Analitikus CRM Radnai Szabolcs
[email protected]
Integrált CRM megoldások Adatpiacok és elemzõ alkalmazások
Mûködõ rendszerek
Elektronikus kereskedelem
adattárház
Hívóközpont
Egységes ügyfél nézet
Értékesítési pont
Ttranzakciók
Ügyfélkapcsolat történet
Sales Automation
Egyre több ponton érintkezünk az ügyféllel, de elveszítjük a direkt kommunikáció lehetőségét
Az ügyfélkapcsolati rendszerek összekötése az operatív rendszerekkel és az adattárházzal
A CRM a legfontosabb hajtóerő az adattárház/adatpiaci rendszerek kiépítésére
CRM Architecture & Analytics Analytical vs Transactional Mostly Analytical
40%
Even Split
35%
Mostly Transactional
24%
0%
10%
20%
30%
40%
Source : TDWI Industry Survey 2001
75% of CRM Projects have significant Analytical components.
TDWI Industry Survey 2001 “Harnessing Cus tomer Information for S trategic Advantage : Technical Challenges & Busines s S olutions”
‘Total’ CRM = Operatív CRM + Analitikus CRM
Analitikus CRM - kérdések Kik az ügyfeleink? Melyek értékesek és melyek nem? Mely csatornákra kell koncentrálnunk? Mely ügyfelek számára? Hogyan növelhetnénk az értékes ügyfelek lojalitását? Hogyan növelhetjük meglévő ügyfeleink értékét? Hogyan becsülhető egy új ügyfél értéke? Mely ügyfelekről valószínűsíthető, hogy el fognak vándorolni? y Kell-e ezzel foglalkozni? y Hová csoportosítsunk erőforrást (CRM), és hogyan érhető el megtérülés)? y y y y y y y y
Az analitikus CRM többféle felhasználást jelent Megtartó Ügyfélszerző programok Termék fejlesztés kampányok Szervíz igények csoportosítása
Szolgáltatás
Kereskedelem
Priorizálás
Marketing
Kapcsolattartó képesség illesztés
Ügyfélkezelés
Termék konfigurációs kiválasztások Cross-sell Up-sell termék és célcsoport összerendelés
Csatorna Termék preferenciák árazás Ügyfél megszemélyesítés
Customer Information File Oracle Business Intelligence Reports
Működő redszerek adatai ERP adat
CIF
Warehouse Builder
Külső adat
Discoverer
Oracle9i
DM
Application Server
Express
CWM és Repository Designer és Enterprise Manager
Express
Alkalmazás
Customer Information File Ügyfél információs állomány • Tartalmazza a vállalat ügyfelekről felhalmozott adata •Személyi adatok •Geográfiai adatok •Számla adatok •Termékek •Fizetési szokások •Ügyfélérték adatok •Ügynök adatok ügyféladat összefüggésben • Forrásrendszerek adatait konszolidálja • Alapja az ügyfélkezelő rendszereknek
Komplex ügyfél modell - TCA y Üzleti partner adatbázis modell y Képes a valós élet komplex kapcsolatrendszerének kezelésére Jan Welsh
Menedzser
Rokon
Kovács István
CIECH Versenytárs
Alkalmazott
TVK Rt. Partner
DÉGÁZ Rt
Szállító Vevő
Vevő
Borsodchem Rt.
MOL Rt. Leányvállalat
MOL Chem Versenytárs
Leányvállalat
Slovnaft
Customer Information File Oracle Business Intelligence Működő redszerek adatai ERP adat
Customer Care
Oracle9i
Warehouse Builder
Külső adat
Application Server
Darwin
Express
CWM és Repository Designer és Enterprise Manager
Champaign Manage ment Telemar keting
Kik az ügyfeleink? Piaci (külső) információk
Kereskedelmi rendszerek
Szerződés kezelés
Web adatok
Marketing adatbázis Ügyfélszolgálat
Oracle Warehouse Builder Rakjuk össze az ügyfelet
y Egy kiterjeszthető keretrendszer adattárházi és adatpiaci rendszerek tervezésére, és adattal való feltöltésére
Tipikus Warehouse Builder “ügymenet”
2 A cél adattár definiálása 3 A forrás “map”-elése cél adattárba
4 Kód generálás 1 Források
5 Adattárház létrehozás
definiálása
6
Feltöltés
Támogatott adatforrások y
Jelenleg – – – – – – – –
Flat Files Oracle DB2, MSSQL, ODBC Oracle Designer Mainframe adatforrások (Carleton) Oracle Transparent Gateways Oracle Applications SAP/R3
A forrás állományok szerkezetének definiálása
Adatfolyam és transzformáció készítés (mapping)
Adatfolyam és transzformáció kódgenerálás
Transzformációk y Az Oracle9i a transzformációs motor – – – – – –
Beépített párhuzamos feldolgozás Set és sor alapú műveletek PL/SQL ( Java a későbbiekben) Külső függvények hívási lehetősége Beépített transzformációk Egyedi transzformációk készíthetők
80% - 20% szabály
y Az adattárház építésére fordított erőforrások 80%-át az adatok összegyűjtésével, konszolidációjával és az adatminőség biztosításával kapcsolatos feladatok emésztik fel.
