风力发电汽车广东海洋大学寸金学院
07国本4班
30号
夏煜昊
浅论CRM中的BI
内容摘要：在产品和管理高度同质化的背景下，客户资源成为企业最重要的资源。很多企业希望通过CRM，在整个公司实行以客户为中心的经营模式，以提高企业的核心竞争力，BI作为一项先进的数据处理技术，为CRM做出重要的促进作用。本论谨从BI的概念出发，围绕BI的应用范畴简要论述整合了BI在CRM中的内容体现，另外引入电信CRM中BI应用案例。 关键词：客户关系管理（CRM），商业智能（BI），BI实施步骤，电信CRM中的BI。
一 CRM的概念：客户关系管理(Customer Relationship Management,CRM)，最初的定义为企业商务战略，但随着IT技术的参与，CRM已经成为管理软件、企业管理信息解决方案的一种类型。
客户关系管理（CRM）有三层含义：
（1）体现为新态企业管理的指导思想和理念；
（2）是创新的企业管理模式和运营机制；
（3）是企业管理中信息技术、软硬件系统集成的管理方法和应用解决方案的总和。 其核心思想就是：客户是企业的一项重要资产，客户关怀是CRM的中心，客户关怀的目的是与所选客户建立长期和有效的业务关系，在与客户的每一个“接触点”上都更加接近客户、了解客户，最大限度地增加利润和利润占有率。
二 CRM的范畴
CRM的功能可以归纳为三个方面：对销售、营销和客户服务三部分业务流程的信息化；与
客户进行沟通所需要的手段（如电话、传真、网络、Email等）的集成和自动化处理；对上面两部分功能所积累下的信息进行的加工处理，产生客户智能，为企业的战略战术的决策作支持。
其主要模块以及功能见附件1。
三 BI的概念：粘胶带商业智能（Business Intelligence， BI），又称商业智慧或商务智能，指用现代数据仓库
技术、线上
分析处理
技术、数据挖掘
和数据展现
技术进行数据分析
以实现商业价值
。 商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库
车载电视机到分析型系统等。 四 BI在CRM中的应用范畴
1数据仓库（Data Warehouse，DW）：把分布在企业网络中不同信息岛上的商业数据集成到一起，存储在一个单一的集成关系型数据库中。利用这种集成信息，可方便用户对信息的访问，更可使决策人员对一段时间内的历史数据进行分析，研究事物发展的趋势。
从功能结构分析，数据仓库系统至少包含数据获取，数据存贮，数据访问3个部分。
（1）数据获取：删除对决策应用没有意义的数据段，转换到同一的数据名称和定义，计算统计和衍生数据，给缺值数据赋予缺省值，同一不同的数据定义方式。
（2）数据访问：数据查询和报表工具，应用开发工具，经理信息系统工具，在线分析工具，数据挖掘工具。
（3）数据存储：是DW的核心部分，用于存储数据，提供对海量数据的支持和检索技术。
数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。
2联机分析处理（On-Line Analytical Processing,OLAP）：使分析人员、管理人员或者执行人员能够从多种角度对原始数据中转化出来、能够真正为用户所理解的、并且真实反映企业维特性的信息进行快速、一致、交互的存取，从而获得对数据的更升入了解的一类软
件技术。
OLAP包括三部分内容：
（1）数据层:实现对企业操作数据的抽取、转换、清洗和汇总，形成信息数据，并存储在企业级的中心信息数据库中。
（2）应用层：通过联机分析处理，甚至是数据挖掘等应用处理，实现对信息数据的分析。
（3）表现层:通过前台分析工具，将查询报表，统计分析，多维联机分析和数据发掘的结论展现在用户面前。
3数据挖掘(Data Mining，DM):按企业既定业务目标，对大量的企业数据进行探索和分析，结实隐藏的，未知的或验证已经的规律性，并将其进一步将其模型化的先进有效的方法。
简而言之，DM是一类深层次的数据分析方法，隶属于数据库中最重要的一个步骤。
其典型结构如下；
五 BI的实施步骤
实施商业智能系统是一项复杂的系统工程,整个项目涉及企业管理, 运作管理, 信息系统, 数据仓库, 数据挖掘, 统计分析等众多门类的知识. 因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功. 商业智能项目的实施步骤可分为:
(1) 需求分析: 需求分析是商业智能实施的第一步, 在其他活动开展之前必须明确的定义企
业对商业智能的期望和需求, 包括需要分析的主题, 各主题可能查看的角度(维度); 需要发现企业那些方面的规律. 用户的需求必须明确.
(2) 数据仓库建模:通过对企业需求的分析, 建立企业数据仓库的逻辑模型和物理模型,并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类.
(3) 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中, 在抽取的过程中还必须将数据进行转换, 清洗, 以适应分析的需要.
(4) 建立商业智能分析报表: 商业智能分析报表需要专业人员按照用户制订的格式进行开发, 用户也可自行开发(开发方式简单,快捷) .
(5) 用户培训和数据模拟测试: 对于开发—使用分离型的商业智能系统, 最终用户的使用是相当简单的, 只需要点击操作就可针对特定的商业问题进行分析.
