论文部分内容阅读
摘 要:新型高校后勤保障体系的实质是实行市场化,其主体是由行政事业单位剥离转变的经济实体,传统高校后勤“以我为中心”的服务理念无法满足师生现实需求。倡导“以师生为中心”的客户关系管理(CRM)理念的高校后勤部门,可以应用关联、分类、聚类和序列模式分析的数据挖掘技术,在师生群体分析、交叉销售、保持消费需求、师生满意度与贡献度分析等方面实施数据挖掘。CRM中数据挖掘功能的实现将有助于后勤部门增强市场竞争意识,转变服务观念,巩固服务师生的核心价值观。
关键词:以师生为中心;数据挖掘;客户关系管理
中图分类号:TP311.13 文献标识码:A文章编号:1673-8454(2010)05-0087-04
市场提供服务、学校自主选择、政府宏观调控、行业自律管理、职能部门监管的新型高校后勤保障体系建立的实质是调整改组高校后勤领域中的政府职能、高校职能和市场功能,合理利用和配置后勤资源,开放后勤市场,引入市场竞争机制,提高社会效益和经济效益。高校后勤实行自主经营、自负盈亏,是一个独立经营服务的市场主体,是由行政管理型的事业单位向经营服务型转变的经济实体。一方面传统的高校后勤缺乏市场观念、无科学的经营策略导致市场竞争力低下,另一方面师生(客户)对后勤服务要求越来越高。如何保持现有师生消费、挖掘潜在的师生需求、尽量减少师生消费的流失成为高校后勤竞争的焦点。为此,高校后勤只有实现经营理念从“以我为中心”向“以师生为中心”的转变,利用数据挖掘技术建立最优化的客户关系,才能达到效益最大化的目标。
一、高校后勤客户关系管理
客户关系管理(Customer Relationship Management,简称CRM)是选择和管理有价值客户及其关系的一种商业策略,CRM要求以客户为中心的商业哲学和企业文化来支持有效的市场营销、经营服务流程,这种管理思想是以“一对一营销”理论为基础,旨在改善企业与客户之间的关系,通常实施于市场营销、服务、技术支持等与客户有关的领域。[1] CRM是通过对客户进行系统的研究、交流沟通,改进对客户的服务水平并影响客户行为,吸引更多的客户,从而增加营业收入,并通过强化管理降低企业经营成本。
高校后勤客户关系管理是将现代管理理论与高校后勤信息化建设相结合,树立以高等教育服务为中心的可持续发展策略,并在此基础上对学校的师生信息、消费、需求等过程的管理,以饮食、商贸、公寓等业务部门的信息为重点,通过对师生的信息进行系统研究,进一步优化高校后勤服务体系和业务流程,提高师生的满意度和忠实度,提高后勤工作效率和经营服务水平。高校后勤客户关系管理采用以师生为中心、以对师生的管理和服务过程为主导、以师生直接服务内容为主的管理模式,其实质是在合适的时间、以合适的途径、为合适的师生提供合适的服务。
二、CRM中数据挖掘方法
数据挖掘(Data Mining,简称DM)又称数据库中的知识发现,是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐藏的、事先未知的、潜在有用的信息,挖掘的知识表现为概念、规则、规律、模式等形式。数据挖掘的目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果。[2] CRM中数据挖掘的主要方法有以下四种:[3]
1.关联分析
关联分析利用关联规则进行数据挖掘,其目的是发现隐藏在数据间的关联或相互关系。在客户关系管理中,通过对企业客户数据库里的大量数据进行挖掘,可以从中发现有趣的关联关系,如“90%的客户在一次购买活动中购买A商品的同时购买B商品”,通过数据挖掘,获得对顾客购买行为极有价值的信息,从而帮助企业及时把握客户需求。
2.分类分析
分类是为一个事件或对象归类,既可以用统计方法、机器学习方法、神经网络方法等构造一个模型分析已有的数据,也可以用它来预测未来的数据。例如,用分类来预测哪些客户最倾向于对经营服务做出回应,后勤部门还可以根据新生的不同省份地域用分类来判断用什么样的饮食口味、住宿条件接待比较好。
