随着消费者意识及个人主义抬头，企业经营模式已从产品导向转为客户导向，而客户关系管理(CRM)亦随之兴起，成为21世纪企业存亡之关键。就现今所谓的客户关系管理大约分为两类，一为分析式客户关系管理(analytical CRM)、一为操作式客户关系管理 (operational CRM)。

所谓分析式CRM即为强调后端数据仓储之建置，透过数据仓储分析出客户之属性及行为模式等，以利近一步做出反应。而操作型CRM则为前端较独立功能之系统，例如：销售自动化（Sales Automation）或是提供市场营销人员之CRM系统，或者Call center、 CTI等eCRM系统，其可以利用与客户之直接接触进行当下之客户关系管理。两种系统之关联性请参考(图一)。

《图一 分析式CRM与操作式CRM之关联性》

两种系统各有其功能，虽然许多企业因预算考虑只建置部分系统，但此两种CRM系统，实为相辅相成的。而分析式之CRM更是操作型的基础，有了数据仓储之基础建设，再往上建置不同系统，将收加乘之效果。在此即先简单介绍数据仓储之架构，以利读者了解数据仓储之特性功能，近一步说明其于CRM效益上之发挥。

数据仓储简介

数据仓储（data warehouse）是一个程序，而非一种产品。它是一种存取方便的整合性数据存储器，这些数据经由各种不同的源头汇集在一起，经过转换成有意义的主题或信息群组，以作为查询、报告、分配资源、决策制定，以及思考的辅助工具。数据仓储系统是用户应用信息的统一窗口，并为企业提供完整的管理服务与分析。至于数据仓储的基本架构及整体概念，我将它区分为以下几个基本组件说明，请参考(图二)：

《图二 数据仓储基本组件关系图》

Design：

即数据仓储之数据Model的设计，这部分是最重要的，若model设计的不够周延或不理想，尽管之后的报表设计如何精美，也有可能跑出错误的信息，这也是需要选择有经验的专业顾问建置数据仓储之一个重要原因。

Integrate：

即数据的整合转换过程，包含数据撷取（Data Extraction）、数据转换（Data Transformation）、数据清理（Data Cleaning）、数据加载（Data Load），而将各种来源之数据整合转换加载数据仓储中，数据转换的程序撰写不易，自动化处理困难，经常要人工参与作业，约占DW项目之60%-70%的人力及时间。

Management：

即数据仓储之中心-是一个巨大容量及提供ad hoc查询的数据库。

Visualize：

即前端呈现给用户看之型式，例如数据采矿(Data Mining)及OLAP工具，用以呈现分析过之数据型式。

Administration：

为管理的工具，例如：网络监控流量、security管理等。

Architecture：

即Professional Services and Industry Partner，专业且有经验的顾问将是协助建置数据仓储的重点，对于model的设计及各产业的domain knowhow有足够之经验，才能帮助企业设计出真正符合的数据仓储。一个动态的数据仓储系统请参考(图三)。

《图三 动态之数据仓储系统架构》

专业顾问透过与企业需求访谈，建立数据仓储的model，然后将企业内各种数据整合于数据库中，并建置前端分析数据的工具以及管理工具，如此的过程即为建置数据仓储的基本过程。

数据仓储的特性功能

了解数据仓储的基本架构后，我们便知道数据仓储即是将企业之不同系统中之数据加以汇总，以获得整合非片段之信息。接下来简单说明数据仓储之特性与功能以利了解其对客户关系管理的贡献。

数据的汇总

在现今知识经济为主的时代，数据变成企业的宝贵资源，我们会发现当和数据（data）脱节时，所有的系统将会是无意义的，但是其实多数的企业都未能有效应用其本身拥有之资源，因为多数企业的数据并未经过汇总，不同部门的系统各自独立，彼此的数据无法分享，即使主管想看较全面详细的数据也不容易，更别提利用这些数据获得有利信息或者作进一步之分析。

因此数据仓储系统便成为企业一项重要工作，而建置花费最多时间的部分，即在数据汇总整合上，要将各个系统中不同格式的数据汇总到一个数据仓储内，还包括不正确数据的清除，功夫虽然浩大，但对企业绝对有利。

在拥有完善的数据仓储之后，企业主就会知道哪些数据是拥有的，而哪些重要数据是没有的，要去收集哪些数据，而且当拥有整合之数据后，不同部们间之交流与分享将成为方便可行的，如此将有利于提升企业之效率及服务质量。

数据的深度分析

企业拥有整合之数据后，进一步即可作深度的分析，举例来说：主管可由汇总的报表中得出，哪些客户是去年不重要今年也不重要的，而哪些客户是去年不重要，但是今年却变重要，碰到这种情形，通常主管会问Why，而要得知原因，即需要找到深入的数据来补助，要看detail的数据以了解原因，进而可做出反应，抓紧其可能的消费趋势而进行营销。

