载入中…
公告栏:
当前位置: 中国商业智能网 >> 专家 >> 杨林 >> 文章正文
智能CRM系统构建及相关核心问题
作者:杨林    来源:本站原创    点击数:    时间:2007-3-11
【摘要】客户知识应用于企业面向客户的决策所产生的效果或能力,可称为客户智能。客户智能体系具备了进行有利于客户知识产生、分发和利用的企业建模的能力,目的是建立一个高效的、快速反应的、科学决策的、以客户为中心的组织架构。当面对一个现有的企业组织架构时,可能需要运用BPR(业务流程重组)的思想。

客户知识应用于企业面向客户的决策所产生的效果或能力,可称为客户智能。客户智能体系具备了进行有利于客户知识产生、分发和利用的企业建模的能力,目的是建立一个高效的、快速反应的、科学决策的、以客户为中心的组织架构。当面对一个现有的企业组织架构时,可能需要运用BPR(业务流程重组)的思想。

  此外,客户智能体系还应该为客户知识的产生、分发、使用创造一个具有可操作性的系统环境。这个系统环境就是客户智能系统(CIS)。

  构建客户智能系统(CIS)

  客户智能系统是企业实现客户智能的物理基础,而一个科学的客户智能系统要求能管理整个客户智能的生命周期。从客户智能生命周期的四个阶段可以归纳出客户智能系统框架的结构,如图1所示:

  



  整合的客户数据

  居于客户智能系统核心的必须是整合的客户数据。使用 数据仓库和数据集市建造集成的数据环境正逐步走向成熟,也是目前最理想的做法。数据仓库提供数据存贮环境,而且是面向特定主题的决策支持环境。来自各种数据源中的数据经过清洗、 ETL(Extract、 transform、Load:抽取、转换、装载),按某一主题存贮。数据集市是面向特定主题的小型数据仓库,解决了企业级数据仓库要存储大量数据而带来的建设周期长、造价高、可扩展性差等缺陷。文献把构建的基于数据仓库的客户数据集成环境称为客户数据仓库(Customer-Centric Data warehouse,简称CCDW)。

  数据仓库的特点之一是能够ETL、整合来自于大量异构系统的数据,包括外部数据。通过整合来自多个接触渠道的客户数据,数据仓库向企业展示客户的属性、所有历史行为记录等信息。

  在工具层,除使用ETL工具将源客户数据整合到CCDW中去外,数据仓库专家还使用数据清理工具清除客户数据中的不清洁的数据。数据建模工具用来设计CCDW或客户数据集市的数据模型。

  客户数据分析和知识发现

  在整合的客户数据基础上,业务人员使用分析工具分析这些数据,来理解客户偏好、客户档案、客户分类、客户消费模型等分析信息。

  用来分析客户数据的分析工具可以被归纳为三大类:报表工具能向业务人员提供一般客户行为的标准报表;查询和 OLAP(联机分析处理)分析用来验证假设,其工作机理是让分析人员从CCDW中寻找模式(Pattern),或让系统返回一系列符合条件的客户名单;客户知识发现自动从客户消费行为中发掘模式,这些模式允许分析专家建立预测客户未来消费的模型或规则。

  OLAP是基于数据仓库环境的数据分析工具。用户(企业)首先提出自己的假设,然后利用OLAP工具检索查询以验证或否定假设,是一种用户制动式的分析方式。OLAP解决了OLTP(联机事务处理)分析效率低、不能进行多维分析的缺点。相比较而言,知识发现较难被理解,它利用知识发现工具挖掘事先未知的、潜在有用的客户知识,是一种主动式自动发现方法。

  基于客户知识的应用系统

  业务人员利用分析阶段发现的客户知识来建立针对每一个接触点或客户交互系统的应用规则,这些系统包括商业活动管理、Call Center以及Web个人化工具。

  规则的分配目前来讲,人工处理会更有效。客户智能追求客户知识的智能化分配和使用,当前最成功的莫过于基于Web的应用。Web个人化工具自动从商业活动和分析工具中抽取规则,从而建立基于Web的智能化的客户自助服务。

  接触点应用和操作型数据存储(ODS)

  接触点应用(touch applications)是企业建立的、用来直接与客户交互的应用系统。一个企业的客户可能会有上千万个,为了优化与这么多客户的交互,企业采用了ODS技术,将客户记录和行为建议实时地发送到需要的接触点上。ODS存储了当前和最近的数据,支持业务部门对一段时间范围内的操作和事务数据做决策支持和分析。ODS仅存储了与客户接触有关的CCDW数据的一部分,它被用来管理客户交互。从这一点讲,ODS架起了客户智能系统中的分析型处理和事务型处理的桥梁。