3.聚类分析
聚类是分类的逆向方法,根据事物本身潜在的特性研究对象分类。通过聚类把一个数据集合中的个体按照相似性归成若干类别,使其“物以类聚”,并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。例如,当面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标,而又没有恰当的方法按照某个指标去分类时,就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”,然后再对每堆进行较为深入的分析。
4.序列模式分析
序列模式分析与关联分析相似,其目的也是为了挖掘数据之间的联系,但序列模式分析的侧重点在于分析数据间的前后序列关系,它能发现数据库中形如“在某一段时间内,顾客购买A商品,接着购买B商品,而后购买商品C,即序列A-B-C出现的频度较高”之类的知识。
三、数据挖掘在高校后勤CRM中的应用
高校后勤与师生之间的服务关系是一种持续的不断发展的关系,随着物质生活水平的提高,加之师生本身的文化素养较高,消费行为相对前卫,消费层次趋于上升。因此,后勤部门一方面要满足师生的既有需求,另一方面要通过数据挖掘分析发掘其潜在需求,并创造合理产品和服务以激发和满足这种需求。通过不断的相互间接触和交流,建立良好的客户关系,师生得到了更好更贴切的服务,后勤部门则因为增加销售量、扩大服务范围而取得更好的社会效益和经济效益。
1.师生群体分析
师生群体分析是把师生根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体,同一群体中的师生对服务的需求以及消费心理等方面具有相似性,而不同群体间差异较大。师生群体分析有助于后勤部门制定正确的营销策略、满足师生消费需求,通过对不同类别师生提供有针对性的产品和服务,提高师生对高校后勤和服务的满意度,以获取更大的效益。数据挖掘应用到师生群体细分时,应全面结合高校后勤战略目标和工作计划。
2.交叉销售分析
交叉销售指向已购买商品的客户推荐其他产品和服务。在交叉销售中,数据挖掘可以帮助企业分析出最优营销组合,根据现有客户的购买行为和消费习惯建立预测模型,用建立的预测模型对客户将来的消费行为进行预测,建立营销组合分析模型,利用建立的分析模型对新的客户数据进行分析,以决定向客户提供最佳的交叉销售方式。通过关联分析能够发现客户倾向于关联购买哪些商品,通过聚类分析能够发现对特定产品感兴趣的用户群,序列模式分析能够预测顾客购买该新产品的可能性。[4]
3.消费保持和流失分析
高校后勤社会化的不断深入和大学城的建设,市场竞争不断加剧,师生的消费有不断流向社会市场的趋势。高校后勤如何利用数据挖掘技术来分析保持现有师生消费、挖掘潜在的消费需求、防止师生消费的外流是建立客户关系管理的关键。
后勤部门是高校的重要组成部分,要充分利用自身的优势建立良好的客户关系,使师生不断重复购买后勤提供的服务,它是高校后勤生存的关键和实现使命的体现。满足师生的现有需求比获取分析潜在需求和防止师生消费外流的成本低得多,而且忠诚师生会主动宣传、推荐新服务产品,有利于后勤部门发现师生的潜在需求。高校后勤CRM在运用数据挖掘技术时可以在原有的师生消费记录中发现他们潜在的交叉购买需求,建立一个“师生反应”预测模型,再利用这个模型去找出那些对所提供的服务感兴趣的师生,以达到防止师生消费流失的目的。此外,还可以利用数据挖掘技术进行已经发生的师生消费流失建模,找出当前师生消费流失的主要原因,积极采取相应措施。
4.师生满意度分析
高校后勤优质服务是吸引师生消费、保持师生消费、提高师生满意度的关键。师生满意度是师生对后勤部门提供的服务产品的消费经验的总体评价,是衡量高校后勤服务质量和经营水平的一种方式。由于高校师生消费观念不断更新、层次不断提高、结构不断优化,已不仅限于物质需求的满足、身心的健康、精神的愉悦,还追求消费的个性化。利用数据挖掘技术分析师生对服务产品的满意度,可以帮助了解师生的个人偏好、需求特征,提供“一对一”的个性化服务,发现经营、服务和管理上的不足,为改善经营策略、提高师生满意度指明方向。
