《加特纳集团》PPT课件.ppt

1,主讲教师：张德富Email:,教材Jiawei Han等著、范明等译，数据挖掘概念与技术。机械工业出版社，2001主要参考书:1.Margaret H.Dunham.Data Mining:Introductory and Advanced Topics靳晓明等译。数据挖掘教程。清华大学出版社，2005 2.Michael J.A.Berry,Gordon S.Linoff.Data mining techniques for marketing,sales,and customer relationship management.数据挖掘技术.市场营销,销售与客户关系管理领域应用.别荣芳等译,机械工业出版社,2007,2,课件下载 http:/59.77.16.8/Download.aspx#p3成绩评定 期末笔试50%，平时作业和实验40%，考勤成绩10%,3,商业智能(Business Intelligence),因为每个BI专家对商业智能理解的不同，商业智能的定义也是多种多样的。,5,加特纳集团,商业智能 1996年由Gartner Group的Howard Dresner首次提出，它描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。,6,国际数据公司（Internet Data Corporation）,将商业智能定义为下列软件工具的集合：1.终端用户查询和报告工具。支持初级用户的原始数据访问 2.数据集市（Data Mart）和数据仓库（DW）产品。包括数据转换、管理和存取等方面的预配置软件，以及一些业务模型，如财务分析模型；3.联机分析处理（OLAP）工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP 也被称为多维分析;4.数据挖掘（DM）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断；5.主管信息系统（Executive Information System，EIS）。商业智能的过程是从不同的数据源收集的数据中提取有用的数据，对数据进行清理以保证数据的正确性，将数据经转换、重构后存入数据仓库或数据集市（这时数据变为信息），然后寻找合适的查询和分析工具、数据挖掘工具、在线分析工具（OLAP）对信息进行处理（这时信息变为辅助决策的知识），最后将知识呈现于用户面前，转变为决策。,7,国际商用机器(International Business Machine),商业智能是一系列由系统和技术支持的以简化信息收集、分析的策略的集合，它应该包括企业需要收集什么信息、谁需要去访问这些数据、如何把原始数据转化为最终导致战略性决策的智能、客户服务和供应链管理。IBM为零售行业提供了专门的商业智能解决方案RBIS。RBIS提供全面的包含零售企业客户分析、商品定价、营销效果分析、商店运作等多方面的报表库。IBM商业智能的基本体系结构包括以下部分：数据仓库：Warehouse Manager（数据仓库管理器）用于抽取、整合、分布、存储有用的信息；多维分析：DB2 OLAP Server（DB2多维服务器）全方位分析数据；数据挖掘：Intelligent Miner用于发现问题、找出规律，达到真正的智能效果：预测将来。,8,微软,商业智能是任何尝试获取、分析企业数据以更清楚地了解市场和客户、改进企业流程、更有效地参与竞争的努力。在正确的时间向正确的决策者提供正确的信息，商业智能使企业用更好的时间做出比以前更好的决策。衡量商业智能解决方案的标准是从数据获取知识的能力，这种能力应该可以处理那些远远超出人类简单分析的大量信息并识别其模式、趋势、规则和关系。为此，需要使用强大的、灵活的、易用的、可用的分析工具来做出有用的比较和智能的决策。微软商业智能包含如下组件：以Microsoft SQL Server、Analysis Services及Microsoft Office为主，BI共同作业Excel,Access可视化零售与营销分析项目管理资料分析,9,SAP,商业智能是一大类收集、存储、分析和访问数据以帮助企业用户更好进行决策的应用程序与技术。商业智能应用程序包含如下活动：决策支持、查询和报表、联机分析处理（OLAP）、统计分析、预测和数据挖掘。