客户关系管理第9章 CRM中的数据管理技术.ppt

第九章 CRM中的数据管理及技术 李志刚 本章学习目标 1.掌握和理解数据仓库的概念以及数据仓库与数据库的区别。 2.理解元数据、数据粒度、数据分割的概念。 3.了解数据仓库的体系结构。 4.掌握和理解数据挖掘的概念及常用方法。 5.理解客户关系管理中数据挖掘的流程及作用。 6.了解OLAP的概念，以及ROLAP、MOLAP以及HOLAP之间的关系及区别。 第一节 数据仓库概述 一、数据仓库的概念 W.H.Inmon的定义：数据仓库是一个面向主题的、集成的(Integrated)、非易失的、随时间变化的数据集合，用于支持管理决策。 该定义指出了数据仓库的四个特性：面向主题的特性；集成性；非易失性；时变性。 二、数据库与数据仓库的区别 第二节 数据仓库的结构 一、数据仓库的体系结构 二、元数据在数据仓库环境中的重要地位 元数据（Metadata）是关于数据的数据。 元数据的存储包括了数据仓库的结构、数据存储信息、数据提取、清洗和转换的规则、数据存取和检索的索引和配置等数据信息。 元数据管理的主要任务有两个方面：一是负责存储和维护元数据库中的元数据；二是负责数据仓库建模工具、数据获取工具、前端工具等之间的消息传递，协调各模块和工具之间的工作。 三、数据仓库中的两个重要概念 （一）数据粒度 数据粒度有两种形式。第一种形式的数据粒度是面向OLAP(联机分析处理)的。粒度的大小反映了数据仓库中数据的综合程度。第二种形式的数据粒度是面向数据挖掘的，它反映的是抽样率。 （二）数据分割 数据分割就是将大量数据分成独立的、较小的单元进行存储，以提高数据处理效率。 常见的数据分割有以下几种形式： 垂直分割：垂直分割就是把一个表垂直分成两部分。 水平分割：水平分割就是把表按行分成两部分。 图解分割：经由多个分布系统把一个图分解成两部分。 第三节 CRM与客户数据仓库 一、 CRM与数据仓库的关系 CRM与数据仓库的关系也体现在以下几个方面。 （一）CRM的业务模型 （二）数据清洗与集成 (三)数据分析 二、 CRM数据仓库的功能 在客户关系管理中，数据仓库主要有以下几方面功能。 （一）保留客户 （二）降低管理成本 （三）分析利润的增长 （四）增强竞争优势 （五）性能评估 三、 CRM数据仓库的系统结构 四、客户数据仓库的建设要求 （一）客户数据的集成 （二）确保客户信息的准确性 （三）数据及时更新 第四节 数据挖掘技术 一、数据挖掘的概念 数据挖掘（Data Mining，DM）是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的、潜在有用的信息。 二、数据挖掘的客户关系管理中的作用 客户分类也是一项重要的工作。通过分类与聚类方法将具有相同行为（比如储蓄、贷款）的客户分为一组。进而针对不同组的成员提供不同的金融服务、贷款政策等。还可以建立预测模型对客户的贷款偿还能力进行预测，针对不同偿还能力的客户提供相应的贷款额上限。 三、 CRM数据挖掘的流程 （一）确定分析和预测目标 （二）建立数据挖掘库 （三）分析数据 （四）建立模型 （五）模型评估与验证 （六）模型实施 四、数据挖掘在CRM中的商业价值 （一）数据挖掘在客户分类中的应用 （二）数据挖掘在客户识别中的应用 （三）数据挖掘在客户保留中的应用 （四）数据挖掘在客户忠诚度分析中应用 （五）数据挖掘在客户盈利率分析中应用 （六）数据挖掘在个性化营销中的应用 五、常见数据挖掘工具软件介绍 数据挖掘工具主要有两大类：一类是应用于特定领域的专用数据挖掘工具，另一类是应用面较广的通用数据挖掘工具。 常用的数据挖掘软件工具主要有SAS?Enterprise?Miner、IBM?Intelligent?Miner、Oracle?Darwin、SPSS?Clementine、Unica?PRW、SGI?MineSet等软件。 第五节 联机分析处理技术 一、联机分析处理的概念 （一）OLAP的相关概念 （二）多维数据模型上的OLAP操作 ⒈切片 ⒉数据切块