5.师生贡献度分析
高校后勤是学校教学科研保障的经济实体,既有为广大师生提供服务保障的教育属性,又有符合高校后勤社会化的市场经济规律的经济属性。后勤部门的效益对于不同师生而言其价值也是不同的。高校后勤CRM中的数据挖掘可以用来分析和预测不同经营服务策略以及师生对后勤贡献度的变化,帮助后勤部门制定适合的营销策略。后勤部门可以制定一种计算师生贡献度的方法,根据这种方法设定一些优化目标,利用数据挖掘工具进行师生分析,发现哪些师生是真正创造效益的,哪些是无利或薄利的,通过交叉销售、知识营销等方法将无利或薄利的消费提升为贡献度较高的消费。后勤部门还可以通过数据挖掘在师生贡献度分析中的应用,采取一系列措施来改善师生获利能力,如为贡献度较高的师生提供多品种、高质量、个性化、高附加值服务产品,改善、发展与不营利但有贡献的客户关系,努力改变这些师生的购买行为,对师生获利能力实施动态控制等。
四、高校后勤CRM中数据挖掘过程
数据挖掘一般要经过问题定义、数据选择与准备(包括数据收集、建立数据挖掘库和数据转换)、建立数据挖掘模型、知识模式评估、模型部署和完善、知识可视化与应用等过程。
1.问题定义
CRM中数据挖掘必须明确一个或多个商业目标,对每个目标要有一个清晰明确的定义,包括应用范围及其相关领域的有关情况,熟悉背景知识,弄清用户需求,否则就不能明确定义要解决的问题,就不能为挖掘准备优质的数据,也很难正确分析所得结果。在清晰地定义出业务问题和数据挖掘的目的后,应该确定所要解决问题的类型,再对现有资源如已有的历史数据进行评估,确定是否能够通过数据挖掘技术来解决用户的需求,然后进一步确定数据挖掘的目标和制定数据挖掘的计划,选择合适的数据挖掘方法。[5]
2.数据选择与准备
数据挖掘要以一定的数据为基础,高校后勤CRM的数据挖掘一方面要做大量的数据收集、整合多个数据源,保证数据的综合性、易用性、数据的一致性和实效性,另一方面要利用数据挖掘者的分析经验和恰当的工具从现有数据中衍生出所需要的数据指标。
(1)数据收集
数据收集涉及各个方面的基本信息,以确保数据库的广泛性、真实性和有效性,通常包括五个方面:师生基本信息——通过学校人事、教务和学生管理部门获得师生信息,例如姓名、性别、籍贯、联系电话、E-mail、住处等数据;师生消费信息——通过后勤的饮食、商贸、公寓等部门获取的师生各类消费情况、消费能力、行为方式、饮食爱好、口味习惯等数据;师生需求信息——通过后勤服务人员的走访、座谈、学校部门行政指令、问卷调查、师生信息员的报送信息、网站咨询、电话服务、电子商务平台和个性化服务等所获得的信息;师生时间信息——根据学校各相关职能部门的管理信息系统了解教师的教学和学生的学习、各项活动安排等信息,得到师生消费的时间以便后勤相关服务部门提供相应的服务;学生行为信息——通过学生公寓管理信息系统纪实考评功能取得学生在校期间的哪些学生经常组合消费以及个人的生活习惯、行为方式、消费喜好、经济承受能力等信息。
(2)建立数据挖掘库
数据收集确定了要挖掘的数据源,由于高校后勤CRM的所有数据是分布在不同的数据库中的,需要进行数据合并与整合,把来自不同数据源的数据合并到同一个数据库中,并进行数据再加工,分析数据的质量包括检查数据的完整性及数据的一致性、填补丢失的域、删除无效数据。然后根据数据量的大小、数据的复杂程度、使用方式的不同,建立独立的数据挖掘库,使得能够对数据进行统计查询、多维分析和各种图表及其可视化。建立数据挖掘库时,把每个文件和数据库表的内容进行描述,将一些冗余或无关的数据除去,保证数据的准确性、完整性、一致性,提高数据质量,降低数据维数,形成适合数据挖掘的数据库。建立数据挖掘库,还要明确数据库中字段的含义及其与其他字段的关系。
(3)数据格式转换