  该框架具有以下特点:

  ◆支持事务处理与分析处理的闭合循环;

  ◆以客户数据仓库为中心,支持实时客户数据操作的同时,支持历史数据的分析处理;

  ◆基于商业对象的系统建设,便于系统/组件的重用、维护。

  几个核心问题

  客户智能系统是以当今计算机前沿技术为支撑、运用现代管理技术进行指导的应用系统,但客户智能系统的构架并非一蹴而就,系统架构师需要清楚以下涉及支撑技术、体系结构和应用系统三方面的问题,才能保证建设的客户智能系统的科学性和先进性。

  支撑技术的问题

  客户智能作为一个跨越多学科的新兴领域,必须借鉴两方面的先进成果,一是计算机前沿技术。包括:数据仓库、数据集市技术;知识发现技术;OLTP、OLAP、Legacy等分析技术;数据可视化技术;计算机网络与WEB技术等。先进的计算机技术是提高系统性能的有力手段。二是企业管理方面的新理论、新观点。包括:统计、预测等运筹学方法;客户管理、供应链管理、企业资源计划等管理理论和方法;企业建模方法等。企业管理方面的新理论、新观点为战略制订和决策提供先进的管理模式,优化企业运营方式。

  支撑技术的研究主要围绕两部分展开:企业建模方法研究和决策支持工具研究。企业建模是解决如何建立特定企业模式的辅助工具、方法。其中,商业对象作为客户智能系统中间应用层的核心,可以在企业建模过程中逐渐生成、细化。决策支持工具的研究则包括对各种分析方法的研究。其中,对 数据挖掘算法的研究是目前计算机界研究的热点之一,它逐渐成为一个跨越人工智能、数据统计等多学科的研究领域。

  体系结构的问题

  图1描述了一个典型的客户智能系统体系结构。面向特定的应用,客户智能的体系结构会有所改进,以使系统与具体的业务相符。例如:建立何种数据存贮和数据模型能很好地支持主题,支持客户数据分析和客户知识发现的需要;选择何种决策分析工具;将发现的客户知识通过何种接口传送给相应的用户等等,都需要实际情况结合起来考虑。

  应用系统的问题

  应用系统研究的重点在于对各个应用领域所面临的面向客户的决策问题的分析。根据各类问题的解决方式和解决方案的需要来决定客户智能系统应该提供的功能以及具体实现方法。目前,随着 商业智能被广泛应用于与企业运营过程相关的各个领域,并且在很多领域已经形成其特有体系(比如企业资源计划( ERP)、客户关系管理( CRM)、企业绩效管理(BPM)、人力资源管理(HRM)、供应链管理( SCM)、电子商务(E-business)等),客户智能理论和方法可以渗透到这些应用领域,从而形成面向特定应用的客户智能系统,如CRM、销售自动化(SFA),等等。

  CRM系统中的客户智能

  必须清楚,CRM系统作为一种应用,是本文图1所描述的客户智能系统中的一种。客户智能实现了客户互动的自动化、智能化。所以,有些类型的CRM系统可能不具备较多的“智能化”,但仍属于一种客户智能系统。

  规划CRM系统

  结合图1的客户智能系统框架,可以从三个层面来规划CRM系统:操作层面、分析层面和统一视图层面(图2)。三层的关系为:统一视图层面为操作层面和分析层面提供数据支持;操作层面为统一视图层面收集数据,将分析层面的决策支持结果加以执行;分析层面为操作层面提供技术支持、算法支持和企业建模支持。

  



  按以上框架构建的CRM系统具有以下特点:

  首先,强大的决策分析功能和整合的客户数据,是CRM系统科学、正确地实现客户智能的灵魂。决策分析的主题体现了客户智能理论基础所涉及的所有内容,如利益率分析、忠诚度分析、消费行为分析、渠道有效性分析等,这些分析的结果(客户知识)指导企业如何更有效地满足客户需求和期望。同时,对企业来讲,这不但实现了从以产品为中心到以客户为中心的战略转变,而且使其对客户的策略做出相应转变,如采用有益于提高客户满意与忠诚的营销策略、注重客户生命周期价值而不是一、二次交易的收益等。