SAP的商业智能工具有：SAP Business Information Warehouse(SAP BW)和SAP NetWeaver。全球第一大企业管理软件与解决方案供应商,10,甲骨文,产品与解决方案：数据仓库平台：包括Oracle Database 10g、Oracle OLAP、Oracle Data Mining引擎和Oracle Warehouse Builder商业智能工具：包括OracleBI Discoverer、OracleBI Spreadsheet Add-in、OracleBI Data Miner、Oracle Reports Services和OracleBI Beans分析应用程序：包括Oracle Daily Business Intelligence、Oracle Balanced Scorecard、Oracle Enterprise Planning and Budgeting、Oracle Activity Based Management和Oracle Performance Analyzer,11,SAS,商业智能是关于在组织内部和组织周围正发生的智能或知识。一方面，ERP、会计系统，订单录入为组织报告常规的数据；另一方面，商业智能为组织提供知识和洞察力。商业智能允许组织从内部数据提取可以驱动组织前进的信息精华。产品和解决方案：SAS Enterprise BI Server：SAS Web Report Studio，SAS Add-In for Microsoft Office，SAS Information Delivery Portal，SAS Information Map Studio和SAS Integration Technologies。,12,Teradata,商业智能的目的是帮助决策者制定消息灵通的选择。因此，现代商业智能系统必须能处理海量的、详细的、全异的数据并快速将其转化为有意义的、准确、决策者可以放心获取的信息。Teradata提供的零售解决方案包含六大核心组件：商品分类分析（Assortment Analysis）：在最小存货单元和业务处理级别上确定商品库存是否合理；商品促销分析（Promotion Analysis）：在最小存货单元和业务处理级别上确定商品的拣选和调拨；客户分析（Customer Analysis）：利用可标识客户的数据分段了解客户的购买偏好、对促销的敏感性和收益；渠道分析（Channel Analysis）：确定所有销售渠道（店铺、目录、电子通道等）上分类、促销及消费者购买活动的效率；供应商分析（Vendor Analysis）：分析供应商提供商品的销售情况、运作效率和边际贡献以帮助谈判和商品分类计划；财务分析（Financial Analysis）：对可以用来衡量和提升性能的、主要财务数据（资产、负债、费用和收入）提供及时的洞察力。,13,国内BI厂商,珠海奥威智动：紧密结合中小型企业ERP，受众范围广，渠道拓展力度大，公司旗下的Power-BI产品更是荣获”2009年中国商业智能优秀产品”称号。东南融通：主业金融，已经纳斯达克上市润乾软件：技术领先，市场表现良好，发展潜力巨大。尚南公司：专注OLAP产品，十年坚持终获价值体现(已被用友华表收购)。探智公司：其Trinity产品是国内数据集成领域的生力军，发展势头良好。,14,15,商业智能,商业智能系统是一种能从不同的数据源搜集的数据中提取有用的数据，并对这些数据进行清洗与整理，以确保数据的正确性，然后对数据进行转换、重构等操作，并将其存入数据仓库或数据集市中；同时运用适合的查询、分析工具、数据挖掘工具、OLAP 工具等管理分析工具对信息进行处理，使信息变为辅助决策的知识，并将知识以适当的方式展示在决策者面前，供决策者运筹帷幄。商业智能是一门新兴的边缘学科，汇集了来自数据库、管理信息系统、统计学、人工智能中的机器学习与模式识别等多学科的成果，具有很强的生命力。,16,商业智能的系统结构,日常数据库,内部数据库,外部数据库,数据的抽取清理转换准备,数据仓库,网页日志数据,商店销售数据,信用数据,数据挖掘,OLAP,数据源层,数据获取层,数据存储层,数据分析层,应用层,Web服务器客户端,17,BI 系统的数据源层必须保存所需要的各种数据，数据抽取层具备抽取各种类型信息的能力，并且依照资料的特性与决策者的需求，能够自动、定时地到来源数据库中抽取信息，然后将数据存储在数据仓库中。