建立数据挖掘模型时,要从大量数据中取出一个与问题相关的样板数据子集,而不是全部数据。数据格式转换是建立数据挖掘模型之前的最后一项数据准备工作,是根据建模的要求,对数据表现形式进行变换。
3.建立数据挖掘模型
数据挖掘的目的是建立一个实际工作中的知识模型,建立模型是数据挖掘的核心,是用来确定上述定义问题目标的一种手段,通过使用数据挖掘方法从建立的数据挖掘库中发现那些后勤CRM中能够影响预期结果和可理解性等的知识模式。例如,为了建立学生食堂消费行为模型,先确定模型的变量(已有消费记录,下次消费时间等),建立学生群体划分和描述模型轮廓,并利用模型预测学生行为特征,确定最有影响力的变量。知识模式挖掘过程是数据挖掘最为关键的步骤和技术难点所在,它采用了较多的技术如:关联规则、分类、聚类等,并根据数据挖掘的目标,选取相应的算法和参数,分析数据得到并形成知识模式。[6]
4.知识模式评估
通过建立数据挖掘模型而得到的知识模式,可能没有实际意义或是没有实用价值,也有可能不能反映知识的真实意义,甚至在某些情况下是与事实相反的,因此需要对知识模式进行评估,确定哪些是有效的、有用的模式。模式评估将发现的知识以用户能了解的方式呈现,根据需要对数据挖掘过程中的某些处理阶段进行优化,直到满足要求。
5.模型部署和完善
建立合适的模型后,就可以在后勤CRM中部署和应用模型。模型部署的关键是确定最有影响力的变量,并建立管理信息系统,以便准确地获得动态的数据来进行实时预测,例如最能影响师生消费行为的变量,或者最能影响师生满意度的变量等。模型完善包括定期或不定期地进行数据更新,根据需要扩展新的模块等。
6.知识可视化与应用
数据挖掘的知识和模式的过程对用户来说通常是不可见的,用户也无法直接使用这些数据挖掘的结果,因此需要用各种数据库开发可视化的工具,把它以图形或图像的形式显示出来,使数据挖掘的过程能够被用户理解,并集成到业务信息系统的组织结构中去。将通过上述处理后形成的有关师生行为模式等知识分别传送给后勤营销管理、饮食服务、商贸管理、学生公寓管理、监控服务等部门,以便更好地进行CRM工作。例如:学生在食堂购买荤菜的同时一般还购买素菜,分析哪些菜肴是学生最有可能一起购买来预测学生的购买行为,调整菜肴摆放位置,减少每个学生的服务时间,提高服务人员的工作效率;学生公寓管理中当知道学生有A、B表现时,采用关联分析的数据挖掘方法,公寓管理者可以知道学生可能会发生C行为等。最后,后勤部门还需要在CRM实践中检验知识和模式的使用效果,如果效果不好则需要重新修改原有的模型,甚至是定义。
五、结束语
高校后勤客户关系管理是一个循序渐进的过程,涉及经营理念的转变,是一种着眼理解和管理后勤现有和潜在师生需求的经营服务策略。数据挖掘的导入高质量地实现了CRM的目标,高校后勤CRM中有效地应用数据挖掘技术,可以为高层决策者提供较为准确的师生群体分析、市场营销、师生满意度、师生潜在需求等信息,引导后勤部门增强市场竞争意识,实现“以我为中心”、“以服务为中心”向“以师生为中心”转移,巩固服务学校、服务师生为其核心价值观。通过广泛搜集师生信息并进行分类和聚类,不断挖掘师生需求,确定特定师生群体或个体的消费习惯和需求,判断其潜在的、下一步的需求及行为,高校后勤以此为依据开展针对性强、有特色的个性化服务,从而提高师生的满意度。将数据挖掘所形成的知识和规则等应用于高校后勤经营服务流程的整合和优化,以师生为中心形成高效运作的经营服务机制,面向师生重构高校后勤新型保障体系,创造高品质、高效率的服务品牌。
参考文献:
[1]米天胜.数据仓库和数据挖掘在客户关系管理中的应用[J].情报杂志,2005(9).
[2]Richard,RJ,Geatz,MW.翁敬农译.数据挖掘教程[M].北京:清华大学出版社,2003.
[3]夏维力,王鑫,王青松.数据挖掘技术在企业客户关系管理中的应用研究[J].科技管理研究,2007(6).
[4]赵闪.数据挖掘在客户关系管理中的应用研究[D].广州:广东工业大学,2007.
