Поделиться
Аналитический CRM: с чего начинать?
Внедрение CRM-систем для крупных компаний — давно пройденный этап на пути налаживания эффективных взаимоотношений с клиентами и повышения доходности. Наиболее успешные игроки рынка уже поняли, что только взаимодействия с клиентом не достаточно. Нужно не только повышать лояльность, вовремя поздравляя человека с семейными праздниками, но и анализировать информацию о нем для дальнейшего эффективного развития бизнеса. И здесь в игру вступает аналитический CRM.Интеграция с внешними системами
АCRM может оперировать информацией, взятой из различных внешних источников, количество которых ограничено лишь бизнес-требованиями: это могут быть, например, бухгалтерские, складские, биллинговые, CRM и другие системы и базы данных, в которых содержится информация о клиентах, история их поведения и общения с ними. Из этих систем в Хранилище ACRM должна поступать информация, необходимая для расчета показателей и построения измерений, а из ACRM в OCRM — рекомендации по дальнейшему общению в виде полученных сегментов с описаниями вошедших в них клиентов. На этом этапе необходимо согласовать интерфейсы взаимодействия ACRM с внешними источниками: проверить наличие и доступность необходимой информации и подготовить спецификации интерфейсов со всеми интегрируемыми системами и базами данных.
Многие менеджеры проектов склонны ошибочно считать, что процесс выработки бизнес-требований к ACRM — исключительно задача заказчика
На практике нередко возникают ситуации, когда бизнес-требования не могут быть реализованы из-за проблем интеграции с источниками исходной информации по причине либо отсутствия самих данных, либо отсутствия технической возможности сбора этих данных. Поэтому важно проанализировать уровень интеграции с внешними системами, желательно с одновременным согласованием бизнес-требований. Это позволит с одной стороны зафиксировать в бизнес-требованиях только источники информации, интеграция с которыми возможна, а с другой стороны — избежать вероятных проблем, связанных с реализацией бизнес-требований из-за отсутствия исходных данных.
Модель хранилища ACRM
Теперь настало время определиться с моделью, которая будет взята за основу хранилища ACRM. Модель содержит структуру связанных между собой и сгруппированных по предметным областям таблиц фактов и измерений. Она должна быть хорошо продуманной, ведь от нее фактически зависит то, насколько система будет масштабируемой и гибкой в использовании. Можно либо попытаться разработать собственную модель хранилища, что сопряжено с дополнительными временными затратами и рисками, либо взять за основу одну из существующих "референсных" pre-build моделей, т.е. спроектированных для конкретных предметных областей. Сегодня pre-build модели хранилищ данных есть у Oracle, SAP, IBM, Amdocs и ряда других компаний. Они хорошо подходят для быстрого запуска шаблонного проекта, но нередко требуют дополнительной доработки для решения конкретных бизнес-задач. При выборе в пользу той или иной pre-build модели хранилища необходимо проанализировать ее архитектуру и оценить объем необходимых дополнительных доработок. К модели ACRM предъявляются два базовых требования — она должна хранить информацию о клиентах и построенных сегментах, а сама информация должна быть агрегирована на уровне клиента — ключевого элемента хранилища. Иными словами, модель должна быть клиенто-ориентированной. Это позволяет создать профили клиентов — горизонтальные таблицы фактов, в которых уникальным ключом является клиент, а поля содержат рассчитанные значения показателей этого клиента и ссылки на измерения, по которым эти показатели измеримы. Также должна храниться история изменения профилей клиентов.
Модель должна поддерживать 2 типа показателей: плановые (значения показателей, спрогнозированные на будущее) и фактические (полученные в итоге значения этих показателей). Для загрузки информации о клиентах и выгрузки построенных сегментов во внешние операционные системы может использоваться любой интерфейс. Важным требованием к модели является масштабируемость и вариативность. То есть она должна позволять достаточно легко добавлять дополнительные атрибуты клиентов как в качестве показателей, так и в качестве измерений.
Модель должна покрывать бизнес-потребности. Полнота модели зависит от набора реализованных измерений и показателей.
Дополнительные требования к модели в каждом конкретном случае могут отличаться друг от друга.
Средства интеллектуального анализа
После выбора модели необходимо определить, какие средства интеллектуального анализа, прогнозирования и Data Mining требуются для решения сформулированных бизнес-задач. В некоторых случаях поставленные задачи можно решить использованием аналитической системы, позволяющей конечным пользователям самостоятельно создавать необходимые отчеты путем выбора показателей и измерений из заранее разработанных бизнес-слоев. Такие возможности доступны, например, в Business Objects, SAS, Oracle BI (Siebel Analytics), Cognos и ряде других систем.
Но в некоторых случаях возникает необходимость использования средств Data Mining для интеллектуального анализа и добычи скрытой информации. Как правило, Data Mining используется для решения задач, связанных с выявлением скрытых зависимостей между исследуемыми параметрами. К ним относятся задачи, решение которых не может быть универсальным: для них нельзя однозначно определить список KPI, влияющих на результат. Data Mining позволяет в каждом конкретном случае находить уникальный набор параметров, которые оказывают влияние на исследуемую группу. Подобные решения также представлены целым рядом компаний: SPSS, SAS, Angoss и другие.
Помимо анализа текущей информации о клиентах важно иметь возможность прогнозировать их дальнейшее поведение. Отличительной особенностью ACRM является то, что значения KPI прогнозируются для каждого построенного сегмента отдельно. Причем выбранный аналитический инструмент должен позволять строить прогнозы не только на фактических значениях, но и на предполагаемых значениях. Например, аналитик, сделав предположение о том, что продажи определенного продукта снизятся на 20%, может ввести это значение в качестве априорного показателя, на основании которого построить прогноз изменения доходов.
При выборе в пользу того или иного поставщика важно оценить: требования к аппаратно-программной платформе; используемый математический аппарат; интерфейс подключения дополнительных источников данных и передачи результата; полнота инструментария по анализу и прогнозированию, опыт внедрения в других компаниях этой сферы.
Платформа хранилища ACRM
Итак, сформированы четкие бизнес-требования, разработана модель хранилища ACRM и, возможно, даже есть представление о том, какие инструменты анализа потребуются для реализации проекта. Теперь необходимо выбрать аппаратно-программную платформу.
Как правило, после выбора хранилища, модели ACRM и прикладного ПО уже могут быть сформированы представления о том, на какой платформе они должны работать. Платформа должна состоять из аппаратной части, СУБД, а также ETL-инструмента (Extract Transformation Load), который будет выполнять задачу транспортировки и преобразования данных между интегрируемыми системами и базами данных. Сегодня достаточно много компаний предлагают аппаратное обеспечение: от недорогих широко распространенных Windows-серверов, до многопроцессорных серверных Unix-систем. В качестве СУБД наибольшее распространение получили: Oracle, MS SQL, DB2. ETL-инструменты также представлены на рынке рядом компаний: Oracle, Informatica, Microsoft, хотя в некоторых случаях роль ETL могут выполнять самостоятельно написанные на процедурном языке модули.
Помимо стоимости аппаратно-программной части, при выборе платформы рекомендуется руководствоваться такими факторами, как масштабируемость, условия ее сопровождения, совместимость с ней прикладного ПО, надежность и производительность совместной работы интегрируемых компонентов, опыт внедрения аналогичных систем на этой платформе другими компаниями и наличие квалифицированных специалистов.
Михаил Северов
| Исследование CNews Analytics: «Рынок систем электронного документооборота в России» |
Короткая ссылка
