APP下载

基于数据仓库的第三方物流企业客户关系管理研究

2012-07-05程志君昆明冶金高等专科学校物流学院云南昆明650033

物流科技 2012年5期
关键词:客户关系数据仓库物流

程志君, 叶 怡 (昆明冶金高等专科学校 物流学院,云南 昆明 650033)

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。

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。

4 客户关系管理措施

根据企业需要和管理情景选择合适的指标,然后通过分析数据仓库系统给出的客户分类数据表,作为相关的服务依据,采取对应的服务策略。

A类客户是企业的核心客户。对企业的价值贡献率约70%以上,此类客户的当前价值和潜在价值都很高,企业与此类客户的关系要保持稳定,必须尽一切努力维持好现有的良好关系。提升服务标准,满足个性化服务。具体措施如下:一是建立起供应链式的战略联盟合作伙伴关系在合作过程中保持频繁的沟通,保证信息畅通流动。沟通的方式众多,最常用的有:面谈、电话调查、小组会议、客户拜访等。企业可根据不同时期的具体情况选择适宜的沟通方式。第三方物流企业还可以利用供应链的信息共享平台。借这些沟通方式,第三方物流企业一是可获取有关客户业务模式或长期战略变化的信息,加强对客户服务的跟踪调查和分析,及时对自身的业务流程、管理机制做出评估和改善。进一步满足客户变化的需求。二是根据客户需要提供全方位个性化物流服务,提升客户忠诚度。无论是服务内容、服务方式还是响应速度上的要求,都呈现出很强的个性化特征。为其量身定制地提供仓储、运输以及从原材料到产成品的存储、分拨、包装、加工、配送、结算、信息处理等,一系列物流综合性服务,满足其个性化的物流需求。三是提供增值服务面对激烈的市场竞争,第三方物流企业必须增强自身的洞察能力和创新能力,不断引进先进的管理知识和技术,有针对性地进行及时调查,拓宽服务面,提供优质的增值服务。如支持JIT制造、零件成套、退货管理、甚至货物回收销毁或者给客户专门提供一体化的物流解决方案,利用信息技术为客户提供更加精准的物流服务等,来提高客户的满意度。四是第三方物流企业应与重点客户建立起供应链式的战略联盟合作伙伴关系,在制定规划,确定企业今后的发展方向时,需要充分考虑客户对于企业发展的重要性,在保证客户基本需求的基础上,考虑到重要客户在该城市的网点分布、业务情况等因素。这样才能促进双方形成更紧密的合作。把与重要客户的长期合作纳入企业的战略规划中,从而力求与客户建立持久牢固的战略伙伴关系。

C类客户是企业的潜在客户或有望发展客户关系的早期客户。即服务对象的单合同客户的下家,他们中拥有相当规模的制造企业或销售商,且发展前景很好。目前和他们的业务较少,当前价值低,但潜在价值高,具有较好的合作获利前景。对此类客户,要利用好数据仓库系统的优势和其他综合因素选准客户,不要将没有发展潜力的客户错误地当作目标客户予以培植,造成企业资源的浪费。在此基础上,应当把他们定义为重点开发型客户,企业要设计恰当的客户关系,留心观察,通过业务关系等方式,经常发布企业产品和服务信息加强沟通,从而产生实质的业务关系,使这类客户早日转化为A类或B类客户。

B类客户群,此类客户的价值较高但潜在价值较低,需要区别对待。如果潜在价值是由于忠诚度和客户关系状况较差的原因,可以通过价格刺激、提高个性化服务等方法,改善和建立良好的客户关系加以解决使其转化为A类客户。但如果潜在价值低是由于企业的诚信度差,或经营管理存在问题,则要谨慎对待。由于客户关系的不成熟,此类客户经常在不同企业之间摇摆不定。因此企业要投入更多的营销资源以改善客户关系。

D类客户群,这类客户的价值正在下降,属于没有吸引力的客户,但也不要简单地做放弃处理而对他们 “不管不问”。企业要分析客户价值下降的原因,研究重新将其转化为有价值客户的可能性。如果没有可能,那么企业就必须要避免其转化为有害客户,根据自身所拥有的资源状况,考虑放弃或削减服务成本,将有限的企业资源重点投资在价值客户上,以便减少企业客户关系的损失。

5 结束语

现阶段是我国第三方物流企业发展的关键时期。第三方物流企业建立强有力的客户关系管理体系,已势在必行。利用数据仓库进行决策分析为客户关系管理提供了一种科学客观的手段和依据,为客户管理提供了新的途径和视角。运用它可以全面地认识客户的类型,发现潜在价值较高的客户类型。给企业客户关系管理指明方向和重点。为企业决策和服务提供依据,实现较高的利润与投入比。

[1] Alex Berson.构建面向CRN的数据挖掘应用[M].贺奇,译.北京:人民邮电出版社,2001:125-175.

[2] 谷再秋.客户关系管理[M].北京:科学出版社,2009:100-158.

[3] 王岩,等.第三方物流信息系统的数据集成研究[J].计算机应用与软件,2009(1):160-180.

[4] 程志君.基于物流数据仓库决策树算法的客户信用度分析[J].昆明冶金高等专科学报,2010(3):1-4.

猜你喜欢

客户关系数据仓库物流
润滑油行业大客户关系建立与维护策略探讨
关于客户关系管理的思考
本刊重点关注的物流展会
基于数据仓库的住房城乡建设信息系统整合研究
“智”造更长物流生态链
八大策略增进客户关系
分布式存储系统在液晶面板制造数据仓库中的设计
探析电力系统调度中数据仓库技术的应用
基于数据仓库的数据分析探索与实践
基于低碳物流的公路运输优化