[5]顾桂芳,李文元.数据挖掘在移动通信业客户关系管理中的应用研究[J].科技管理研究,2007(2).
[6]彭钿原,吴满琳.CRM中的数据挖掘模型及方法[J].财经界(下旬刊),2007(10).
(编辑:隗爽)
关键词:以师生为中心;数据挖掘;客户关系管理
中图分类号:TP311.13 文献标识码:A文章编号:1673-8454(2010)05-0087-04
市场提供服务、学校自主选择、政府宏观调控、行业自律管理、职能部门监管的新型高校后勤保障体系建立的实质是调整改组高校后勤领域中的政府职能、高校职能和市场功能,合理利用和配置后勤资源,开放后勤市场,引入市场竞争机制,提高社会效益和经济效益。高校后勤实行自主经营、自负盈亏,是一个独立经营服务的市场主体,是由行政管理型的事业单位向经营服务型转变的经济实体。一方面传统的高校后勤缺乏市场观念、无科学的经营策略导致市场竞争力低下,另一方面师生(客户)对后勤服务要求越来越高。如何保持现有师生消费、挖掘潜在的师生需求、尽量减少师生消费的流失成为高校后勤竞争的焦点。为此,高校后勤只有实现经营理念从“以我为中心”向“以师生为中心”的转变,利用数据挖掘技术建立最优化的客户关系,才能达到效益最大化的目标。
一、高校后勤客户关系管理
客户关系管理(Customer Relationship Management,简称CRM)是选择和管理有价值客户及其关系的一种商业策略,CRM要求以客户为中心的商业哲学和企业文化来支持有效的市场营销、经营服务流程,这种管理思想是以“一对一营销”理论为基础,旨在改善企业与客户之间的关系,通常实施于市场营销、服务、技术支持等与客户有关的领域。[1] CRM是通过对客户进行系统的研究、交流沟通,改进对客户的服务水平并影响客户行为,吸引更多的客户,从而增加营业收入,并通过强化管理降低企业经营成本。
高校后勤客户关系管理是将现代管理理论与高校后勤信息化建设相结合,树立以高等教育服务为中心的可持续发展策略,并在此基础上对学校的师生信息、消费、需求等过程的管理,以饮食、商贸、公寓等业务部门的信息为重点,通过对师生的信息进行系统研究,进一步优化高校后勤服务体系和业务流程,提高师生的满意度和忠实度,提高后勤工作效率和经营服务水平。高校后勤客户关系管理采用以师生为中心、以对师生的管理和服务过程为主导、以师生直接服务内容为主的管理模式,其实质是在合适的时间、以合适的途径、为合适的师生提供合适的服务。
二、CRM中数据挖掘方法
数据挖掘(Data Mining,简称DM)又称数据库中的知识发现,是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐藏的、事先未知的、潜在有用的信息,挖掘的知识表现为概念、规则、规律、模式等形式。数据挖掘的目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果。[2] CRM中数据挖掘的主要方法有以下四种:[3]
1.关联分析
关联分析利用关联规则进行数据挖掘,其目的是发现隐藏在数据间的关联或相互关系。在客户关系管理中,通过对企业客户数据库里的大量数据进行挖掘,可以从中发现有趣的关联关系,如“90%的客户在一次购买活动中购买A商品的同时购买B商品”,通过数据挖掘,获得对顾客购买行为极有价值的信息,从而帮助企业及时把握客户需求。
2.分类分析
分类是为一个事件或对象归类,既可以用统计方法、机器学习方法、神经网络方法等构造一个模型分析已有的数据,也可以用它来预测未来的数据。例如,用分类来预测哪些客户最倾向于对经营服务做出回应,后勤部门还可以根据新生的不同省份地域用分类来判断用什么样的饮食口味、住宿条件接待比较好。
3.聚类分析
