第7章客户关系管理系统

银行信息系统管理概论1第七章客户关系管理系统教学目标与要求掌握CRM系统概念与分类；掌握CRM系统实施的目的；了解CRM系统实施中的关键问题；了解CRM系统在银行中的应用现状；掌握数据仓库技术；掌握OLAP技术；掌握数据挖掘技术的基本概念；了解数据挖掘技术具体应用；掌握CRM系统的逻辑和物理结构；掌握CRM系统的主要功能；了解CRM系统与银行其他系统之间的关系银行信息系统管理概论2知识构架银行信息系统管理概论3导入案例CRM能带来什么:数据仓库型CRM在美洲银行的应用美洲银行以美国西海岸为中心，拥有约2000家营业网点和7000多台ATM，为1100多万客户提供服务，每日业务处理量达1600万件以上，ATM的每日交易量约为2600万次，拥有北美最大的客户信息数据库。美洲银行的数据仓库型客户关系管理（CRM）系统，分为批发业务与零售业务两个体系，是美国银行业中开发运用比较成功的一种CRM。1996年,美洲银行开发出称之为SaleNet的应用软件，并配置到各营业网点。Sa1eNet具有10个画面，采取对话形式检索，以及可以及时反馈传输数据的软件系统，目的在于选择销售HomeEquityLoan顾客对象，分析顾客特性。与导入SaleNet前相比，美洲银行直接向顾客发送邮件银行信息系统管理概论4导入案例减少40%，反应率达97%，贷款成功率达21%，新增贷款4500万美元。随着SaleNet的推广，美洲银行面向个人融资总件数中，65%是借助数据仓库型客户关系管理系统挖掘分析的信息，通过电话直接推销而成功的。随后，美洲银行逐渐将数据仓库型CRM与电话银行结合起来，向每天甚至每时更新数据、深入发掘数据仓库型CRM潜力的方向发展。美洲银行引进数据仓库型客户关系管理系统后，在数据处理上可以更低的成本、更综合的方式分析出有用的信息。比如，以前需要6个多小时、30多美元的费用才能检索出的信息，现在只要几分钟时间和20多美元的费用就可以实现。同时，以前不容易得到的一些分析事项现在也可以实现了。如在客户收益性分析中对其交易成本的分析、ATM及柜台平均交易成本以及客户交易次数等。银行信息系统管理概论5导入案例1997年,美洲银行在行内设置100多处数据仓库型CRM的利用终端，1500多职员有权使用这些终端。这些职员每天平均检索3000次以上的信息，面向全行数千职员提出各种报告。该系统的文件由5000个表格及50000个栏目构成，由40多个子系统供给源数据。系统可以在线提供13个月的时间序列数据。若需要以前的数据，则通过复读磁盘记录恢复出来。分析美洲银行实施CRM成功原因，一是将数据仓库技术运用于CRM研发，不仅提高了系统的稳定性与时效性，而且提升了各类信息的综合利用率。数据仓库技术最大的优势就在于它的集成性、面向主题和数据挖掘能力。美洲银行的客户关系管理系统采用了数据仓库技术，使得系统的响应时间加快、成本费用下降、信息价值提高。银行信息系统管理概论6导入案例二是注重人的因素，全员的参与使全行上下均能聚焦客户服务。行内上千名员工成为系统的用户，每天查询大量的客户信息，有针对性地选择目标客户进行营销，大部分的成功案例均是借助数据仓库型CRM系统挖掘分析的信息。这使得全行上下都认可以客户为中心的经营策略，接受CRM的理念与系统，并运用于实践，体会CRM所带来的效益。三是分阶段实施，由一个主题应用开始逐步展开。在确定了实施的业务内容与需要的信息来源后，按照零售与批发这种类型的客户分别开发系统，并在功能实现上逐步延伸，分阶段进行。资料来源：CRM能带来什么：数据仓库型CRM在美洲银行的应用.《金融时报》.2005.12.14银行信息系统管理概论77.1客户关系管理系统概述7.1.1客户关系管理系统的概念银行信息系统管理概论81.客户（customer）。客户是指所有与企业（如银行）有互动行为的单位（我国银行传统上一般称为对公客户）或个人（我国银行传统上一般称为对私客户）。