Source: Meta Group 1998
Az adatok minősége: a forrás adatok hibái
Metaadatok
Alkalmazások Adat beviteli hibák
Anomáliák
Többszörösen kiosztott kulcsok Hiányos adatok Kitöltetlen mezők
Szabad formátumú mezők
Az adatminőség ellenőrzéséhez nem csak az adat definíciókat kell vizsgálni, hanem magukat az adatokat is.
Adatminőség: meglepetések CUSNUM NAME
ADDRESS
90328574
Digital Equipment
187 N. PARK St. Salem NH 01458
OEM
90328575
DEC
187 N. Pk. St. Sarem NH 01458
OEM
90238475
Digital
187 N. Park StSalem NH 01458
$#%
90233479
Digital Corp
187 N. Park Ave. Salem NH 01458
Comp
90233489
Digital Consulting
15 Main Street Andover MA 02341
Consult
90234889
Digital Info Services
PO Box 9 Boston MA 02210
Mail List
90345672
Digital Integration
Park Blvd. Boston MA 04106
SYS INT
Nem egyedi kulcs
TYPE
Szabványok hiánya Anomáliák Melléütés
Szemét az üres mezõkben
yHogyan lehet észrevenni és kijavítani a hibákat több millió rekordban?
Customer Information File Oracle Business Intelligence Működő redszerek adatai ERP adat
Customer Care
Oracle9i
Warehouse Builder
Külső adat
Application Server
Darwin
Express
CWM és Repository Designer és Enterprise Manager
Champaign Manage ment Telemar keting
Integrált CRM
Az igény több, mint egy termék... Mi történt? Lekérdező eszköz
Monitorozás és beavatkozás
Részletes Ügyfél Intelligencia
BSC, Stratégiai eszközök
Ügyfél adatok
Miért történt? OLAP eszköz
Mi fog történni? Adatbányászat
Összegzések
Operatív CRM eszközök
Hipotézis végrehajtás
Mi történne, ha? OLAP Eszköz
Oracle ‘Kampány optimalizálás’ Mi történt? Miért történt?
Marketing Intelligence Customer QueryIntelligence tool Clickstream Intelligence
Monitorozás és beavatkozás
Sales OLAPAnalyzer Tool Performance Analyzer
Oracle 9i
Balanced Scorecard Financial Analyzer
Mi fog történni? DataMining Mining 9i Data
Marts Summaries
Mi történne, ha? Hipotézis végrehajtása Marketing On-Line Other CRM Components
Sales Analyzer Financial Analyzer OLAP Tool Demand Planning
Integrated CRM Architectures Adding Integrated Analysis Oracle9i
Personalisation
Data Mining
External Data
Off-Line Analytical Warehouse
Cust 1 data 1 Cust 2 ....... Cust 3 ....... Cust 4 ....... Cust 5 ....... Cust 6 data 1 Cust 7 ....... Cust 8 ....... Cust 1 data 1 Cust 9 ....... Cust 2 ....... Cust 10....... Cust 3 ....... Cust 4 .......
data 2 ....... ....... ....... ....... data 2 ....... ....... data 2 ....... ....... ....... ....... .......
data 3 ....... ....... ....... ....... data 3 ....... ....... data 3 ....... ....... ....... ....... .......
On-Line Customer Data Store
Marketing Sales E-Business Suite
Call Centre
Data Cleansing
BI Applications
Customer Profiling
Web
Clickstream Analysis
Analysis & Reporting
Operational Reporting
Campaign Optimisation
Internal Data
External Data
Data Mining Suite
Marketing Intelligence OWB Campaign Reporting
Data Mining
Sales & Financial Analyzer
Customer Segmentation
Data Warehouse
Product Analysis
Operational Database
Campaign Analysis Profitability Analysis
Marketing Suite List Mgt
Campaign Mgmt
Campaign Budgeting
Execution
Response/ Interactive Workflow
Touch Points/CRM11i
Call Centre
Internet
Direct Mail
Agent
Branch
POS
VRU
Oracle vs SiebelLeaders Challengers Ability To Execute
Siebel Oracle
Operational CRM source : Gartner Group, April 2001
Niche
Visionary
Completeness Of Vision
Oracle vs SiebelLeaders Challengers Ability To Execute
Oracle
Analytical CRM source : Kev, April 1999, 2000, 2001...