数据存储层还可以将数据仓库中的数据按照不同行业数据分成不同的数据集市，以便数据分析层能针对不同的需要进行联机分析处理以及数据挖掘。数据挖掘方法设计即根据系统数据的特点，选择适用的挖掘算法，如可采用货篮分析、时间序列分析、聚类分析、决策树方法、遗传算法等。应用层系统设计用于确定以何种形式将联机分析处理、数据挖掘分析的结果呈现给用户。,18,商业智能的核心,如何收集数据营运数据，市场调查资料等如何管理数据ETL，数据仓库如何从数据数据中获取知识数据挖掘，OLAP如何应用知识营销策略，高层决策、互动化CRM机制其中商业智能最核心的东西是技术层次，它是商业智能得以发展的技术支撑力，是商业智能系统的核心，因此必须高度关注。,19,数据仓库,数据库系统应用查询数据会给数据库管理系统带来很大的负担，并且会导致日常应用简慢到无法接受的地步。另外日常数据存在一些问题，着限制了他们在智能系统中的应用，因此，数据仓库和数据集市就应运而生。W.H.Inmon，数据仓库之父，把数据仓库(Data Warehouse)定义为:“是一个面向主题的、集成的、不可更新的且随时间不断变化的数据集合，用来支持管理人员决策。”数据仓库面向复杂的分析型数据，解决了数据集成、数据综合、数据不一致等问题，使企业的业务操作环境和信息分析环境分离，允许企业各部门数据共享，从而有效地为决策提供实时的信息服务。,20,与数据库的区别,“面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜(数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。,数据库将数据堆积成山,数据仓库将数据有计划、有条理的堆积成山,21,“与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。同样都是累计购买过九车产品的顾客，一位是最近三个月购买九车，一位是最近一年从未买过，这对于决策者意义是不同的。“不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据(有的数据库例如电信计费数据库甚至处理实时信息)。因此，数据仓库中的数据是极少或根本不修改的;当然，向数据仓库添加数据是允许的。,22,例子,以银行业务为例。数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。,23,数据仓库的建设,数据仓库的方案建设的目的，是为前端查询和分析作为基础，由于有较大的冗余，所以需要的存储也较大。为了更好地为前端应用服务，数据仓库必须有如下几点，否则是失败的数据仓库方案。效率足够高 客户要求的分析数据一般分为日、周、月、季、年等，可以看出，日为周期的数据要求的效率最高，要求24小时甚至12小时内，客户能看到昨天的数据分析。由于有的企业每日的数据量很大，设计不好的数据仓库经常会出问题，延迟1-3日才能给出数据，显然不行。,24,数据质量 客户要看各种信息，肯定要准确的数据，但由于数据仓库流程至少分为3步，2次ETL，复杂的架构会更多层次，那么由于数据源有脏数据或者代码不严谨，都可以导致数据失真，客户看到错误的信息就可能导致分析出错误的决策，造成损失，而不是效益。扩展性 之所以有的大型数据仓库系统架构设计复杂，是因为考虑到了未来3-5年的扩展性，这样的话，客户不用太快花钱去重建数据仓库系统，就能很稳定运行。主要体现在数据建模的合理性，数据仓库方案中多出一些中间层，使海量数据流有足够的缓冲，不至于数据量大很多，就运行不起来了。,25,OLAP(联机分析处理),OLAP，即联机分析处理，是数据仓库数据分析技术之一，它充分利用数据仓库中的数据进行联机分析，对复杂的分析性查询语句提供快速的回应。OLAP 的多维数据模型和数据聚集技术组织汇总了大量的数据，以便使用联机分析和图形化工具对这些数据迅速进行评价。在理论研究上，OLAP 技术的研究人员主要来自数据库界，重点研究CUBE压缩与计算、实体化视图的选择与维护、多维资料的索引和多维查询处理等技术，以便能够在海量资料上提供秒级的分析请求响应时间。,OLAP从不同的角度对数据山进行观察,26,数据挖掘(Data Mining),数据挖掘(Data Mining)是从大型数据库或数据仓库中，通过数据抽取、转换、分析和其他模型化处理，发现并提取隐藏在其中的信息或者知识的过程，具有发掘与预测的功能。