聚类是分类的逆向方法,根据事物本身潜在的特性研究对象分类。通过聚类把一个数据集合中的个体按照相似性归成若干类别,使其“物以类聚”,并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。例如,当面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标,而又没有恰当的方法按照某个指标去分类时,就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”,然后再对每堆进行较为深入的分析。
4.序列模式分析
序列模式分析与关联分析相似,其目的也是为了挖掘数据之间的联系,但序列模式分析的侧重点在于分析数据间的前后序列关系,它能发现数据库中形如“在某一段时间内,顾客购买A商品,接着购买B商品,而后购买商品C,即序列A-B-C出现的频度较高”之类的知识。
三、数据挖掘在高校后勤CRM中的应用
高校后勤与师生之间的服务关系是一种持续的不断发展的关系,随着物质生活水平的提高,加之师生本身的文化素养较高,消费行为相对前卫,消费层次趋于上升。因此,后勤部门一方面要满足师生的既有需求,另一方面要通过数据挖掘分析发掘其潜在需求,并创造合理产品和服务以激发和满足这种需求。通过不断的相互间接触和交流,建立良好的客户关系,师生得到了更好更贴切的服务,后勤部门则因为增加销售量、扩大服务范围而取得更好的社会效益和经济效益。
1.师生群体分析
师生群体分析是把师生根据其性别、收入、交易行为特征等属性细分为具有不同需求和交易习惯的群体,同一群体中的师生对服务的需求以及消费心理等方面具有相似性,而不同群体间差异较大。师生群体分析有助于后勤部门制定正确的营销策略、满足师生消费需求,通过对不同类别师生提供有针对性的产品和服务,提高师生对高校后勤和服务的满意度,以获取更大的效益。数据挖掘应用到师生群体细分时,应全面结合高校后勤战略目标和工作计划。
2.交叉销售分析
交叉销售指向已购买商品的客户推荐其他产品和服务。在交叉销售中,数据挖掘可以帮助企业分析出最优营销组合,根据现有客户的购买行为和消费习惯建立预测模型,用建立的预测模型对客户将来的消费行为进行预测,建立营销组合分析模型,利用建立的分析模型对新的客户数据进行分析,以决定向客户提供最佳的交叉销售方式。通过关联分析能够发现客户倾向于关联购买哪些商品,通过聚类分析能够发现对特定产品感兴趣的用户群,序列模式分析能够预测顾客购买该新产品的可能性。[4]
3.消费保持和流失分析
高校后勤社会化的不断深入和大学城的建设,市场竞争不断加剧,师生的消费有不断流向社会市场的趋势。高校后勤如何利用数据挖掘技术来分析保持现有师生消费、挖掘潜在的消费需求、防止师生消费的外流是建立客户关系管理的关键。
后勤部门是高校的重要组成部分,要充分利用自身的优势建立良好的客户关系,使师生不断重复购买后勤提供的服务,它是高校后勤生存的关键和实现使命的体现。满足师生的现有需求比获取分析潜在需求和防止师生消费外流的成本低得多,而且忠诚师生会主动宣传、推荐新服务产品,有利于后勤部门发现师生的潜在需求。高校后勤CRM在运用数据挖掘技术时可以在原有的师生消费记录中发现他们潜在的交叉购买需求,建立一个“师生反应”预测模型,再利用这个模型去找出那些对所提供的服务感兴趣的师生,以达到防止师生消费流失的目的。此外,还可以利用数据挖掘技术进行已经发生的师生消费流失建模,找出当前师生消费流失的主要原因,积极采取相应措施。
4.师生满意度分析
高校后勤优质服务是吸引师生消费、保持师生消费、提高师生满意度的关键。师生满意度是师生对后勤部门提供的服务产品的消费经验的总体评价,是衡量高校后勤服务质量和经营水平的一种方式。由于高校师生消费观念不断更新、层次不断提高、结构不断优化,已不仅限于物质需求的满足、身心的健康、精神的愉悦,还追求消费的个性化。利用数据挖掘技术分析师生对服务产品的满意度,可以帮助了解师生的个人偏好、需求特征,提供“一对一”的个性化服务,发现经营、服务和管理上的不足,为改善经营策略、提高师生满意度指明方向。
5.师生贡献度分析
