客户集成视图架构与案例分析.ppt

客户集成视图架构与案例分析,客户集成视图架构与案例分析,本文将介绍客户集成视图（一户式）的基本架构和应用案例。本文的组织结构如下所示：客户集成视图架构数据源架构数据模型架构数据存储架构数据操作架构数据传输架构数据分析架构客户集成视图案例,客户集成视图架构,客户集成视图架构客户集成视图案例,客户集成视图架构,客户集成视图架构可以被划分为如下子架构：,数据源架构 该架构包括客户集成视图架构中数据来源的途径、方式、内容等。数据模型架构 在该架构中，将以业务需求和数据源架构为依据，对所有与客户集成视图架构相关的数据进行分析，最终形成架构清晰的数据逻辑模型，并对模型中的数据实体进行明确的分类和利用分析。数据存储架构 在该架构中，将分析各种可能的数据存储方式如数据仓库、ODS、LDAP、Data Marts等的特点，并以业务需求为依据，为数据模型架构中的各类数据实体选择合理的分布式存储方式。数据操作架构 将以数据模型架构和存储架构为基础，明确数据的各种更改者、访问者、更改访问流程和传输逻辑；明确重复数据的同步逻辑。数据传输架构 在该架构中，将分析各种可能的数据传输方式的特点，并以业务需求为依据，结合存储架构和操作架构，确定各种数据在存储和存储之间以及存储和应用之间的传输方式。数据分析架构-该架构与数据仓库相关，将确定被分析的数据、如何分析数据以及如何使用经过分析的数据。,右图为上述架构的示意图。其中，数据模型架构没有在图中表示出来，这是因为数据模型的确定是从需求分析到系统构建过程中的一个中间步骤，当系统被实现后，数据模型将被实例化为右图中的数据存储架构。数据操作架构包含了操作访问层、分析访问层和客户识别等子系统。需要注意的是，在操作访问层和分析访问层中，数据的流动都可能是双向的。,在下面的章节中，将逐一介绍客户集成视图的各个子架构,客户集成视图架构,数据源架构,数据模型架构,数据存储架构,数据传输架构,数据分析架构,数据操作架构,数据源架构,小结,客户集成视图的数据源可包括以下各种类型：客户业务渠道应用系统呼叫中心基于互联网的销售和客户支持自助服务/销售系统无线、移动客户交互后台处理系统企业的遗留信息系统ERP系统外部数据源应用系统应具有相应的功能来记录必要的信息，以满足客户识别架构中定义的业务规则。如在客户识别架构中需要客户的地址或电话，便应通过相应的交流渠道要求客户提供相应的数据。,数据源储存各种应用系统运行时产生的数据，包括为客户提供服务和沟通渠道的业务系统以及内部管理系统等。客户集成视图的建设及其数据源的扩展是一个逐渐完善的过程，其最终目是建成一个跨系统、跨机构、包含各种内部和外部信息并为各种内部和外部系统提供支持和服务的、在整个企业范围内统一的客户集成视图。,数据源架构,数据源架构,数据模型架构,数据存储架构,数据传输架构,数据分析架构,数据操作架构,数据源架构,数据模型架构,小结,通常，客户集成视图关注如下四类数据：,客户统一ID 在整个企业中用于标识客户的唯一ID号。客户属性数据 客户的各种属性，如姓名、电话、住址等等。客户交易数据 企业和客户通过各种渠道进行接触，如用客户通过各种渠道购买企业的产品，客户通过企业的客户服务中心请求支持，客户通过企业的网站浏览信息等。企业的信息系统对上述接触产生的数据进行整理，将得到客户交易数据。换言之，客户交易数据是客户与企业进行接触的历史记录。客户分析数据 企业中的数据仓库等系统对客户的属性数据和交易数据进行分析和挖掘，将得到客户分析数据。企业中的营销人员、销售人员和客户支持人员以及企业的管理者和决策者都将使用该数据，所以，对于客户分析数据而言，其流动是多向的，除了从各个应用系统和客户集成视图的各个存储单位中取得数据作为分析的基础以及分析后的数据通过某种特定的工具和界面呈现给企业的管理者外，某些客户分析数据还将被直接提供给各个应用系统，供其在业务流程中和与客户接触时使用，以提高企业的业务效率和客户支持服务质量。