第五章

電子商務企業管理方案

第五章

電子商務企業管理方案

1

客戶關系管理

供應鏈管理商務智能客戶關系管理2客戶關系管理簡述CRM(CustomerRelationshipManagement，客戶關系管理)，是正在興起的一種旨在健全、改善企業與客戶之間關系的新型管理系統

CRM核心思想是以“客戶為中心”，提高客戶滿意度，改善客戶關系，從而提高企業的競爭力

對CRM的定義，目前還沒有一個統一的表述。但就其功能來看，CRM是通過采用信息技術，使企業市場營銷、銷售管理、客戶服務和支持等經營流程信息化，實現客戶資源有效利用的管理軟件系統

客戶關系管理簡述CRM(CustomerRelations3需求的拉動的沖擊來自銷售人員的聲音來自營銷人員的聲音來自服務人員的聲音來自顧客的聲音來自經理人員的聲音技術的推動管理理念的更新業務流程的重組（BPR）客戶的重要性日益突出網絡化市場的主動權在客戶方CRM的產生需求的拉動的沖擊CRM的產生4Internet和電子商務多媒體技術數據倉庫和數據挖掘人工智能和專家系統呼叫中心及相應的硬件系統專業咨詢真正的CRM應做到讓客戶更方便（Convenient）讓客戶更親切（Care）讓客戶更覺個性化（Personalized）實時反應（real-timeresponse）CRM作為解決方案Internet和電子商務CRM作為解決方案5CRM的主要內容客戶分析企業對客戶的承諾客戶信息交流一良好的關系留住客戶客戶反饋管理CRM系統組成客戶概況（Profiling）分析子系統客戶利潤（Profitability）分析子系統客戶性能（Performance）分析子系統客戶產品（Product）分析子系統客戶忠誠度（Persistency）分析子系統客戶未來（Prospecting）分析子系統客戶促銷（Promotion）分析子系統CRM主要內容CRM的主要內容CRM主要內容6CRM與ERP的關系CRM與ERP的關系7客戶關系管理模型客戶關系管理模型8客戶關系管理的功能主要分為四大部分：客戶信息管理：整合記錄企業各部門、每個人所接觸的客戶資料，并進行統一管理

市場營銷管理：制訂市場推廣計劃，并對各種渠道接觸的客戶進行記錄、分類和辨識，提供對潛在客戶的管理，并對各種市場活動的成效進行評價

銷售管理：包括對銷售人員電話銷售、現場銷售、銷售傭金等管理，支持現場銷售人員的移動通信設備或掌上電腦接入

服務管理與客戶關懷：功能包括產品安裝檔案、服務請求、服務內容、服務網點、服務收費等管理信息，詳細記錄服務全程進行情況

CRM的典型功能

客戶關系管理的功能主要分為四大部分：CRM的典型功能9

IBM的CRM解決方案

IBM的CRM解決方案10CRM解決方案的功能主要有三類：接入管理：用來管理客戶和企業進行交互的方式CRM流程管理：CRM流程管理代表著與銷售、服務、支持和市場相關的業務流程的自動化，主要包括銷售自動化、服務送達、產品支持和市場自動化關系管理：使用數據挖掘/數據倉庫和復雜的分析功能，貫穿于CRM解決方案關系管理的全過程，并具有全面的客戶觀念和客戶忠誠度衡量標準和條件IBMCRM的主要內容CRM解決方案的功能主要有三類：IBMCRM的主要內容11

客戶關系管理

供應鏈管理商務智能客戶關系管理12SCM概念供應鏈（supplychain）定義為相互間通過提供原材料、零部件、產品、服務的廠家、供應商、零售商等組成的網絡供應鏈管理（SupplyChainManagement）則是對供應鏈中的信息流、物流和資金流進行設計、規劃和控制，從而增強競爭實力，提高供應鏈中各成員的效率和效益SCM幫助管理人員有效分配資源，最大限度提高效率和減少工作周期SCM概念供應鏈（supplychain）定義為相互間通13SCM與ERP供應鏈管理(SCM)應用是在企業資源管理(ERP)的基礎上發展起來的

ERP從概念上而言僅是對企業內部的資源進行調配與平衡

SCM被作為ERP的外延和補充提出來，因為SCM不僅包括資源接收、生產制造過程的管理，還涉及產品交付過程等管理ERP是著重在交易處理（TransactionBase）的層面，SCM軟件則著重在規劃層面，而且它是從供應鏈的角度思考作整個供應鏈的管理

SCM與ERP供應鏈管理(SCM)應用是在企業資源管理(ER14SCM的功能

訂購管理：管理客戶各種訂購情況，如訂貨、收貨、付款與否等需求管理：從市場動態預測客戶需求，以及材料補給計劃等供給管理：管理材料供應商的供給情況，如庫存情況、價格、供給能力等制造管理：管理產品的狀況，如生產線、生產量、物流管理等

SCM的功能訂購管理：管理客戶各種訂購情況，如訂貨、收貨、15供應鏈流程觀周期的觀點推拉的觀點供應鏈流程觀周期的觀點16Dell供應鏈的推/拉流程Dell供應鏈的推/拉流程17Oracle供應鏈管理系統主要包括：供應鏈計劃供給管理