Siebel Niche
Visionary
Completeness Of Vision
Oracle vs SiebelLeaders Challengers Ability To Execute
Oracle
‘Total’ CRM
Siebel
source : Kev, April 1999, 2000, 2001... Niche
Visionary
Completeness Of Vision
Széttöredezett ügyfél információk Marketing
Pénzügy Beszerzés
Kereskedelem Megrendelés Web Store Ellátási Szolgáltatás
HR
lánc
És ez csak rosszabb lesz
Nincs egy összetartó infrastruktúra OLAP Engine
ETL Tool
Analytic Apps
Transformation Engine ETLTool Transformation Engine Name/Address Scrubbing
Lineage
Mining Engine Query & Analysis
Database Reporting Engine
Enterprise Reporting
P o r t a l
Iparági megoldások - FS Analitikus CRM üzleti funkciók • Szegmentáció • Termék • Csatorna Lakossági ügyfelek • Jövedelem • Vásárlói potenciál • Szocio-demográfia Vállalati ügyfelek • Gazdasági helyzet • Ágazat • Kockázattűrés • Geográfia
• Ügyfélérték (Life Time Value) • Értékesítési mátrix (cross-sell) • Termék fejlesztés • Árérzékenység • Elvándorlás elemzés
OFSA Rendszer Architektúra (Oracle Financial Services Applications)
Transfer Pricing Belső elszámoló árak
Performance Analyzer Költség/tőke allokációk
Banki Adatmodell
Banki rendszer
Adatok átvétele FŐKÖNYV
Ügyféladatok Account szintű adatok Főkönyv Tevékenységstatisztikák és költségek Ügyfelek közötti kapcsolat adatok
Budgeting and Planning Cash flow alapú tervezés Risk RiskManager Manager Eszköz-forrás Eszköz-forráskezelés kezelés Quant Quant(Oracle (Oracle&&KPMG) KPMG) Piaci kockázatok Piaci kockázatok Oracle OracleDiscoverer Discoverer Lekérdezések Lekérdezések
Egyéb rendszerek (tevékenységek , ATM stb.)
Oracle Financial Data Manager Adatátvétel
Ügyfelek az analitikus CRM-ről... “A számlák profitabilitásának ismerete ahelyett, hogy csak feltételezésekkel élnénk- a siker kulcsa a gyorsan erősödő versenyhelyzetben” Jeff Wagner, Huntington Bank
Bank’s Analytical CRM Solution – – – –
Financial Services Customer Data Mart Oracle Discoverer Customer Profitability OMO - Campaign Management
Ügyfelek az analitikus CRM-ről... “A lehető legjobb megoldást szerettük volna megkapni, amit egy standard csomag alkalmazás myújthat” Anders Langaas, Color Line
Analytical CRM Solution – – –
Oracle Data Warehouse Builder, Discoverer Oracle Marketing Online Oracle CRM Customer Model (TCA)
Ügyfelek az analitikus CRM-ről...
“A legnagyobb kihívás számunkra az ügyfél lojalitás növelése” Gianni Santerini, Telcom Italia Mobile
Analytical CRM Solution – – –
Oracle Datawarehouse & Business Intelligence Oracle Data Mining Oracle Marketing Online
Ügyfelek az analitikus CRM-ről...
“Egy gyorsan bevezethető Web alapú marketing rendszert kerestünk, ami segíteni tud az ügyfelekkel való kommunikáció célzott bonyolításában.” Svein Bjornstad, Braathens – – –
Oracle Datawarehouse & Business Intelligence Oracle Marketing Online OMO BEVEZETÉS 75 nap alatt
Miért a kampány optimalizálás? y Quelle (Német katalógus áruház) – –
y BT –
megtakarított $50m+-t az ügyfelek pontosabb megcélzásával papír és postadíj megtakarítások voltak
Egy új szolgáltatáshoz 80,000 ügyfelet válogatott le a 22m előfizetőjéből - dollár ezreket takarított meg egy kampányon
y Credit Suisse –
Kereszteladási válaszhatékonyságot átlag 1.1%-ról 20.5%-ra növelte.
A szeminárium programja: 10h00’ – 10h30’ 10h30’ – 10h50’ 10h50’ – 11h10’ 11h10’ – 11h25’ 11h25’ – 11h45’ 11h45’ – 12h10’ 12h10’ – 12h30’
Analitikus CRM Egy régi – új fogalom Az Operatív CRM alkalmazások kapcsolata az elemző megoldásokkal Az Oracle adatbányászati platformja Szünet
Radnai Szabolcs
Üzleti folyamatok támogatása CRM megoldásokkal CRM Demonstráció – Kampány menedzsment Q&A
Palaczk Péter
Tóth András Fekete Zoltán
Fekete Zoltán
