析出最有价值的客户，并针对这些客户制定相关的客户保留政策。 2降低管理成本。数据库的应用使数据的统一、规范管理成为可能，同时提供了快速、 准确的查询工具。这样可以大大地降低公司的管理成本。 3分析利润的增长。企业可以通过历史资料的趋势发现产品销售与客户关系管理的关系 以及利润增长同客户关系管理的关系。分析利润增长的最终目的还是促进利润增长。 4增强竞争优势。企业通过历史数据分析市场变化趋势，特别是客户需求的变化趋势， 可以及时改变产品性能以适应客户需求，有助于企业巩固并增强企业竞争优势。 5.性能评估。根据客户行为分析，企业可以准确地制定市场策略和市场活动。并根据对 客户尤其是重点客户的追踪分析过程和市场的反馈内容，企业可以通过改进和完善来满足市 场活动的需要。 二、CRM客户数据库的建设要求
与客户交互的渠道和企业的经营战略的结合。CRM 通过对客户关系数据进行深入、细致的 收集和分类，并采用数据库领域的分析技术，形成客户的统一视图，准确地了解用户行为， 从而根据其特点提供“一对一”的个性化服务。可见，数据库是 CRM 的一个核心技术。 三、数据仓库的结构 （一）数据仓库的一般结构 P220 （二）元数据 元数据(Metadata)是关于数据的数据。元数据包括了数据仓库的结构，数据存储信息， 数据提取、清洗和转换的规则，数据存取和检索的索引和配置等数据信息。元数据管理的主 要任务有两个方面：一是负责存储和维护元数据库中的元数据；二是负责数据仓库建模工具、 数据获取工具、前端工具之间的消息传递，协调各模块和工具之间的工作。 四、数据仓库中的两个重要概念 （一）数据粒度 数据粒度有两种形式。第一种形式的数据粒度是面向 OLAP(联机分析处理)的。粒度的大 小反映了数据仓库中数据的综合程度。粒度越小，数据越详细，数据量也就越大。第二种形 式的数据粒度是面向数据挖掘的，它反映的是抽样率。 （二）数据分割 将大量数据分成独立的、较小的单元进行存储，以提高数据处理效率。常见的数据分割 包括以下几种形式：垂直分割、水平分割、图解分割。 第二节 CRM 中的客户数据仓库 一、CRM 数据仓库的功能 在客户关系管理中，数据库主要有以下几个方面的功能： 1.保留客户。目前公司都面临着客户流失很严重的问题，保留客户也就成了市场竞争的 一个重要内容。在客户中，并不是所有的客户都有保留价值，因此要通过数据库中的数据资 料分析出最有价值的客户，并针对这些客户制定相关的客户保留政策。 2.降低管理成本。数据库的应用使数据的统一、规范管理成为可能，同时提供了快速、 准确的查询工具。这样可以大大地降低公司的管理成本。 3.分析利润的增长。企业可以通过历史资料的趋势发现产品销售与客户关系管理的关系 以及利润增长同客户关系管理的关系。分析利润增长的最终目的还是促进利润增长。 4.增强竞争优势。企业通过历史数据分析市场变化趋势，特别是客户需求的变化趋势， 可以及时改变产品性能以适应客户需求，有助于企业巩固并增强企业竞争优势。 5.性能评估。根据客户行为分析，企业可以准确地制定市场策略和市场活动。并根据对 客户尤其是重点客户的追踪分析过程和市场的反馈内容，企业可以通过改进和完善来满足市 场活动的需要。 二、CRM 客户数据库的建设要求
在建立和维护客户关系管理系统的过程中，客户数据仓库占有重要的地位。在企业中， 客户数据可能存在于定单处理、客户支持、营销、销售、查询系统等各个环节或部门，产生 这些数据的系统是专门为特定的业务设计的，并拥有关于客户的部分信息。客户数据库的建 立可以把这些信息集成起来。在客户数据库的建设过程中通常有以下几点需要注意： (一)客户数据的集成 客户数据库需要把企业内外的客户数据集成起来，从不同信息源中对客户进行分析、识 别，并寻找这些客户之间的相互关系。因此，在客户数据库的建设过程中要求数据库具有集 成客户信息的功能。 (二)确保客户信息的准确性 由于获得客户信息有多种渠道和方式，得到客户信息的质量很难得到保证。因此，利用 有效的工具来保证客户信息的准确性也是对客户数据库提出的一项难度很高的要求。 (三)数据及时更新 由于客户数据仓库的记录并不是及时添加的，而是成批加入的，因此数据的同步更新问 题也是对客户数据库的一个挑战。