物料管理銷售定單管理售后客戶服務質量管理

Oracle的供應鏈管理方案

Oracle供應鏈管理系統主要包括：Oracle的供應鏈18

客戶關系管理

供應鏈管理

商務智能客戶關系管理19核心業務與電子商務緊密結合面向客戶個性化服務商業智能快速反應智能電子商務的特征核心業務與電子商務緊密結合智能電子商務的特征20如果數據是金錢，商務智能可以...ExistingDataAssets產品或服務分析降低成本分析利潤發現銷售機會目標市場/動態區隔P=R-C如果數據是金錢，商務智能可以...ExistingData21什么是商務智能？商務智能指收集、轉換、分析和發布數據的過程，目的是為了更好的決策。商務智能是指將數據轉化為知識的過程。它包括捕獲和分析信息，交流信息，以及利用這些信息開發市場。DataInformationKnowledge什么是商務智能？商務智能指收集、轉換、分析和發布數據的過程，22商務智能在行業的應用銀行客戶利潤分析分支行利潤分析交叉銷售信用風險管理新產品推銷收費策略保險欺詐管理收費策略目標市場活動客戶挽留客戶利潤分析零售地區/商店各種貨物（品牌，分類等）銷售業績定價和減價市場籃子關系市場需求預測倉儲規劃通訊客戶忠實客戶流失模式客戶利潤分析競爭分析欺詐管理商務智能在行業的應用銀行保險零售通訊23數據倉庫技術聯機分析處理技術OLAP數據挖掘技術代理技術商務智能關鍵技術數據倉庫技術商務智能關鍵技術24數據倉庫數據倉庫的最終目標是把企業范圍內的所有數據集成在一個大倉庫中，讓用戶能運行查詢、產生報告、執行分析“數據倉庫之父”BillInmon給的定義：

數據倉庫就是一個用以更好地支持企業或組織的決策分析處理的，面向主題的，集成的，不可更新的，隨時間不斷變化的數據集合數據倉庫數據倉庫的最終目標是把企業范圍內的所有數據集成在一個25數據倉庫的特征面向主題的：主題是一個在較高層次將數據歸類的標準，每個主題基本對應一個宏觀的分析領域集成的：允許數據來自于跨組織和部門等不同數據源；集成的數據必須是一致的、用戶看來是統一的數據視圖不可更新的：指一旦某個數據進入數據倉庫后，一般情況下將被長期保留（反映歷史數據內容）隨時間不斷變化：庫中的信息系統地記錄了企業從過去某一點到目前的各階段的信息數據倉庫的特征面向主題的：主題是一個在較高層次將數據歸類的標26數據倉庫與數據庫比較不同點：—依據決策要求，只從數據庫中抽取需要的數據，并進行一定的處理—數據倉庫是多維的，即數據倉庫的數據的組織方式有多層的行和列—支持決策處理（OLAP），不同于普通的事務處理（OLTP）需要的數據庫知識—并行數據庫技術：數據量很大—高性能的數據庫服務器：分析型的應用—數據庫互操作技術：數據來源多種多樣數據倉庫與數據庫比較不同點：27數據倉庫的體系結構

操作型數據源1報告查詢、應用開發和EIS工具

操作型數據源2OLAP工具

n數據挖掘工具

倉庫管理器

元數據高度綜合數據

輕度綜合數據

細節數據

集成管理器查詢管理器操作型數據源n數據倉庫的體系結構操作型數據源128數據倉庫建?！切湍Ｊ紼xampleofStarSchemaDateMonthYearDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore數據倉庫建模—星型模式ExampleofStarS29數據倉庫建模—雪片模式

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStoreExampleofSnowflakeSchema數據倉庫建模—雪片模式DateDateCustId30操作型（OLTP）數據源---銷售庫操作型（OLTP）數據源---銷售庫31星形模式時間維事實表星形模式時間維事實表32多維模型事實度量(Metrics)時間維時間維的屬性多維模型事實度量時間維時間維的屬性33聯機事物處理OLTP系統和數據倉庫的比較聯機事物處理OLTP系統和數據倉庫的比較34典型的數據倉庫解決方案IBM數據倉庫解決方案ORACLE數據倉庫解決方案SAS數據倉庫解決方案…...典型的數據倉庫解決方案IBM數據倉庫解決方案35IBM數據倉庫解決方案建立數據倉庫包括以下階段：數據抽取階段：完成對各種數據源的訪問數據轉換階段：完成對數據的清洗、匯總、整合數據分布階段：完成對結果數據存儲的分配

