【IT168 信息化】

　　一、引 言

　　客户作为一种企业核心资源，拥有和保持更多的客户决定着企业今后发展的命运，因此有效地开发和利用客户资源，发展和巩固企业同客户之间的和谐关系，在最大程度上满足客户需求的同时实现企业的经济社会效益最大化，已经成为企业界和学术界关注的焦点。信息经济环境中企业客户关系管理是利用IT技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现，并在企业与客户之间建立一种实时、互动的交流管理系统，最终目的是通过为客户创造价值，建立个性化、高质量的商品与服务来获得新客户，增加原有客户的忠诚度和提高客户的赢利能力，进而增强企业的核心竞争力。同时随着信息技术的迅速发展，特别是数据库技术和计算机网络的广泛应用，企业所面对的客户数据量、企业内外信息量急剧膨胀，企业如果能够对这海量的数据进行有效、快速和深入地分析和处理，发现有价值的知识，就能为企业做出正确的经营决策、捕捉瞬间即失的市场机会提供极大的帮助。

　　二、知识型客户关系管理——KCRM

　　当前在知识环境中许多企业应用客户关系管理进行市场运作，通过提高客户忠诚、客户满意和客户价值来实现企业经营效率的最优。企业若想在竞争日益激烈的市场中得以生存，就必须做到提高自身的知识财富存量并利用其创造出比竞争对手更多的额外价值。知识管理通过对知识信息的创造、获取和传递应用于客户关系管理，使之成为分析性、知识性的CRM将有助于更好地提高企业对客户的识别、交流、获取以及保留的能力，最终实现企业拥有更多的客户、降低企业运作成本和扩大企业收益。

　　1．知识管理与客户关系管理的融合

　　(1)知识的转移促进客户关系的保持。在当今迅速变化的商业环境中，知识和关系所为企业带来的持续获利能力的重要性已经为人们所共识，知识与关系已经成为企业可持续竞争优势的唯一源泉。但是在企业中还普遍存在着在企业内部研究知识，把客户当成是企业组织之外的一个单独系统。这显然割裂了企业与客户之间的密不可分的关系。一般来说，随着企业边界越来越趋向模糊化，企业知识的流动也变得没有界限，而且是能动的、互动双向的流动。另外知识流动具有聚集性和辐射性的特点：聚集性是指知识流动会相互吸引，一方的知识流动会带动另一方的知识跟随运动，并且聚集起来的知识源的价值远远超出其组成个体的简单加总；辐射性是指知识流动的过程中，它会在其流动的路径周围产生溢出效应，至于这种溢出效应的作用和价值有多大，就看被影响对象的知识吸收和运用效率。对于企业来说，深入开发和利用组织知识，通过知识管理建立和生产出适应客户需求的定制化知识交流机制以及良好的客户知识互动关系，这对于建立企业与客户之间的良好关系十分重要，也是当今企业应该重视和解决的问题。

　　大量的文献资料表明：企业应该开发和应用自身的知识储备，并积极向客户转移知识，能为企业带来价值增值和获得高额回报的机会。

　　(2)知识管理促进客户知识的建立与开发。客户知识的定义，Gebert认为，客户知识就是客户与企业在交易过程中，需要、产生或者拥有的一种经验、价值、情境信息和专家洞察力的动态组合，它所构成的框架能够提供评价和吸收新的经验与信息。客户知识主要由以下三个部分组成：一是关于客户的知识，它是企业客户分析的重要依据，也是判断客户需求趋势的重要资料，据此来为客户制定个性化的服务、提供满足客户需求的产品或者进行一对一的营销策略。二是客户拥有的知识，企业通过与客户的交流如果能很好地掌握这些知识，可以帮助企业及时响应客户需求的变化，改进服务、革新产品以及调整相应的营销策略。三是客户需要的知识，企业通过与客户之间的交流将这类知识传递给客户，旨在帮助客户更好地理解企业的产品和服务，提高客户的消费决策能力。

　　知识管理推动客户知识的建立和开发主要从两方面来实现：客户知识的获取储存和共享应用。企业通过上述过程获取的客户知识一般是零散的客户知识资源，因此需要整理、归类、分析和挖掘，发现隐藏在这些信息背后的有价值的信息，提供给企业来增强其决策能力；另外整理过的知识还要通过在企业内部实施共享体现其最大的价值。

　　(3)客户关系管理的发展趋势。客户关系管理的起点是客户，在商务流程变得越来越知识化的今天，企业必须具备能够分析客户与市场信息并把这些信息转化为知识，再依据这些知识来影响客户购买和关系的能力。客户关系管理的发展趋势就是利用知识管理将企业积累的内部和外部知识融入到管理的各个环节，采用规范的方法来增强市场活动的有效性，维持客户对服务的满意度，这些活动都将以企业知识的形式在信息平台上进行共享，并且不断完善。客户关系管理发展至今经历了四个历程：自动化、数据化、互动化和知识化。

