中國企業數據庫應用的現狀和癥結
根據我們的研究,在中國的的大市場上,除電信、金融等幾個主流行業外,其他行業的企業尚未能建立起健全的數據庫管理體系和數據應用系統,數據資源的潛力不能得到充分的發揮。
缺乏對數據庫管理及應用價值的深入認識
雖然數據庫的應用價值已為世人熟知,但多數企業的應用還停留在概念操作層面,真正了解其核心價值及特別是方法論的寥寥無幾。數據從采集、整理、整合、分析到應用和反饋是一條完整信息鏈,數據庫管理和應用體系貫穿始終,并且環環相扣、缺一則廢。沒有深入的認識和總體的規劃部署,相關的應用絕難到位。
信息孤島化嚴重,缺乏數據整合管理
信息孤島一方面源自于傳統分工式管理的劣根性,另一方面則來源于企業在數據庫設計之初缺乏整體數據庫管理體系及應用規劃,致使各部門開展自發性的系統規劃,最終企業內部的信息化系統眾多并嚴重割裂,如企業中各個職能業務所使用的CRM、財務、HR、ERP、SCM等業務系統,以及銷售、售后、市場,財務等各部門的業務子系統等。大大小小的系統在誕生伊始就背離了“整體規劃、分步實施”的大原則,功能和應用相互獨立、技術和平臺兼容性差,使得系統之間數據的共享和整體應用成為難題。信息孤島使得數據、信息、系統、應用和決策的整合都極為艱難。
忽視長期的數據質量管理,缺乏數據質量監控及更新機制
數據是企業的長期財富,不同時期的數據將為企業帶來不同的價值。例如:在汽車行業,對新購車客戶的分析可以指導企業尋找潛在客戶,提升營銷效率;對購車1-2年客戶的分析可以指導企業發現高價值客戶,提高售后利潤;對購車3-4年客戶的分析營銷可以指導企業尋找再購客戶,實現客戶價值最大化。盡管部分企業認識到了數據的長期應用價值,但卻很難將其具象化,致使企業很少會投入資源來建立數據質量監控和更新機制,開展長期的數據質量管理工作。而在數據應用階段則往往會發現應用效果并不理想,并直接歸咎于數據應用模式的可行性及項目執行能力,最終逐漸減少數據的利用率,如此惡性循環往復,永遠逃不出數據應用不理想的怪圈。
企業對數據庫的應用在規模化、系統化和有效性等方面,普遍原始而粗放。
缺乏對數據分析挖掘的認識,無法從數據中獲取有效信息和模式
數據分析和挖掘是企業進行科學決策和經營的必由之路,但大多數企業從理念層到資源層都儲備有限,在應用層便無法施展拳腳了。一方面,企業缺乏對數據分析和挖掘的深入認識,沒有對應的業務方法論和應用體系;例如,如果企業沒有建立針對客戶生命周期的客戶關系關系管理體系,那么相關的研究和分析便是鏡花水月,虛幻而飄渺。另一方面,數據分析和挖掘需要企業大量的幕后投入,人才、平臺、數據收集和管理、分析的方法論、應用方法論和應用通路等,沒有這些資源的支持,企業的數據應用無法實現高效的閉環管理,也無法從數據中提取出有效的信息和模式并加以高效的應用。
數據的業務應用流于簡單和形式,無法建立有效地營銷模式
數據應用,最重要的方向之一就是數據庫營銷。但大多數分企業的數據庫營銷業務應用過于簡單、粗放。以汽車行業為例,企業在開展客戶關系維護時,還是教條式地按照客戶的人口學特征或者行為特征進行簡單的客戶細分,而不能基于客戶的生命周期和客戶的價值對目標客戶進行更清晰地定位和細分。其實不論是什么行業,客戶關系管理(從售前、售中、售后直到流失和挽回)都要求對處于不同生命周期的客戶進行細致地研究,針對不同的客戶群落開展不同的營銷策略,才會發揮數據庫營銷精準、高效的作用。而不加分析地利用直郵、EDM、SMS、電話等方式的簡單應用或疊加,往往會讓企業的營銷工作陷入無法自拔的境地。