通常此三階段緊密結合在一個產品中體現

數據倉庫的存儲：由DB2家族完成數據的呈現：由不同產品完成不同的分析要求管理和維護數據倉庫中的數據：

交給VisualWarehouseIBM數據倉庫解決方案建立數據倉庫包括以下階段：36IBM數據倉庫解決方案IBM數據倉庫解決方案37IBM數據倉庫解決方案前三個階段（抽取、轉換、分布）：VisualWarehouse、DataJoiner、 DatePropagator數據倉庫的存儲由DB2家族產品來完成IBM數據倉庫解決方案前三個階段（抽取、轉換、分布）：Vis38IBM數據倉庫解決方案數據的呈現：Approach可進行查詢和統計分析IntelligentDecisionServer支持多維分析IntelligentMiner用于數據挖掘用戶查找和理解數據倉庫中的數據：DataGuideIBM數據倉庫解決方案數據的呈現：39ORACLE數據倉庫解決方案ORACLE數據倉庫解決方案是OracleOLAP產品。其示意圖如下：OLAP應用程序OLAP工具OLAPServer數據源OracleSalesAnalyzerOracleFinancialAnalyzerOracleFinancialController第三方前端工具OracleExpressObjectsOracleExpressAnalyzerOracleExpressWebAgentOracleDiscovererOracleExpressServer其他傳統的和外部數據庫關系型數據庫管理系統ORACLE數據倉庫解決方案ORACLE數據倉庫解決方案是O40ORACLE數據倉庫解決方案OracleExpressServer是一個先進的計算引擎和數據高速緩存Oracle的OLAP工具主要包括OracleExpressObjects、OracleExpressAnalyzer和OracleDiscovererORACLE數據倉庫解決方案OracleExpressS41ORACLE數據倉庫解決方案OracleExpressWebAgent將OracleExpress技術的分析能力和Web瀏覽器的簡單性相結合OracleFinancialAnalyzer，OracleFinancialController和OracleSalesAnalyzer是Oracle針對財務和銷售而預制的OLAP應用ORACLE數據倉庫解決方案OracleExpressW42聯機分析處理（OLAP）60年代，關系數據庫之父E.F.Codd提出了關系模型，促進了聯機事務處理(OLTP)的發展(數據以表格的形式而非文件方式存儲)。1993年，E.F.Codd提出了OLAP概念，認為OLTP已不能滿足終端用戶對數據庫查詢分析的需要，SQL對大型數據庫進行的簡單查詢也不能滿足終端用戶分析的要求。用戶的決策分析需要對關系數據庫進行大量計算才能得到結果，而查詢的結果并不能滿足決策者提出的需求。因此，E.F.Codd提出了多維數據庫和多維分析的概念，即OLAP。聯機分析處理（OLAP）60年代，關系數據庫之父E.F.Co43

OLTP數據OLAP數據

原始數據 導出數據 細節性數據 綜合性和提煉性數據 當前值數據 歷史數據 可更新 不可更新，但周期性刷新 一次處理的數據量小 一次處理的數據量大 面向應用，事務驅動 面向分析，分析驅動 面向操作人員，支持日面向決策人員，支持管理需要常操作OLTP和OLAP的區別 OLTP數據44定義1：OLAP(聯機分析處理)是針對特定問題的聯機數據訪問和分析。通過對信息(維數據)的多種可能的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策人員對數據進行深入觀察。定義2：OLAP(聯機分析處理)是使分析人員、管理人員或執行人員能夠從多種角度對從原始數據中轉化出來的、能夠真正為用戶所理解的、并真實反映企業維特性的信息進行快速、一致、交互地存取，從而獲得對數據的更深入了解的一類軟件技術。(OLAP委員會的定義)OLAP的目標是滿足決策支持或多維環境特定的查詢和報表需求，它的技術核心是“維”這個概念，因此OLAP也可以說是多維數據分析工具的集合。什么是OLAP？定義1：OLAP(聯機分析處理)是針對特定問題的聯機數據訪451.維：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬性集合構成一個維(時間維、地理維等)。2.維的層次：人們觀察數據的某個特定角度(即某個維)可以存在細節程度不同的各個描述方面(時間維：日期、月份、季度、年)。3.維的成員：維的一個取值。是數據項在某維中位置的描述。(“某年某月某日”是在時間維上位置的描述)4.多維數組：維和變量的組合表示。一個多維數組可以表示為：(維1，維2，…，維n，變量)。(時間，地區，產品，銷售額)5.數據單元(單元格)：多維數組的取值。(2000年1月，上海，筆記本電腦，$100000)相關基本概念1.維：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬46(1)快速性:用戶對OLAP的快速反應能力有很高的要求。系統應能在5秒內對用戶的大部分分析要求做出反應。

(2)可分析性:OLAP系統應能處理與應用有關的任何邏輯分析和統計分析。(3)多維性:多維性是OLAP的關鍵屬性。系統必須提供對數據的多維視圖和分析,包括對層次維和多重層次維的完全支持…(4)信息性:不論數據量有多大，也不管數據存儲在何處，OLAP系統應能及時獲得信息，并且管理大容量信息。OLAP特性(1)快速性:用戶對OLAP的快速反應能力有很高的要求。系統47多維視圖

地北京

理多維數據視圖

位上海

99

置98年廣州97份

彩電

洗衣機

電冰箱產

品

類

型9897多維視圖地北京理多維數據視圖位上海99481.超立方結構(Hypercube)

超立方結構指用三維或更多的維數來描述一個對象,每個維彼此垂直。數據的測量值發生在維的交叉點上,數據空間的各個部分都有相同的維屬性。(收縮超立方結構:這種結構的數據密度更大,數據的維數更少,并可加入額外的分析維)。

2.多立方結構(Multicube)