高校后勤是学校教学科研保障的经济实体,既有为广大师生提供服务保障的教育属性,又有符合高校后勤社会化的市场经济规律的经济属性。后勤部门的效益对于不同师生而言其价值也是不同的。高校后勤CRM中的数据挖掘可以用来分析和预测不同经营服务策略以及师生对后勤贡献度的变化,帮助后勤部门制定适合的营销策略。后勤部门可以制定一种计算师生贡献度的方法,根据这种方法设定一些优化目标,利用数据挖掘工具进行师生分析,发现哪些师生是真正创造效益的,哪些是无利或薄利的,通过交叉销售、知识营销等方法将无利或薄利的消费提升为贡献度较高的消费。后勤部门还可以通过数据挖掘在师生贡献度分析中的应用,采取一系列措施来改善师生获利能力,如为贡献度较高的师生提供多品种、高质量、个性化、高附加值服务产品,改善、发展与不营利但有贡献的客户关系,努力改变这些师生的购买行为,对师生获利能力实施动态控制等。
四、高校后勤CRM中数据挖掘过程
数据挖掘一般要经过问题定义、数据选择与准备(包括数据收集、建立数据挖掘库和数据转换)、建立数据挖掘模型、知识模式评估、模型部署和完善、知识可视化与应用等过程。
1.问题定义
CRM中数据挖掘必须明确一个或多个商业目标,对每个目标要有一个清晰明确的定义,包括应用范围及其相关领域的有关情况,熟悉背景知识,弄清用户需求,否则就不能明确定义要解决的问题,就不能为挖掘准备优质的数据,也很难正确分析所得结果。在清晰地定义出业务问题和数据挖掘的目的后,应该确定所要解决问题的类型,再对现有资源如已有的历史数据进行评估,确定是否能够通过数据挖掘技术来解决用户的需求,然后进一步确定数据挖掘的目标和制定数据挖掘的计划,选择合适的数据挖掘方法。[5]
2.数据选择与准备
数据挖掘要以一定的数据为基础,高校后勤CRM的数据挖掘一方面要做大量的数据收集、整合多个数据源,保证数据的综合性、易用性、数据的一致性和实效性,另一方面要利用数据挖掘者的分析经验和恰当的工具从现有数据中衍生出所需要的数据指标。
(1)数据收集
数据收集涉及各个方面的基本信息,以确保数据库的广泛性、真实性和有效性,通常包括五个方面:师生基本信息——通过学校人事、教务和学生管理部门获得师生信息,例如姓名、性别、籍贯、联系电话、E-mail、住处等数据;师生消费信息——通过后勤的饮食、商贸、公寓等部门获取的师生各类消费情况、消费能力、行为方式、饮食爱好、口味习惯等数据;师生需求信息——通过后勤服务人员的走访、座谈、学校部门行政指令、问卷调查、师生信息员的报送信息、网站咨询、电话服务、电子商务平台和个性化服务等所获得的信息;师生时间信息——根据学校各相关职能部门的管理信息系统了解教师的教学和学生的学习、各项活动安排等信息,得到师生消费的时间以便后勤相关服务部门提供相应的服务;学生行为信息——通过学生公寓管理信息系统纪实考评功能取得学生在校期间的哪些学生经常组合消费以及个人的生活习惯、行为方式、消费喜好、经济承受能力等信息。
(2)建立数据挖掘库
数据收集确定了要挖掘的数据源,由于高校后勤CRM的所有数据是分布在不同的数据库中的,需要进行数据合并与整合,把来自不同数据源的数据合并到同一个数据库中,并进行数据再加工,分析数据的质量包括检查数据的完整性及数据的一致性、填补丢失的域、删除无效数据。然后根据数据量的大小、数据的复杂程度、使用方式的不同,建立独立的数据挖掘库,使得能够对数据进行统计查询、多维分析和各种图表及其可视化。建立数据挖掘库时,把每个文件和数据库表的内容进行描述,将一些冗余或无关的数据除去,保证数据的准确性、完整性、一致性,提高数据质量,降低数据维数,形成适合数据挖掘的数据库。建立数据挖掘库,还要明确数据库中字段的含义及其与其他字段的关系。
(3)数据格式转换
建立数据挖掘模型时,要从大量数据中取出一个与问题相关的样板数据子集,而不是全部数据。数据格式转换是建立数据挖掘模型之前的最后一项数据准备工作,是根据建模的要求,对数据表现形式进行变换。
3.建立数据挖掘模型
