CRM系统:数据仓库对商业银行CRM的支持研究
312 构建数据仓库的步骤
(1) 工程启动(Solution Startup) 。在建设数据
仓库初始, 商业银行的决策者和参与者需要明确工
程的目标、确定整个其工作范围、作初步的计划和
风险分析、确定工程组的组织结构。
(2) 需求发现(Business Discovery) 。作为整个
工程的关键, 在需求发现阶段需要业务人员的积极
参与, 以发现和确认业务需求、问题和驱动因素,
在如何正确利用数据仓库来满足业务需要、解决业
务中存在的问题, 以及利于客户的业务发展等方
面, 提出一套有效的策略和方法。
(3) 系统基础架构规划( Infrastructure Plan2
ning) 。进行系统基础架构规划, 需要收集包括技术
标准、现阶段IT 架构、应用情况、组织结构等方
面的客户信息。通过与未来的架构进行对比, 确定
技术、网络和技能等方面存在的差距, 作为规划系
统建设和相关支持工作的基本依据。
(4) 方案概要(Solution Outline) 。方案概要阶
段提出花费、进度和风险等影响工程投资决策相关
信息。在此阶段将分析客户现阶段业务功能、业务
流程、IT 情况等各个方面, 建立数据的概念模型、
逻辑模型、业务流程模型, 分析数据源信息、数据
质量, 勾画测试、培训和系统配置策略, 计划原型
测试。因为数据仓库建设的特殊性和复杂性, 工程
不仅包括系统建设和应用开发, 还涉及很多其他部
门及分行。
(5) 宏观设计(Macro - Design) 。宏观设计阶
段将设计出一个完备的应用框架, 保证各个建设版
本的开发周期和总体质量。应采用渐进式开发方
式, 这种开发方式使得开发者可以在比较短的周期
按优先次序实现部分需求, 一方面降低工程风险,
减少开发中的难度, 另一方面又可以节省资金, 充
分发挥效益。
(6) 微观设计(Micro - Design) 。微观设计阶段
是反复式开发中开发每个版本的三个阶段的开始阶
段。通过对在前面方案概要和宏观设计中的成果的
进一步精练, 对系统进行更加详细的设计, 以细化
到可以直接付诸编码实施的程度。需要针对具体的
系统平台, 依据分析模型建立实际的应用模型, 包
括数据的物理模型。
(7) 构造周期(Build Cycle) 。依据每个版本的
目标将开发细分为多个构造周期, 并明确每个周期
的具体目标。在每个构造周期又包含了多个编程周
期以实现构造周期的每个具体目标。在构造周期阶
段将渐进地开发和测试数据仓库系统直到实现版本
的设计目标。
(8) 发布(Deployment) 。发布阶段, 将进行系
统的验收测试、用户培训、设置运行环境、安装和
设置系统, 进行运行准备, 切换上线。同时回顾项
目计划, 为下一个版本的开发做好准备。
313 前端报表生成和业务分析工具
前台用户工具我们选用Websphere【4】、Visual2
Age for Java【5】和Brio 。Brio 产品是一个数据仓库的
前端分析工具, 利用这个工具用户可以很容易地访
问OLAP Server 中经过处理的数据, 制作各种形式、
风格的分析报表, 报表内容可以包括数字、图象、
曲线等, 使得管理层可以直接、直观地查看商业银
行的经营情况【6】。利用Websphere 和VisualAge for
Java 可以快速开发一个友好的、易于操作的、结构
清晰的、功能完善的用户界面, 它适于开发对数据
库的访问处理, 并且能够将对多维数据库的访问处
理集成在一起,
314 商业银行数据仓库的多维模型
由于商业银行的业务信息复杂, 信息使用者较
多, 信息提取和分析的角度也各不相同, 这样形成
信息分析主题途径的多样性和多维性, 所以, 根据
商业银行CRM 分析主题的需要, 从数据仓库的应
用层抽取相关的数据形成多维模型, 多维模型的建
立可以通过DB2 OLAP Server【7】的Application
Manager【8】进行。利用DB2 OLAP Server 的强大分析
功能, 给最终用户提供在线多维分析的功能, 能够
让最终用户从多个视角充分观察和挖掘数据中包含
的信息。
在建立多维模型时, 既要考虑到如何体现主