,上述四类数据的前三类可归纳为操作型数据，最后一类是分析型数据。在具体的应用中，需要根据企业的需求将上述四类数据细化成具体的客户集成视图数据逻辑模型，在下面的章节中，将描述获得数据逻辑模型的一般过程和一个数据逻辑模型的实例。,数据模型架构,确认业务目标及各项业务目标的优先级,设计数据实体,设计逻辑的数据模型,确认业务需求,数据类型列表数据需求矩阵,业务目标列表市场营销方面客户支持方面产品销售方面 确定的优先级的业务目标市场营销活动详细目录,实体关系图(ERD)数据实体描述数据元素描述,业务目标-业务需求映射矩阵市场营销策划-业务需求映射矩阵客户、业务性能衡量标准,分析数据的使用情况和价值,分析客户需求并最终形成客户集成视图的数据模型的过程如下：,本阶段的交付成果,确定数据分类确定数据需求,举行专题讨论会与客户交流确定业务目标的优先级(核心、高、中、低),为如下系统确定数据逻辑模型：:数据仓库客户分析记录(CAR)客户ODS,确定用于支持业务目标的业务需求确定衡量上述支持的标准,确定数据实体及其属性分析数据的使用和数据的价值业务定义所有者使用度量根据数据的价值确定其优先级,采取的主要措施,高层的数据实体及其属性数据使用详情确定了优先级的数据需求,数据模型架构,数据模型架构,下面是一个客户集成视图的概念性数据模型示例，其中详细的各类数据实体可分别归入客户集成视图关注的四种数据类型。,核心客户可能是个人消费者，也可能是某个与公司有商务关系的个人将支持某商业实体将来的发展 客户分类单个客户可能有一种以上的客户类型 客户类型将决定针对该客户收集的信息的种类客户类型的确定途径多种多样，可以通过与客户的交互来确定客户的类型，也可以通过业务规则来确定客户的类型采纳多种多样的客户分割模型将支持多种多样的客户分类增加在不修改数据模型的条件下加入新的客户分割模型的灵活性,“客户”的定义：“客户”是指主动和公司接触过或者公司主动接触过的个人。对于公司来说，此人必须是可以被唯一的确认的。此人可能购买过，也可能没有购买过公司的产品。此人可能是一个消费者，也可能是与公司有商务关系的个人。,数据模型架构,客户信息 根据客户的类型，只有特定的客户属性将被使用客户信息变更的历史记录将通过使用高效的加盖时间戳的方法被保留下来 接触方法和偏好管理所有关于客户联系方法的信息，比如电子邮件、地址和电话号码允许记录一个客户在一种联系方法下的多条信息（比如允许记录一个客户的多个电子邮件地址）允许客户定义每种联系方法的有效性级别使系统具有在不改变数据模型的条件下增加客户的联系方法及其对方法的偏好的灵活性对客户的注册程序和偏好进行集中存储，以保证其数据集成性客户接触概要信息，包含：首次接触最后一次接触在过去一年中的总共接触次数营销、销售、客户支持等单一部门统计的关于客户接触的概要信息客户接触概要信息将用于驱动客户体验,数据模型架构,客户需求支持对客户的购买倾向进行捕捉循序对客户的消费心理进行收集，包括态度和偏好可通过向某些外部数据供应商购买来获得关于消费者购买倾向和消费心理的统计数据客户的产品支持在销售时捕获关于客户产品所有权关系的信息有能力识别已经购买过公司的产品但是尚未注册的用户支持在用户注册时捕获关于用户产品所有权的额外信息指向产品所有者的连接，以获取关于产品的详细信息允许捕捉客户拥有的其他产品的信息支持基于购买日期、生产日期或者安装日期的产品担保开始日期利用业务规则确定产品担保开始日期,数据模型架构,数据模型架构,数据存储架构,数据传输架构,数据分析架构,数据操作架构,数据源架构,数据存储架构,小结,在数据存储架构中，将首先介绍各种可能用于存储客户集成视图中各种数据实体的设施，再讨论数据模型架构中各类数据实体与各种设施间的对应关系。