智能crm客戶管理系統(tǒng)的數(shù)據(jù)分析都有什么

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

 　　智能CRM客戶管理系統(tǒng)是為了消除企業(yè)在與客戶交互活動(dòng)時(shí)的“單千”現(xiàn)象，整合銷售、營銷和服務(wù)業(yè)務(wù)功能的一個(gè)企業(yè)經(jīng)營策略，它需要企業(yè)全方位協(xié)調(diào)一致的行動(dòng)。系統(tǒng)就是為了使企業(yè)能夠在恰當(dāng)?shù)臅r(shí)間以恰當(dāng)?shù)耐緩较蚯‘?dāng)?shù)目蛻籼岢銮‘?dāng)?shù)匿N售建議。也是一個(gè)信息工業(yè)術(shù)語，它指的是幫助企業(yè)有組織地管理其客戶關(guān)系的方法、軟件，尤其是互聯(lián)網(wǎng)能力。

　　一、系統(tǒng)數(shù)據(jù)分析

　　1、數(shù)據(jù)倉庫

　　數(shù)據(jù)倉庫是指在企業(yè)管理和決策中面向主題的、集成的、與時(shí)間相關(guān)的、不可修改的數(shù)據(jù)集合。與其他數(shù)據(jù)庫應(yīng)用不同的是，數(shù)據(jù)倉庫更像一種過程，對(duì)海量復(fù)雜、 分散的企業(yè)數(shù)據(jù)進(jìn)行抽取、清潔和轉(zhuǎn)換，建立一個(gè)整合的、標(biāo)準(zhǔn)化、結(jié)構(gòu)化的數(shù)據(jù)模型，形成全面、一致和面向決策的數(shù)據(jù)。

　　數(shù)據(jù)倉庫是一種管理技術(shù)，它能將分布在企業(yè)網(wǎng)絡(luò)中的不同商業(yè)數(shù)據(jù)集成到一起，為決策者提供各種類型的，有效的數(shù)據(jù)分析，起到?jīng)Q策支持的作用。

　　(1)面向智能CRM客戶管理的數(shù)據(jù)倉庫的邏輯結(jié)構(gòu)

　　數(shù)據(jù)倉庫能將海量復(fù)雜的企業(yè)客戶行為數(shù)據(jù)集中起來，建立一個(gè)整合的、 結(jié)構(gòu)化的數(shù)據(jù)模型，在此基礎(chǔ)，上對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、抽象化、規(guī)范化分類及分析，為企業(yè)管理層提供及時(shí)的決策信息，為業(yè)務(wù)部門提供有效的反饋數(shù)據(jù)。數(shù)據(jù)倉庫的物理結(jié)構(gòu)一般采用星型結(jié)構(gòu)的關(guān)系數(shù)據(jù)庫，該結(jié)構(gòu)由事務(wù)表和維表組成，多個(gè)維表之間形成多維數(shù)據(jù)結(jié)構(gòu)，星型結(jié)構(gòu)的數(shù)據(jù)體現(xiàn)了空間的多維性。

　　(2)實(shí)現(xiàn)數(shù)據(jù)倉庫的工具

　　使用Microsoft SQL Server 2005生成數(shù)據(jù)倉庫實(shí)現(xiàn)企業(yè)客戶智能CRM系統(tǒng)。Microsoft SQL Server 2005的功能和特點(diǎn)如下:

　　關(guān)系數(shù)據(jù)庫。數(shù)據(jù)倉庫使用關(guān)系數(shù)據(jù)庫技術(shù)作為其設(shè)計(jì)、結(jié)構(gòu)和維護(hù)的基礎(chǔ)。SQLServer 2005的核心組件是強(qiáng)大的、全功能的關(guān)系數(shù)據(jù)庫引擎。

　　數(shù)據(jù)轉(zhuǎn)換服務(wù)。數(shù)據(jù)倉庫應(yīng)用程序需要將來自許多源的數(shù)據(jù)轉(zhuǎn)換為聚合在一起的、一致的數(shù)據(jù)集，這些數(shù)據(jù)集經(jīng)過了適當(dāng)配置可用于數(shù)據(jù)倉庫操作。SQL Server 2005為這類任務(wù)提供了一個(gè)強(qiáng)大的工具，即數(shù)據(jù)轉(zhuǎn)換服務(wù)(DTS) 。DTS可以訪問來自各種不同源的數(shù)據(jù)。

　　2、數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘，又稱為數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn),就是從大量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。簡單地說，數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或“挖掘”知識(shí)。

　　(1)數(shù)據(jù)預(yù)處理階段

　　數(shù)據(jù)預(yù)處理階段里，首先要正確地提出問題，明確本次操作的主要任務(wù)，這樣才能夠有針對(duì)性地進(jìn)行數(shù)據(jù)挖掘。提出相關(guān)問題后就可以從銀行相關(guān)的業(yè)務(wù)數(shù)據(jù)庫里提取數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取、清洗和匯總。在相關(guān)業(yè)務(wù)問題的領(lǐng)域知識(shí)的基礎(chǔ)上，導(dǎo)出、驗(yàn)證、選擇和準(zhǔn)備被要求用來論述問題的數(shù)據(jù)。數(shù)據(jù)的預(yù)處理需要大量的時(shí)間，因?yàn)閿?shù)據(jù)必須是從系統(tǒng)中精選出來的，然后被匹配、篩選和分級(jí)。數(shù)據(jù)分類是在數(shù)據(jù)挖掘開始時(shí)最重要的任務(wù)。

　　(2)模型設(shè)計(jì)階段

　　模型設(shè)計(jì)階段需要深入地檢查數(shù)據(jù)，并提取那些與問題最有關(guān)系的字段，要選擇一個(gè)數(shù)據(jù)挖掘的算法(神經(jīng)網(wǎng)絡(luò)、規(guī)則歸納)以應(yīng)用于數(shù)據(jù)。例如，通過對(duì)客戶的各種數(shù)據(jù)深入分析了解客戶的行為，建立模型，并對(duì)客戶未來的行為進(jìn)行預(yù)測(cè)。最小化的細(xì)分一般需要將數(shù)據(jù)分為一個(gè)修整集和一個(gè)或者多個(gè)測(cè)試集。細(xì)分也可以包括使用聚合技術(shù)將數(shù)據(jù)分為基于普通特性的子集，然后分別分析每一個(gè)細(xì)分。

　　(3)數(shù)據(jù)分析階段

　　在前兩個(gè)階段的工作完成以后，數(shù)據(jù)分析階段就是對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘工作。在設(shè)計(jì)好模型之后針對(duì)本次數(shù)據(jù)挖掘的任務(wù)建立模型，將已選擇的數(shù)據(jù)挖掘工具應(yīng)用于數(shù)據(jù)，最后至少用一個(gè)測(cè)試數(shù)據(jù)的獨(dú)立集來驗(yàn)證這個(gè)模型。并且，這個(gè)模型的準(zhǔn)確性和有效性能被有效地解釋和評(píng)估。