　　2．知识管理在客户关系管理中的应用

　　(1)客户知识。知识管理通过对信息的提取、聚焦以及传递能提高企业从外部或者内部、明确的或者模糊的信息中创造和发现有价值的客户信息，并应用于企业的经营决策。美国学者Swift提出了客户流程周期模型，认为通过知识发现、市场计划、客户交流和知识分析可以提高企业应用CRM的效率，企业需要的客户知识包括市场、竞争对手、客户、订单、合同、产品与服务、问题处理以及非常好的实践等。

　　(2)客户知识管理。Davenport和Prusak认为在CRM中应充分重视知识的获取、储存和共享，CBM应是具有知识密集型特点的以知识为导向的流程体系。客户知识管理分为知识辨识、知识获取、知识选择、知识储存、知识共享、知识应用和知识创造等几方面，通过知识管理的这些步骤将客户知识进行处理和分析，提供给企业进行经营决策。

　　(3)基于知识管理的客户关系管理。美国的蒂瓦娜认为基于知识管理的客户关系管理是通过将知识管理整合到客户关系管理流程，提高企业识别客户数据、竞争、外部商务环境等变化的契机，增加了企业对客户信息分析和契合的深度，它是一种企业经营战略而不是一种简单的技术改造。(Tiwana，2000)由于信息技术带来了大量的客户信息，因此如何比竞争对手更有效地应用这些信息给企业创造了机遇和风险，Lesser、Mundel和Wiccha认为可以通过客户知识对话、客户知识社区、建立便利的客户知识获取渠道等来提高企业对客户知识的应用效率。

　　三、数据挖掘技术分析

　　1．数据挖掘技术的发展过程

　　数据挖掘是生产发展的必然结果，最初的数据挖掘仅仅是用一些信息储存工具储存一些简单的信息，人们并不去对这些信息进行分析来提取更深层次的、有价值的知识，而且使用和获得信息的速度也很缓慢。随着生产力水平的较高提升和信息技术的飞速发展，目前已经实现了人们能实时地获得经过深入提炼的知识与信息。总的来说，数据挖掘分为四个发展阶段，①数据收集阶段：企业仅仅是简单地整理储存信息，并应用一些简单的运算工具进行数据加工；②数据追溯阶段：企业开始应用关联模式处理储存信息，在整个企业范围内建立起了数据收集和信息管理系统，管理层可以获得企业的历史信息；③数据导航阶段企业内出现了数据仓库，应用多维数据基的处理和储存信息，企业不仅能应用信息管理系统获得企业整体和各个地区经营状况的信息，而且通过应用在线分析系统(OLAP)等手段进行数据对比；④数据挖掘阶段也就是通过使用在线分析工具、先进的信息技术以及统计数学等方法为企业提供实时的信息反馈和与合作伙伴的信息交流。数据挖掘使企业管理者更能获得存在于信息之中的深层价值，从而为企业的经营战略决策产生重要帮助作用。

　　2．数据挖掘技术的内容

　　数据挖掘是进行信息处理的系统工具，按照信息处理的流程来分类，一般有三种类型：信息发现、预测模型和异常分析。信息发现是指单纯地对信息进行处理、整理和分析，以发掘出蕴涵在信息之间的潜在而有价值的知识或者联系，但并不进行对信息处理结果的预测。信息发现包括条件逻辑推理、关联处理和信息规律趋势和变化等；预测模型是指通过上一阶段的信息处理，利用有价值的知识资源和预测模型对其进行发展趋势预测，．这包括结论预测和发展趋势展望等；异常分析是指数据挖掘的扩展阶段，对发现的异常情况做出分析，包括偏离侦测和关联分析等。总的来说，数据挖掘技术通常有六种手段进行信息处理：分类、回归模型、时间序列、聚类、关联分析和序列发现。分类和回归模型一般用于趋势预测，关联和序列发现用于分析客户行为，聚类则可用于以上两种情况。

　　数据挖掘技术按对信息的处理方式分为数据保存技术和数据提炼技术两种方式。数据保存技术主要是能够方便地为企业决策提供信息帮助，在企业决策中应用案例分析(CBR)来保证经营决策的有效性。但是企业要想获得蕴涵在信息之中的有价值的知识，就必须使用数据提炼技术。数据提炼技术包括：逻辑方法是运用多维或者OLAPtt术对量化的或者非量化的数据进行统一模式的处理，包括规则公式和决策树；横向对比主要是对定性数据指标进行类比分析，包括类比中介和可信网络；程式分析是能够有效地应用多维模型和数理统计方法对大规模的数据进行处理，包括数理统计方法和神经网络等。