从客户资源中淘金
——基于数据仓库的CRM在银行业中的应用
王向星 袁胜 刘笑东
2002/12/06
生产供给必须符合市场需求，这是市场经济的基本规律之一。以“产品为中心”向以“客户为中心”转变是目前的大势所趋，尤其对于银行这样的关键服务行业，在“资源创造价值”的今天，其客户资源需要通过优质的服务才能获得。对于客户管理，CRM自然最有发言权，它能够收集并分析公司的客户信息，寻求有价值的客户（包括现有客户和潜在客户），实施差别服务，最大程度地提高客户满意度，优化企业资源的使用。
基于数据仓库的CRM
目前，国内市场的主流CRM方案分别来自Siebel、Oracle、IBM、Onyx、艾克国际、Applix、开思等公司，其中大部分是舶来品。它们的市场定位与产品功能的提供都有很大不同，但相同的是，它们中的大部分都使用了数据仓库。数据仓库的优势是可以从不同的数据源收集数据，并能对这些数据进行整合和统计，形成一个中心数据集，从而既能保持数据的一致性，又易于用户访问。
数据仓库系统一般包括三层结构：数据获取层、数据存储层、数据输出层。数据获取层通常采用弱耦合方式与业务系统数据库相连，通过对业务系统数据进行抽取、转换和加载后，导入数据仓库；数据存储层完成对数据仓库系统中数据的存储和管理，为了便于对海量数据的管理，总是把数据以一定的规则组织起来，如何从逻辑和物理上去组织数据，是数据仓库建设的重要步骤;数据的输出层与OLAP服务器、数据挖掘服务器相连，对数据仓库中的数据进行多维分析和挖掘。
三个层次简单明了，但在实际实施时，却需要应用数据挖掘、人工智能、机器学习等多个领域的理论和技术，以及统计学、决策科学、计算机科学等方面专业人才的密切合作，才能从数据仓库的海量数据中淘出所需要的“金”。基于数据仓库的CRM体系结构如图所示。
数据仓库在CRM中的作用
● 客户群体的分类和聚类
企业的客户千差万别，但是必定存在一群客户在行为模式上的相似性。CRM系统通过对数据仓库的分类和聚类分析，可以发现群体客户的行为规律。按照客户行为划分为不同的群体，这是CRM中的一个重要组成部分，即行为分组。
● 客户价值分析
进行了客户群体划分之后，企业还必须知道各个群体对企业的贡献率如何。根据“二八原则”我们知道，银行业20％的客户创造了80％的价值。要对这20％的客户实施最优质的服务，其前提是发现这20％的重点客户。重点客户的发现通常是由一系列数据处理、转换过程以及数据挖掘来实现。如通过分析客户对产品的应用频率、持续性等指标来判别客户的忠诚度;通过对交易数据的详细分析来鉴别哪些是银行希望保持的客户。
● 客户行为分析
找到重点客户之后，银行就该着眼于如何为他们服务。这就需要进行客户行为分析，发现客户的行为偏好。客户行为分析又分为整体行为分析和群体行为分析。整体行为分析用来发现企业现有客户的行为规律。同时，通过对不同客户群组之间的交叉分析，企业可以发现客户群体间的变化规律，并可通过数据仓库的数据清洁与集中过程，将客户对市场的反馈自动输入到数据仓库中。通过对客户的理解和客户行为规律的发现，企业可以制定相应的市场策略。
● 客户的中间业务需求分析
银行作为社会交易活动的中介，存储了大量客户交易信息，CRM系统通过对客户的收入水平、消费习惯、购买物种等指标分析，可以得知客户的潜在需求。同时银行作为一个金融机构经常与厂商打交道，又掌握了大量厂商信息。所以银行可以作为厂商和消费者之间的中介，与厂商联手，在掌握消费者需求的基础上，发展中间业务，更好地为客户服务。
● 优化资源配置，降低经营风险
通过分析客户的账户分布状况、账面金额、对不同银行产品的利用、资金流动等情况可以分析金融网络的利用率、效率和客户行为。例如分析每天的现金流入、流出状况以及引起变化的原因，以便及时调动资金，更好地安排网点服务和资金头寸管理。同时还可以发现一些异常行为，防止金融犯罪等经营风险。
在数据仓库提供的上述功能的基础之上，CRM可以在实施阶段通过收集客户信息，建立数据模型，设计和创建CRM数据仓库，分析客户信息，实现个性化服务。
计算机世界网(www.ccw.com.cn)
相关链接: