0 引言
客戶關系管理CRM系統是以客戶為中心，以客戶管理、銷售管理、客戶服務為基礎，實現企業面向客戶業務流程處理自動化的信息系統。根據CRM業務目標不同，又分為運行型CRM(也叫操作性CRM)和分析型CRM。運行型CRM關注業務流程和過程，分析性CRM關注數據挖掘與分析。由于各個行業的特性不同，CRM系統在各個行業的應用千差萬別，其實現方式和目標也完全不同。金融業在我國的發展非常迅速，尤其在近幾年，隨著金融服務業作為國家的一個行業發展戰略，以及上海金融中心的確立，金融業也迅速由量變向質變轉變。提高客戶忠誠度、完善銷售服務體系以及對于數據分析和挖掘的需求，越來越受到重視。
1 數據整合與應用
無論是以哪一種應用為目的的CRM系統，數據是基礎，是核心，而數據整合是CRM系統建設的基礎。一般在企業建設CRM系統中或者后期，企業已經擁有或者準備建設與企業一些特定業務相關的系統，比如：呼叫中心、網站、客服系統、郵件短信平臺等等。CRM系統數據整合的過程，就是將這些系統的數據通過統一的數據引擎，經過采集、轉換與處理ETL(Extra Transfer Loading)過程，由分散的數據形成統一的數據視圖。
數據整合的意義，不是簡單的數據積累，其意義不僅在于統一數據格式、統一數據存放、統一數據利用，還在于動態數據整合過程中，產生了數據分析、數據挖掘的數據基礎，為CRM應用提供了數據保障。數據整合與應用示意圖如圖1所示。
圖1 數據整合與應用示意圖
由圖1可以看出，投資者可以有多種方式與金融企業接觸并產生數據，有的有系統支持，有的是通過人工接觸的過程記錄的數據，這些數據通過統一的數據整合引擎和ETL過程，形成統一的數據視圖，包括客戶視圖、市場拓展信息、銷售過程信息、客戶服務信息、財務數據以及與客戶行業相關的研究報告、行業分析等等。
當然，在實際數據整合過程中，整合的數據不限于與投資者直接產生的關聯數據，也包括來自其他系統的間接關聯數據，比如資訊系統的相關資訊數據、財務管理系統的預決算和成本數據等等。
2 系統建設關注點
一個系統能夠實現的功能很多，也很復雜，但企業要建設一個系統，必然有其最重要的關注點。CRM系統的應用部門或業務條線不同，關注點也就自然不同。市場銷售部門關注銷售和市場，客服服務部門關注售后服務與客戶訴求，而領導更關注企業業務的執行狀況和能夠進一步改進或拓展的業務方向。要獲得能夠適合企業內部多部門均可使用、挖掘和分析的數據，可以從業務的關聯性分析數據的準確性、一致性、有效性和數據的內在關聯性。建設一個易于擴展和支持靈活應用的CRM系統是企業各部門的共同關注點和基礎。
2.1 數據整合過程
由異構、異源數據經ETL處理獲得具有一定聚合粒度的數據并存儲在數據倉庫的整合過程大致如圖2所示。
圖2 數據整合過程
由圖2看出，數據整合過程經歷了采集、轉換、處理、粒度聚合等多個環節。原始數據已經發生了質的變化，這就要求在數據整合過程中，每一次數據的變化都要保證數據的正確性，否則會產生放大效應，數據誤差逐級放大。
在實際應用中，不同的系統，即使在同一個金融行業，不同的專業范疇，比如銀行、證券、基金等，都有不同的處理手段，來保證數據處理過程的正確性，而不至于數據失真。
2.2 數據關聯
數據關聯是數據分析的前提條件，只有在數據關聯的基礎上，才能進行多維度的數據分析。數據關聯可以分為橫向關聯、縱向關聯、緯度關聯等三種：
1)橫向關聯。以不同業務類型數據為對象的關聯方式，比如客戶基本資料與客戶交易數據通過賬號的關聯。
2)縱向關聯。以同一種業務類型、來源于不同系統的數據為對象的關聯方式，比如：基金行業的客戶賬戶數據，同時來源于賬戶注冊系統和直銷(網上交易)系統。
3)維度關聯。按照業務需求的不同，設計不同的分析維度，并與數據關聯，比如地區、客戶性別、行業、資產規模等。
2.3 易于擴展
系統的建設往往不是一蹴而就，其建設過程一般為螺旋式上升的模式。在建設的初期，只需滿足一種或幾種業務應用，隨著業務的不斷發展，對系統的要求和功能拓展也越來越高和頻繁，因此系統的設計必須滿足易于擴展的要求，使得在后期的業務拓展中，系統能夠很容易向外擴展，而不至于為了新的需求，將系統推倒重來，浪費大量的人力物力。
從業務上，要具有前瞻性和先進性，在提出需求的同時，考慮到未來業務的發展方向。
從技術上，系統的技術實現，要具有工具化特點，能夠通過簡單的配置和程序開發，就能滿足業務的需求。一般比較成熟的ETL工具，都具有兼容異構數據源的功能，并且在采集完成后，根據業務特點設定的數據處理邏輯，轉換成統一的數據視圖。
3 CRM系統的核心價值
圖3是關于不同層次系統核心價值與投資回報的關系圖。
圖3 系統核心價值體現
從圖3可以看出，分析型CRM系統的基本功能所提體現的核心價值在于實時查詢、數據統計、數據分析，也是一個企業建設分析型CRM系統初期要能達到的要求。隨著核心價值的提升，系統能夠體現數據挖掘，甚至是輔助決策的價值，給企業所能帶來的投資回報也是同比上升的。