2.关系（relationship）。关系是指发生在人与人之间彼此的行为方式以及感觉状态。关系具有对关系双方有所约束的特性，使得想脱离关系的一方有某种程度的“逃离代价”。3.管理（management）。管理是对资源的控制和有效组织，以实现企业所确定的目标。4.客户关系管理（ManagementRelationshipManagement，CRM）。客户关系管理最早是由GarterGroup提出。它是由上世纪80年代的接触管理（ContactManagement）和上世纪90年代的客户关怀（CustomerCare）演变而来的。5.客户关系管理系统7.1.2银行客户关系管理系统的类型1.操作型CRM（OCRM）系统操作型CRM（OperationalCRM，OCRM）系统也叫运营型CRM系统，其侧重点是银行为客户提供一个统一的客户接触平台，只要客户与银行发生联系，银行就可以借助这个平台实现该信息的内部共享，其中包括客户的个人信息、客户的交易信息、客户的资产负债状况、与客户发生过的接触以及处理结果等。2.分析型CRM（ACRM）系统分析型CRM（AnalyticalCRM，ACRM）系统主要是利用银行数据仓库中的数据，运营各种数据分析工具和方法（如OLAP、数据挖掘和统计分析等），得到各种有价值的客户信息和知识，为银行开发新的产品和服务，提高服务水平和能力，提供可靠的决策依据。银行信息系统管理概论9银行信息系统管理概论107.1.2银行客户关系管理系统的类型分析型CRM与操作型CRM逻辑关系3.法人CRM（CCRM）系统法人CRM（CompanyCRM，CCRM）系统是指针对公司客户或机构客户（在我国银行界传统上称为对公客户）进行客户关系管理的CRM系统。CCRM也可按照操作型和分析型分别进行开发。4.个人CRM（PCRM）系统个人CRM（PersonalCRM，PCRM）是指针对个人客户（我国银行传统上称为对私客户）进行客户关系管理的CRM系统。PCRM系统也可按照操作型和分析型分别进行开发。银行信息系统管理概论117.1.2银行客户关系管理系统的类型7.1.3银行实施客户关系管理的目的1.交叉销售2.追加销售3.客户保留4.客户获取5.客户挽救6.客户体验银行信息系统管理概论127.1.4银行实施CRM系统的关键问题1•总体规划，分阶段实施和推广CRM系统2•整合客户服务渠道3•需要将大量细节数据存储足够长的时间4•注意对客户信息的保密5•要有高水平的专门从事CRM系统应用工作的专职应用分析队伍6•科学评估CRM系统的效益银行信息系统管理概论137.1.5银行客户关系管理在国内外应用现状1.客户关系管理在国外银行的应用西方金融业在上世纪80年代就开始了CRM的研发和建设。1998年全500家大银行中的前70家基本都建立了自己的CRM系统，其数据量超过了500GB；1999年全球银行业共投资54亿美元实施CRM系统，其中欧美地区占了八成。2.我国银行CRM的应用现状进入21世纪以来，我国银行业的竞争更加激烈，以数据大集中为核心的银行电子化的基本实现，以及以数据仓库系统和信贷管理、绩效考核系统等各类管理系统的不断建立，使实施CRM系统的条件逐步成熟，我国大型股份制商业银行大都（或正在）规划或实施了自己的CRM系统。银行信息系统管理概论147.2银行CRM系统的相关技术7.2.1数据仓库1.数据仓库的概念数据仓库（DataWarehouse）为一个面向主题的（SubjectOriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集合，用于支持管理决策。2.数据仓库的主要功能数据仓库系统至少应该实现数据获取（DataAcquisition）、数据存储（DataStorage）和数据访问（DataAccess）。银行信息系统管理概论157.2.1数据仓库3.