这些信息和知识是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规则、规律、模式等形式。数据挖掘技术的研究人员来自人工智能、统计、数据库界，其研究主要集中在各种挖掘算法和评价方法上，研究可伸缩的资料挖掘方法、基于约束的挖掘方法、复杂数据类型的挖掘等。,数据挖掘从数据山中挖掘出有用的知识,BI 的表示和发布技术,为了使分析后的数据直观、简练地呈现在用户面前，需要采用一定的形式表示和发布出来，通常采用的是一些查询和报表工具。不过，目前越来越多的分析结果是以可视化的形式表现出来，这就需要采用信息可视化技术。基于Web的应用服务,28,商业智能与数据,商业智能其实就是一种数据分析，将数据转化为信息，最终为企业决策者使用。很多中小型企业通过自身的信息化，积累了几年的历史数据，而商业智能的主要用途就是分析这些历史数据，从历史数据中找到企业新的发展方向和市场机会。商业智能系统分为两大类：报表和数据挖掘报表系统主要对日常数据进行简单的排序过滤分组和做基本的运算数据挖掘则通过复杂的统计和数学处理过程来实现异常复杂的数据分析一些商业智能系统直接从日常数据中读取的数据，尽管对于简单报表和小型数据库是可行的，但是对于更复杂的应用或者更大的数据库，这样直接读取的日常数据的方式是不可行的。这就需要数据挖掘。,29,商业智能与数据,商业智能的使用不是取决于企业规模的大小，而是企业对数据的积累是否达到一定层次。这个阶段总的来说分为三个特征:企业是否有连续的数据积累下来，少则1年，多则5年;企业的数据是否完整;企业决策者是否养成以数据说话的习惯。举个例子，如果你问我今天天气怎么样，我会回答:“挺热的，有点风”。如果是一位犹太人回答此问题，他会说:“今天气温达到了32度，阵风3级。”这说明我们对数据的意识很模糊。,30,商业智能的功能,数据管理功能 从多个数据源ETL（抽取、转换、转贮）数据、清洗数据、数据集成能力；大量数据高效存储与维护能力。数据分析功能具备联机分析处理（OLAP）等多种数据分析功能；终端信息查询和报表生成能力；数据可视化能力。知识发现功能 从大型数据库的数据中提取人们感兴趣的知识的能力。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识可表示为概念、规则、规律、模式等形式。企业优化功能 辅助企业建模的能力。,31,商业智能发展的技术关键,商业智能技术发展的关键环节体现在如下几点：商业智能作为企业的战略组成部分，必须有相应的软硬件条件支撑，没有这种基本的支撑，一切无从谈起。核心技术的融合与互补。三项核心技术要结合起来相互补充，进而形成有力的商业智能系统。在商业智能方面较突出的供应商，正在实施技术集成战略，相信不久的将来，会有更好的产品面世。例如OLAP与数据挖掘技术的结合。OLAP为数据挖掘提供预期的挖掘对象和目标，避免挖掘的盲目性。另一方面，数据挖掘技术可以使OLAP处理智能化，减少分析人员手工操作的繁杂性，减轻分析人员的负担。技术上没有一种是万能的。只有结合具体问题和经验进行具体的分析，在不断的尝试中选择更合适的方法。商业智能技术的运作离不开人，不能忽视人的作用。商业智能技术应用人才的成功培养是一个企业商业智能成功重要标志之一。,32,管理之父德鲁克说：“信息技术到目前为止只是提供数据而没有提供信息，德鲁克认为这不是所谓的“老一派”顽固不化的“主管们”造成的，而是由于新技术没有向高层主管们提供他们履行自己的职责所需的信息，因此他们没有利用这种新技术。”商业智能的出现恰好能够帮助各级管理者从大量的的数据中获取所需要的信息，从而帮助企业掌握更的商机，在日益激烈的竞争中立于不败之地。,33,BI 的应用,市场营销策略制定。利用BI 技术企业可以从看似毫不相关的海量的数据中分析和总结出实用的规则、模型或结论，企业可以据此制定、调整和优化其市场营销策略。,例1：一次，美国沃尔玛公司的分店经理发现：一段时期以来，每逢周末店内啤酒和尿布的销量都会同比攀升。这摆放在商店不同位置，看似毫不相关的两种商品，销量之间为什么会出现如此相似的波动？其中有什么关联吗？通过运用商业智能系统分析，发现购买这两种产品的顾客几乎都是25 岁到35 岁、家有婴儿的男性，每次购买时间均在周末。分析还发现：原来这些人习惯晚上边看球赛、边喝啤酒，对于要照顾的孩子，为了图省事就用一次性尿布。于是沃尔玛决定：把这两种商品集中摆在一起。结果销量显著增加。