|
Deductor:CRM - анализ клиентской базы
1 2 3
Любая организация в процессе своей деятельности
стремится максимизировать прибыль. Для этого ей необходимо правильно
организовать работу, ориентируясь на те вещи, которые приносят
наибольшую прибыль с наименьшими затратами. Некоторое время
назад считалось, что товар или предоставляемые организацией
услуги приносят ей прибыль. Сейчас же все большее распространение
приобретает клиентно-ориентированная стратегия, где во главу
угла ставится клиент и механизмы взаимодействия с ним. Данная
стратегия получила название CRM - Customer Relationship Management.
На рынке существует большое разнообразие CRM систем [1, 2],
однако почти все они предназначены для автоматизации работ по
сбору и систематизации данных о клиентах и практически не обладают
развитыми средствами анализа. Только в наиболее дорогих имеются
средства OLAP. Из-за игнорирования вопросов анализа CRM данных,
часто организации даже не подозревают о каких-то закономерностях
в поведении клиентов, в то время как знание подобных закономерностей
и их учет в своих действиях может принести значительную практическую
пользу.
Ниже рассмотрен Deductor:CRM - готовое аналитическое
решение для анализа информации о клиентах на базе платформы
Deductor 4. Решение включает в себя хранилище данных о клиентах,
готовые механизмы аналитической отчетности, а также сценарии
решения более сложных задач: анализ воздействия рекламы, сегментация
клиентов, установление признаков клиентов, приносящих наибольшую
прибыль, определение предпочтения товаров, прогнозирования успеха
сделки и объемов продаж.
Алексей Арустамов
Хранилище данных по клиентам
Важным этапом на пути построения аналитической системы является
создание единого централизованного хранилища данных по клиентам
(Customer Data Warehouse). В нем должна содержаться наиболее
полная информация о клиентах, об истории взаимоотношений, открытых
или завершенных сделках с клиентом.
Существует много направлений деятельностей организаций, работающих
с клиентами. И для разных направлений, вероятно, требуется хранить
различную информацию о потребителях. Например, если организация
занимается торговлей, то наиболее интересной информацией о клиенте
будет сфера его деятельности, категория клиента, географический
регион его расположения, а сделки будут отражать продажи некоторого
товара. Если же это банки, работающие с населением, то информацией
о клиенте будут его возраст, пол, семейное положение, другие
личные характеристики, социальный статус, заработок и другие,
а сделки будут отражать предоставление каких-либо услуг, например,
предоставление кредита. Описываемое решение – Deductor:CRM ориентирован
на использование в торговых организациях.
В хранилище данных информация хранится в измерениях и процессах.
Измерение - это объект анализа, который может характеризоваться
свойствами, присущими только ему и имеет уникальный идентификатор.
Процесс представляет собой звезду, в центре которой хранятся
факты, а лучи являются измерениями. В хранилище данных будет
содержать следующую информацию о клиентах: название, вид (юридическое
или физическое лицо), сфера деятельности, географический регион
расположения клиента, тип клиента по классификации АВС, тип
клиента по классификации XYZ, потенциальный клиент или клиент.
Процесс отображает сделку с клиентом, то есть продажи клиенту
некоторого товара. Фактом процесса будет сумма сделки и количество
закупаемого товара. Измерения – клиент, менеджер организации,
курирующий сделку, дата совершения сделки, состояние сделки
(открыта, отказ, успех), причина отказа в случае неуспешной
сделки, источник информации о приобретаемом товаре, товар.
Например, процесс «Сделка» содержит следующее измерения:
и факты:
 |
количество купленного по сделке товара;
|
|
сумма сделки. |
Зачем требовалось хранилище данных? Во-первых для централизованного
хранения данных о клиентах и сделках. Данные в ХД могут собираться
из любых источников, например из учетной CRM системы, бухгалтерской
или складской программы. Во-вторых данные будут представлены
в удобном для анализа виде. В-третьих, обеспечивается полнота
и непротиворечивость данных с точки зрения анализа.
Теперь, когда есть хранилище, можно приступать к анализу данных
по клиентам.
Создание аналитической отчетности
Благодаря аналитической отчетности, данные из хранилища представляются
в виде, удобном для дальнейшего анализа. Наиболее удобным инструментом
для получения аналитической отчетности являются OLAP-кубы (On
Line Analytical Processing - оперативная аналитическая обработка
данных). OLAP дает возможность в реальном времени генерировать
описательные и сравнительные сводки данных и получать ответы
на различные другие аналитические запросы. OLAP-кубы представляют
собой проекцию исходного куба данных на куб данных меньшей размерности.
При этом значения ячеек объединяются. Такие проекции или срезы
исходного куба представляются на плоскости в виде кросс-таблицы.
На рисунке 1 представлена кросс таблица с двумя измерениями:
менеджер и статус сделки. По такой таблице легко определить
наиболее успешных менеджеров.
|
Рис.1 Кросс-таблица
|
Более наглядное представление кросс-таблицы дает кросс-диаграмма:
|
Рис.2 Кросс-диаграмма
|
|
В Deductor 4 в OLAP-кубе с помощью инструмента «селектор» можно
агрегировать факты по какому-либо измерению, оставляя только
те объекты, которые соответствуют указанному условию. Например,
можно объединить сумму сделок по клиентам, оставив только тех,
которые в сумме приносят 50% прибыли. На рисунках 3 и 4 представлены
селектор и клиенты, приносящие 50% прибыли.
|
Рис.3 Селектор
|
|
Рис.4 Клиенты,
приносящие 50% прибыли
|
|
Это небольшой пример применения аналитической отчетности. На
практике можно таким образом анализировать любую информацию
о клиентах, имеющуюся в хранилище в произвольных разрезах. Иногда
может потребоваться также некоторая предобработка данных, например,
очистка данных, для чего используются механизмы анализа заложенные
в Deductor 4.
|
|
Статьи