CRM系统:数据仓库在CRM中的应用研究

3.3.1 数据准备 在此过程中, 分析人员收集贷款担保系统中存储的大量历 史数据, 包括序号﹑客户标识﹑姓名﹑性别、贷款记录﹑逾期状态﹑ 还款状态﹑贷款日期等数据。并把他们整理成如下数据:姓名、 身份证号、贷款日期、逾期开始时间、资产类型、付款方式、逾期 金额等数据, 并把这些数据集成连同借款人的特征数据等基本 信息集成在数据仓库中。 3.3.2 数据挖掘 ( 1) 预测型数据挖掘方法。这类方法主要指分类与回归。分 类方法用来预测某一个样本属于哪一种类型, 回归方法是通过 已知变量来预测其他变量的值。实现技术有决策树、神经网络 和朴素贝叶斯等。 ( 2) 描述型数据挖掘方法。该方法包括聚类和关联及序列 模式挖掘算法。聚类算法是基于数据的相似度对其归类。聚类 可以用来建立贷款中心对借款人服务指标评价模型, 以及客户 群体的细分模型, 适用算法有模糊C- 均值、最近邻居算法和自 组织映射神经网络算法。 3.3.3 聚类实例 现以某贷款中心对客户满意度调查的数据为例, 将服务的 特征指标分为4个, 分别为选择服务要素的客户人数占总数比 例K1; 客户给服务要素的累计打分与客户总人数之比K2; 对服 务较满意的客户人数比例K3; 对服务不满意的客户人数比例 K4。 设定服务要素分类数n=4; 第A类, 非常重要因素; 第B类, 重要因素; 第C类, 一般因素; 第D类, 次要因素。 以上聚类结果显示:当前客户对办理状态及时回馈情况及 接待前台服务水平的因素最关心, 此类服务要素为A类; 其次 是对各项配套服务较为重视; 对其它服务( 如工作人员精神面 貌) 不太重视。 4 结束语 企业计算作为一个涉及知识管理、业务流程再造和企业信 息化的概念看起来非常复杂, 其实它最基础的是一整套数据仓 库客户资料系统。因此, 实施和运用企业计算领域的系统, 应该 从最基础的应用开始, 将客户基础数据管理好、服务好和应用 好。很显然, 如果没有数据仓库技术的支持, CRM、ERP等应用 软件的实用价值将会大打折扣。只有融合了数据挖掘技术的高 效的客户关系管理才能更好地适应当今信息时代及其网络化 特征, 成为现代企业在激烈的市场竞争中制胜的关键。 参考文献: [ 1] 彭木根.数据仓库技术与实现[M] .北京:电子工业出版社, 2002. [ 2] 徐洁磐.数据仓库与决策支持系统[M] .北京:科学出版社, 2005. [ 3] 邵峰晶, 于忠清.数据挖掘原理与算法[M] .北京:中国水利水电出 版社, 2003. [ 4] Han J iawei, Kamber M.数据挖掘概念与技术[M] .北京:机械工业 出版社, 2001. [ 5] 夏安邦.对当前CRM研究的综述和讨论[ J] .中国制造业信息化, 2004( 5) . ( 责任编辑: 袁月) 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