这些存储设施包括：,OLTP 在线交易型数据库LDAP 轻型目录访问协议ODS 操作型数据库DW 数据仓库Data Marts 数据集市,数据存储架构,OLTP指各个应用系统运行所需的数据库，如CTAIS、金税各自的数据库。,数据存储架构,LDAP的优势：可以在任何计算机平台上，用很容易获得的而且数目不断增加的LDAP的客户端程序访问LDAP目录。而且也很容易定制应用程序为它加上LDAP的支持。大多数的LDAP服务器安装起来很简单，也容易维护和优化为读密集型的操作进行专门的优化考虑使用LDAP的条件：需要在任何平台上都能读取数据。每一个单独的记录项每一天都只有很少的改变 可以把数据存在平面数据库（flat database）而不是关系型数据库中,用于客户集成视图的ODS有如下几种类型：,从渠道应用程序中复制的表,经过筛选的客户特性和客户交易信息,集成的客户特性和客户交易信息，可用于分析,来源于数据仓库的客户分析信息，将被提供给应用系统,闭环的、集成的客户特性、分析和交易信息,简单,稍复杂,复杂,稍简单,复杂,客户数据的快照，供简单的查询和分析 只能进行非跨系统的客户识别 不可重复的过程 缺乏历史数据,跨系统链接和匹配的客户特性数据和客户交易数据 受限制的离线使用（只可用于活动管理）,跨系统链接和匹配的客户特性数据和客户交易数据 可供分析的客户特性数据和客户交易数据 增强的离线使用（可用于活动管理和数据调查）,将后端系统批处理生成的客户分析数据提供给应用系统使用 有限的应用系统数据用法捕捉能力,360跨越整个企业的客户集成视图 客户数据在应用系统和分析系统之间自由流动 数据的所有权不再清晰,数据存储架构,数据仓库：客户数据仓库不仅要支持数据仓库的传统功能，即向终端用户提供分析报表，还需要具有将客户分析数据提供给各个渠道和应用系统的能力。同传统的数据仓库一样，客户数据仓库通常包含来自整个企业中各个子系统的数据信息，包括客户交易数据，呼入呼出的通信数据，以及产品所有权和保证书数据。这些客户数据通常粒度较小，且长期保存以便满足生成历史报表的需求。用于支持客户集成视图的客户数据仓库必须被物理地优化以便处理大量的数据和大量客户、应用的并发访问。被称为“家族视图”的子域通常在数据传输架构和客户识别系统（将在数据操作架构中详细介绍）中被定义。家族视图将允许定义客户间的复杂关系，供客户分析系统及其它应用系统使用。,数据存储架构,数据存储架构,数据集市：通常地，数据集市用于存储供某一特定子域、部门或特定类型的用户使用的一组特殊数据。这些数据被优化为能快速地访问和提供分析报表，所以其数据结构必然是高度概括化和索引化的。在客户集成视图架构中，数据集市的功能可能被扩展为包含那些没有加入到客户数据仓库架构中，支持客户关系营销体系和客户分析数据架构的营销应用系统的数据存储单元。为了分离和组织那些支持特殊CRM功能和工具的客户数据格式，在客户集成视图架构中，数据集市是经常使用的。虽然客户关系营销体系中的活动管理工具可被映射成已有的客户数据仓库，但为了得到良好的性能并容纳大量的数据，通常需要建立一个特殊的数据集市，用针对这种工具的标准数据模型存放客户数据。通常，数据从数据仓库流向数据集市。但是，在客户集成视图架构中，营销活动列表、客户得分等数据常常从营销活动数据集市或者分析数据集市中同时流向数据仓库和渠道应用。客户集成视图架构设计师有责任标准化并管理这些数据流以及支持它们的过程。,下面列出数据模型架构中的数据类型和数据存储架构中的各种存储设施之间的映射矩阵，该矩阵涵盖了规划客户集成视图数据存储的所有可能合理的选择。