,34,例2：当您在超市中采购了一车商品时，采购车的即时扫描系统会显示出您的购买信息，系统会友好地提醒你：“我们有一种3人帐篷正在促销，位于F3货架上，您要购买吗？”这句话决不是一般的促销。因为商业智能分析系统早就算好了，如果你的购物车中有野外烧烤架、旅行背包等类似物品时，则86%的可能性你要买野外帐篷。同时系统可以立即根据已有的客户资料判断客户消费习惯，提醒到“我们有新款带有卡通图案的帐，位于F 3 货架的篷D1栏，谢谢选购”。这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的系统。,35,经营成本与利润分析。利用BI 技术可以对企业各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动的曲线，得到相应的改进措施和办法，从而降低成本、减少开支、提高利润。例：一家办公用品连锁超市在使用BI 系统对销售数据分析后发现该公司长期以来在销售商品陈列空间的规划上犯了错误。店内的空间很大部分用来陈列书桌、档案柜及其它家具，这看起来相当合乎逻辑，但是系统却显示这是错误的策略，如果将仓储、配送、房租与损坏成本都考量进来，这些大型商品的整体利润并不会比不占空间的小型商品来得更高。根据BI 系统的分析结果，这家办公用品连锁超市大幅调整了卖场陈列，结果销售的净利润年增长了12%。,36,客户分类和特点分析根据客户大量消费记录以及客户的档案资料，对客户进行分类，并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度。确定哪类顾客给企业带来最大的利润、哪类顾客仅给企业带来最少的利润同时又要求最多的回报，然后针对不同类型的客户给予不同的服务及优惠。例：现在，很多人都在使用银行卡、信用卡、公交智能卡、以及各种会员卡等。在这些卡里，一般都会存储消费者的姓名、住址，甚至家庭成员等信息。人们在生活中，使用这些卡时，比如刷卡购物，所购买的物品已经被记录在数据库中。经过长时间的统计，银行方面将可以获知，哪些人最喜爱到哪个商场购物，哪些人喜爱购买什么样的物品；商场也可以推断。这就是BI 的威力！,37,预警防范体系的构建 利用BI 系统的联机分析和数据挖掘技术，总结各种欺诈、盗用、骗费、恶意欠费等行为的规律后，在数据仓库中建立一套规则库，就可以实时分析和及时预警各种欺诈、盗用、骗费、恶意欠费等行为的发生，尽量减少企业损失。,这是在国外的信用卡使用过程中确实发生过的案例。一位女士在商场大减价促销的时候疯狂采购，但当她在进行第n 笔交易的时候，她的信用卡就停止服务了。因为在银行的BI 系统中有对每个客户消费行为的详细分析，当该女士的疯狂采购行为与其平时的消费习惯相比有很大异常时，BI 系统会认为该信用卡可能被盗，从而停止了信用卡服务。,38,理性决策 BI 系统可以通过对大量的特定数据进行分析、整理，从而形成量化的决策信息，以供企业决策者采用，规避经验决策风险，实现理性决策。,在使用BI 系统前，银行开设新的网点，往往都是根据经验决策，看人口的密度、住房情况，新设的网点一般需要2 至3 年才能获利。然而，当银行采用了与GPS 地理信息系统结合的BI 应用系统后，在银行的客户信息中就详细记录了客户的常驻地，当客户到该银行网点办理业务时，银行BI 系统将自动记录客户的操作信息，以及银行网点地址信息。经过大量的记录，客户的常驻地到银行网点的行动路线，将被通过数据分析而得出。大量的客户路线得出后，我们可能会发现，某个地区进行银行业务操作的客户特别多，但他们附近没有银行网点，而是要到离他们较远的地方去办理。于是，银行就决定在这个地区开办一个银行网点，如此开设的新网点可以在3 个月内获利。,39,销售方式创新 电子商务、网络销售是企业发展的新的增长点。应用BI 技术的实时网络数据分析功能，推动网上销售方式的创新，实现有效地捆绑销售和交叉销售等，将成为企业网络销售模式的新亮点。,例如某人访问著名的亚马逊网站（），当他选中一件商品后，会出现相关的推荐商品“Customers who bought this item also bought”，这是BI在网站应用的典范。相关人员在用户查看网页时，利用点击流数据仓库手段，构建点击流数据仓库维模型，通过收集到的海量网上数据对网站用户的消费行为、兴趣爱好进行分析，并按照分析结果，生成不同的“丰富特征”组，再通过对客户交互信息的跟踪和实时交互监控，将不同的结果在客户交互过程中即时的反馈给客户，有针对性地进行交叉销售的提示，有效地实现捆绑销售和交叉销售。