在多立方結構(Multicube)中,將大的數據結構分成多個多維結構。這些多維結構是大數據維數的子集,面向某一特定應用對維進行分割,即將超立方結構變為子立方結構。它具有很強的靈活性,提高了數據(特別是稀疏數據)的分析效率OLAP多維數據結構1.超立方結構(Hypercube)OLAP多維數據結構49OLAP多維數據分析 對以多維形式組織起來的數據，采取切片、切塊、旋轉等各種分析動作，以求剖析數據，使最終用戶能從多個角度、多側面地觀察數據庫中的數據OLAP多維數據分析 對以多維形式組織起來的數據，采取切片、501.切片和切塊(SliceandDice)在多維數據結構中,按二維進行切片,按三維進行切塊,可得到所需要的數據。如在“城市、產品、時間”三維立方體中進行切塊和切片,可得到各城市、各產品的銷售情況。2.鉆取(Drill)鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作，鉆取的深度與維所劃分的層次相對應。

3.旋轉(Rotate)/轉軸(Pivot)通過旋轉可以得到不同視角的數據。數據分析方法1.切片和切塊(SliceandDice)數據分析方法51OLAP的分析方法(一)切片、切塊OLAP的分析方法(一)切片、切塊52OLAP的分析方法(二)鉆取按時間維向下鉆取按時間維向上鉆取60OLAP的分析方法(二)鉆取按時間維向下鉆取按時間維向上鉆取53OLAP的分析方法(三)旋轉OLAP的分析方法(三)旋轉54數據組織形式RDB數據組織-MDDB數據組織-關系表中綜合數據的存放

多維數據庫中綜合數據的存放

產品名稱地區銷售量冰箱東北50冰箱西北60冰箱華北100彩電東北40彩電西北70彩電華北80空調東北90空調西北120空調華北140

東北西北華北冰箱5060100彩電407080空調90120140產品名稱地區銷售量冰箱東北50冰箱西北60冰箱華北100冰箱總和210彩電東北40彩電西北70彩電華北80彩電總和190空調東北90空調西北120空調華北140空調總和350總和東北180總和西北250總和華北320總和總和750

東北西北華北總和冰箱5060100210彩電407080190空調90120140350總和180250320750數據組織形式RDB數據組織-MDDB數55OLAP體系結構OLAP體系結構56數據挖掘（DataMining）

數據挖掘(DataMining)，又稱數據庫中的知識發現(KnowledgeDiscoveryinDatabase,KDD)，是指從大型數據庫或數據倉庫中抽取出潛在的、有價值的知識（模型或規則）的過程數據挖掘的目的：提高市場決策能力；檢測異常模式；在過去的經驗基礎上預言未來趨勢等數據挖掘不同的術語和定義：datamining,knowledgediscovery,patterndiscovery,datadredging,dataarcheology.數據挖掘（DataMining）數據挖掘(DataM57數據挖掘過程選擇轉換挖掘理解轉換后數據抽取的信息可理解的信息選擇的數據數據倉庫數據挖掘過程選擇轉換挖掘理解轉換后數據抽取的信息可理解的信息58數據挖掘過程模型1.

定義商業問題2.

建立數據挖掘模型3.

分析數據4.

準備數據5.

建立模型6.

評價模型7.

實施數據挖掘過程模型1.

定義商業問題59數據挖掘和數據倉庫數據源數據倉庫各分公司數據集市分析數據集市數據挖掘數據集市圖1：數據挖掘庫從數據倉庫中得出數據源數據挖掘庫圖2：數據挖掘庫從事務數據庫中得出數據挖掘和數據倉庫數據源數據倉庫各分公司數據集市分析數據挖掘60數據挖掘模式分類模式關聯模式順序模式

聚類模式

回歸模式時間序列模式數據挖掘模式分類模式61分類（Classification）方法：首先從數據中選出已經分好類的訓練集，在該訓練集上運用數據挖掘分類的技術，建立分類模型，對于沒有分類的數據進行分類。例子：a.信用卡申請者，分類為低、中、高風險b.分配客戶到預先定義的客戶分片注意：類的個數是確定的，預先定義好的常用算法：Decisiontreeinduction、Neuralnetworks、Geneticalgorithms、K-Nearestneighbors、Casebasedreasoning、AssociationRuleModel、DecisionClustermodel、Roughsetclassificationmodel

分類（Classification）方法：62回歸（估值Estimation）方法

估值與分類類似，不同之處在于，分類描述的是離散型變量的輸出，而估值處理連續值的輸出；分類的類別是確定數目的，估值的量是不確定的。例子：a.根據購買模式，估計一個家庭的孩子個數b.根據購買模式，估計一個家庭的收入c.估計realestate的價值一般來說，估值可以作為分類的前一步工作。給定一些輸入數據，通過估值，得到未知的連續變量的值，然后，根據預先設定的閾值，進行分類。例如：銀行對家庭貸款業務，運用估值，給各個客戶記分（Score0~1）。然后，根據閾值，將貸款級別分類。回歸（估值Estimation）方法63關聯模式相關性分組或關聯規則（Affinitygroupingorassociationrules）兩種常用的技術是關聯規則和序列模式。關聯規則是尋找在同一個事件中出現的不同項的相關性；序列模式尋找的是事件之間時間上的相關性

例子：a.超市中客戶在購買A的同時，經常會購買B，即A=>B(關聯規則)b.