合理的做法是，在保留已有数据的基础上，每次更新时都 加入新的数据。 三、数据仓库建设的基本步骤 数据仓库的模型设计包括企业模型设计、概念模型设计、逻辑模型设计、物理模型设计 4个过程。(1)企业模型设计：将企业中各个角度的数据需求综合并抽象得到的数据模型， 包括E-R模型和对象模型：(2)概念模型设计，包括了两个方面，一是确定主题及主题所涉 及的对象：二是进行技术准备工作：(3)逻辑模型设计，包括分析主题域、确定粒度划分层 次、确定数据分割策略、定义关系模式、定义数据抽取模型；(4)物理模型设计，包括数据 结构类型的确定、索引结构的确定、数据存放位置的确定、数据存储分配的优化。 第三节 数据挖掘技术 数据挖掘技术是一种数据分析技术，是通过分析数据发现数据内部的信息和知识的过程， 也是客户关系管理中必不可少的数据处理技术之一。 一、数据挖掘的概念 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中提取人们感兴 趣的知识，这些知识是隐含的、事先未知的、潜在有用的信息。它是一个交叉学科，涉及了 多个学科的思想和方法，比如数据库系统、数理统计学、人工智能和信息科学。 二、CRM数据挖掘的流程 CRM中的数据挖掘可以分为以下几个步骤： (一)确定分析和预测目标 确定分析和预测的目标相当于需求分析，主要是明确业务目标。在CM中，数据挖掘 的目的通常是找到重点客户、分析客户的购买习惯或购买规则等
在建立和维护客户关系管理系统的过程中，客户数据仓库占有重要的地位。在企业中， 客户数据可能存在于定单处理、客户支持、营销、销售、查询系统等各个环节或部门，产生 这些数据的系统是专门为特定的业务设计的，并拥有关于客户的部分信息。客户数据库的建 立可以把这些信息集成起来。在客户数据库的建设过程中通常有以下几点需要注意： （一）客户数据的集成 客户数据库需要把企业内外的客户数据集成起来，从不同信息源中对客户进行分析、识 别，并寻找这些客户之间的相互关系。因此，在客户数据库的建设过程中要求数据库具有集 成客户信息的功能。 （二）确保客户信息的准确性 由于获得客户信息有多种渠道和方式，得到客户信息的质量很难得到保证。因此，利用 有效的工具来保证客户信息的准确性也是对客户数据库提出的一项难度很高的要求。 （三）数据及时更新 由于客户数据仓库的记录并不是及时添加的，而是成批加入的，因此数据的同步更新问 题也是对客户数据库的一个挑战。合理的做法是，在保留已有数据的基础上，每次更新时都 加入新的数据。 三、数据仓库建设的基本步骤 数据仓库的模型设计包括企业模型设计、概念模型设计、逻辑模型设计、物理模型设计 4 个过程。（1）企业模型设计：将企业中各个角度的数据需求综合并抽象得到的数据模型， 包括 E-R 模型和对象模型；（2）概念模型设计，包括了两个方面，一是确定主题及主题所涉 及的对象；二是进行技术准备工作；（3）逻辑模型设计，包括分析主题域、确定粒度划分层 次、确定数据分割策略、定义关系模式、定义数据抽取模型；（4）物理模型设计，包括数据 结构类型的确定、索引结构的确定、数据存放位置的确定、数据存储分配的优化。 第三节 数据挖掘技术 数据挖掘技术是一种数据分析技术，是通过分析数据发现数据内部的信息和知识的过程， 也是客户关系管理中必不可少的数据处理技术之一。 一、数据挖掘的概念 数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中提取人们感兴 趣的知识，这些知识是隐含的、事先未知的、潜在有用的信息。它是一个交叉学科，涉及了 多个学科的思想和方法，比如数据库系统、数理统计学、人工智能和信息科学。 二、CRM 数据挖掘的流程 CRM 中的数据挖掘可以分为以下几个步骤： （一）确定分析和预测目标 确定分析和预测的目标相当于需求分析，主要是明确业务目标。在 CRM 中，数据挖掘 的目的通常是找到重点客户、分析客户的购买习惯或购买规则等
