710 likes | 885 Views
第五章 电子商务企业管理方案. 客户关系管理 供应链管理 商务智能. 客户关系管理简述. CRM(Customer Relationship Management , 客户关系管理 ) ,是正在兴起的一种旨在健全、改善企业与客户之间关系的新型管理系统 CRM 核心思想是以“客户为中心”,提高客户满意度,改善客户关系,从而提高企业的竞争力 对 CRM 的定义,目前还没有一个统一的表述。但就其功能来看, CRM 是通过采用信息技术,使企业市场营销、销售管理、客户服务和支持等经营流程信息化,实现客户资源有效利用的管理软件系统. CRM 的产生. 需求的拉动的冲击
E N D
客户关系管理 供应链管理 商务智能
客户关系管理简述 • CRM(Customer Relationship Management,客户关系管理),是正在兴起的一种旨在健全、改善企业与客户之间关系的新型管理系统 • CRM核心思想是以“客户为中心”,提高客户满意度,改善客户关系,从而提高企业的竞争力 • 对CRM的定义,目前还没有一个统一的表述。但就其功能来看,CRM是通过采用信息技术,使企业市场营销、销售管理、客户服务和支持等经营流程信息化,实现客户资源有效利用的管理软件系统
CRM的产生 • 需求的拉动的冲击 • 来自销售人员的声音 • 来自营销人员的声音 • 来自服务人员的声音 • 来自顾客的声音 • 来自经理人员的声音 • 技术的推动 • 管理理念的更新 • 业务流程的重组(BPR) • 客户的重要性日益突出 • 网络化市场的主动权在客户方
CRM作为解决方案 • Internet和电子商务 • 多媒体技术 • 数据仓库和数据挖掘 • 人工智能和专家系统 • 呼叫中心及相应的硬件系统 • 专业咨询真正的CRM应做到 • 让客户更方便(Convenient) • 让客户更亲切(Care) • 让客户更觉个性化(Personalized) • 实时反应(real-time response)
CRM主要内容 • CRM的主要内容 • 客户分析 • 企业对客户的承诺 • 客户信息交流 • 一良好的关系留住客户 • 客户反馈管理 • CRM系统组成 • 客户概况(Profiling)分析子系统 • 客户利润(Profitability)分析子系统 • 客户性能(Performance)分析子系统 • 客户产品(Product)分析子系统 • 客户忠诚度(Persistency)分析子系统 • 客户未来(Prospecting)分析子系统 • 客户促销(Promotion)分析子系统
CRM的典型功能 • 客户关系管理的功能主要分为四大部分: • 客户信息管理 :整合记录企业各部门、每个人所接触的客户资料,并进行统一管理 • 市场营销管理:制订市场推广计划,并对各种渠道接触的客户进行记录、分类和辨识,提供对潜在客户的管理,并对各种市场活动的成效进行评价 • 销售管理:包括对销售人员电话销售、现场销售、销售佣金等管理,支持现场销售人员的移动通信设备或掌上电脑接入 • 服务管理与客户关怀:功能包括产品安装档案、服务请求、服务内容、服务网点、服务收费等管理信息,详细记录服务全程进行情况
IBM CRM的主要内容 • CRM解决方案的功能主要有三类: • 接入管理 :用来管理客户和企业进行交互的方式 • CRM流程管理 :CRM流程管理代表着与销售、服务、支持和市场相关的业务流程的自动化,主要包括销售自动化 、服务送达 、产品支持 和市场自动化 • 关系管理: 使用数据挖掘/数据仓库和复杂的分析功能, 贯穿于CRM解决方案关系管理的全过程,并具有全面的客户观念和客户忠诚度衡量标准和条件
客户关系管理 供应链管理 商务智能
SCM概念 • 供应链(supply chain)定义为相互间通过提供原材料、零部件、产品、服务的厂家、供应商、零售商等组成的网络 • 供应链管理(Supply Chain Management)则是对供应链中的信息流、物流和资金流进行设计、规划和控制,从而增强竞争实力,提高供应链中各成员的效率和效益 • SCM帮助管理人员有效分配资源,最大限度提高效率和减少工作周期
SCM与ERP • 供应链管理(SCM)应用是在企业资源管理(ERP)的基础上发展起来的 • ERP从概念上而言仅是对企业内部的资源进行调配与平衡 • SCM被作为ERP的外延和补充提出来,因为SCM不仅包括资源接收、生产制造过程的管理,还涉及产品交付过程等管理 • ERP是着重在交易处理(Transaction Base)的层面,SCM软件则着重在规划层面,而且它是从供应链的角度思考作整个供应链的管理
SCM的功能 • 订购管理:管理客户各种订购情况,如订货、收货、付款与否等 • 需求管理:从市场动态预测客户需求,以及材料补给计划等 • 供给管理:管理材料供应商的供给情况,如库存情况、价格、供给能力等 • 制造管理:管理产品的状况,如生产线、生产量、物流管理等