客戶在購買A后，隔一段時間，會購買B（序列分析）關聯模式相關性分組或關聯規則（Affinitygroupi64聚類（Clustering）方法聚類是對記錄分組，把相似的記錄在一個聚類里。聚類和分類的區別是聚類不依賴于預先定義好的類，不需要訓練集。例子：a.一些特定癥狀的聚類可能預示了一個特定的疾病b.租VCD類型不相似的客戶聚類，可能暗示成員屬于不同的亞文化群聚類通常作為數據挖掘的第一步。例如，“哪一種類的促銷對客戶響應最好？”，對于這一類問題，首先對整個客戶做聚類，將客戶分組在各自的聚類里，然后對每個不同的聚類，回答問題，可能效果更好。聚類（Clustering）方法65數據挖掘典型方法-神經網絡一個神經網絡劃分為輸入層、輸出層和隱含層。輸入層的每個節點對應一個個的預測變量。輸出層的節點對應目標變量，可有多個。在輸入層和輸出層之間是隱含層（對神經網絡使用者來說不可見），隱含層的層數和每層節點的個數決定了神經網絡的復雜度

神經網絡常用于兩類問題：分類和回歸123456輸入輸出隱含層

一個神經元網絡數據挖掘典型方法-神經網絡一個神經網絡劃分為輸入層、輸出層和66數據挖掘典型方法-決策樹收入>￥40,000工作時間>5年高負債高風險低風險高風險低風險否否否是是是

一棵簡單的決策樹決策樹中最上面的節點稱為根節點，是整個決策樹的開始。每個分支要么是一個新的決策節點，要么是樹的結尾，稱為葉子。在沿著決策樹從上到下遍歷的過程中，在每個節點都會遇到一個問題，對每個節點上問題的不同回答導致不同的分支，最后會到達一個葉子節點。這個過程就是利用決策樹進行分類的過程，利用幾個變量（每個變量對應一個問題）來判斷所屬的類別（最后每個葉子會對應一個類別）數據挖掘典型方法-決策樹收入>￥40,000工作時間>5年高67數據挖掘和聯機分析處理OLAP是決策支持領域的一部分。傳統的查詢和報表工具是告訴你數據庫中都有什么（whathappened），OLAP則更進一步告訴你下一步會怎么樣（Whatnext）、和如果我采取這樣的措施又會怎么樣（Whatif）OLAP方法先建立一系列的假設，然后通過OLAP來證實或推翻這些假設來最終得到自己的結論OLAP分析過程在本質上是一個演繹推理的過程數據挖掘是在數據庫中自己尋找模型，在本質上是一個歸納的過程數據挖掘和OLAP具有一定的互補性數據挖掘和聯機分析處理OLAP是決策支持領域的一部分。傳統68代理技術代理技術69基于代理技術的電子商務應用基于代理技術的電子商務應用70IBM智能商務解決方案

IBM智能商務解決方案71第五章

電子商務企業管理方案

第五章

電子商務企業管理方案

72

客戶關系管理

供應鏈管理商務智能客戶關系管理73客戶關系管理簡述CRM(CustomerRelationshipManagement，客戶關系管理)，是正在興起的一種旨在健全、改善企業與客戶之間關系的新型管理系統

CRM核心思想是以“客戶為中心”，提高客戶滿意度，改善客戶關系，從而提高企業的競爭力

對CRM的定義，目前還沒有一個統一的表述。但就其功能來看，CRM是通過采用信息技術，使企業市場營銷、銷售管理、客戶服務和支持等經營流程信息化，實現客戶資源有效利用的管理軟件系統

客戶關系管理簡述CRM(CustomerRelations74需求的拉動的沖擊來自銷售人員的聲音來自營銷人員的聲音來自服務人員的聲音來自顧客的聲音來自經理人員的聲音技術的推動管理理念的更新業務流程的重組（BPR）客戶的重要性日益突出網絡化市場的主動權在客戶方CRM的產生需求的拉動的沖擊CRM的產生75Internet和電子商務多媒體技術數據倉庫和數據挖掘人工智能和專家系統呼叫中心及相應的硬件系統專業咨詢真正的CRM應做到讓客戶更方便（Convenient）讓客戶更親切（Care）讓客戶更覺個性化（Personalized）實時反應（real-timeresponse）CRM作為解決方案Internet和電子商務CRM作為解決方案76CRM的主要內容客戶分析企業對客戶的承諾客戶信息交流一良好的關系留住客戶客戶反饋管理CRM系統組成客戶概況（Profiling）分析子系統客戶利潤（Profitability）分析子系統客戶性能（Performance）分析子系統客戶產品（Product）分析子系統客戶忠誠度（Persistency）分析子系統客戶未來（Prospecting）分析子系統客戶促銷（Promotion）分析子系統CRM主要內容CRM的主要內容CRM主要內容77CRM與ERP的關系CRM與ERP的關系78客戶關系管理模型客戶關系管理模型79客戶關系管理的功能主要分為四大部分：客戶信息管理：整合記錄企業各部門、每個人所接觸的客戶資料，并進行統一管理