(二)建立数据挖掘库 首先要进行收据收集：然后对数据进行描述：从数据中选取建立和检验数据挖掘模型需 要的数据；对选择的数据进行数据清理，将整理后的数据存入数据挖掘库。 (三)分析数据 对数据挖掘库中的数据进行分析，比如计算数据的平均值、标准差等统计信息，以便发 现数据的分布规律，针对数据挖掘分析目标选择合适的变量和记录。 (四)建立模型 是选择合适的方法和算法对数据进行分析，得到一个数据挖掘模型的过程。建立模型是 一个反复进行的过程，需要不断地改进或更换算法以寻找对目标分析作用最明显的模型，最 后得到一个最合理、最适用的模型。 (五)模型评估与验证 为了保证模型的有效性和可用性，对模型的测试也是一个反复进行的过程。对其评估应 考虑模型的准确性、可理解性和性能等几个方面。 (六)模型实施 模型的实施有两种情况。一种是将数据挖掘模型得到的结果提供给信息需求者，以辅助 管理者的决策：另一种是保留模型，是类似问题所用的模型。 在模型的使用过程中，随着时间及环境的变化，还应对模型进行重新测试，并对模型进 行相应的修改，这就是模型的维护过程。 三、数据挖据在CRM中的商业价值 (一)数据挖掘在客户分类中的应用 客户分类将所有客户分成不同类的过程，对客户分类有利于针对不同类型分别制定客户 服务策略。 客户分类可以采用聚类的方法。聚类方法是一种自然聚集的方式，在数据挖掘之前并不 知道客户可以分为几类，只是根据要求确定分成几类，然后对每类中的数据进行分析，归纳 出相同类别中的客户相似性或共性。 客户分类可以对客户的消费行为、消费心理进行分析。针对不同行为模式的客户提供不 同内容的产品，针对不同消费心理的客户采取不同的促销手段等。 (二)数据挖掘在客户识别中的应用 识别客户是企业发现潜在客户、获取新客户的过程。企业为了获取客户的信息，必须采 取一些必要的手段（如网上调查、问卷等），这些信息包括客户地址、年龄、收入、职业、 购买习惯等。通过信息分析哪些类型的人最可能成为企业的客户，然后有针对性地设计广告、 确定宣传地点、策略等。 (三)数据挖掘在客户保留中的应用 客户识别是获取新客户，而客户保留是留住老客户、防止客户流失。由于企业对老客户
（二）建立数据挖掘库 首先要进行收据收集；然后对数据进行描述；从数据中选取建立和检验数据挖掘模型需 要的数据；对选择的数据进行数据清理，将整理后的数据存入数据挖掘库。 （三）分析数据 对数据挖掘库中的数据进行分析，比如计算数据的平均值、标准差等统计信息，以便发 现数据的分布规律，针对数据挖掘分析目标选择合适的变量和记录。 （四）建立模型 是选择合适的方法和算法对数据进行分析，得到一个数据挖掘模型的过程。建立模型是 一个反复进行的过程，需要不断地改进或更换算法以寻找对目标分析作用最明显的模型，最 后得到一个最合理、最适用的模型。 （五）模型评估与验证 为了保证模型的有效性和可用性，对模型的测试也是一个反复进行的过程。对其评估应 考虑模型的准确性、可理解性和性能等几个方面。 （六）模型实施 模型的实施有两种情况。一种是将数据挖掘模型得到的结果提供给信息需求者，以辅助 管理者的决策；另一种是保留模型，是类似问题所用的模型。 在模型的使用过程中，随着时间及环境的变化，还应对模型进行重新测试，并对模型进 行相应的修改，这就是模型的维护过程。 三、数据挖掘在 CRM 中的商业价值 （一）数据挖掘在客户分类中的应用 客户分类将所有客户分成不同类的过程，对客户分类有利于针对不同类型分别制定客户 服务策略。 客户分类可以采用聚类的方法。聚类方法是一种自然聚集的方式，在数据挖掘之前并不 知道客户可以分为几类，只是根据要求确定分成几类，然后对每类中的数据进行分析，归纳 出相同类别中的客户相似性或共性。 客户分类可以对客户的消费行为、消费心理进行分析。针对不同行为模式的客户提供不 同内容的产品，针对不同消费心理的客户采取不同的促销手段等。 （二）数据挖掘在客户识别中的应用 识别客户是企业发现潜在客户、获取新客户的过程。企业为了获取客户的信息，必须采 取一些必要的手段（如网上调查、问卷等），这些信息包括客户地址、年龄、收入、职业、 购买习惯等。通过信息分析哪些类型的人最可能成为企业的客户，然后有针对性地设计广告、 确定宣传地点、策略等。 （三）数据挖掘在客户保留中的应用 客户识别是获取新客户，而客户保留是留住老客户、防止客户流失。由于企业对老客户