供应链流程观 • 周期的观点 • 推拉的观点
Oracle的供应链管理方案 • Oracle供应链管理系统主要包括: • 供应链计划 • 供给管理 • 物料管理 • 销售定单管理 • 售后客户服务 • 质量管理
客户关系管理 供应链管理 商务智能
智能电子商务的特征 • 核心业务与电子商务紧密结合 • 面向客户 • 个性化服务 • 商业智能 • 快速反应
如果数据是金钱,商务智能可以... 分析利润 发现销售机会 降低成本 P = R - C Existing Data Assets 产品或服务分析 目标市场/动态区隔
什么是商务智能? • 商务智能指收集、转换、分析和发布数据的过程,目的是为了更好的决策。 • 商务智能是指将数据转化为知识的过程。它包括捕获和分析信息,交流信息,以及利用这些信息开发市场。 Data Information Knowledge
商务智能在行业的应用 • 银行 • 客户利润分析 • 分支行利润分析 • 交叉销售 • 信用风险管理 • 新产品推销 • 收费策略 • 零售 • 地区/商店各种货物(品牌,分类等)销售业绩 • 定价和减价 • 市场篮子关系 • 市场需求预测 • 仓储规划 • 保险 • 欺诈管理 • 收费策略 • 目标市场活动 • 客户挽留 • 客户利润分析 • 通讯 • 客户忠实 • 客户流失模式 • 客户利润分析 • 竞争分析 • 欺诈管理
商务智能关键技术 • 数据仓库技术 • 联机分析处理技术OLAP • 数据挖掘技术 • 代理技术
数据仓库 • 数据仓库的最终目标是把企业范围内的所有数据集成在一个大仓库中,让用户能运行查询、产生报告、执行分析 • “数据仓库之父”Bill Inmon给的定义: 数据仓库就是一个用以更好地支持企业或组织的决策分析处理的,面向主题的,集成的,不可更新的,随时间不断变化的数据集合
数据仓库的特征 • 面向主题的:主题是一个在较高层次将数据归类的标准,每个主题基本对应一个宏观的分析领域 • 集成的:允许数据来自于跨组织和部门等不同数据源;集成的数据必须是一致的、用户看来是统一的数据视图 • 不可更新的:指一旦某个数据进入数据仓库后,一般情况下将被长期保留(反映历史数据内容) • 随时间不断变化:库中的信息系统地记录了企业从过去某一点到目前的各阶段的信息
数据仓库与数据库比较 • 不同点: —依据决策要求,只从数据库中抽取需要的数据, 并进行一定的处理 —数据仓库是多维的,即数据仓库的数据的组织 方式有多层的行和列 —支持决策处理(OLAP),不同于普通的事务处 理(OLTP) • 需要的数据库知识 —并行数据库技术:数据量很大 —高性能的数据库服务器:分析型的应用 —数据库互操作技术:数据来源多种多样
数据仓库的体系结构 仓库管理器 集 查 报告查询、应用开发和 EIS 工具 1 操作型数据源 成 询 管 管 元数据 高度综合数据 理 理 器 器 轻度综合数据 2 OLAP 操作型数据源 工具 细节数据 n 操作型数据源n 数据挖掘工具
Product ProductNo ProdName ProdDesc Category QOH 数据仓库建模 — 星型模式 Date • Example of Star Schema Date Month Year Sales Fact Table Date Product Store Store Cust StoreID City State Country Region Customer CustId CustName CustCity CustCountry unit_sales dollar_sales Yen_sales Measurements
Product ProductNo ProdName ProdDesc Category QOH Store StoreID City City City State State State Country Country Country Region 数据仓库建模 — 雪片模式 Example of Snowflake Schema Year Month Year Date Sales Fact Table Month Year Date Month Date Product Store Cust Customer CustId CustName CustCity CustCountry unit_sales dollar_sales Yen_sales Measurements
星形模式 时间维 事实表
多维模型 事实 时间维 时间维的属性 度量 (Metrics)
典型的数据仓库解决方案 • IBM数据仓库解决方案 • ORACLE数据仓库解决方案 • SAS数据仓库解决方案 • …...