,40,BI解决方案,行业应用层,商业逻辑层,算法层,银行电信零售保险,各行业电子商务网站,制药生物信息科学研究,CRM产品推荐客户细分客户流失客户利润客户响应,WEB挖掘网站结构优化网页推荐商品推荐,基因挖掘基因表达路径分析基因表达相似性分析基因表达共发生分析,关联规则、分类、聚类、神经网络、遗传规划等,41,BI 与各种企业信息化系统的关系,BI 作为一种企业信息集成解决方案，为企业不同的应用系统，如企业资源规划(ERP)、客户关系管理(CRM)、供应链管理(SCM)、办公自动化(OA)、电子商务(E-Commerce)等系统之间架起了互通的桥梁。同时，这些信息化系统也为BI 提供了数据源，离开了它们，BI 就会成为无源之水，无本之木。但BI 的价值又在这些系统之上，因为它可以发现数据背后隐藏的商机或威胁，获得洞察力，了解企业和市场的现状，把握趋势，识别异常情况，理解企业业务的推动力量，认清正在对企业的业务产生影响的行为及影响程度如何等。,42,ERP,ERP 是面向操作流程的信息系统，从技术角度来说，是一种联机事务处理系统(OLTP，On-Line Transaction Process)，实现了业务流程的自动化;从管理角度来说，它打破了企业部门之间的界限，满足了管理人员掌握、计划、控制、分配企业全部资源的需求，但是它并不能向决策人员提供强大的分析功能。,43,传统ERP 在运作过程中存在以下缺陷:对ERP 中留存数据利用率低下。无法满足高层管理者决策的需求。不具备日常作业人员使用综合数据的功能。为了解决日益膨胀的数据量和决策人员的分析能力缺乏之间的矛盾，一种建立于ERP 系统基础之上的商业智能解决方案(BI，Business Intelligence)应运而生。,44,BI与CRM,CRM系统要回答下列问题：哪些客户最有利，为什么？什么样的促销活动对哪些客户最有效？什么样的客户会对我们的新产品感兴趣？哪些客户有可能会倒向竞争对手？最有利可图的发展方向在哪里？,45,CRM：一个管理的理念,1981年，美国发行1.16亿张信用卡，后来10年内发行量超过2.63亿张。但再后面的10年，发行量没有翻一番，甚至也没有大幅增长。我国证券开户号称 6000万,实际交易的600万左右,经常交易的100万左右企业从产品的竞争转向对客户的竞争流失的客户是竞争对手的客户从企业内部管理转向企业外部管理将客户的资源变成企业的资源IT 技术使得CRM 管理成为可能,46,客户市场部：潜在客户销售部：当前客户售后服务部：老客户员工合作伙伴,发展新客户保持老客户,员工满意客户才会满意市场是要多赢的,客户响应分析交叉销售分析客户流失分析客户利润分析,客户细分,47,例子,响应率分析:分析客户对某种新服务或者新产品的感兴趣情况。为什么要进行响应率分析:通过响应率分析能够有效的降低市场推广的费用，同时能够更加有针对性的面对目标市场。达到以最小的投入获得最佳效果的目的IT技术使其成为可能行为的历史将表现为数据的历史收集、分析信息并根据信息决策是成功企业之必需历史的行为可以预测未来的行为,48,响应率分析是为了对某项市场营销（新产品销售）活动找到最合适的响应客户，需要预测哪些客户能够响应，以及响应的可能性是多少。构建客户响应率模型构建客户响应率模型决策树神经网络贝叶斯分类,49,基本过程,明确（响应/不响应）属于分类问题 选择与客户响应相关的变量 选择具体的数据，将数据划分成训练集合和测试集 在训练集上利用分类算法（决策树/神经元网络神经元网络/。/。）得出响应模型在测试集上验证模型的准确性评估模型，如果不符合要求，再重复上述步骤评估模型,50,商业智能前景,据市场分析员介绍，商业智能已经成了企业信息技术最为重要并且极具潜力的领域。为什么会这样呢？的确，在当今的经济环境中，所有市场中所有规模的企业都需要额外的杠杆才能得以生存。而该杠杆通常来自于关键决策者们，他们能够快速访问评估市场状况所需的商业信息。International Data Corp.（IDC）预言，商业智能系统的市场规模到 2006 年将翻倍且在世界范围超过 140 亿美元。其他诸如 Meta Group 的分析员也相信数据库行业的重点正从事务处理,业务分析方法转向数据仓库和数据挖掘。据ChinaBI调查2009年中国大陆地区的商业智能市场份额约为26亿元人民币，比2008年增长18%，约占企业管理软件的市场份额的8%。,阅读资料,