电信客户关系管理系统的分析与实现

电信客户关系管理系统的分析与实现内容摘要：

空间分布特性的分析结果。 其中，空间性数据仓库，即为在原有模型基础上的数据模型中加插地理信息特性描述，让目标数据具有地理空间特性。 例如，每个客户的注册信息上加入地理位置坐标描述，在客户消费 /服务的活动中，加入地理位置坐标描述。 另外，在原来传统模型上的数据挖掘模块中，捆绑 GIS 模块，让数据挖掘模块与 GIS 模块共同完成。 数据挖掘与 GIS 的结合增加了 面向空间要素的数据挖掘，主要是挖掘空间实体间的空间关系、空间规则和特征信息。 在 GISCRM 模型中，最大的特点就是数据挖掘与 GIS 的集成。 GISCRM的核心作用，在于通过对客户信息和消费数据的关联、挖掘、分析，得出对业务营销、市场细分、服务水平等有重要意义的关键信息，从而增强企业对市场的灵敏反应能力，提高用户服务水平，达到提高客户满意度、增加企业盈利能力、提高市场占有率的目的。 数据仓库以及数据挖掘模式 数据仓库作为数据挖掘的基础，不同于传统的联机事务处理系统，它具有面向主题的、集成的、不 可更新以及随时间变化的特性 [8]。 各个联机事务处理系统作为数据仓库的原始数据源，以文件方式提供客户基本资料、客户呼叫清单、客户帐单、客户联系历史记录等数据。 数据仓库通过 ETL 过程 [9]（抽取、转换和加载）处理这些接口文件，并且按不同的主题域组织、存储和管理这些客户数据。 通过数据仓库接口，对数据仓库中的客户数据进行联机分析和数据挖掘。 整个数据仓库的体系结构，主要由数据源、企业级数据仓库和决策支持三个部分组成 [10]。 8 数据挖掘，顾名思义就是从大量的数据中挖掘出有用的信息 [11]。 确切地说，数据挖掘是一种知识发 现的过程，它主要基于统计学、人工智能、机器学习等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行预测，以辅助决策者评估风险、做出正确的决策。 数据挖掘与联机分析处理（ OnLine Analytical Processing, OLAP）都是分析型工具 [12]。 联机分析处理作为验证型分析工具，更多地依赖用户输入的问题和假设，使得用户能够快速地检索到所需要的数据，而数据挖掘能够自动地发现隐藏在数据中的模式（ Pattern）。 数据挖掘技术主要包括 “关联规则 ”、 “时间序列 ”、 “聚 类 ”、 “分类 ”、 “回归 ”、 “决策树 ”、 “神经元网络 ”、 “Kmeans”等几种算法 [13]。 在实际应用中，数据挖掘主要采用以下几种方法进行模式的发现： 1) 相关分析和回归分析：相关分析主要分析变量之间联系的密切程度；而回归分析主要基于观测数据建立变量之间适当的依赖关系。 相关分析是回归分析的基础。 2) 时间序列分析：与相关分析类似，目的也是为了挖掘出数据之间的联系，但时间序列分析更加侧重于数据在时间先后上的因果关系。 3) 分类分析：分类分析首先为每一个观测赋予一个标记，然后检查这些被标记的观测，描述 出这些观测的特征。 这种描述可以是一个数学公式或者模型，利用它可以分类新的观测。 常用的几种典型的分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。 4) 聚类分析：与分类分析不同，聚类分析的输入是一组未标定的记录，目的是根据一定的规则，合理地划分记录集合。 聚类分析和分类分析是一组互逆的过程，因此在很多分类分析中适用的算法也同样适用于聚类分析。 数据挖掘与 GIS 集成 数据挖掘与 GIS 集成首先体现在辅助 GIS 空间分析上，它可以增强 GIS 的空间分析功能，提高 GIS 解决实际问题的能力， 使得 GIS 中的有限的数据变为无限的知识，使 GIS 成为智能的空间信息系统；其次， 数据挖掘和知识发现 （ Data Mining and Knowledge Discovery ， 简称为 DMKD） [14]技术在 GIS 中的应用，也丰富了 GIS 的空间数据库，使原来难以关联的、分散的和独立的人口、资源和环境方面有关信息的联合分析成为可能，拓宽了 GIS 的分析范围和应用领域 [15]；第三， GIS 为 DMKD提供了一个具有空间信息的数据挖掘平台，使空间数据仓库的构建成为可能，空间 9 数据挖掘的实现更容易实现，更易于数据间的关联分析和 知识发现，易于提供发现的启发点，增强计算机理解地理信息的视觉能力，也对知识的表达、描述和可视化更加形象、直观和易于理解 [16]。 