详细的分析提供主管有利的信息证据，在过去主管可能只能依靠其经验直觉作判断，而在现今数据量暴涨、科技趋势快速变化的时代，要拥有充分的信息，做为判断的依据，才能作出准确的决策，而大幅降低风险。

历史数据的保留

数据仓储与一般OLTP系统一个极大的不同点，即在于其保留了历史数据，而历史越久之公司有的一项优势即为拥有较多之历史数据，这也是本国企业比后来之进驻外商所拥有之优势，因为数据的收集非常的困难，如果能将历史数据作有效利用而非锁在储藏室内，将对企业有极大之帮助。

另外值得一提的是，许多系统并未将历史时间因子考虑进去，例如：王小明在90年4月1日结婚，系统会将王明的状况更改为已婚，但是要注意的示在90年4月1日以前他是未婚状况，行为模式是未婚者的行为模式，若将其过去的行为模式也视为已婚状况是不对的，影响分析的结果将不正确，因此时间因素是好的数据仓储系统所应该考虑的。

使用容易

现在数据仓储系统前端使用接口，皆设计成人性化的接口，易于用户自行随意查询，有些更透过web接口使企业内部员工，可因其工作职位不同而自行于其权限内作查询，不需像以前需透过IT人员制作报表，有时一等就是几小时或几天，失去了时效性也影响主管或营销人员作判断的时机，另一方面，IT人员也不会整天忙着为主管提出的要求制作报表，而耗费太多时间。

数据仓储的应用

在说明数据仓储的功用特性后，接下来谈谈它的应用面：数据仓储可以是企业的系统平台之一，架在其上面，除了可以做一般的报表外，还可以做DSS/EIS、OLAP分析，把数据仓储当做是一个平台，去发展所有的报表系统，这系统可整合各个系统的信息（eg: 营业系统及会计系统等），放置在同一个报表里。

亦可架上高阶主管信息系统(Excutive Information System；EIS)系统，将企业有关的summary信息，及高阶主管所要看的信息事先算好，然后由EIS系统表现出来，一般EIS系统需考虑到当你把数据做汇总后数据库的Performance是否够好，所以如果用data warehousing做为基础，在上面开发EIS系统的话Performance会相当的好。

另外，包括DSS(支持决策系统)、KM(知识管理)、CRM(客户关系管理)皆可用数据仓储为基础平台再往上加值的应用，尤其在CRM的应用上更能快速为企业提高顾客满意度，创造利润。就拿以上数据仓储的特性，如(图四)，来作说明：

《图四 CRM范表说明》

1. 汇总的数据：

透过数据仓储，客户的数据是整合的，不会因为与不同部门接触而受到不同的待遇，例如：某君可能和A单位已有数年的交易关系了，却在和B单位联络时被要求谈写新客户档案，造成此客户极度不舒服的感觉，也加速客户流失率。

另外例如金融界的例子：企业透过收集到的数据，发现吴先生最近申请了购屋贷款，加上其买的几个股票皆下跌不少，了解到吴先生可能最近经济状况较不理想，透过系统得知此情况时，即可通知客服人员主动与吴先生联络，问是否需要专业经济规划建议，或推出利息较低之贷款服务等，不但客户觉得窝心，亦加强了客户忠诚度。

2. 数据分析：

此点为最显著的，透过对客户数据的分析可以了解哪些为重要客户，而哪些为不需花费太多精力的客户，而哪些为潜在客户。举例来说：透过对客户忠诚度的分析，可以了解哪些客户为忠诚度较高的，为甚么？而哪些为较低的，为甚么？以及需不需要采取哪些措施来加强其忠诚度？而对于原本就有较高忠诚度的客户又该如何维护其忠诚度？这些都可以透过数据的深度分析逐渐厘清得知答案。

又如一个美国著名的例子：某家超市透过历史数据分析，发现许多购满尿布的客户是中年男性，通常为黄昏时被太太叫出来买尿布的，而这些父亲为了酬谢自己也会买灌啤酒慰劳自己，因此这家超市即将啤酒与尿布放在一起，让客户买了尿布后不需另外去找啤酒，并大大增加了啤酒的销售数字。

总而言之，数据仓储使企业能自行分析汇总数据，得知自己的优势，竞争者的状况，更了解客户以便更能掌握客户，加上快速的反应时间让企业于第一时间做出反应赢得客户的心。

结论

数据仓储系统的最终目的就是提高企业的竞争能力，透过对汇总的数据进行分析，获得实际有利企业判断的数值，以帮助企业作正确的决定，并降低成本、提高顾客满意度，将前20%为企业带来最大利润的客户好好留住，并将那剩下80%的客户努力往前20%的方向挪，以创造企业最大利润。

(作者为智酷科技副总经理)