  其次,CRM系统创造了使客户价值最大化的决策和分析能力。CRM系统通过规范客户数据来测量客户的需求和潜在消费、衡量客户满意度和忠诚度、评估客户带给企业的价值,以及提供管理报告、建议和完成各种业务的分析方法。并将分析结果反馈给管理层和企业各职能部门,以便领导者权衡信息,做出全面、及时的商业决策。

  CRM所实现的客户智能

  可以认为,图2中的分析层面和统一视图层面是客户智能在CRM系统中的主要体现。CRM系统中的客户智能可以概述为,为了支持创造客户价值而进行的绩效和财务分析。消费行为学认为,客户关系有一个从开始到结束的生命周期,CRM系统应该实现对客户生命周期全过程的客户关系管理。因此,CRM系统的基础流程可总结为:客户获取、客户接触、客户保留和客户增值这样四个流程。客户智能的本质是创新、使用客户知识创造客户价值。在CRM系统的所有基础流程中,客户智能实现了对客户生命周期的不同阶段的支持。图2中的逻辑结构大致反应了客户智能与CRM系统基础流程之间的这种支持关系。表1总结了CRM系统中所实现的客户智能。

  影响客户智能系统实施的因素

  客户智能系统利用知识发现技术不断发现新的客户知识,并将其扩充到现有的企业知识中来。但就目前企业应用现状和算法实现上来看,制约客户知识发现的因素较多,同时也影响了CIS的性能。

  系统智能的实现尚欠火候

  现有数据挖掘算法大多尚不成熟,效率较低。另外,作为客户智能数据基础的数据仓库或数据集市中的数据量一般比较大,新客户知识形成的速度和准确性比较低,致使现有的CIS在知识发现方面的能力不能满足用户要求。

  缺乏系统工具

  目前大多数CIS的功能集中在数据分析方面,如数据查询、报表、OLAP、数据可视化等,很少有开发商在系统中配有知识发现工具。因此功能比较集中,而更深一层次的要求无法满足。

  无法脱离组织结构的支持

  一个管理信息系统的成功应用,必须同时具备合理的组织结构和信息结构这两个坚实的基础,CIS也不例外。CIS成功实施的必要前提是IT技术与相关部门业务流程的有效集成。这种集成意味着企业以客户为中心,以IT技术为手段的再组织(re-organization)和再设计。所以必要时,企业需要引进管理咨询服务,实施BPR(业务流程重组)。企业的再组织再设计包括以下内容的改变:

  ◆企业文化的改变:对企业产生利润的不仅是产品,还包括客户,并且后者更重要。企业的营销活动应以建立长期的客户关系为目标,而不仅仅是短期行为。

  ◆业务度量和业务动机的改变:这种改变反应了企业文化的改变。营销部门的业务不仅仅围绕获取新的客户,老客户的保留变得更加重要;IT技术不仅要关心如何建设一个功能上符合CIS(如CRM系统)要求的系统框架,而且要求能够测量出IT对建立客户关系的贡献的大小,并能够以此度量CIS成功的程度。

  如果企业实施CIS的动机是建立在各部门各自的利益之上,而不是适应面向客户为中心的商业哲理、文化和战略,那么CIS就缺少了合理的组织结构基础。这种合理的组织结构是用一个共享的、更加整合的工作流和信息流代替原先集中的部门流程。由此,企业变成一个统一的组织,来有效预测客户需求、管理客户价值、简化企业运作流程。这种合理的组织结构的建设就是BPR思想在客户智能体系中的应用。

  建设一个具有科学的信息技术结构、可操作性强的客户智能系统是实施客户智能的显著特征之一。为此,围绕客户智能系统的实施,需要构画一个科学的客户智能系统的框架。同时,该框架需要结合先进的信息管理实现技术,具有较强的操作性和前瞻性,以使其对客户智能系统的开发产生启发作用。

责任编辑:朱莉   
 
  • 上一篇文章:

  • 下一篇文章:
  • 发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
    ChinaBI版权、投稿与免责申明:
    1)凡本网署名文字、图片和音视频稿件,版权均属中国商业智能网所有。任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本网协议授权的媒体、网站,在下载使用时必须注明稿件来源:中国商业智能网,违者本网将依法追究责任。
    2)本网注明“本站来源处不写本站原创”的文章均为转载稿,本网转载出于传递更多信息之目的。如本网转载稿涉及版权等问题,请作者速来电或来函与本网联系。
      网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)
    最新热点
    最新推荐
    网站合作、内容监督、商务咨询、投诉建议 电话:0512-62861389  邮箱:chianbi@126.com
    Copyright 2004-2014 中国商业智能网版权所有   |    苏 ICP 备 13004727 号