從廣義的數據挖掘定義和技術層面來講，數據分析是數據挖掘的一種方式，之所以將數據分析和數據挖掘分開，是因為企業在建設分析型CRM系統的時候有個誤解，以為做到了數據分析就是一個數據挖掘系統了。實際上，數據挖掘要遠比數據分析寬泛，數據分析是分析者建立一系列的假設，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，本質是一個演繹推理的過程。而數據挖掘不是用來驗證某個假定的模式的正確性，而是在數據庫中自己尋找模型，本質是一個歸納的過程。
分析型CRM系統的最高價值體現——輔助決策，往往不是完全靠一個系統就能實現的。通過數據倉庫、數據挖掘、商業智能(BI)的應用，結合決策者的思維，最終達到系統從數據到應用的發展、從知識到價值的轉化，實現輔助決策的價值。
4 CRM系統的業務架構
分析型CRM整個系統的業務架構分為三個部分，如圖4所示：數據中心、應用層、業務操作層，圖4中圈內是運營型CRM應用，不在本文討論范疇之內。
圖4 分析性CRM系統業務架構
數據中心 數據中心完成數據的ETL過程，實現從原始數據到數據倉庫的轉化、處理。從技術層面，數據中心要具有可擴展配置、ODS(Operational Data Store)、ETL等功能。
應用層 應用層實現在數據基礎上的各種應用，實現相關業務需求。從技術層面，應用層具有OLTP(聯機事務分析，不在本篇討論范圍之內)、OLAP(聯機分析處理)、DW(數據倉庫)、DM(數據挖掘)、BI(商務智能)等功能。
業務操作層 業務操作層實現人機交互，包括管理者、銷售市場人員、客戶服務人員、聯系人、IT管理者等。
系統業務框架是一個開放式的框架，在數據中心的基礎上與所有的關聯系統能夠無縫互聯，實時或者定時交換業務數據。
從系統的角度，可以認為分析型CRM系統是決策支持系統的一種。
決策支持系統DSS(Decision Support System)是輔助決策者通過數據、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機應用系統，包括數據部分、模型部分、推理部分和人機交互部分。
數據倉庫是體系結構設計環境的核心，是決策支持系統(DSS)處理的基礎。數據倉庫是一個面向主題的、集成的、非易失的且隨時間變化的數據集合，用來支持管理人員的決策。
在數據倉庫中，一組以公共鍵碼聯系起來具有某種關聯的數據表，就屬于一個主題。比如客戶主題，包括：賬戶資料、交易信息、資產信息、活動拜訪、投訴建議、客服記錄、聯系人、權限管理、行業研究(機構)等；活動主題，包括：活動定義、參與對象、過程跟蹤、結果統計等。
5 分析型CRM系統的特點
分析型CRM系統應具備以下幾個基本特點：
1)高效性
·數據處理能力。金融行業一般都具有龐大的基礎數據，分析型CRM系統要具有高效處理幾千萬甚至上億級數據的能力；
·快速提高數據查詢與服務，滿足分析型CRM系統的基本應用——數據查詢功能實現。
2)安全性
·滿足復雜網狀權限應用；
·完善的數據備份與恢復機制；
·數據管理與密碼策略；
·完善的數據修改日志。
3)可靠性
·無人值守，系統自動處理；
·以短信或郵件方式自動報警；
·斷點快速恢復處理。
6 工具應用
CRM系統在中國的發展，已經比較成熟，但還需要更上一個臺階，尤其是分析型CRM系統的應用。市場上應對CRM系統建設所開發出來的工具也層出不窮。國內軟件廠商大都集中在CRM系統應用層面的開發，而國外的軟件廠商，除了CRM系統應用層面的開發，也提供大量的應用工具。
提供金融行業CRM系統應用的公司包括ORACLE、微軟、Saleforce，國內的有上海攜寧、杭州恒生等。
ETL工具比較著名的有Informatic、Datastage、Ssis等。數據分析與商業智能(BI)應用工具比較著名的有BO、BIEE、MSTR，國內的有潤乾等。數據挖掘工具有SAS公司的EntERPrise Miner、IBM公司的Intelligent Miner、Oracle公司的Darwin等。
7 結語
分析型CRM系統建設過程復雜，也是循序漸進的過程。企業信息化建設者在不同企業發展階段，通過分析型CRM建設，實現不同的價值。隨著信息技術的發展，從技術上已經能完全滿足金融企業復雜的數據應用。從長期看，分析型CRM建設必將隨著企業管理水平、尤其是營銷管理水平的提升而得到創新使用，最終實現數據向價值的轉化和輔助決策。
轉載請注明出處：拓步ERP資訊網http://m.guhuozai8.cn/
本文標題：金融業分析型CRM/ERP系統探索與應用
本文網址：http://m.guhuozai8.cn/html/consultation/10819912374.html
相關文章
