0 引言

    企業通過實施客戶關系管理，可以降低成本，增加收入，提高業務運作效率。對于每一個面臨競爭的公司，數據倉庫是必須最終擁有的市場武器。通過它可以更多地了解客戶的需求以及處理這些需求的方法。數據挖掘能夠對將來的趨勢和行為進行預測，從而很好地支持人們的決策。作為專門管理企業前臺的客戶關系管理為企業提供了一個收集、分析和利用各種客戶信息的系統，幫助企業充分利用其客戶管理資源，也為企業在電子商務時代從容自如地面對客戶提供了科學手段和方法。建立和維持客戶關系是取得競爭優勢的唯一的最重要的基礎， 這是網絡化經濟和電子商務對傳統商業模式變革的直接結果。

1 客戶關系管理（CRM）

    1.1 內容

    CRM的概念由美國Gartner集團率先提出。我們認為，CRM是辨識、獲取、保持和增加“可獲利客戶”的理論、實踐和技術手段的總稱。它既是一種國際領先的、以“客戶價值”為中心的企業管理理論、商業策略和企業運作實踐，也是一種以信息技術為手段、有效提高企業收益、客戶滿意度、雇員生產力的管理軟件。

    客戶關系管理（CRM）源于以“客戶為中心”的新型商業模式，是一種旨在改善企業與客戶之間關系的新型管理機制。通過向企業的銷售、市場和客戶服務的專業人士提供全面、個性化的客戶資料，并強化跟蹤服務、信息分析的能力，使他們能夠協同建立和維護一系列與客戶和生意伙伴之間卓有成效的“一對一關系”，使企業得以提供更快捷和周到的優質服務、提高客戶滿意度、吸引和保持更多的客戶，增加營業額。通過信息共享和優化商業流程有效地降低企業經營成本。

    1.2 CRM解決方案的組成

    CRM作為企業管理系統軟件，通常由以下三部分組成：

    （1）網絡化銷售管理系統（Sales Distributor Management，SDM）。該模塊以市場和銷售業務為主導，對銷售的流程進行了詳細的管理，是銷售管理人員進行管理和銷售業務員銷售自動化的重要工具。它實現了銷售過程中對客戶的集中管理和協同管理，銷售管理人員可以隨時對銷售情況進行分析，具體功能包括客戶接待管理、報價單處理、銷售合同管理、回款單處理、綜合查詢功能、綜合統計功能。

    （2）客戶服務管理系統（Customer Service Management，CSM）。該模塊主要對企業的售后服務進行管理，加快售后服務的響應速度，提高客戶滿意度，對服務人員進行考核，加強對產品質量的監督。

    客戶服務系統最典型的代表就是呼叫中心環境，通過呼叫中心環境布署并且實現基于電話、Web的自助服務。它們使企業能夠以更快的速度和更高的效率來滿足其客戶的獨特需求。由于在多數情況下，客戶忠實度和是否能從該客戶身上贏利取決于企業能否提供優質的服務，因此，客戶服務和支持對許多企業就變得十分關鍵。

    （3）企業決策信息系統（Executive Information System，EIS）。隨著電子商務時代的到來， 各行各業業務操作流程的自動化，企業內產生了數以幾十或上百GB計的大量業務數據。這些數據和由此產生的信息是企業的財富，它如實地記錄著企業運作的本質狀況。但是面對如此海量的數據，迫使人們不斷尋找新的工具，來對企業的運營規律進行探索，為商業決策提供有價值的知識，使企業獲得利潤。能滿足企業這一迫切需求的強有力的工具就是數據挖掘。

    1.3 CRM的實施

    CRM項目的實施可以分為3步：①應用業務集成。將獨立的市場管理，銷售管理與售后服務進行集成，提供統一的運作平臺。將多渠道來源的數據進行整合，實現業務數據的集成與共享；②業務數據分析。對CRM系統中的數據進行加工、處理與分析這將使企業受益匪淺。對數據的分析可以采用OLAP的方式進行，生成各類報告。也可以采用業務數據倉庫（Business Information Warehouse）的處理手段，對數據做進一步的加工與數據挖掘，分析各數據指標間的關聯關系，建立關聯性的數據模型用于模擬和預測；③決策執行。依據數據分析所提供的可預見性的分析報告，企業可以將在業務過程中所學到的知識加以總結利用，對業務過程和業務計劃等做出調整。

2 數據挖掘

    2.1 什么是數據挖掘

    數據挖掘（data mining）是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解模式的非平凡過程。數據挖掘的廣義觀點：數據挖掘就是從存放在數據庫，數據倉庫或其它信息庫中的大量的數據中“挖掘”有趣知識的過程。數據挖掘，又稱為數據庫中知識發現（Knowledge Discovery in Database，KDD），也有人把數據挖掘視為數據庫中知識發現過程的一個基本步驟。知識發現過程由以下步驟組成：

    ①數據清理；②數據集成；③數據選擇；④數據變換；⑤數據挖掘；⑥模式評估；⑦知識表示。數據挖掘可以與用戶或知識庫交互。數據挖掘就是為順應這種需要應運而生發展起來的數據處理技術。在客戶關系管理（CRM）中，數據挖掘的應用是非常廣泛的。CRM中的客戶分類，客戶贏利率分析，客戶識別與客戶保留等功能都要借助數據挖掘來實現。

    2.2 數據挖掘在CRM中的應用

    比較典型的數據挖掘方法有關聯分析、序列模式分析、分類分析、聚類分析等。它們可以在以客戶為中心的企業決策分析和管理的各個不同領域與階段得到應用。

    2.2.1 關聯分析

    關聯分析，即利用關聯規則進行數據挖掘。關聯分析的目的是挖掘隱藏在數據間的相互關系，它能發現數據庫中形如“90％的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。

    2.2.2 序列模式分析

    序列模式分析和關聯分析相似，但側重點在于分析數據間的前后序列關系。它能發現數據庫中形如“在某一段時間內，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A→B→C出現的頻度較高”之類的知識。序列模式分析描述的問題是：在給定交易序列數據庫中，每個序列是按照交易時間排列的一組交易集， 挖掘序列函數作用在這個交易序列數據庫上，返回該數據庫中出現的高頻序列。在進行序列模式分析時，同樣也需要由用戶輸入最小置信度C和最小支持度S。

    2.2.3 分類分析

    設有一個數據庫和一組具有不同特征的類別（標記），該數據庫中的每一個記錄都賦予一個類別的標記，這樣的數據庫稱為示例數據庫或訓練集。分類分析就是通過分析示例數據庫中的數據，為每個類別做出準確的描述或建立分析模型或挖掘出分類規則，然后用這個分類規則對其它數據庫中的記錄進行分類。

    2.2.4 聚類分析

    聚類分析輸入的是一組未分類記錄，并且這些記錄應分成幾類事先也不知道，通過分析數據庫中的記錄數據，根據一定的分類規則，合理地劃分記錄集合，確定每個記錄所在類別。它所采用的分類規則是由聚類分析工具決定的。采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結果。

3 結束語

    應用數據挖掘技術，較為理想的起點就是從一個數據倉庫開始。這個數據倉庫，里面應保存著所有客戶的合同信息，并且還應該有相應的市場競爭對手的相關數據。數據挖掘可以直接跟蹤數據，輔助用戶快速作出商業決策。用戶還可以在更新數據的時候不斷發現更好的行為模式，并將其運用于未來的決策當中。