,数据存储架构,注意：对ODS的类型的选择将影响对应该存放在ODS中的数据类型的选择，反之亦然。,数据模型架构,数据存储架构,数据操作架构,数据传输架构,数据分析架构,数据源架构,数据传输架构,小结,数据传递架构保障了有效地管理和控制客户数据在各数据源以及客户数据存储间的传输和处理。,数据传输架构,它包括了两部分主要功能，实时传输和批量传输：实时传输 提供了实时或准实时的跨多个数据源的客户数据信息的集成能力，通常表现为EAI的中间件工具。批量传输 提供了将各数据源以及客户数据存储中的客户信息在离线状态或后台批量处理、传递和集成的能力。标准的组件包括：提取转换加载,数据传输架构,实施传输可被进一步细分为实时抽取和实时复制。批量传输亦可被进一步细分为批量抽取是批量复制，所谓复制，是指将数据从来源地复制到目的地，其中不经过任何格式和内容的转换，比如表的简单拷贝。通常，这和数据存储架构中提到的第一类ODS是对应的。,数据类型,传输类型,操作型数据,分析型数据,实时传输,批量传输,准实时的跨渠道客户信息集成,准实时地提供客户分析信息,批量的跨渠道集成,批量的提供客户分析信息,初步实现,数据传输架构分阶段实现的一般演化步骤：可以从两个维度对系统的类型进行划分。第一个维度是传输类型，包括实时传输和批量传输；第二个维度是数据类型，包括操作型数据（客户属性、交易数据）和分析型数据。将两个维度结合起来，可将系统分为四种主要类型，如下表所示。一般来说，首先实现支持分析型数据批量传递的系统，再逐步扩展到支持其它类型。,-系统划分及演化-,可能的系统演化方式,可能的系统演化方式,可能的系统演化方式,两个渠道,两个渠道,所有渠道,所有渠道,数据传输架构,数据模型架构,数据存储架构,数据操作架构,数据传输架构,数据分析架构,数据源架构,数据分析架构,小结,在客户集成视图架构中，数据分析架构的功能是抽取出客户属性、交易等信息及其历史记录，并使用数据挖掘的手段（包括建模、细分人群，客户评估等）进行分析。,分析访问工具提供了各种报表，分析功能和多维显示能力，可以很容易的获取对客户完整的洞察力。它包括如下功能：查询和报表 报表应用部分把常用的报表进行预定义，可以随时获得。查询功能可以通过友好的用户界面和直观的图像化工具帮助用户设计建立特殊的查询程序，不直接使用SQL语句便从数据存储中调用信息，并以列表或图表的形式表现出来。OLAP OLAP 应用提供了快捷和灵活的数据视图，可以进行数据的关联分析、钻取等操作。数据挖掘 利用智能统计技术来分析数据，并建立客户数据模型，进行客户人群细分、客户评估等，为业务策略的调整提供依据，并指导将来的业务操作。,数据分析分析架构,在客户集成架构中，数据分析架构不仅要支持向终端用户提供分析报表，还需要具有将客户分析数据提供给各个渠道和应用系统的能力。,数据分析架构,数据模型架构,数据存储架构,数据操作架构,数据传输架构,数据分析架构,数据源架构,数据操作架构,小结,在数据操作架构中，将分析如下问题：,客户识别 如数据模型架构中所述，需要建立在整个企业中唯一的客户标识。这只是实现客户识别的第一步。客户识别系统还需要解决企业中各个子系统专用客户标识之间的映射问题，以及基于不完全的信息来判断客户是否是新客户，并将那些被判定为老客户的客户同他们原有的客户标识联系起来的问题。操作访问 确定数据模型/存储架构和各个应用系统的关系，以业务需求为依据，规划客户集成视图架构中的数据存取逻辑和数据同步逻辑。分析访问 确定数据分析架构和数据存储架构的关系，以业务需求为依据，规划客户集成视图架构中的数据抽取-分析-发布/访问逻辑和客户分析数据的同步逻辑。分析访问和操作访问在规划中有重叠。,数据操作架构,数据操作架构,如数据模型架构中所述，需要建立在整个企业中唯一的客户标识。