(6) 系统改进和完善: 任何系统的实施都必须是不断完善的. 商业智能系统更是如此, 在用户使用一段时间后可能会提出更多的,更具体的要求, 这时需要再按照上述步骤对系统进行重构或完善
BI处理流程图：
六商业智能系统
典型的商业智能系统有： 客户分析系统、菜篮分析系统、反系统、反系统、客户联络分析系统、市场细分系统、信用计分系统、产品收益系统、库存运作系统以及与商业风险相关的应用系统等。
目前国内市场主要商业智能软件厂商有：微软、菲奈特、和勤、金蝶、用友、IBM、Power-BI、ORACLE、SAP、SAS、Sybase、Analyzer.
提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等。
其中Microsoft 商业智能方案提纲展示见附件二。
七 BI的问题
cnc真空吸盘怎么做 1. 数据过多而信息太少
2. 难以交互分析、了解各种组合
3. 难以挖掘出潜在的规则
4. 难以追溯历史，数据形成孤岛
八CRM应用BI成功案例——BI应用推动电信CRM升级
随着国内电信市场竞争的日趋激烈，市场形式及客户行为习惯的变化，电信企业关注的焦点逐渐从改进内部运作转移到更多地关注客户上来。由于要将更多的注意力集中到客户身上，企业开始再度寻求技术上的帮助。正是在这样一种形势下，客户关系管理系统成为电信企业新一轮IT建设的重点。
一般情况下，按照CRM系统的功能把CRM系统分为三类，即协作型、操作型和分析型CRM。
分析型CRM，往往叫做BI(商业智能)，将包括以上两种系统的功能，并同时提供商业智能的能力，最终使得运营商将宝贵的客户信息转变为客户知识，将企业原有的客户信息管理系统提升到客户知识管理系统的高度。通过建立数据仓库、运用数据挖掘、商业智能等技术手段，对大量的客户信息进行分析，可以让运营商更好地了解客户的消费模式，并对客
户进行分类(如根据客户的当前贡献与潜在贡献，寻对电信运营商最为重要的大客户)，从而能针对客户的实际需求制订相应的营销战略，开发出相应的产品或服务，更好地满足客户的需求。这也是业界经常谈的“大规模定制”及“一对一营销”模式的核心思想。
升级一：客户细分
在粗放式经营时代，对于新业务、新产品的推广一般采用遍地撒网式推广，给所有的客户推介所有的新业务。或者是采用守株待兔的方式，通过各种媒体轰炸式宣传，被动地接受用户服务请求。
但采用客户细分的手段则是通过聚类算法，将客户分成不同的客户，识别这些不同客户的消费习惯和消费特征，有针对性地作新业务推介，实现对称营销，达到销售成本最小化的目的。纳米铂金
包括客户背景属性(性别、年龄、职业、教育程度、收入)，行为属性(计费时长、平均呼叫时长、呼叫次数、漫游呼叫次数、非漫游呼叫次数、呼叫时间、长途方式、国内长途呼叫次数、国际长途呼叫次数、高额呼叫次数、联系号码个数、活动地区数等)，账务属性(付
费方式、欠费等级、信用额度、月均缴费额、套餐计划、优惠方式等)，客户扩展属性(消费层次、信用度、客户价值、活跃程度等)。通过这样的聚类对客户分，使电信对客户总体构成有准确认识，对客户的营销更具针对性。
升级二：客户价值分析半透明纸
从客户的收入、成本、未来增长趋势三个角度出发，计算每位客户创造的收入、占用的成本和未来利润增长趋势。由此，可以明确地评估什么客户是优质客户，什么客户是有潜力的客户。客户价值分析的目的是将客户通过价值实现分级，并为不同级别的客户制订不同的服务标准，给不同服务级别的用户提供差异化的服务，将有限的服务资源用来为最有价值的客户提供服务。
升级三：客户流失分析
客户流失预测：通过离网调研和数据挖掘，捕捉客户离网前的特征，预测客户流失的概率。这对于优质客户的保护是十分重要和有效的分析手段。
对于客户流失预测，从两个方面来看：一个是客户流失预警，一个是流失客户特征分析。
客户流失预警：电信定义了统一的预警模型，根据预警模型，客户话单数据中自动匹配预警数据，预警模型可以按如下规则定义，并且可以灵活扩展。流失客户特征分析：通过决策数算法，分析流失客户特征，然后通过这些特征得到当前在网客户中匹配流失概率高的客户数据。通过客户流失分析获得流失客户数据和潜在流失客户数据，从而将这些数据分配给客户服务部门，整合销售服务资源，根据客户的需求，设计个性化的营销策略，快速反应，以此达到召回流失客户，挽留流失概率高的客户，实现对客户的守护。
参考文献：
郑正中 ——《中国商业智能的应用特点》
吕成哲 赵晓明 王起伟——《浅谈数据挖掘理论》
林海金 ——《以客户为中心：BI技术助推电信业CRM升级》
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议