缺乏對數據庫應用的整體考慮,數據庫應用效率過低
很多企業缺乏客戶全生命周期中數據應用的整體戰略思索,致使數據應用頻次過低,客戶數據價值沒有充分發揮價值,例如:客戶獲取、客戶激活、客戶流失、客戶再獲取的整個階段,營銷活動以點為主,各個職能部門缺乏利用數據協同作戰的能力。同時,具體營銷應用過程中缺乏連續性的考慮,數據庫應用范圍小,致使應用效率過低,客戶數據價值沒有充分挖掘,例如:企業將分析與應用獨立分開或只做其一,忽視了分析與應用的緊密聯系,致使每一次項目都是獨立的、經驗性的,降低了數據應用的效率。
企業數據庫管理和應用的基本點
用靜態的管理視角及思維無法有效地管理和應用企業自身數據庫,企業必須實施智能化的數據管理及應用體系,即通過制度、流程、系統等構建起的企業自動化、系統化的數據管理及應用體系,最終達到業務支持和決策支持的高度。
樹立智能化數據庫管理及應用的理念
·樹立全局性數據庫管理意識
企業應對自身的數據管理應用大格局形成清晰、明確的認識,即對市場、客戶(潛在客戶、現有客戶)、數據(數量、質量)、數據庫、數據管理、數據庫營銷、數據分析及挖掘、數據庫管理系統、BI、CRM等情況有戰略和系統的理解,明確企各業務流、信息流、數據流之間關系。
·樹立動態的數據庫管理意識
市場是不斷變化的,客戶的需求及特征也是隨之變化的,由此企業數據也在不斷發生著變化,無論從數據質量、數量還是數據承載的信息角度。
·樹立自動化數據庫管理意識
越來越來多的數據成為企業財富還是負擔,取決企業如何對待它們。自動化管理將使企業面對海量的數據倍感輕松,可以將節省的精力投入到更具價值的數據應用過程中。
·樹立數據質量管理意識
數據質量是一切后續工作和應用的基礎,沒有數據質量,一切無從談起,甚至會導致錯誤的業務或決策發生。數據質量管理是臟活、累活,不容易出業績,卻很容易出事故,企業內部需要有特殊的政策加以鼓勵和支持。
構建智能化、系統化的數據庫管理體系及應用模式
構建企業智能化、系統化的數據管理體系及應用模式,要從幾個方面出發:人力資源和組織架構的保障、流程制度和獎懲措施的配合、企業獨特的數據管理和應用方法論、切實高效的商業價值點、數據庫及所承載的諸多系統的整合(不論是數據、應用還是系統級的整合)。
企業如何進行智能化的數據庫管理
·數據庫管理規劃-建立全面的數據庫管理架構
企業在實施自身數據庫管理之前,需要全面建立企業數據庫管理及應用架構,其內容涵蓋:
·數據收集整理-建立標準的收集整理流程和方法
企業自身客戶數據庫獲取的渠道較多,比如銷售數據、售后數據、活動數據、第三方公司提供的合法數據等,為了保證后期數據庫營銷的應用,在數據收集整理階段,應該嚴格按照規范進行。主要如下:
數據字段規范要求。企業收集數據的各個渠道,應該盡可能多的收集、保存客戶完整信息,在收集端就要對各字段進行統一規范,比如:手機號碼11位,姓名為全稱等要求。
數據收集的周期安排。建立定期數據收集制度,根據企業性質,按照月度或季度統一收集整理客戶數據。
數據查刪重操作。每一批新數據的到來,都要對數據進行查刪重操作,避免出現重復數據。查刪重也分為人工刪重、模糊刪重、精確刪重,刪重標準都應在事先進行規范。
數據匹配整理。建立一套健全的數據規范知識庫,每一批數據經過查刪重,都要通過知識庫進行規范提升,按照數據庫要求的字段,實現橫向的邏輯校驗。
·數據整合-建立客戶單一視圖管理
