智能crm客戶管理系統(tǒng)的數(shù)據(jù)分析都有什么

申請免費試用、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)在與客戶交互活動時的“單千”現(xiàn)象，整合銷售、營銷和服務業(yè)務功能的一個企業(yè)經營策略，它需要企業(yè)全方位協(xié)調一致的行動。系統(tǒng)就是為了使企業(yè)能夠在恰當?shù)臅r間以恰當?shù)耐緩较蚯‘數(shù)目蛻籼岢銮‘數(shù)匿N售建議。也是一個信息工業(yè)術語，它指的是幫助企業(yè)有組織地管理其客戶關系的方法、軟件，尤其是互聯(lián)網能力。

　　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、與時間相關的、不可修改的數(shù)據(jù)集合。與其他數(shù)據(jù)庫應用不同的是，數(shù)據(jù)倉庫更像一種過程，對海量復雜、 分散的企業(yè)數(shù)據(jù)進行抽取、清潔和轉換，建立一個整合的、標準化、結構化的數(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，它能將分布在企業(yè)網絡中的不同商業(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，起到決策支持的作用。

　　(1)面向智能CRM客戶管理的數(shù)據(jù)倉庫的邏輯結構

　　數(shù)據(jù)倉庫能將海量復雜的企業(yè)客戶行為數(shù)據(jù)集中起來，建立一個整合的、 結構化的數(shù)據(jù)模型，在此基礎，上對數(shù)據(jù)進行標準化、抽象化、規(guī)范化分類及分析，為企業(yè)管理層提供及時的決策信息，為業(yè)務部門提供有效的反饋數(shù)據(jù)。數(shù)據(jù)倉庫的物理結構一般采用星型結構的關系數(shù)據(jù)庫，該結構由事務表和維表組成，多個維表之間形成多維數(shù)據(jù)結構，星型結構的數(shù)據(jù)體現(xiàn)了空間的多維性。

　　(2)實現(xiàn)數(shù)據(jù)倉庫的工具

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

　　關系數(shù)據(jù)庫。數(shù)據(jù)倉庫使用關系數(shù)據(jù)庫技術作為其設計、結構和維護的基礎。SQLServer 2005的核心組件是強大的、全功能的關系數(shù)據(jù)庫引擎。

　　數(shù)據(jù)轉換服務。數(shù)據(jù)倉庫應用程序需要將來自許多源的數(shù)據(jù)轉換為聚合在一起的、一致的數(shù)據(jù)集，這些數(shù)據(jù)集經過了適當配置可用于數(shù)據(jù)倉庫操作。SQL Server 2005為這類任務提供了一個強大的工具，即數(shù)據(jù)轉換服務(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。

　　(1)數(shù)據(jù)預處理階段

　　數(shù)據(jù)預處理階段里，首先要正確地提出問題，明確本次操作的主要任務，這樣才能夠有針對性地進行數(shù)據(jù)挖掘。提出相關問題后就可以從銀行相關的業(yè)務數(shù)據(jù)庫里提取數(shù)據(jù)，并對數(shù)據(jù)進行數(shù)據(jù)抽取、清洗和匯總。在相關業(yè)務問題的領域知識的基礎上，導出、驗證、選擇和準備被要求用來論述問題的數(shù)據(jù)。數(shù)據(jù)的預處理需要大量的時間，因為數(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。數(shù)據(jù)分類是在數(shù)據(jù)挖掘開始時最重要的任務。

　　(2)模型設計階段

　　模型設計階段需要深入地檢查數(shù)據(jù)，并提取那些與問題最有關系的字段，要選擇一個數(shù)據(jù)挖掘的算法(神經網絡、規(guī)則歸納)以應用于數(shù)據(jù)。例如，通過對客戶的各種數(shù)據(jù)深入分析了解客戶的行為，建立模型，并對客戶未來的行為進行預測。最小化的細分一般需要將數(shù)據(jù)分為一個修整集和一個或者多個測試集。細分也可以包括使用聚合技術將數(shù)據(jù)分為基于普通特性的子集，然后分別分析每一個細分。

　　(3)數(shù)據(jù)分析階段

　　在前兩個階段的工作完成以后，數(shù)據(jù)分析階段就是對數(shù)據(jù)進行數(shù)據(jù)挖掘工作。在設計好模型之后針對本次數(shù)據(jù)挖掘的任務建立模型，將已選擇的數(shù)據(jù)挖掘工具應用于數(shù)據(jù)，最后至少用一個測試數(shù)據(jù)的獨立集來驗證這個模型。并且，這個模型的準確性和有效性能被有效地解釋和評估。