基于数据仓库的物流企业客户关系管理

　　第三方物流的发展程度是衡量一个国家或地区物流业现代化的重要指标。如今物流经济和现代信息管理技术的迅猛发展，使得一部分第三方物流企业已经初具规模，随着竞争的加剧，为了维持企业的这种发展势头，就必须抓住重点企业的客户。目前，尽管客户关系管理的研究已经得到了商界的普遍重视，但是对第三方物流企业客户关系的研究比较少。因此，本文从第三方物流企业的客户业务数据分析着手，依据第三方物流客户关系的特点，通过建立和应用客户数据仓库的技术手段，对客户分析给出科学的数据依据。探讨了适合第三方物流企业特点的客户关系管理方案。

　　1 第三方物流企业客户管理与数据仓库

　　基于第三方物流企业客户的“双重性”，企业进行一项服务要同时面对两个或两个以上服务对象。同时，网络电子商务技术应用的日趋广泛，给企业经营带来了信息量的幂级增长。以上两个因素，使得企业客户数据管理日趋复杂，传统的数据管理系统和商业智能工具对此已经显得力不从心。新兴的数据仓库管理系统通过对数据的处理、加工和集成，把不同数据来源转变成统一的数据结构和编码，将原始数据从面向应用过程实现到面向主题、面向决策的转变，使数据操作环境与数据分析环境分离开来，建立一种数据存储体系结构，把分散的不利于访问的数据转换成集中、统一、随时可用的信息，集成不同形式的数据，对企业所有可能和客户相关的数据进行重组。使企业对客户具有统一的认识，帮助企业在物流管理和服务中，及时、准确地收集和分析客户、市场、服务及整个企业内部的各种信息，实现对客户的行为以及市场趋势进行有效的预测分析(见图1); 了解不同客户的服务需求，为客户提供有针对性的产品和服务，大大提高了各类客户对企业和产品的满意度。同时为企业正确的商业决策提供强有力的数据支撑，实现第三方物流企业客户关系管理效率提高的同时，将给企业带来更多的客户和利润。

▲图1 第三方物流企业数据仓库客户管理流程图

　　2 建立客户业务数据仓库

　　首先，确定数据抽取条件，根据条件从业务数据中抽取客户数据，数据仓库的建立主要是为了从中挖掘出有用的客户信息，建立数据仓库时，要选择有意义的信息，对于一些不是很重要的信息尽量不选取，这样可以减少数据选取和处理的复杂度。在这里，我们采用对一个物流企业业务信息作为事实数据表，Distribution (配送业务发生额)，entry (业务发生额)，storage (仓储业务发生额)，customer (客户业务信息) 等，作为度量值(见图2)。

▲图2 第三方物流企业客户业务关系维度表

　　这些数据组织并汇总到一个由一组维度(Dimension) 和度量值(Measure)所定义的多维结构中，它使得管理人员(用户) 可以从不同角度(维度)、通过不同的度量值来观察分析所关心的事实数据，逐步摆脱对固定报表的依赖。

　　3 依据数据仓库建立分析模型对客户进行分类

　　首先，根据企业需要和管理情景确定合适的分类指标。在这里，我们一般选择客户对企业的平均收益，交给利润的产品或服务的使用百分比、销售或订单的趋势(升或降)、客户的生产经营、盈利模式、金融效率、忠诚度、关联性、供应链关系、服务的满意度、需求偏好、业务合作关系等。对数据进行聚类分析，将数据仓库中的数据组织成包含预先计算聚合数据的多维数据集，以便为复杂的分析查询提供快速解答，它通过一个聚合函数对多维数据集的每一个点求值，根据所用的聚合函数，度量值可分为分布的、代数的、整体的三类。通过SQL 查询，可以产生所需要的Business-star 多维数据集。这里，聚合函数sum()用于计算星型构架中的Distribution, entry, storage, customer 的度量值。部分伪代码如下：

　　由此生成一个多维的客户数据集。以上查询语句创建的是一个Business_star多维数据集的基本立方体，它包含多维数据集定义中说明的所有维度，其中每个维度的粒度在连接键层。通过改变Group by子句，可以产生Business_star 多维数据集的其他立方体。

　　应用时，根据企业用户的需求条件筛选出样本客户，根据量化指标，确定分值和打分规则。对于有数据可寻的指标进行打分要以数据为依据。然后，按照打分规则对每个样本客户的各个指标分别打分，得到所有样本客户在该指标体系下的评价分值。把价值总值的50%作为分界线，得到四个客户细分群，分别为最有价值客户群、价值客户群、潜在客户群、低价值客户群，按照当前价值(客户利润、忠诚度、服务满意度) 和潜在价值(概况、性能、未来、产品、促销)，分别对应着(高，高)、(高，低)、(低，高)、(低，低)四个象限。针对各象限客户群的特点进行分析筛选，识别核心客户(见图3)。最后依据客户分类采取不同的服务和营销策略。