Отличия Data Mining от других методов анализа данных

Традиционные методы анализа данных (статистические методы) и OLAP в основном ориентированы на проверку заранее сформулированных гипотез (verification-driven data mining) и на "грубый" разведочный анализ, составляющий основу оперативной аналитической обработки данных (OnLine Analytical Processing, OLAP).

Одно из основных положений Data Mining — поиск неочевидных закономерностей. Инструменты Data Mining могут находить такие закономерности самостоятельно и также самостоятельно строить гипотезы о взаимосвязях. Поскольку именно формулировка гипотезы относительно зависимостей является самой сложной задачей, преимущество Data Mining по сравнению с другими методами анализа является очевидным.

Большинство статистических методов для выявления взаимосвязей в данных используют концепцию усреднения по выборке, приводящую к операциям над несуществующими величинами, тогда как Data Mining оперирует реальными значениями.

9. Cистемы управления взаимодействием с клиентами

CRM-система (сокр. от англ. Customer Relationship Management System — система управления взаимодействием с клиентами) — это корпоративная информационная система, предназначенная для улучшения обслуживания клиентов путём сохранения информации о клиентах и истории взаимоотношений с клиентами, установления и улучшения бизнес-процедур на основе сохранённой информации и последующей оценки их эффективности.

CRM помогает компаниям улучшить прибыльность ее контактов с клиентами, делая эти контакты более дружественными путем учета индивидуальных особенностей каждого клиента. Для того чтобы идеология CRM заработала, компания должна суметь сопоставить данные о существующих и потенциальных (а, возможно, и об ушедших) клиентах с данными о продуктах и услугах, с тем, чтобы предложить каждому клиенту уникальный продукт, способный удовлетворить его потребности, другими словами, грамотно строить взаимоотношения с клиентами.

Концепция CRM предусматривает гармоничное сочетание формального подхода и индивидуального отношения к каждому клиенту. Но если количество активных клиентов предприятия измеряется в десятках или сотнях, а количество потенциальных клиентов — соответственно в сотнях или тысячах, то полная реализация концепции CRM приведет к накоплению огромных массивов информации, работать с которыми без привлечения специальных средств автоматизации будет просто невозможно.

CRM является не столько технологией или продуктом, сколько идеологией ведения бизнеса, направленной на повышение эффективности взаимодействия с клиентами с целью предложения каждому клиенту уникального продукта или услуги. Технологии OLAP и data mining помогают более эффективно осуществлять взаимоотношения с клиентами, поскольку предоставляют возможность эффективного анализа данных о клиентах. Хранилища данных являются источником корпоративных данных о клиентах.

Основные принципы CRM:

1. наличие единого хранилища информации, откуда в любой момент доступны все сведения обо всех случаях взаимодействия с клиентами;

2. синхронизированность управления множественными каналами взаимодействия (то есть существуют организационные процедуры, которые регламентируют использование этой системы и информации в каждом подразделении компании);

3. постоянный анализ собранной информации о клиентах и принятии соответствующих организационных решений — например, приоритетизации клиентов на основе их значимости для компании.

Этот подход подразумевает, что при любом взаимодействии с клиентом по любому каналу, сотруднику организации доступна полная информация обо всех взаимоотношениях с клиентами и решение принимается на её основе, информация о котором, в свою очередь, тоже сохраняется и доступна при всех последующих взаимодействиях.

Модули CRM разделяют по функциональности и уровням обработки информации.

а) По функциональности можно выделить три основных типа.

• Продажи — управление контактами (contact management) — все виды контактов и история контактов; работа с клиентами (account management), включая все активности, связанные с клиентом; ввод заказов от клиентов; создание коммерческих предложений.

• Маркетинг — управление потенциальными сделками (opportunity management), маркетинговая энциклопедия — полная информация о продуктах и услугах компании, интегрированная с Интернет, сегментация клиентской базы, создание и управление списком потенциальных клиентов.

• Сервисного обслуживания — регистрация обращений, переадресация обращений, движение заявок от клиента внутри компании, отчетность, управление решением проблем, информация по заказам, управление гарантийным/контрактным обслуживанием.

б) Классификация по уровням обработки информации:

• Оперативный — регистрация и оперативный доступ к первичной информации по контактам, компаниям, проектам, документам и т. д.

На первом этапе (конец 1990-х годов) большинство программного обеспечения класса CRM было направлено на организацию информации о клиентах. Такое программное обеспечение основано на использовании базы данных, хранящей данные о взаимодействии клиента с компаний. База данных о клиентах предоставляет данные таким приложениям как автоматизация продаж или автоматизация поддержки клиентов. Данный класс приложений CRM принято называть operational CRM (оперативный CRM).

• Аналитический — отчетность по первичным данным и более глубокий анализ информации в различных разрезах (анализ результатов маркетинговых мероприятий, анализ эффективности продаж продуктов, сегментов клиентов, регионов и т. п.)

По мере развития статистических алгоритмов и их применения в коммерческой сфере, на рынке появился особый класс инструментов — Data Mining, который стал использоваться для анализа информации о клиентах с целью поиска полезных закономерностей и прогнозирования.

Использование технологии Data Mining при построении взаимоотношений с клиентом позволяет более правильно сегментировать клиентскую базу за счет проведения более глубокого анализа свойств клиентов. Приложения CRM, использующие технологию data mining, относятся к классу analytical CRM.

В приложениях класса analytical CRM также используется технология OLAP. Data mining используется для построения прогнозов, а технология OLAP позволяет взглянуть на данные с различных сторон, в основном, предоставляя возможность анализа агрегированных данных. В данном случае OLAP и Data mining гармонично дополняют друг друга. В начале процесса анализа аналитик может использовать OLAP, чтобы понять какой характер имеют данные и чтобы решить, какую технологию анализа применить дальше. Один из способов использования технологии Data mining — это выявление важных величин и диапазонов, которые впоследствии можно применить при разработке базы данных для приложений OLAP.

• Коллаборационный (от англ. collaboration — сотрудничество) — уровень организации тесного взаимодействия с конечными потребителями, клиентами, вплоть до влияния клиента на внутренние процессы компании (опросы, для изменения качеств продукта или порядка обслуживания, веб-страницы для отслеживания клиентами состояния заказа, уведомление по SMS о проведённых транзакциях по банковскому счету, возможность для клиента самостоятельно скомплектовать и заказать в online и др.)