电子商务企业管理方案

第五章

电子商务企业管理方案

整理课件客户关系管理供给链管理商务智能整理课件客户关系管理简述CRM(CustomerRelationshipManagement，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、客户效劳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整理课件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效劳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的产生整理课件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〕实时反响〔real-timeresponse〕CRM作为解决方案整理课件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响管理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主要内容整理课件CRM与ERP的关系整理课件客户关系管理模型整理课件客户关系管理的功能主要分为四大局部：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：制订市场推广方案，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效劳管理与客户关心：功能包括产品安装档案、效劳请求、效劳内容、效劳网点、效劳收费等管理信息，详细记录效劳全程进行情况CRM的典型功能

整理课件

IBM的CRM解决方案

整理课件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、效劳、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、效劳送达、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IBMCRM的主要内容整理课件客户关系管理供给链管理商务智能整理课件SCM概念供给链〔supplychain〕定义为相互间通过提供原材料、零部件、产品、效劳的厂家、供给商、零售商等组成的网络供给链管理〔SupplyChainManagement〕那么是对供给链中的信息流、物流和资金流进行设计、规划和控制，从而增强竞争实力，提高供给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整理课件SCM与ERP供给链管理(SCM)应用是在企业资源管理(ERP)的根底上开展起来的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〔TransactionBase〕的层面，SCM软件那么着重在规划层面，而且它是从供给链的角度思考作整个供给链的管理整理课件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，以及材料补给方案等供给管理：管理材料供给商的供给情况，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、物流管理等整理课件供给链流程观周期的观点推拉的观点整理课件Dell供给链的推/拉流程整理课件Oracle供给链管理系统主要包括：供给链方案供给管理

物料管理销售定单管理售后客户效劳质量管理

Oracle的供给链管理方案整理课件客户关系管理供给链管理商务智能整理课件核心业务与电子商务紧密结合面向客户个性化效劳商业智能快速反响智能电子商务的特征整理课件如果数据是金钱，商务智能可以...ExistingDataAssets产品或效劳分析降低本钱分析利润发现销售时机目标市场/动态区隔P=R-C整理课件什么是商务智能？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。DataInformationKnowledge整理课件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整理课件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商务智能关键技术整理课件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〞BillInmon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整理课件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，每个主题根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存〔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整理课件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—高性能的数据库效劳器：分析型的应用—数据库互操作技术：数据来源多种多样整理课件数据仓库的体系结构

操作型数据源1报告查询、应用开发和EIS工具

操作型数据源2OLAP工具

n数据挖掘工具

仓库管理器

元数据高度综合数据

轻度综合数据

细节数据

集成管理器查询管理器操作型数据源n整理课件数据仓库建模—星型模式ExampleofStarSchemaDateMonthYearDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductStoreIDCityStateCountryRegionStore整理课件数据仓库建模—雪片模式

DateMonthDateCustIdCustNameCustCityCustCountryCustSalesFactTable

Date

Product

Store

Customer

unit_sales

dollar_sales

Yen_salesMeasurementsProductNoProdNameProdDescCategoryQOHProductMonthYearMonthYearYearCityStateCityCountryRegionCountryStateCountryStateStoreIDCityStoreExampleofSnowflakeSchema整理课件操作型〔OLTP〕数据源---销售库整理课件星形模式时间维事实表整理课件多维模型事实度量(Metrics)时间维时间维的属性整理课件联机事物处理OLTP系统和数据仓库的比较整理课件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…...整理课件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表达数据仓库的存储：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VisualWarehouse整理课件IBM数据仓库解决方案整理课件IBM数据仓库解决方案前三个阶段〔抽取、转换、分布〕：VisualWarehouse、DataJoiner、 DatePropagator数据仓库的存储由DB2家族产品来完成整理课件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整理课件ORACLE数据仓库解决方案ORACLE数据仓库解决方案是OracleOLAP产品。其示意图如下：OLAP应用程序OLAP工具OLAPServer数据源OracleSalesAnalyzerOracleFinancialAnalyzerOracleFinancialController第三方前端工具OracleExpressObjectsOracleExpressAnalyzerOracleExpressWebAgentOracleDiscovererOracleExpressServer其他传统的和外部数据库关系型数据库管理系统整理课件ORACLE数据仓库解决方案OracleExpressServer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OracleExpressObjects、OracleExpressAnalyzer和OracleDiscoverer整理课件ORACLE数据仓库解决方案OracleExpressWebAgent将OracleExpress技术的分析能力和Web浏览器的简单性相结合OracleFinancialAnalyzer，OracleFinancialController和OracleSalesAnalyzer是Oracle针对财务和销售而预制的OLAP应用整理课件联机分析处理〔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)的开展(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。整理课件

