CRM系统:数据仓库在酒店CRM 系统中的应用研究

［摘要］在酒店客户关系管理系统中，要实现对大量客户数据的有效分析和利用，需要建立一个面向分析的多维数据仓库模型，实现从多个角度显示和分析客户数据，为进行数据挖掘提供基础。本文中根据酒店CRM 系统的需求，设计了数据仓库的事实表和各维度表，并采用星型和雪花型相结合的多维数据模式构建了酒店CRM 系统的数据仓库模型。［关键词］CRM 数据仓库星型模式雪花型模式引言近几年，随着我国国民经济的迅速增长，酒店数量不断增加、客源更加丰富多样化、市场更加广阔多渠道，酒店业面临着日趋激烈的竞争环境和不断攀升的客户期望。要想在竞争中取得优势，必须积极寻求扩大酒店销售、改进服务质量、降低管理成本、改善客户关系和提升客户满意度的有效的信息化手段来增强酒店的核心竞争力。酒店的管理者已经逐渐认识到酒店的所有活动都应该以客户为中心，需要依靠现代化的辅助手段随时对客户进行分析，掌握客户的动态变化趋势。传统的酒店管理信息系统往往是以财务管理为设计主线，仅能够对酒店一段时间的盈利状况或客房占用情况做出分析，而忽略了对决定酒店盈利高低的关键因素———客户的注意，因此将CRM系统应用到酒店行业中对于酒店的管理者而言是一个很好的解决方案。 1. 酒店CRM 系统客户关系管理（Customer Relationship Management，CRM）的基本思想是“以客户为中心”，其定义可以简单概括为：利用软件、硬件和网络技术，为企业建立一个客户信息收集、管理、分析和利用的信息系统。适合于酒店的CRM系统可以有效地帮助酒店正确识别客户价值、改善客户关系、提高客户满意度、降低管理成本，从而使酒店在竞争中取得优势。目前，国内多数酒店已经建立了简单的信息管理系统，员工利用该系统可以处理一些简单、琐碎、重复性的工作，如在前台接待部门，可执行入住登记、收银、查询、结帐、报表生成等多种功能。CRM系统可以建立在酒店原有的管理信息系统的基础上，使客户信息在酒店前台、客房服务、餐饮、娱乐、会议、财务等各个部门充分共享，并提取客户信息，重点实现对客户信息的整理和分析，并用于支持酒店决策，将酒店的客户资源转化成酒店收益。酒店CRM系统最主要的任务是实现对大量客户数据的收集、整理、分析和有效利用。作为一个面向客户的信息管理系统，对数据有特殊的需求。如果直接以酒店的管理信息系统数据库为基础，在大量无用数据的干扰下，将使得客户数据的提取与操作异常困难；另一方面，操作型环境数据表是根据操作的实际需要决定，表之间的关联错综复杂，在分析时需要建立与大量数据表之间的连接，降低了分析的时间性能，不适应数据分析的需要。所以建立一个为CRM系统提供服务的数据仓库是必需的，数据仓库中完备的、经过组织的大量数据为进行客户分析提供了良好的基础。 2. 数据仓库 2.1 数据仓库简介数据仓库(DataWarehouse)是计算机和数据库技术应用到一定阶段的必然产物。随着计算机应用的不断深入，企业的运营环境逐渐转化为以数据库为中心，在企业的数据库中往往存储着大量信息数据，企业的业务人员希望能够快速地、交互地、方便有效地从大量杂乱无章的数据中获取有意义的信息，而决策者则希望能够利用现有数据来指导决策和发掘竞争优势。但是，传统数据库不能实现上述要求，于是必须将用于事务处理的数据环境和用于数据分析的数据环境分开，也就是使原来由单一数据库为中心的数据环境发展为以操作型关系数据库为中心的数据处理系统和以数据仓库为中心的数据分析系统。数据仓库的概念是在1991 年由美国著名信息工程学家WilliamH.I. 博士提出的，将其定义为：“数据仓库是在企业管理和决策中面向主题的、集成的、与时间无关的、不可修改的数据集合”。数据仓库也是一个数据库，大部分都是基于关系型数据库管理系统的设计，它精简并整合了来自于异地、异构的数据源或数据库（如CRM数据库、ERP 数据库等）的原始数据，为有关部门或企业进行全局范围的战略决策和长期趋势分析提供了有效的支持。数据仓库系统由数据处理、数据仓库管理和分析工具三部分组成，其结构如图1 所示：图1 数据仓库结构示图 ⑴数据处理数据仓库有多个数据源，包括企业内部数据（生产、技术、财务、设备、销售等）、市场调查与分析及各种文档之类的外部数据。这些原始的 “粗数据”有很多信息是并不需要的，因此要对它们进行抽取、加载、转换和清洗等必要的处理。其中数据抽取是指从数据源中提取出对数据分析有用的数据；数据转换是指当数据来源不同而造成数据格式不统一时要将数据转换成统一的数据格式；数据清洗是指消除加载到数据仓库中的原始数据中错误的、无效的、不一致的地方。 ⑵数据仓库管理数据仓库本身的内容包括数据、元数据及自身日志等。其中元数据是描述数据仓库特性的数据，主要用它创建、维护、管理和使用数据仓库。