CRM系統(tǒng)中的商業(yè)智能：模型和技術

申請免費試用、咨詢電話：400-8352-114

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和福州OA、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，福州OA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和福州OA、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(tǒng)內功能集成模塊；三是企業(yè)級應用協(xié)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(tǒng)的，例如：MIS、OA、福州OA等企業(yè)應用的構成，可以統(tǒng)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(xié)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(tǒng)，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(tǒng)。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(tǒng)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(tǒng)的解決方案，但它和傳統(tǒng)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。

圖1 典型商業(yè)智能解決方案

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(tǒng)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。圖2顯示了這樣一個模型的建立和使用過程。

圖2 一個銀行業(yè)客戶模型的建立和使用

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(tǒng)、商業(yè)智能系統(tǒng)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(tǒng)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(tǒng)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(tǒng)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(tǒng)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?？梢詺w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(tǒng)

一個基于商業(yè)智能的CRM系統(tǒng)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(tǒng)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(tǒng)內功能集成模塊和企業(yè)級應用協(xié)同集成模塊。前者協(xié)調CRM解決面向CRM中各部門的子模塊的數據交換和功能協(xié)調，后者則負責與企業(yè)的福州OA、SCM等生產管理系統(tǒng)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。客戶從服務層接受系統(tǒng)提供的功能和服務，并向系統(tǒng)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(tǒng)的工作流管理，工作流管理是CRM系統(tǒng)中的另外一個挑戰(zhàn)。前面已經花了相當篇幅論述系統(tǒng)模型和系統(tǒng)應用集成，事實上，在整個系統(tǒng)結構中，工作流管理系統(tǒng)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(tǒng)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。（萬方數據）