这只是实现客户识别的第一步。客户识别系统还需要解决企业中各个子系统专用客户标识之间的映射问题，以及基于来自于各个渠道的不完全的信息来判断客户是否是新客户，并将那些被判定为老客户的客户同他们原有的客户标识联系起来的问题。,客户识别,客户识别系统包含以下三个最基本的功能：整理并转换客户记录 增强补充客户记录 核查并匹配客户记录,下面将通过概念性实例来说明客户识别系统提供的功能及其若干典型流程。,潜在客户(Prospect_ID),呼叫中心(CID),应收帐款(Account_ID),通过姓名、地址等属性来识别用户并授予该用户一个唯一的DW ID,企业客户数据库(Universal_CID),客户匹配流程是指当客户第一次被引入到DW中时，为客户指定一个在整个企业范围内独一无二的ID，并在客户更改状态时继续使用这个ID。,订购系统(Purchase_ID),数据操作架构,企业客户数据库,某一数据源中的客户ID,客户姓名,客户地址,SSN,生日,检查该客户的某些属性域是否能和企业客户数据库中的某项的对应属性相匹配,4.更新属性,2.使用存在的ID,3.创建新的ID,举例：(潜在客户数据源)Account_IDThomas Banwart4456 N.Main Street448-90-,其它信息,许多工具允许定制的客户匹配规则,使用输入的客户记录同企业客户数据库中的记录相比较，确定该客户是否已经存在。一种常用的方法是给客户记录中的每个域赋予一定的权重，并建立基于可信度的匹配规则。将输入的客户记录同一个已有的客户唯一D联系起来。将输入的客户记录同一个新创建的客户唯一ID联系起来。将新的纪录插入到主表和交叉引用表中，或者更新主表和交叉引用表中的已有记录。,数据操作架构,潜在客户(Prospect_ID),呼叫中心(CID),应收帐目(Account_ID),个性化程序,一旦客户匹配流程将一个唯一的客户ID指定给了该客户，企业客户数据库中的交叉引用表就必须被更新。交叉引用表的作用是将各个渠道应用中同一客户的纪录联系起来。,Lead_IDEntity_ID,LegalEntity_IDEntity_ID,Account_IDEntity_ID,订购系统(Purchase_ID),Application_IDEntity_ID,企业客户数据库中的交叉引用表,数据源,数据操作架构,数据模型架构,数据存储架构,数据操作架构,数据传输架构,数据分析架构,数据源架构,小结,小结,客户集成视图架构的一种常见的、可能的高层的物理设计示意图如下：,客户数据仓库/数据集市,客户索引ODS,数据挖掘应用,查询&报表应用,OLAP应用,商业活动管理应用,CRM 应用服务(服务渠道),客户服务,销售,网站,VRU,内部数据,外部数据,提取,转换,加载,客户索引构建,应用集成,小结,客户集成视图案例,客户集成视图架构客户集成视图案例,客户集成视图案例,对某个客户集成视图设计场景，在完成对上述各个子架构的分析之后，可以得到一个初步的总体架构设计方法。在本节中，将提供一个描述客户集成视图总体架构设计方法的途径。首先，定义一些概念和符号。,此部分属于具体设计，可跳过,客户集成视图案例,数据实体-存储设施映射表 在数据存储架构中，曾提到过类似的表，本节中提到的表是其细化后的结果。该表的结构如下所示：,该行应填入细化后的各种数据实体，使用“数据模型架构”一章中的方法得到,注意：表中每个填有An的单元格，均表明其所在列对应的数据实体，将存放在其所在行对应的存储设备中。所以可以将An记录为一个二元组（数据实体，存储设备），该二元组作为在数据传输策略设计过程中考虑的最小单元，将作为数据传输矩阵的行列值出现在下面的表中。同一个数据实体可以同时存放在不同的存储设备中，此时，需要引入称之为“同步”的传输操作。