在企業數據管理過程中,同一客戶信息將出現在不同部門,例如:銷售部有客戶首次購買信息、增購信息;售后部有客戶售后信息;市場部有客戶活動信息;客服部有客戶投訴信息;財務部有客戶消費信息等等,這些獨立于各個部門的信息經過整理之后,需要根據唯一標識字段(如身份證、手機號等)進行數據整合,整合后的數據才能實現客戶的單一視圖管理,才能開展每一位客戶全面的客戶價值、流失狀況、活動響應等分析,為制定營銷策略提供準確、全面的支持。一般的方法是通過ETL/ELT的工具建立數據倉庫直至部門級的數據集市,以便用于后續的客戶研究。
·數據質量維護及提升-建立良性的數據質量優化機制
眾所周知,在不對數據進行任何操作的情況下,數據的準確性、有效性會隨時間的增長而降低,為了保證數據的質量,企業通常會制定一些更新機制,我們這里所提及的良性的數據質量優化機制,不僅僅關注于數據的準確性與有效性,還包括數據信息的全面性,這些內容都將直接影響數據應用的效果。數據質量優化機制應包含如下幾方面內容:
數據動態更新機制。企業在充分利用數據帶來的效益時,也應進行時時的或定期的數據更新。一方面,是企業銷售、售后產生的新數據將源源不斷進入數據庫,這些數據中一定包含了老客戶的再次購買,那么需要利用新數據去更新老數據的基本信息。另一方面,是數據利用過程中,客戶所反饋回來的最新信息,也應回庫保鮮。
數據狀態標識機制。數據在數據庫中,最初僅應包含個人信息、購買信息、售后信息等通過業務直接獲取的信息,隨著數據的分析應用,每個客戶都應增加多個標識,以幫助在后期分析營銷時參考,比如:客戶價值分析后,每條數據都應具有一個價值評分字段,標識客戶價值;客戶活動維護溝通后,相應數據應該包含數據有效性的標識、客戶狀態的標識、客戶活動響應的標識等字段。這些信息對后期的分析營銷工作具有指導意義。
動態分類機制。基于數據狀態標識,我們可以對客戶進行分類,比如高價值客戶、低價值客戶;忠誠客戶、流失客戶;滿意客戶、搖擺客戶、不滿客戶等等,這些類別將根據不同類型企業對客戶的定義來劃分,客戶的分類將在具體的營銷活動中指導企業開展差異化營銷工作。分類可以是經驗型的,也可以通過數據挖掘后的規則集在BI的工具上呈現。
數據持續監督及抽檢機制。根據數據使用情況,定期對數據進行監督及抽檢,全面掌握數據整體狀況,及時開展數據更新提升工作,保證較低成本的數據質量提升。同時數據整體狀況也可以幫助企業選擇更合適的渠道開展營銷活動,避免營銷成本不必要的浪費。
建立死亡數據庫。死亡數據庫是指已經失效的客戶數據,這些數據在營銷活動中不具有任何意義,只會增加營銷成本,因此在每次數據利用時,將已經失效的數據轉移到死亡數據庫中。死亡數據庫具有識別死亡數據的作用,在外部新數據進入數據庫前先與死亡數據庫進行匹配,將死亡數據提前篩選出來。
企業如何實施智能化的數據庫應用
數據庫就是企業身邊的金礦,但它需要挖掘冶煉才能真正轉化為企業的財富。面對身邊的財富,我們同樣需要系統化的方法才能獲取,這樣才不會使企業和自身的數據成為面對面的“陌生人”
數據分析與挖掘-不要讓數據庫成為你身邊的“陌生人”
數據分析。數據分析一般指描述性統計分析,或常見的一些管理學模型,以描述過去和現在所發生的事實,并為決策者提供一定的定量化依據。
數據挖掘。數據挖掘屬于預測性統計分析,一般是通過分析海量的數據,發現一些可預測的并具有一定商業價值的規則,它和數據分析以及傳統的市場研究具有很強的互補作用。
構建商務智能平臺。商務智能(BI:businessintelligence)已經成為數據管理智能化不可或缺的一部分,它不但是一個決策支持系統,更是數據集成的推動因素和數據挖掘規則集的承載平臺。