1) 面向空间要素的数据挖掘主要技术 (1) 空间关联分析（ Spatial Association Analysis） 空间关联分析用来发现空间数据仓库中空间数据与空间数据或空间数据与非空间数据之间 [17]，同时或基于时序存在的内在规律，指相邻、相连、共生、包含、分布和变化等关联规则。 (2) 空间特征分析（ Spatial Characteristic Analysis） 空间特征分析是对相关 实体集的一般特性和特征的汇总，比如共性的几何特征规则可以描述某类实体的数量、大小和形态一般特征 [18]。 (3) 空间区分分析（ Spatial Discriminate Analysis） 空间区分分析是指将目标类对象的一般特征与一个或多个对比类对象的一般特征比较得到用于区分目标类和区分类的对比度量。 比如比较异域地物的坡度和坡向、公用设施的地区差异等区分规律。 (4) 空间分类（ Spatial Classification） 空间分类是指对空间对象基于某一特性，按照一定的分类模型进行归类。 (5) 空间聚类（ Spatial Clustering） 空间聚类是指根据空间实体的特征相近度，把空间对象划分到不同的组中，组之间的差别尽可能大，组内的差别尽可能小。 这种方法可用于空间实体信息的概括与综合。 2) 数据挖掘与 GIS 集成的主要途径 数据挖掘和 GIS 集成研究和应用才刚刚兴起，理论和技术都处在探索阶段，出于不同的专业方向在认识也存在着差异。 从目前 GIS 和数据挖掘的发展状况，数据挖掘和 GIS 集成的途径可分为四种： 第一种在两个独立的 GIS 软件和数据挖掘软件之间增加数据交换接口，把空间位置、几何和拓扑关系等信息经过转换加入数据仓库，用数据 挖掘软件作空间数据挖掘，最后使数据挖掘结果得以在 GIS 中以各种简单的或复合的图形方式显示出来，这种集成方式如图 所示，这种方法比较灵活，是短期内且费用较小的情况下解决 10 高级空间分析的有效途径。 图 数据挖掘与 GIS 集成－ 独立 方式 第二种是指把数据挖掘模块作为一个高级应用模块嵌入 GIS 软件包内，使得 GIS的空间分析与空间数据挖掘一体化，这样， GIS 不仅直接为数据挖掘直接提供了图形显示功能，而且可以将 GIS 中的有关信息直接参与数据挖掘，这种途径更 能为用户提供方便、全面、有效利用，是主要的发展方向，但是目前尚未有成熟的软件出现，图 表示了这种集成方式。 第三种是应用组件式 GIS 技术或对象联结嵌入技术，使用诸如 VB、 VC 及 Java、C等开发工具把 GIS 软件和开发出的面向应用的数据挖掘模块绑定 ，实现数据挖掘与 GIS 集成，这种途径具有一定的灵活性，又能给用户提供方便、全面、有效的应用，是目前 GIS 与数据挖掘集成的一种主要方法，如加拿大西蒙法拉色大学计算机科学系的 Hanjiawei 教授领导的小 组在 MapInfo 平台上建立的空间数据挖掘的原型系统 [22]，图 是这种途径的示意图。 第四种则是随着当今数据库技术的发展而出现的，因为当前 GIS 所管理的空间数据还主要是以文件方式 [23]，存在着难以管理海量数据，共享、并发、控制和安全保护措施差等缺点，因此逐渐出现了扩展常规关系数据库、使用对象 关系数据库和面向对象数据库来管理空间数据库的方法，如 ERSI 公司的 ArcSDE(SDE 空间数据库图 数据挖掘与 GIS 集成－集成方式 用户 GIS 管理系统 空间分析与数据挖掘 空间数据库 用户 用户 GIS 管理系统 GIS 管理系统 空间数据库 数据仓库 数据转换接口 11 引擎： Spatial Database Engineering)和 MapInfo 公司的 SpatialWare、北京 SuperMap公司的 空间数据引擎 SDX+ for Oracle 等 [24]。 然后建立在数据库管理信息系统之上进行数据挖掘，必要情况下使用 GIS 对所获得的结果进行解释。 这也是数据挖掘与 GIS集成的一个发展方向。 本章小结 本章通过介绍传统的客户关系管理的模型与地理信息管理系统的概念，引入空间信息服务型客户关系管理系统模型 (GISCRM)。 