,此部分属于具体设计，可跳过,数据传输矩阵如下图所示，在该表中，A1、A2和Ak等是（数据实体，存储设施）二元组，正如在前文中提到的那样，它们是数据传输策略考察的基本单元，数据传输策略便在这些基本单元之间制定。若表中的某一单元格填有表示传输类型的符号（），则表明数据将按指定的方式从该单元格所在的行对应的二元组传输到该单元格所在的列对应的二元组。,客户集成视图案例,此部分属于具体设计，可跳过,一个健康保险公司期望通过在不同的客户渠道上提供一致的服务来达到在提高客户服务质量的同时降低公司的服务成本的目标。,客户交互系统,客户数据仓库/数据集市,客户索引ODS,数据挖掘应用,查询&报表应用,OLAP应用,商业活动管理应用,数据分析应用程序,数据分析架构,数据交互架构,CRM 应用服务(服务渠道),呼叫中心,销售,网站,VRU,CRM 集成架构,内部数据,外部数据,数据提炼架构,抽取,转换,加载,元数据,当前状况 健康保险公司实现了客户服务中心优化，从而降低了平均服务时间，提高了客户满意度。公司希望通过将服务功能扩展到网站上来进一步降低其服务成本。业务需求呼叫中心和网站的客户服务流程必须保持一致性不同渠道的客户数据（属性和交易数据）需要跨渠道共享数据需要被实时共享数据需要被传递给客户交互系统解决方案准实时的跨渠道集成(网站和呼叫中心)建立多渠道的CRM集成架构建立一个多渠道的数据交互架构 建立一个实时的数据提炼机制,客户集成视图案例1,客户集成视图案例1,该案例的数据实体-存储设施映射表,此部分属于具体设计，可跳过,客户集成视图案例1,该案例的数据传输矩阵,此部分属于具体设计，可跳过,该案例的数据类型-存储设施映射表,客户集成视图案例1,客户集成视图案例1,数据类型,传输类型,操作型数据,分析型数据,实时传输,批量传输,准实时的跨渠道客户信息集成,准实时地提供客户分析信息,批量的跨渠道集成,批量的提供客户分析信息,该案例的当前演化阶段：,-系统划分及演化-,已实现 两个渠道,当前状况 一个耐用品制造商已经实现了各个客户渠道的客户数据和客户交易数据的集成。期望通过预见可能的摩擦和发起提高客户忠诚度的活动来提高其客户保持力。通过一个批量地分析客户洞察力的解决方案来获取客户洞察和分析数据。公司希望利用其客户洞察分析能力来提高其市场份额。业务需求通过进行高效的交叉销售（其它产品）来增加公司的利润。使用从渠道应用中获取的客户数据（属性和交易数据）来驱动分析模型。客户洞察分析数据可以使用批量传输的方式提供给应用。数据必须被提供给客户交互程序解决方案扩展批量产生客户洞察分析数据的机制扩展数据分析架构以便进行交叉销售分析扩展数据交互架构以便加入新的规则扩展CRM集成架构以便执行新的规则,一个耐用品供应商期望通过扩展自己的分析/洞察能力来发展其客户基础,客户交互系统,客户数据仓库/数据集市,客户索引ODS,数据挖掘应用,查询&报表应用,OLAP应用,商业活动管理应用,数据分析应用程序,数据分析架构,数据交互架构,CRM 应用服务(服务渠道),呼叫中心,销售,网站,VRU,CRM 集成架构,内部数据,外部数据,数据提炼架构,抽取,转换,加载,元数据,客户集成视图案例2,客户集成视图案例2,该案例的数据实体-存储设施映射表,此部分属于具体设计，可跳过,客户集成视图案例2,该案例的数据传输矩阵,此部分属于具体设计，可跳过,该案例的数据类型-存储设施映射表,客户集成视图案例2,客户集成视图案例2,数据类型,传输类型,操作型数据,分析型数据,实时传输,批量传输,准实时的跨渠道客户信息集成,准实时地提供客户分析信息,批量的跨渠道集成,批量的提供客户分析信息,已实现,该案例的当前演化阶段：,-系统划分及演化-,已实现 若干渠道,