市場營銷管理：制訂市場推廣計劃，并對各種渠道接觸的客戶進行記錄、分類和辨識，提供對潛在客戶的管理，并對各種市場活動的成效進行評價

銷售管理：包括對銷售人員電話銷售、現場銷售、銷售傭金等管理，支持現場銷售人員的移動通信設備或掌上電腦接入

服務管理與客戶關懷：功能包括產品安裝檔案、服務請求、服務內容、服務網點、服務收費等管理信息，詳細記錄服務全程進行情況

CRM的典型功能

客戶關系管理的功能主要分為四大部分：CRM的典型功能80

IBM的CRM解決方案

IBM的CRM解決方案81CRM解決方案的功能主要有三類：接入管理：用來管理客戶和企業進行交互的方式CRM流程管理：CRM流程管理代表著與銷售、服務、支持和市場相關的業務流程的自動化，主要包括銷售自動化、服務送達、產品支持和市場自動化關系管理：使用數據挖掘/數據倉庫和復雜的分析功能，貫穿于CRM解決方案關系管理的全過程，并具有全面的客戶觀念和客戶忠誠度衡量標準和條件IBMCRM的主要內容CRM解決方案的功能主要有三類：IBMCRM的主要內容82

客戶關系管理

供應鏈管理商務智能客戶關系管理83SCM概念供應鏈（supplychain）定義為相互間通過提供原材料、零部件、產品、服務的廠家、供應商、零售商等組成的網絡供應鏈管理（SupplyChainManagement）則是對供應鏈中的信息流、物流和資金流進行設計、規劃和控制，從而增強競爭實力，提高供應鏈中各成員的效率和效益SCM幫助管理人員有效分配資源，最大限度提高效率和減少工作周期SCM概念供應鏈（supplychain）定義為相互間通84SCM與ERP供應鏈管理(SCM)應用是在企業資源管理(ERP)的基礎上發展起來的

ERP從概念上而言僅是對企業內部的資源進行調配與平衡

SCM被作為ERP的外延和補充提出來，因為SCM不僅包括資源接收、生產制造過程的管理，還涉及產品交付過程等管理ERP是著重在交易處理（TransactionBase）的層面，SCM軟件則著重在規劃層面，而且它是從供應鏈的角度思考作整個供應鏈的管理

SCM與ERP供應鏈管理(SCM)應用是在企業資源管理(ER85SCM的功能

訂購管理：管理客戶各種訂購情況，如訂貨、收貨、付款與否等需求管理：從市場動態預測客戶需求，以及材料補給計劃等供給管理：管理材料供應商的供給情況，如庫存情況、價格、供給能力等制造管理：管理產品的狀況，如生產線、生產量、物流管理等

SCM的功能訂購管理：管理客戶各種訂購情況，如訂貨、收貨、86供應鏈流程觀周期的觀點推拉的觀點供應鏈流程觀周期的觀點87Dell供應鏈的推/拉流程Dell供應鏈的推/拉流程88Oracle供應鏈管理系統主要包括：供應鏈計劃供給管理

物料管理銷售定單管理售后客戶服務質量管理

Oracle的供應鏈管理方案

Oracle供應鏈管理系統主要包括：Oracle的供應鏈89

客戶關系管理

供應鏈管理

商務智能客戶關系管理90核心業務與電子商務緊密結合面向客戶個性化服務商業智能快速反應智能電子商務的特征核心業務與電子商務緊密結合智能電子商務的特征91如果數據是金錢，商務智能可以...ExistingDataAssets產品或服務分析降低成本分析利潤發現銷售機會目標市場/動態區隔P=R-C如果數據是金錢，商務智能可以...ExistingData92什么是商務智能？商務智能指收集、轉換、分析和發布數據的過程，目的是為了更好的決策。商務智能是指將數據轉化為知識的過程。它包括捕獲和分析信息，交流信息，以及利用這些信息開發市場。DataInformationKnowledge什么是商務智能？商務智能指收集、轉換、分析和發布數據的過程，93商務智能在行業的應用銀行客戶利潤分析分支行利潤分析交叉銷售信用風險管理新產品推銷收費策略保險欺詐管理收費策略目標市場活動客戶挽留客戶利潤分析零售地區/商店各種貨物（品牌，分類等）銷售業績定價和減價市場籃子關系市場需求預測倉儲規劃通訊客戶忠實客戶流失模式客戶利潤分析競爭分析欺詐管理商務智能在行業的應用銀行保險零售通訊94數據倉庫技術聯機分析處理技術OLAP數據挖掘技術代理技術商務智能關鍵技術數據倉庫技術商務智能關鍵技術95數據倉庫數據倉庫的最終目標是把企業范圍內的所有數據集成在一個大倉庫中，讓用戶能運行查詢、產生報告、執行分析“數據倉庫之父”BillInmon給的定義：

數據倉庫就是一個用以更好地支持企業或組織的決策分析處理的，面向主題的，集成的，不可更新的，隨時間不斷變化的數據集合數據倉庫數據倉庫的最終目標是把企業范圍內的所有數據集成在一個96數據倉庫的特征面向主題的：主題是一個在較高層次將數據歸類的標準，每個主題基本對應一個宏觀的分析領域集成的：允許數據來自于跨組織和部門等不同數據源；集成的數據必須是一致的、用戶看來是統一的數據視圖不可更新的：指一旦某個數據進入數據倉庫后，一般情況下將被長期保留（反映歷史數據內容）隨時間不斷變化：庫中的信息系統地記錄了企業從過去某一點到目前的各階段的信息數據倉庫的特征面向主題的：主題是一個在較高層次將數據歸類的標97數據倉庫與數據庫比較不同點：—依據決策要求，只從數據庫中抽取需要的數據，并進行一定的處理—數據倉庫是多維的，即數據倉庫的數據的組織方式有多層的行和列—支持決策處理（OLAP），不同于普通的事務處理（OLTP）需要的數據庫知識—并行數據庫技術：數據量很大—高性能的數據庫服務器：分析型的應用—數據庫互操作技術：數據來源多種多樣數據倉庫與數據庫比較不同點：98數據倉庫的體系結構