题, 又要考虑到适当的维数, 尽量使结构紧凑。一
个多维模型按一般的经验来看, 最好不要超过10
个维。因为当维数太多时, 其各维交叉数据的计算
量将成指数倍增长, 多维数据库也将随之增大, 这
样即耗存储资源、又占用过多的CPU 时间, 且响
应查询速度减慢。当显示的分析结果过于复杂时,
前台人员也难于理解。所以一定要仔细分割需求功
能, 巧妙组合, 在保证充分展示主题的同时, 尽量
控制每个多维数据模型的维数。
4 数据仓库容量的扩展及安全性
411 数据仓库容量的扩展
数据仓库的特点是要积累历史的数据, 也就是
说数据量通常都比较大, 所以通常需要比较大的存
储设备。当数据容量达到存储设备容量的一定比例
时, 可以考虑购买更多的存储设备, 或者将一些历
史数据(如三年以上的数据) 转移到二级存储设备
上(如磁带或光盘) 。
除了容量的扩展, 当数据积累到一定程度, 以
及用户数量的增加, 对系统的压力将会增加【9】。这
时候可以采用硬件升级的方法, 提高服务器(例如
RSP6000) 的性能; 或采用组成MPP 的方法, 采用
多台服务器形成一个MPP 系统, 如图4 所示。
图4 数据仓库扩展示意图
412 数据仓库的安全性
数据仓库系统是一个信息管理系统, 所以必须
保证信息的安全性。严格的授权管理, 灵活的权限
组合。
(1) 安全级别的管理原则。①总行领导可查看
所有信息; ②各级机构及人员只能查看所辖范围内
信息及同级的部分汇总信息; ③根据人员职能不
同, 可以分组授权, 也可以单独授权;
(2) 安全级别的技术实现。①数据分析模型权
限管理机制。系统管理员可以根据实际需要对不同
的多维分析模型授予不同的用户或用户组, 只有授
权的用户才能看到此多维数据库中的数据, 例如:
总行部门负责人的权限控制在其职能范围内的多维
数据分析模型上, 使其只能访问自己职能管辖范围
内的数据。②前端分析工具的权限管理机制。前端
分析工具也应授权控制, 可以使用SSL 加密协议,
加强客户端浏览器到Web 服务器的通讯信道的安
全性, 包括服务器认证, 客户端认证, 对信息加密
等安全措施。
5 结 语
数据仓库系统可以实现商业银行核心业务、外
挂产品等系统的, 数据抽取、清洗、加载和转换
(ETL) , 实现全行账户、客户和交易数据及所有历
史数据的集中统一存放和管理, 整合商业银行的所
有数据。这种企业级的数据仓库环境, 对商业银行
建立CRM, 具有重要意义, 可以极大改善商业银
行的营销流程, 提高营销效率, 降低营销成本, 为
商业银行带来持续的经济效益。
参考文献
1 邵兵家,等编. 客户关系管理- 理论与实践[M] . 北京:清
华大学出版社,2004 :23 - 29.
2 陈京民. 数据仓库原理、设计与应用[M] . 北京:水利水电
出版社,2004 :66 - 73.
3 池太崴. 数据仓库结构设计与实施:建造信息系统的金字
塔[M] . 北京:电子工业出版社,2005 :12 - 17.
4 马超群,等. 金融数据挖掘[M] . 北京:科学出版社,2007 :
82 - 89.
5 于宗民,等. 数据仓库项目管理实践[M] . 北京:人民邮电
出版社,2006 :65 - 71.
6 张 吉吉. 数据挖掘及其在客户关系管理中的应用[M] . 上
海:复旦大学出版社,2007 :16 - 23.
7 袁 林. 基于数据仓库的辅助决策系统设计与实现[J ] .
电力系统自动化,2001 , (21) :101 - 123.
8 王彦龙. 企业级数据仓库( EDW) 原理、设计与实践[M] .
北京:电子工业出版社,2006 :35 - 43.
9 齐克蒙德,等著. 客户关系管理:营销战略与信息技术的
整合[M] . 胡左浩,等译. 北京:人民大学出版社,2005 :35
- 39. (责任编辑:徐 波)
强力推荐：
天柏客户关系管理系统
天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。
关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统