的信息掌握得比较详细，而对潜在客户的信息掌握得很少，所以对企业来说获取一个新客户 的成本远比保留一个老客户的成本高很多。另一方面，市场竞争的激烈性使得客户保留成为 企业面临的一个重要难题。 在客户保留中，要对已经流失的客户进行数据分析，找到流失客户的行为模式，分析流 失的原因。及时调整服务策略，采取相应的措施挽留老客户。挽留一个老客户，竞争对手就 减少了一个新客户，流失一个客户就为竞争对手增添了一个新客户。因此，客户保留是客户 关系管理中极为重要的一个部分。 (四)数据挖掘在客户忠诚度分析中的应用 客户忠诚度的提高是企业客户关系管理的一个重要目标。忠诚度高的客户不断购买企业 产品或服务，不论产品或服务的质量是否是最好的、价格是否是有折扣。企业获得一个忠诚 客户无疑会大大降低成本，同时提高企业的竞争力。 数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。主要是 运用时间序列模型中的趋势分析方法。包含了趋势走向、周期变化等几个方面的分析。了解 客户在过去一段时间内的消费周期变化情况，同时预测客户在未来一段时间内的消费趋势。 (五)数据挖掘在客户盈利率分析中的应用 客户盈利率是一个定量评价客户价值的指标。企业可以运用数据挖掘技术预测在不同的 市场竞争环境和活动环境下客户盈利率的变化。找到那些“高价值”的客户，进行更深层和 更细致的客户关系管理。 (六)数据挖掘在个性化营销中的应用 个性化营销是在客户分类的基础上进行的。针对不同类别的客户，企业可以采用不同的 政策和销售方式。比如企业按照客户对产品的偏好对客户进行分类，得到了几组客户，他们 分别对电子产品、食品、服装最感兴趣，那么企业可以将相关的广告发到相对应的客户邮箱 中，由于客户得到的是自己感兴趣的产品宣传，他们不会将广告当成垃圾邮件，而且很有可 能去尝试了解一下该产品，这样降低了企业宣传工作量和成本，而且还满足了客户的个性化 需求。 四、数据挖掘的应用P236一237 本章复习题： 1、数据仓库模型设计包括哪几个过程？ 2、简述数据挖掘方法的分类及没种方法的内容。 3、CRM中数据挖掘的应用体现在哪几个方面？ 4、简述ROLAP与MOLAP之间的关系
的信息掌握得比较详细，而对潜在客户的信息掌握得很少，所以对企业来说获取一个新客户 的成本远比保留一个老客户的成本高很多。另一方面，市场竞争的激烈性使得客户保留成为 企业面临的一个重要难题。 在客户保留中，要对已经流失的客户进行数据分析，找到流失客户的行为模式，分析流 失的原因。及时调整服务策略，采取相应的措施挽留老客户。挽留一个老客户，竞争对手就 减少了一个新客户，流失一个客户就为竞争对手增添了一个新客户。因此，客户保留是客户 关系管理中极为重要的一个部分。 （四）数据挖掘在客户忠诚度分析中的应用 客户忠诚度的提高是企业客户关系管理的一个重要目标。忠诚度高的客户不断购买企业 产品或服务，不论产品或服务的质量是否是最好的、价格是否是有折扣。企业获得一个忠诚 客户无疑会大大降低成本，同时提高企业的竞争力。 数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。主要是 运用时间序列模型中的趋势分析方法。包含了趋势走向、周期变化等几个方面的分析。了解 客户在过去一段时间内的消费周期变化情况，同时预测客户在未来一段时间内的消费趋势。 （五）数据挖掘在客户盈利率分析中的应用 客户盈利率是一个定量评价客户价值的指标。企业可以运用数据挖掘技术预测在不同的 市场竞争环境和活动环境下客户盈利率的变化。找到那些“高价值”的客户，进行更深层和 更细致的客户关系管理。 （六）数据挖掘在个性化营销中的应用 个性化营销是在客户分类的基础上进行的。针对不同类别的客户，企业可以采用不同的 政策和销售方式。比如企业按照客户对产品的偏好对客户进行分类，得到了几组客户，他们 分别对电子产品、食品、服装最感兴趣，那么企业可以将相关的广告发到相对应的客户邮箱 中，由于客户得到的是自己感兴趣的产品宣传，他们不会将广告当成垃圾邮件，而且很有可 能去尝试了解一下该产品，这样降低了企业宣传工作量和成本，而且还满足了客户的个性化 需求。 四、数据挖掘的应用 P236—237 本章复习题： 1、数据仓库模型设计包括哪几个过程？ 2、简述数据挖掘方法的分类及没种方法的内容。 3、CRM 中数据挖掘的应用体现在哪几个方面？ 4、简述 ROLAP 与 MOLAP 之间的关系