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OLTP和OLAP的区别整理课件定义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。什么是OLAP？整理课件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)相关根本概念整理课件(1)快速性:用户对OLAP的快速反响能力有很高的要求。系统应能在5秒内对用户的大局部分析要求做出反响。

(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:不管数据量有多大，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。OLAP特性整理课件多维视图

地北京

理多维数据视图

位上海

99

置98年广州97份

彩电

洗衣机

电冰箱产

品

类

型9897整理课件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,数据空间的各个局部都有相同的维属性。(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,并可参加额外的分析维)。

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多维数据结构整理课件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整理课件1.切片和切块(SliceandDice)在多维数据结构中,按二维进行切片,按三维进行切块,可得到所需要的数据。如在“城市、产品、时间〞三维立方体中进行切块和切片,可得到各城市、各产品的销售情况。2.钻取(Drill)钻取包含向下钻取(Drill-down)和向上钻取(Drill-up)/上卷(Roll-up)操作，钻取的深度与维所划分的层次相对应。

3.旋转(Rotate)/转轴(Pivot)通过旋转可以得到不同视角的数据。数据分析方法整理课件OLAP的分析方法(一)切片、切块整理课件OLAP的分析方法(二)钻取按时间维向下钻取按时间维向上钻取60整理课件OLAP的分析方法(三)旋转整理课件数据组织形式RDB数据组织-MDDB数据组织-关系表中综合数据的存放

多维数据库中综合数据的存放

产品名称地区销售量冰箱东北50冰箱西北60冰箱华北100彩电东北40彩电西北70彩电华北80空调东北90空调西北120空调华北140

东北西北华北冰箱5060100彩电407080空调90120140产品名称地区销售量冰箱东北50冰箱西北60冰箱华北100冰箱总和210彩电东北40彩电西北70彩电华北80彩电总和190空调东北90空调西北120空调华北140空调总和350总和东北180总和西北250总和华北320总和总和750

东北西北华北总和冰箱5060100210彩电407080190空调90120140350总和180250320750整理课件OLAP体系结构整理课件数据挖掘〔DataMining〕

数据挖掘(DataMining)，又称数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，是指从大型数据库或数据仓库中抽取出潜在的、有价值的知识〔模型或规那么〕的过程数据挖掘的目的：提高市场决策能力；检测异常模式；在过去的经验根底上预言未来趋势等数据挖掘不同的术语和定义：datamining,knowledgediscovery,patterndiscovery,datadredging,dataarcheology.整理课件数据挖掘过程选择转换挖掘理解转换后数据抽取的信息可理解的信息选择的数据数据仓库整理课件数据挖掘过程模型1.

定义商业问题2.

建立数据挖掘模型3.

分析数据4.

准备数据5.

建立模型6.

评价模型7.

实施整理课件数据挖掘和数据仓库数据源数据仓库各分公司数据集市分析数据集市数据挖掘数据集市图1：数据挖掘库从数据仓库中得出数据源数据挖掘库图2：数据挖掘库从事务数据库中得出整理课件数据挖掘模式分类模式关联模式顺序模式

聚类模式

回归模式时间序列模式整理课件分类〔Classification〕方法：首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。例子：a.信用卡申请者，分类为低、中、高风险b.分配客户到预先定义的客户分片注意：类的个数是确定的，预先定义好的常用算法：Decisiontreeinduction、Neuralnetworks、Geneticalgorithms、K-Nearestneighbors、Casebasedreasoning、AssociationRuleModel、DecisionClustermodel、Roughsetclassificationmodel

整理课件回归〔估值Estimation〕方法估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。例子：a.根据购置模式，估计一个家庭的孩子个数b.根据购置模式，估计一个家庭的收入c.估计realestate的价值一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分〔Score0~1〕。然后，根据阈值，将贷款级别分类。整理课件关联模式相关性分组或关联规那么〔Affinitygroupingorassociationrules〕两种常用的技术是关联规那么和序列模式。关联规那么是寻找在同一个事件中出现的不同项的相关性；序列模式寻找的是事件之间时间上的相关性例子：a.