知識庫。基于現有數據庫構建企業自身知識庫,全面的存儲、組織、管理和使用的互相聯系的知識集合。其內容涵蓋理論、數據、客戶、溝通等,并使企業數據庫中承載的信息有序化、系統化,并加快企業內部知識和信息的流動和消費,促進企業知識的積累和傳承,最終逐步構建企業的核心競爭力。
智能化營銷的開展與實施-獲取數據庫中客戶的潛在價值
在傳統的品牌營銷方面,理論和實踐已經相當成熟;但是在產品和服務營銷的范疇,基于數字和信息的營銷理論和實踐,仍然有待我們深入探究。而以數據庫營銷為理論基礎的業務流程整合:數據內容整合和管理、數據質量管理、營銷管理系統、數據分析/挖掘、商業策略、商業智能和客戶智能、直復式營銷和銷售線索挖掘的全業務流程整合,將是今后一個時期內企業營銷體系發展的重中之重。
智能化的潛客定義。市場和客戶需求都在不斷變化,如何進行精準的客戶定義是一個非常敏感的話題。通過保有的大量數據,企業可依照數據庫營銷的理念進行客戶的定義,由3個部分組成:直接定義(根據企業的產品特征、產品定位、客戶特征等因素進行客戶特征定義。)參照定義(通過競品數據進行參照和補充。)及定義修正(根據保有客戶信息進行修正)。這個三個組成部分相互補充、動態提升,是一個循環體系。
智能化的潛客溝通工具選取。數據庫營銷溝通工具的應用是建立客戶互動的關鍵,是能否產生客戶反饋的核心,數據庫營銷的主要溝通工具分為兩種:在線工具及線下工具,在線工具的構成:Email、website;線下工具:DM、SMS/MMS、電話、傳真。
智能化的客戶轉化。客戶轉化一方面指從潛客向保有客戶的轉化,一方面也指客戶從低價值向高價值的轉化,這些都需要海量的基礎數據和大量的分析工作。分析的方向有如下幾個:客戶的轉化傾向和概率分析,不同營銷手段對轉化的促動分析,客戶的轉化方向分析等。
客戶價值保留及提升
客戶價值保留。針對不同類別的客戶進行差異化營銷是構建企業戰略優勢的重要內容,如何進行高效的客戶關系管理工作也是各方關注的熱點話題,在這里,如何精準地評價客戶的價值,并建立價值細分模型,無疑是一個有效維系客戶并狙擊競爭對手的制高點。只有針對不同的客戶進行差異化的營銷投入,才能在與對手客戶爭奪戰中獲得最大收益。
構建客戶價值細分模型是智能化客戶保留的核心,客戶價值模型建立是指基于客戶生命周期的價值(customerlifecyclevalueCLV),指客戶在擁有產品和服務的過程中,企業可從客戶那里獲得的全部價值,它既包括客戶的歷史價值,也包含客戶的未來價值(而這尤為重要)。
客戶價值提升。客戶價值的提升,需要企業維系客戶的忠誠度。客戶保持對公司的利潤有著驚人的影響,甚至遠遠超過公司規模、市場份額、單位成本和其他許多通常被認為與競爭優勢有關的因素。客戶保持也是CRM最核心的思想之一,通過突出的營銷水平和良好的售后服務來維系客戶的忠誠度,進而實現:客戶持續服務產生的售后服務收益、推薦新的客戶購買產生的銷售及服務收益、以及客戶繼續購買本品牌其他產品的銷售及服務收益。
結束語
數據和信息即是企業的金礦,但是如何實現從金礦到金子的轉化,大多數企業還有很長遠的路要走。在這個方面,企業精良的數據管理和應用便是那通往財富的兩扇大門,我們希望可以看到在不久的將來,有更多的中國企業能更好地利用他們的數據創造出更大的商業價值。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文標題:知與智:智能化的企業數據庫管理及應用之道