操作型數據源1報告查詢、應用開發和EIS工具

操作型數據源2OLAP工具

n數據挖掘工具

倉庫管理器

元數據高度綜合數據

輕度綜合數據

細節數據

集成管理器查詢管理器操作型數據源n數據倉庫的體系結構操作型數據源199數據倉庫建?！切湍Ｊ紼xampleofStarSchemaDateMonthYearDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore數據倉庫建?！切湍Ｊ紼xampleofStarS100數據倉庫建模—雪片模式

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStoreExampleofSnowflakeSchema數據倉庫建?！┢Ｊ紻ateDateCustId101操作型（OLTP）數據源---銷售庫操作型（OLTP）數據源---銷售庫102星形模式時間維事實表星形模式時間維事實表103多維模型事實度量(Metrics)時間維時間維的屬性多維模型事實度量時間維時間維的屬性104聯機事物處理OLTP系統和數據倉庫的比較聯機事物處理OLTP系統和數據倉庫的比較105典型的數據倉庫解決方案IBM數據倉庫解決方案ORACLE數據倉庫解決方案SAS數據倉庫解決方案…...典型的數據倉庫解決方案IBM數據倉庫解決方案106IBM數據倉庫解決方案建立數據倉庫包括以下階段：數據抽取階段：完成對各種數據源的訪問數據轉換階段：完成對數據的清洗、匯總、整合數據分布階段：完成對結果數據存儲的分配

通常此三階段緊密結合在一個產品中體現

數據倉庫的存儲：由DB2家族完成數據的呈現：由不同產品完成不同的分析要求管理和維護數據倉庫中的數據：

交給VisualWarehouseIBM數據倉庫解決方案建立數據倉庫包括以下階段：107IBM數據倉庫解決方案IBM數據倉庫解決方案108IBM數據倉庫解決方案前三個階段（抽取、轉換、分布）：VisualWarehouse、DataJoiner、 DatePropagator數據倉庫的存儲由DB2家族產品來完成IBM數據倉庫解決方案前三個階段（抽取、轉換、分布）：Vis109IBM數據倉庫解決方案數據的呈現：Approach可進行查詢和統計分析IntelligentDecisionServer支持多維分析IntelligentMiner用于數據挖掘用戶查找和理解數據倉庫中的數據：DataGuideIBM數據倉庫解決方案數據的呈現：110ORACLE數據倉庫解決方案ORACLE數據倉庫解決方案是OracleOLAP產品。其示意圖如下：OLAP應用程序OLAP工具OLAPServer數據源OracleSalesAnalyzerOracleFinancialAnalyzerOracleFinancialController第三方前端工具OracleExpressObjectsOracleExpressAnalyzerOracleExpressWebAgentOracleDiscovererOracleExpressServer其他傳統的和外部數據庫關系型數據庫管理系統ORACLE數據倉庫解決方案ORACLE數據倉庫解決方案是O111ORACLE數據倉庫解決方案OracleExpressServer是一個先進的計算引擎和數據高速緩存Oracle的OLAP工具主要包括OracleExpressObjects、OracleExpressAnalyzer和OracleDiscovererORACLE數據倉庫解決方案OracleExpressS112ORACLE數據倉庫解決方案OracleExpressWebAgent將OracleExpress技術的分析能力和Web瀏覽器的簡單性相結合OracleFinancialAnalyzer，OracleFinancialController和OracleSalesAnalyzer是Oracle針對財務和銷售而預制的OLAP應用ORACLE數據倉庫解決方案OracleExpressW113聯機分析處理（OLAP）60年代，關系數據庫之父E.F.Codd提出了關系模型，促進了聯機事務處理(OLTP)的發展(數據以表格的形式而非文件方式存儲)。1993年，E.F.Codd提出了OLAP概念，認為OLTP已不能滿足終端用戶對數據庫查詢分析的需要，SQL對大型數據庫進行的簡單查詢也不能滿足終端用戶分析的要求。用戶的決策分析需要對關系數據庫進行大量計算才能得到結果，而查詢的結果并不能滿足決策者提出的需求。因此，E.F.Codd提出了多維數據庫和多維分析的概念，即OLAP。聯機分析處理（OLAP）60年代，關系數據庫之父E.F.Co114

