能从数据中挖出“金娃娃”的秘密武器 2003.12.23

2004年的元旦和春节靠得很近，商家已经摩拳擦掌，打算在这个“消费的黄金季节”，博得2004年的头彩。K公司的丁总更显得踌躇满志。今年的“十一黄金周”，已经让他们“美美地赚了一把”。

　　说到个中奥秘，丁总面露喜色，“我们的CRM升级了！”

　　这个“升级了的秘密武器”，就是K公司新近整合的“数据挖掘和CRM分析工具”。

　有数据，没知识

　　“一年以前，你要问我什么货走得快，我肯定说得出来”，丁总讲起上“数据挖掘”的缘由，回想起一年前的一件事情，“要深究一步‘为什么’的话，我还真说不大清楚”。

　　丁总明白，光知道什么货走得快，根本不能应对变幻莫测的零售市场。“当时有竞争对手每3个月都要重新排列自己的货架”，丁总说，“我们以为是季节性的调整，没有在意。”

　　但是，一段时间以后，市场调查人员告诉丁总一个令人费解的消息，“某种消费品在竞争对手那里的销售活跃程度，似乎总是比K公司高几个百分点。”

　　丁总一时琢磨不出其中的道理。是价格因素，还是地理位置因素？是货品摆放的布局问题，还是导购员的服务问题？一时间，丁总只能从感觉上多方揣摩，但总是无法拿到足够的数据，来证明到底发生了什么。

　　“庞大的客户数据库，以及每日客户交易记录，无法告诉我更多的东西”，此时的丁总，似乎领悟到了有人曾提起的一句话，“没有经过分析的数据，像‘垃圾’一样没有价值”。

　　K公司已经虽然拥有了数据量庞大的客户关系管理系统，“每天的消费统计数据，都可以及时汇总上来”，丁总感觉到，“这个CRM系统，好象只有数据，没有‘知识’”。

　　“数据分析”的慧眼

　　条形码、货架编码、销售管理系统、客户资料管理系统等等，在K公司已经是常规的信息系统。从技术角度说，商品、消费者、每日交易等各方面的信息，在公司数据库里，应有尽有。

　　“不光这些”，丁总解释说，“我们与供货商之间的数据交换，也是公司信息系统的重要组成部分。”

　　后来，丁总明白了问题所在。这些存放在数据库里的数据，多是为事后的单项统计服务的，然后就变成一张张汇总的表单，转送给不同的管理部门。最后到丁总手里的，不过是几张合并之后的报表而已。

　　重要的信息，显然被淹没在庞大的数据库中。

　　“后来我们认识到，被遗忘的最重要的信息是‘关联信息’”，丁总看到了问题的实质。

　　消费者的行为在统计意义上，有一定的关联性。比如一定的时期，某些客户群体的购买时间、购买的商品组合，甚至购买时行走的路线，都能揭示消费者消费行为和习惯的深层结构。

　　此外，上架商品的摆放位置、促销活动的时机、导购人员的服务水平等，与顾客的消费行为也呈现一定的关联。

　　“能不能透过数据，发现数据所揭示的‘关联行为’，其实是客户数据的价值所在”，丁总了解到这个内容叫做“数据挖掘”。

　　“这是个十分形象的名词”，丁总在了解了“数据挖掘”的基本原理之后，果断地要求公司技术人员，尽早为他“装上这双富有价值的慧眼”。

　　数据挖掘的价值

　　好了，回到本文的开头。

　　丁总之所以对2004年“两节商机”底气十足，很大程度上在于“CRM+数据挖掘”让他尝到了甜头。

　　“获得富有价值的消费者行为信息，是非常重要的”，丁总把这个比喻为“用显微镜透视销售数据”。

　　“还有更多的好处”，丁总举例说。比如通过数据挖掘，可以把销售和库存数据集中起来，用分析结果来决定对货品的增减，确保正确、合理的库存。

　　“还可以利用数据挖掘工具和统计模型，分析顾客的购买习惯、广告成功率”，比如利用近年来的销售数据，可以“挖掘出”季度、月销售量的预测，对商品品种和库存进行趋势分析。

　　“甚至可以辅助我做价格决策”，在丁总眼里，数据挖掘仿佛为他打开了一扇全新的窗户，他美孜孜的神情，仿佛抱上了“金娃娃”一般。

　　从数据到知识

　　伴随企业信息化建设和应用的进程，企业所拥有的数据量已呈“爆炸式”增长的态势。然而，有估计认为，“一个大型企业数据库中数据，只有7%得到了很好的应用”。且不说这个估计数字是否准确，就现实而言，企业数据利用率很低则是不争的事实。这个事实就是，相对于“数据过剩”和“信息爆炸”，企业用户感受到“真实的另一面”，则是普遍的“信息贫乏”。

　　对此，美国学者奈斯伯特(John Naisbett)惊呼道，“人类正被大量数据所淹没，而知识则极度匮乏”。

　　“数据多，知识少”是当今信息化建设与应用中典型的“失衡”现象。几百兆、甚至几个TB的数据量，对一些大型数字资产密集型企业，如电信、金融、零售，已经司空见惯；但由于严重缺乏相应的数据分析手段、数据挖掘工具，使得这些“海量”的数据，在存储设备中宛如巨大的“数据荒漠”。

　　1995年，在加拿大蒙特利尔召开了第一届知识发现和数据挖掘国际学术会议上，“数据挖掘”这个着眼于“海量数据中信息和知识”的新概念，很快成为人们重新认识数据、认识存储、认识数据统计和分析的新的起点。

　　人们将存储在数据库中的数据看作是形成知识的源泉，形象将它们比喻成矿石。数据挖掘（DM: Data Mining）则是从大量的数据“矿石”中，提炼隐含其中的、有价值的知识和信息的必要手段。

　　这个“认识数据的新起点”里，最重要的一点就是充分意识到数据之间关联的多样性和价值。比如，食品店零售商可以从购买面包的顾客数据里，发掘到“同时购买牛奶”的顾客之间的关联关系；而电信计费系统，则从话单数据中，可能发现特定消费群体的消费习惯和行为特征。

　　采用关联模型实施数据挖掘的典型案例，是总部位于美国阿肯色州的世界著名商业零售连锁企业Wal Mart的“尿布与啤酒”的故事。Wal Mart拥有世界上最大的数据仓库系统，通过数据挖掘工具，得到了一个意外发现：跟尿布一起购买最多的商品竟然是啤酒。

　　进一步的分析，揭示了隐藏在“数据关联”背后的行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。

　　“啤酒与尿布”的著名故事，可谓是数据挖掘产生巨大价值的经典案例。当企业拥有大量的数据之后，如何从这些数据中“攥出油水”，才是企业信息化价值体现的最终目的。事实上，日益增多的CRM应用，仅仅为“客户关系”管理，提供了“粗放的框架”和“数据矿石”。能否将CRM系统与数据仓库、数据挖掘系统整合起来，使CRM变成“洞察客户需求”、“辩识客户行为”和“积累客户知识”的系统，才是客户关系管理的真谛