数据仓库管理的主要任务包括批处理作业管理，数据安全管理，数据冲突解决，数据质量核查，管理数据仓库元数据的更新，数据删除与复制，备份与恢复等，从而为保证数据仓库的正常运转提供基本的管理环境。 ⑶分析工具数据仓库的分析工具包括用于完成实际决策问题所需要的各种查询检索工具、基于多维数据库的OLAP 分析工具、数据挖掘工具等。数据仓库应用是一个典型的C/S 结构，其客户端的工作包括客户交互、格式化查询及结果和报表生成等。服务器端完成各种辅助的SQL 查询、复杂的计算和各种综合功能等。目前普遍采用的形式是三层结构，即在客户与服务之间增加一个多维数据分析服务器。基于多维数据库的在线分析工具———OLAP 可以帮助高级用户从精细、多维、复杂的角度分析数据，但它与数据挖掘工具不同。OLAP 工具是一种数据访问工具，是对历史数据进行统计并有效地向系统用户显示。它只是提供“事实数据”，即回答是什么的问题，对今后的预测则完全由用户靠自己的“人脑”判断。使用OLAP 工具，首先要建立OLAP 分析数据库，对数据仓库中的数据进行预处理，比如将月份统计值（总和、平均、最低、最高等）以记录的方式先存放在OLAP 数据库中，当用户切换视图时可以利用这些现存的数据提高系统的反应速度。OLAP 工具能加强和规范决策支持的服务工作，集中和简化原客户端和数据挖掘的部分工作，降低系统数据传输量，提高工作效率。目前，支持OLAP的数据库有多维数据库和多关系数据库（即支持多维特性的关系数据库），虽然两种数据库采用不同的数据库模式，但目的都是为了将预处理的结果以合理的方式储存，以供OLAP 工具使用。 2.2 数据仓库的多维数据模型数据仓库中，可以对数据进行多维化处理，构成多维数据模型，它是数据分析时用户的数据视图，是面向分析的数据模型。多维数据模型包括事实、维和粒度。其中，事实是分析的目标数据；维是事实信息的属性，也是考察数据的角度，每一个维都有一个表与之相关联，称为维表，它进一步描述维的属性；粒度是维划分的单位，也就是明细的程度，可以用超立方体结构来表示事实、维和粒度的关系。所以在数据仓库系统中的统计分析就统一归结为:从不同的角度(维)、不同的层次(粒度)来观察分析数据(事实)。多维数据模型有以下两种基本模式： ⑴星型模式：星型模式是最常见的数据仓库实现模式，由一个不含冗余数据的大规模中心表（事实表）和一组小的附属表（维度表）构成。其中，维度表只与事实表发生联系，而各个维度表之间没有直接关系，事实表中包含了所有维度表的外键，这些外键指向各维度表的首键。在星型数据关系模型中，事实表的每个维度都有深度的索引，用户查询时先用体积小的多的维度去过滤很大的事实表，首先获得较小的相关数据集，从而减少数据查询的数量，提高查询速度。 ⑵雪花型模式：雪花型模式是对星型模式的扩展，每个维度表都可以向外连接到多个详细类别表，即子维度表，详细类别表在有关维度上对事实表进行详细描述，达到缩小事实表、提高查询效率的目的。由于采用标准化和较低的粒度，雪花模式在执行查询时需要更多的连接操作，所以可能降低浏览的性能。 3. 酒店CRM 数据仓库的建立 3.1 数据仓库的数据源数据仓库是面向主题的，酒店CRM系统要实现的目标是通过对酒店的客户关系进行分析来评价酒店的客户满意度、衡量客户价值和细分客户群。酒店CRM系统数据仓库的数据源主要包括酒店各个部门收集到的各方面的客户信息数据，酒店硬件设施统计数据，另外还有社会调查、外部信息等外部数据。将这些数据源中符合分析需要的客户信息数据（包括客户资料数据、消费数据、活动数据等）从客户关系管理数据库中提取出来，经过清洗与转化，并存入数据仓库，就得到了CRM分析的基础数据集。在此基础上对数据进行标准化、抽象化、规范化分类和分析，为酒店的管理层提供及时的决策支持，为各个业务部门提供有效的反馈数据。 3.2 数据仓库中各表的设计 ⑴事实表的设计事实表反映的是分析的目标，酒店CRM系统主要针对酒店的客户关系进行分析，因此建立客户关系事实表，该表包括客户号（Customer_ ID）、客户住宿关键字（Load_ID）、客户消费关键字（Expense_ID）、客户满意度关键字（Satisfaction_ID）等字段。 ⑵维度表的设计在酒店CRM系统中共有四个主维度，即直接与事实发生联系的维度，分别是客户信息维度（Customer）、客户消费维度（Expense）、客户住宿维度(Load)和客户满意维度(Satisfaction)。另外还有五个子维度，分别是客户通讯维度（Address）、客户资料维度（Resource）、酒店服务维度（Service）、酒店客房维度（Room）和时间维度（Time）。五个子维度表分别与相应的主维度表相连， 3.3 酒店CRM数据仓库模型的设计本系统中采用星型和雪花型相结合的模式构建的酒店CRM的数据仓库模型，四个主维度表直接与事实表相联系，五个子维度表