OLTP數據OLAP數據

原始數據 導出數據 細節性數據 綜合性和提煉性數據 當前值數據 歷史數據 可更新 不可更新，但周期性刷新 一次處理的數據量小 一次處理的數據量大 面向應用，事務驅動 面向分析，分析驅動 面向操作人員，支持日面向決策人員，支持管理需要常操作OLTP和OLAP的區別 OLTP數據115定義1：OLAP(聯機分析處理)是針對特定問題的聯機數據訪問和分析。通過對信息(維數據)的多種可能的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策人員對數據進行深入觀察。定義2：OLAP(聯機分析處理)是使分析人員、管理人員或執行人員能夠從多種角度對從原始數據中轉化出來的、能夠真正為用戶所理解的、并真實反映企業維特性的信息進行快速、一致、交互地存取，從而獲得對數據的更深入了解的一類軟件技術。(OLAP委員會的定義)OLAP的目標是滿足決策支持或多維環境特定的查詢和報表需求，它的技術核心是“維”這個概念，因此OLAP也可以說是多維數據分析工具的集合。什么是OLAP？定義1：OLAP(聯機分析處理)是針對特定問題的聯機數據訪1161.維：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬性集合構成一個維(時間維、地理維等)。2.維的層次：人們觀察數據的某個特定角度(即某個維)可以存在細節程度不同的各個描述方面(時間維：日期、月份、季度、年)。3.維的成員：維的一個取值。是數據項在某維中位置的描述。(“某年某月某日”是在時間維上位置的描述)4.多維數組：維和變量的組合表示。一個多維數組可以表示為：(維1，維2，…，維n，變量)。(時間，地區，產品，銷售額)5.數據單元(單元格)：多維數組的取值。(2000年1月，上海，筆記本電腦，$100000)相關基本概念1.維：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬117(1)快速性:用戶對OLAP的快速反應能力有很高的要求。系統應能在5秒內對用戶的大部分分析要求做出反應。

(2)可分析性:OLAP系統應能處理與應用有關的任何邏輯分析和統計分析。(3)多維性:多維性是OLAP的關鍵屬性。系統必須提供對數據的多維視圖和分析,包括對層次維和多重層次維的完全支持…(4)信息性:不論數據量有多大，也不管數據存儲在何處，OLAP系統應能及時獲得信息，并且管理大容量信息。OLAP特性(1)快速性:用戶對OLAP的快速反應能力有很高的要求。系統118多維視圖

地北京

理多維數據視圖

位上海

99

置98年廣州97份

彩電

洗衣機

電冰箱產

品

類

型9897多維視圖地北京理多維數據視圖位上海991191.超立方結構(Hypercube)

超立方結構指用三維或更多的維數來描述一個對象,每個維彼此垂直。數據的測量值發生在維的交叉點上,數據空間的各個部分都有相同的維屬性。(收縮超立方結構:這種結構的數據密度更大,數據的維數更少,并可加入額外的分析維)。

2.多立方結構(Multicube)

在多立方結構(Multicube)中,將大的數據結構分成多個多維結構。這些多維結構是大數據維數的子集,面向某一特定應用對維進行分割,即將超立方結構變為子立方結構。它具有很強的靈活性,提高了數據(特別是稀疏數據)的分析效率OLAP多維數據結構1.超立方結構(Hypercube)OLAP多維數據結構120OLAP多維數據分析 對以多維形式組織起來的數據，采取切片、切塊、旋轉等各種分析動作，以求剖析數據，使最終用戶能從多個角度、多側面地觀察數據庫中的數據OLAP多維數據分析 對以多維形式組織起來的數據，采取切片、1211.切片和切塊(SliceandDice)在多維數據結構中,按二維進行切片,按三維進行切塊,可得到所需要的數據。如在“城市、產品、時間”三維立方體中進行切塊和切片,可得到各城市、各產品的銷售情況。2.鉆取(Drill)鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作，鉆取的深度與維所劃分的層次相對應。

3.旋轉(Rotate)/轉軸(Pivot)通過旋轉可以得到不同視角的數據。數據分析方法1.切片和切塊(SliceandDice)數據分析方法122OLAP的分析方法(一)切片、切塊OLAP的分析方法(一)切片、切塊123OLAP的分析方法(二)鉆取按時間維向下鉆取按時間維向上鉆取60OLAP的分析方法(二)鉆取按時間維向下鉆取按時間維向上鉆取124OLAP的分析方法(三)旋轉OLAP的分析方法(三)旋轉125數據組織形式RDB數據組織-MDDB數據組織-關系表中綜合數據的存放

多維數據庫中綜合數據的存放

產品名稱地區銷售量冰箱東北50冰箱西北60冰箱華北100彩電東北40彩電西北70彩電華北80空調東北90空調西北120空調華北140

東北西北華北冰箱5060100彩電407080空調90120140產品名稱地區銷售量冰箱東北50冰箱西北60冰箱華北100冰箱總和210彩電東北40彩電西北70彩電華北80彩電總和190空調東北90空調西北120空調華北140空調總和350總和東北180總和西北250總和華北320總和總和750

東北西北華北總和冰箱5060100210彩電407080190空調90120140350總和180250320750數據組織形式RDB數據組織-MDDB數126OLAP體系結構OLAP體系結構127數據挖掘（DataMining）

數據挖掘(DataMining)，又稱數據庫中的知識發現(KnowledgeDiscoveryinDatabase,KDD)，是指從大型數據庫或數據倉庫中抽取出潛在的、有價值的知識（模型或規則）的過程數據挖掘的目的：提高市場決策能力；檢測異常模式；在過去的經驗基礎上預言未來趨勢等數據挖掘不同的術語和定義：datamining,knowledgediscovery,patterndiscovery,datadredging,dataarcheology.數據挖掘（DataMining）數據挖