数据仓库系统的构成银行信息系统管理概论16数据仓库系统构成与各部关联图4.数据集市数据集市（DataMarket），也可称为部门数据或主题数据（SubjectArea），是一个从集合数据中为银行、企业及其它政府和科研组织提供数据挖掘技术服务的具体应用平台和操作模式。数据集市的数据一般是从企业范围的客户数据库、消费者数据仓库，或者是更加专业的数据仓库中抽取出来的，具有特定的应用目的或应用范围，是从数据仓库中独立出来的一部分数据。在数据仓库的实施过程中往往可以从一个部门的数据集市着手，以后再用几个数据集市组成一个完整的数据仓库。银行信息系统管理概论177.2.1数据仓库7.2.2联机分析处理（OLAP）1.OLAP的概念联机分析处理（On-LineAnalysisProcessing，简称OLAP)是一类软件技术，它使分析人员、管理人员通过对信息的多种可能的观察角度（也称为维度）进行快速、一致和交互性的存取以获得对信息的深入理解，这些信息从原始数据转换而来，反应了用户所能理解的企业的真实的“维”。OLAP的显著特征是能提供数据的多维概念视图，使最终用户能多角度、多侧面、多层次地考察数据库中的数据，从而深入地理解包含在数据中的信息及其内涵。多维结构是决策支持的支柱，也是OLAP的核心。OLAP展现在用户面前的是一幅幅多维视图。银行信息系统管理概论182.OLAP多维数据模式（1）星型模式星型模式是最常见的多维数据模型。在星型模型中包括：一个大的包含大批数据和不含冗余的中心表，称为事实表；一组小的附属表，每个事实表的概念属性附属一个，称为维表。银行信息系统管理概论197.2.2联机分析处理（OLAP）银行信息系统管理概论20时间维：对被分析数据的时间进行标识。在这个例子中没有对时间维度设置层次，在实际应用中可以按不同的需求划分层次，例如分为年、季、月等层次。地区维：对被分析数据的地理位置进行标识。在本例中没有对地区维设置层次，但在实际应用中可以依据不同的需求来设置地区维度层次，例如：省、市、县、镇等。销售渠道维：对产品的销售方式进行标识。本例中销售渠道包括批发和零售两种。产品维：对产品的类型进行标识。没有设置产品维时，事实数据是销售额时表示的是所有产品的销售额；增加了产品维时，销售额就表示每一种产品的销售额是多少。7.2.2联机分析处理（OLAP）2.OLAP多维数据模式(2)雪花模式雪花模式是星型模式的变种，其中某些维表示规范化的，因而把数据进一步分解到附加的表中。雪花模式和星型模式的主要不同在于，雪花模式的维表可能是规范化形式，以便减少冗余。这种表易于维护并节省存储空间，因为维的结构信息作为列时，维表可能变的非常大。但是，由于执行查询需要更多的连接操作，雪花模式可能会降低浏览的性能。银行信息系统管理概论217.2.2联机分析处理（OLAP）3.OLAP的主要类型OLAP系统按照其存储器的数据存储格式可以分为关系OLAP（RelationalOLAP，简称ROLAP）、多维OLAP（Multi-dimensionalOLAP，简称MOLAP）和混合型OLAP（HybridOLAP，简称HOLAP）三种类型。4.OLAP的主要分析操作OLAP的基本分析操作有钻取（Drill-up和Drill-down）、切片（Slice）和切块（Dice）、旋转（Pivot）等。银行信息系统管理概论227.2.2联机分析处理（OLAP）7.2.3数据挖掘1.数据挖掘的概念数据挖掘（DataMining，简称DM），其广义的概念等同于KDD(KnowledgeDiscoveryinDatabases)，简单地讲就是从大量数据中提取或挖掘知识。从技术的角度又可以详细的阐述为：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。从商业的角度讲，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业