先以 GISCRM理论基础，讲解空间分析型 CRM 的结构；再介绍流行数据仓库与数据挖掘模式， 以相关分析和回 归分析法、时间序列分析法、分类分析法和聚类分析法讲解 面向空间要素的数据挖掘主要技术 ；分析常见的数据挖掘与 GIS 集成四种途径，并确定本系统采用 组件集成方式。 用户 数据库访问技术 空间数据库 GIS 组件 数据挖掘模块 图 数据挖掘与 GIS 集成－组件方式 12 3 客户关系管理系统的设计 PC 制造商 从面向客户服务转为面向客户关系管理 [25]。 这是为了强调客户管理和控制，提升客户对于企业的价值，向客户提供更好的个性化服务。 面向客户关系管理赋予了客户操作过程更丰富的内容，它可以更好地表示销售过程并将市场营销的实施和客户关系管理结合起来。 系统需求 分析 客户关系管理系统，设计中心始终围绕客户服务基础的 客户营销关系管理 [26]。 客户关系管理就是为组织者提供全方位的客户视角，赋予它更完善的客户交流能力和最大化的客户收益率所采取的方法。 面对系统的需求，划分为 以下六 个方面进行说明分析。 组织机构管理 市场细分是指营销者根据顾客之间需求的差异性 ， 把一个整体市场划分为若干个消费者群（子市场）的市场分类过程 每一个消费者群就是一个细分市场，每一细分市场都是由具有类似需求倾向的消费者构成的群体。 电信按照用户月电信消费额以及营销渠道， 将客户 渠道 细分为 四大营销渠道：大客户渠道、商业客户渠道、公众客户渠道、流动 客户渠道 ，即所谓的“大商公流” ，如图 示。 图 客户 四大营销 渠道 面向各种渠道，普遍的组织机构级别划分为分局、服务中心、社区。 其中分局为不同级别的客户管理室；服务中心为对应的营业中心或者机楼；社区是虚拟机构，例如社区对应多个分线盒的业务（普通电话和 ADSL）组成的一个范围，一个社区内有一个活着多个社区经理。 如图 示： 客户渠道 大客户渠道 商业客户渠道 公众客户渠道 流动客户渠道 13 图 客户维护的相关组织机构 客户中心、地面局、服务中心 的相关部门按照实际的组织部门设定。 社区是一个虚拟部门，社区的管理包括社区信息的维护，社区范围的维护（主要是社区和分线盒 /配线架的对应关系的维护 ）。 客户资料管理概述 不同的客户类型，有着不同的客户属性信息，具有不同的需要维护管理的客户资料。 客户资料管理，需要从客户资料的要求、客户结构、客户基本资料、客户辅助信息、客户行为资料进行分析。 1) 客户资料管理要求 (1) 明确的客户概念，从不同的角度理解对“客户”有不同的理解，从营销层面来说，本地网用户对客户的理解为： 一个营销对象，在营销过程和售后服务中被作为一 个实体看待，在电信产品序列中，由一系列相互关联的业务构成。 同时客户为具有时效性的动态概念，包含潜在客户、现有客户和历史客户。 (2) 明确相关责任人员。 客户资料的维护管理由相关的渠道整体承担，半自动化管理。 因此具体人员责任如下：客户代表（包括客户经理、区域代表和社区经理）[27]为主要的客户变更发起人，其直接上级负责客户变更的审定；系统发起的客户变更主要由业务变更而来，通过业务系统的业务变更导致的客户变更由系统直接操作，由渠道管理人员人工进行审定和分配。 在客户资料方面，客户代表对客户资料的准确性、完整性负责，由渠道 管理人员负责考核检查。 (3) 以上的责任人员对于公众客户渠道例外，因为众多的客户无法由人工进行维护跟踪，只能通过营业厅、 客服部门 等大众渠道进行维护与资料核对。 各种渠道客户中心 分局 服务中心 社区 14 (4) 对于公众客户渠道的“社区”，我们将其与客户统一考虑，形成“用户群”的抽象概念，以下文字中除非特别指出，否则不再单独体现“社区”概念，全部统一使用“客户”，即把社区当作一种特殊客户。 (5) 明确信息层次性，信息层次性有两个含义： ① 根据客户资料管理责任部门的组织机构层次，每个参与者所能够掌握的信息范围与其自身所属的组织机构层次相对应。 ② 客户资料本身可以分为多 个不同的维度，关注每个维度的相关人员不同。 2) 基本客户 信息 结构 不同的客户具有不同的属性信息，但根据客户基础要求，规划出普遍统一信息结构。 如图 示： 图 基本客户资料的结构图 基本客户资料的结构如上图所示，客户的主要信息组成如下： (1) 客户基本信息：包含必不可少的和最重要的客户信息，同时包含客户的各种分类信息，评价信息和识别信息。 (2) 客户。