数据挖掘的目的是建立一个实际工作中的知识模型,建立模型是数据挖掘的核心,是用来确定上述定义问题目标的一种手段,通过使用数据挖掘方法从建立的数据挖掘库中发现那些后勤CRM中能够影响预期结果和可理解性等的知识模式。例如,为了建立学生食堂消费行为模型,先确定模型的变量(已有消费记录,下次消费时间等),建立学生群体划分和描述模型轮廓,并利用模型预测学生行为特征,确定最有影响力的变量。知识模式挖掘过程是数据挖掘最为关键的步骤和技术难点所在,它采用了较多的技术如:关联规则、分类、聚类等,并根据数据挖掘的目标,选取相应的算法和参数,分析数据得到并形成知识模式。[6]
4.知识模式评估
通过建立数据挖掘模型而得到的知识模式,可能没有实际意义或是没有实用价值,也有可能不能反映知识的真实意义,甚至在某些情况下是与事实相反的,因此需要对知识模式进行评估,确定哪些是有效的、有用的模式。模式评估将发现的知识以用户能了解的方式呈现,根据需要对数据挖掘过程中的某些处理阶段进行优化,直到满足要求。
5.模型部署和完善
建立合适的模型后,就可以在后勤CRM中部署和应用模型。模型部署的关键是确定最有影响力的变量,并建立管理信息系统,以便准确地获得动态的数据来进行实时预测,例如最能影响师生消费行为的变量,或者最能影响师生满意度的变量等。模型完善包括定期或不定期地进行数据更新,根据需要扩展新的模块等。
6.知识可视化与应用
数据挖掘的知识和模式的过程对用户来说通常是不可见的,用户也无法直接使用这些数据挖掘的结果,因此需要用各种数据库开发可视化的工具,把它以图形或图像的形式显示出来,使数据挖掘的过程能够被用户理解,并集成到业务信息系统的组织结构中去。将通过上述处理后形成的有关师生行为模式等知识分别传送给后勤营销管理、饮食服务、商贸管理、学生公寓管理、监控服务等部门,以便更好地进行CRM工作。例如:学生在食堂购买荤菜的同时一般还购买素菜,分析哪些菜肴是学生最有可能一起购买来预测学生的购买行为,调整菜肴摆放位置,减少每个学生的服务时间,提高服务人员的工作效率;学生公寓管理中当知道学生有A、B表现时,采用关联分析的数据挖掘方法,公寓管理者可以知道学生可能会发生C行为等。最后,后勤部门还需要在CRM实践中检验知识和模式的使用效果,如果效果不好则需要重新修改原有的模型,甚至是定义。
五、结束语
高校后勤客户关系管理是一个循序渐进的过程,涉及经营理念的转变,是一种着眼理解和管理后勤现有和潜在师生需求的经营服务策略。数据挖掘的导入高质量地实现了CRM的目标,高校后勤CRM中有效地应用数据挖掘技术,可以为高层决策者提供较为准确的师生群体分析、市场营销、师生满意度、师生潜在需求等信息,引导后勤部门增强市场竞争意识,实现“以我为中心”、“以服务为中心”向“以师生为中心”转移,巩固服务学校、服务师生为其核心价值观。通过广泛搜集师生信息并进行分类和聚类,不断挖掘师生需求,确定特定师生群体或个体的消费习惯和需求,判断其潜在的、下一步的需求及行为,高校后勤以此为依据开展针对性强、有特色的个性化服务,从而提高师生的满意度。将数据挖掘所形成的知识和规则等应用于高校后勤经营服务流程的整合和优化,以师生为中心形成高效运作的经营服务机制,面向师生重构高校后勤新型保障体系,创造高品质、高效率的服务品牌。
参考文献:
[1]米天胜.数据仓库和数据挖掘在客户关系管理中的应用[J].情报杂志,2005(9).
[2]Richard,RJ,Geatz,MW.翁敬农译.数据挖掘教程[M].北京:清华大学出版社,2003.
[3]夏维力,王鑫,王青松.数据挖掘技术在企业客户关系管理中的应用研究[J].科技管理研究,2007(6).
[4]赵闪.数据挖掘在客户关系管理中的应用研究[D].广州:广东工业大学,2007.
[5]顾桂芳,李文元.数据挖掘在移动通信业客户关系管理中的应用研究[J].科技管理研究,2007(2).
[6]彭钿原,吴满琳.CRM中的数据挖掘模型及方法[J].财经界(下旬刊),2007(10).
(编辑:隗爽)