IBM数据仓库解决方案 建立数据仓库包括以下阶段: • 数据抽取阶段:完成对各种数据源的访问 • 数据转换阶段:完成对数据的清洗、汇总、整合 • 数据分布阶段:完成对结果数据存储的分配 通常此三阶段紧密结合在一个产品中体现 • 数据仓库的存储:由DB2家族完成 • 数据的呈现:由不同产品完成不同的分析要求 • 管理和维护数据仓库中的数据: 交给Visual Warehouse
IBM数据仓库解决方案 • 前三个阶段(抽取、转换、分布):Visual Warehouse、Data Joiner、 Date Propagator • 数据仓库的存储由DB2家族产品来完成
IBM数据仓库解决方案 • 数据的呈现: • Approach可进行查询和统计分析 • IntelligentDecisionServer支持多维分析 • IntelligentMiner用于数据挖掘 • 用户查找和理解数据仓库中的数据:DataGuide
数据仓库解决方案是 产品。其示意图如下: ORACLE OracleOLAP Oracle Oracle Oracle 应用程序 OLAP Sales Financial Financial Analyzer Analyzer Controller Oracle Oracle 第三方 Oracle Oracle 工具 OLAP Express Web Express Express Discoverer 前端工 Agent Objects Analyzer 具 OLAP Server Oracle Express Server 其他传统的和外 关系型数据库 数据源 部数据库 管理系统 ORACLE数据仓库解决方案
ORACLE数据仓库解决方案 • Oracle Express Server是一个先进的计算引擎和数据高速缓存 • Oracle 的OLAP工具主要包括Oracle Express Objects、Oracle Express Analyzer和Oracle Discoverer
ORACLE数据仓库解决方案 • Oracle Express Web Agent将Oracle Express技术的分析能力和Web浏览器的简单性相结合 • Oracle Financial Analyzer,Oracle Financial Controller和Oracle Sales Analyzer是Oracle针对财务和销售而预制的OLAP应用
联机分析处理(OLAP) • 60年代,关系数据库之父E.F.Codd提出了关系模型,促进了联机事务处理(OLTP)的发展(数据以表格的形式而非文件方式存储)。1993年,E.F.Codd提出了OLAP概念,认为OLTP已不能满足终端用户对数据库查询分析的需要,SQL对大型数据库进行的简单查询也不能满足终端用户分析的要求。用户的决策分析需要对关系数据库进行大量计算才能得到结果,而查询的结果并不能满足决策者提出的需求。因此,E.F.Codd提出了多维数据库和多维分析的概念,即OLAP。
OLTP和OLAP的区别 OLTP数据 OLAP数据 原始数据 导出数据 细节性数据 综合性和提炼性数据 当前值数据 历史数据 可更新 不可更新,但周期性刷新 一次处理的数据量小 一次处理的数据量大 面向应用,事务驱动 面向分析,分析驱动 面向操作人员,支持日 面向决策人员,支持管理需要 常操作
什么是OLAP? • 定义1 :OLAP(联机分析处理)是针对特定问题的联机数据访问和分析。通过对信息(维数据)的多种可能的观察形式进行快速、稳定一致和交互性的存取,允许管理决策人员对数据进行深入观察。 • 定义2 :OLAP(联机分析处理) 是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。(OLAP委员会的定义) • OLAP的目标是满足决策支持或多维环境特定的查询和报表需求,它的技术核心是“维”这个概念,因此OLAP也可以说是多维数据分析工具的集合。
相关基本概念 1.维:是人们观察数据的特定角度,是考虑问题时的一类属性,属性集合构成一个维(时间维、地理维等)。 2.维的层次:人们观察数据的某个特定角度(即某个维) 可以存在细节程度不同的各个描述方面(时间维:日期、月份、季度、年)。 3.维的成员:维的一个取值。是数据项在某维中位置的描述。(“某年某月某日”是在时间维上位置的描述) 4.多维数组:维和变量的组合表示。一个多维数组可以表示为:(维1,维2,…,维n,变量)。(时间,地区,产品,销售额) 5.数据单元(单元格):多维数组的取值。(2000年1月,上海,笔记本电脑,$100000)
OLAP特性 (1)快速性:用户对OLAP的快速反应能力有很高的要求。系统应能在5秒内对用户的大部分分析要求做出反应。 (2)可分析性:OLAP系统应能处理与应用有关的任何逻辑分析和统计分析。 (3)多维性:多维性是OLAP的关键属性。系统必须提供对数据的多维视图和分析,包括对层次维和多重层次维的完全支持… (4)信息性:不论数据量有多大,也不管数据存储在何处,OLAP系统应能及时获得信息,并且管理大容量信息。
多维视图 地 北京 多维数据视图 理 上海 99 位 98 置 年 98 广州 97 份 97 彩电 洗衣机 电冰箱 产 品 类 型
OLAP多维数据结构 1.超立方结构(Hypercube) 超立方结构指用三维或更多的维数来描述一个对象,每个维彼此垂直。数据的测量值发生在维的交叉点上,数据空间的各个部分都有相同的维属性。(收缩超立方结构:这种结构的数据密度更大,数据的维数更少,并可加入额外的分析维)。 2.多立方结构(Multicube) 在多立方结构(Multicube)中,将大的数据结构分成多个多维结构。这些多维结构是大数据维数的子集,面向某一特定应用对维进行分割,即将超立方结构变为子立方结构。它具有很强的灵活性,提高了数据(特别是稀疏数据)的分析效率
OLAP多维数据分析 对以多维形式组织起来的数据,采取切片、切块、旋转等各种分析动作,以求剖析数据,使最终用户能从多个角度、多侧面地观察数据库中的数据