案例分析——如何依靠及利用数据分析来提高竞争力

第一篇：案例分析——如何依靠及利用数据分析来提高竞争力

案例:如何依靠及利用数据分析来提高竞争力

五一期间，哪些型号的卫生洁具需要打折促销？打多大折扣企业效益才能达到最高？”“3G即将开通，我们该重点向谁推销？”“可透支的信用卡发给哪些人才不会赖账？”这些问题，任何单一的信息系统都无法“回答”，这时候就需要把多个业务系统的数据整合一起，建设数据仓库，进行横向分析，从而实现精确营销、精确决策。

浙江电信、中国建设银行、兴业银行、默洛尼卫生洁具公司等正在利用收集、分析数据的卓越能力，找出最有价值的客户、精确预测产品生命周期等，从而实现精确营销、精确决策。它们是怎么做的呢？

“精确营销的本质是，先对客户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同消费行为有针对性地设计营销套餐！”

“科学算命”

去年夏天，宁波电信推出了彩铃业务。刚开始宁波电信的主要推广方式是由社区经理通过97系统的客户资料给每个客户打电话，客户经理每天要打几百个电话。由于缺乏针对性，这种“全面撒网”式营销的成功率只有7％左右。后来，通过对潜在彩铃用户资料进行分析、归类、定位后，从20万潜在客户中挑选出10％购买可能性较高的客户，进行有针对性的外呼，成功率高达40％。宁波电信是如何实现精确营销的呢？

这得从宁波电信的MR（市场营销再造）项目说起。去年1月20日，中国电信市场营销再造项目宁波MR项目试点正式启动，核心任务是变地毯式营销为精确营销。长期以来，电信企业实行的是地毯式营销，要么不优惠，要么给23万用户全优惠。如何对23万公众用户进行针对性营销？浙江电信企业信息化部副经理沈跃明发现，精确营销的核心障碍是缺乏一套准确的客户数据仓库和对应的客户分群模型。沈跃明说:“精确营销的本质是，先对客户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同消费行为有针对性地设计营销套餐！”

于是，沈跃明和宁波电信局营销中心副总监兼市场拓展部经理毛宁飞建立了数据支撑小组，整个2月份都在进行数据准备工作。他们首先通过数据仓库建立了包括243张表的宁波数据视图，然后又根据用户呼叫行为、数据业务使用行为等客户特征提炼出39张关键表和337个变量。据介绍，宁波电信把客户行为分为呼叫行为和价值行为两个变量，然后画一张拓扑图，根据每个客户的呼叫行为数据和价值行为数据在拓扑图上不停地打点;这时发现很多客户的呼叫行为或价值行为很相近，很多点打在了一起，累积起来就逐渐形成了一座座“小山”，于是又根据这些“小山”进行客户分群。

沈跃明和毛宁飞把宁波电信的客户分为11个客户群，如传统长途偏好群、经济商务群、网上冲浪群等;然后，根据每个客户群的消费行为，分析其客户特征和需求偏好。数据挖掘发现，宁波有一部分客户宽带的使用量非常高，而且对价格不敏感，客户流失率也很低，沈跃明和毛宁飞把这个人群称做网上冲浪群。进一步的数据挖掘发现，网上冲浪群的显著特征是，一般在30岁左右，收入普遍较高，对互联网有着强烈的偏好，而且对新事物的接受能力较强，但对产品质量要求很高。沈跃明说:“如果将来开通3G业务，网上冲浪群将是最先推的第一波客户。”

在推广彩铃业务过程中，宁波电信通过MR工具先对客户数据仓库进行关联分析，对类型基本一致的客户进行“聚类分群”，形成统一的客户视图;然后用IDM(IntelligenleDataMining)等数据挖掘工具对客户列出多条聪明变量，如:月平均费用、区内费用、是否特定机型、是否有小灵通短信功能、年龄、性别等;再通过均值等算法对各种聪明变量建立购买概率模型，按照概率对客户列表进行排序，选择购买可能性较高的用户作为目标客户，营销的成功率得到了很大提升。原来营销人员须对20多万客户进行地毯式营销，20人的营销团队需要200天时间，成功率仅为7％;使用预测模型后，营销人员只需挑选购买可能性高的10％即20000客户进行营销，20人的营销团队只需20天的时间，成功率则提高到了40％。

此外，在数据挖掘过程中沈跃明还发现了很多颇有价值的客户群，使得企业对当前的竞争态势有了准确认识。例如，一些老人购买小灵通后只接电话不打电话，对浙江电信来说就是每月收月租费，以传统眼光看这个人群没有拨打行为，其ARPU（每户平均收益）值肯定是很低的，属于限制发展的业务。但把小灵通、固定电话等产品数据集成在一起，挖掘发现这些老人用小灵通接很多外地电话，而且是外网移动电话打进来的。按照协议，移动电话通过中国电信的网关，每通话一分钟中国电信可以赚6分钱，如果每个电话打10分钟、每月接30个电话，每部小灵通每月可以为浙江电信赚18元钱，有时候还不止18元。这些用户对浙江电信来说，虽然收入很低，但价值是中等的。进一步数据挖掘发现，这些老人家里还装了固定电话和宽带，而且经常用浙江电信的IP卡打长途电话。沈跃明说:“把这些业务统一算在一个客户的头上，其ARPU值是很高的。”

后来，为了推广用数据分析去竞争的策略，沈跃明等数据仓库项目组又简化了数据挖掘过程，从337个变量中找出十几个关键变量来，然后用计算公式把一些常用的计算方法固定下来，形成某个专题应用的计算方法。项目组把这些关键变量称做“聪明变量”，例如对180的投诉次数就是挖掘最易流失客户的聪明变量，因为客户除非在忍无可忍的时候才会打180投诉。目前，浙江电信数据仓库项目和 项目一道共总结了11个套餐模型算法，沈跃明经常开玩笑说:“这11个算法是科学算命”。如今，浙江电信的本地网要设计业务套餐，只需要根据省公司提供的11个算法来修改参数即可。

数据挖掘主要解决三方面的问题:一是找出最有价值的客户、最易流失的客户和满意度最高的客户;二是分析他们的消费行为和消费习惯;三是推出有针对性的产品和服务，实现从以产品为中心到以客户为中心的转变。

问题

（1）与传统的营销方式相比, 精确营销方法的特殊之处是什么?

答: 精确营销，是先对客户进行分群，分析不同客户群的消费行为和消费习惯，这样就能够有针对性的进行营销。与传统的地毯式的营销相比，既节省了成本，又提高的效率。

（2）举例说明宁波电信的案例中用到了哪些数据挖掘的方法,这些方法解决了什么问题?

答：客户数据仓库进行关联分析，对类型基本一致的客户进行“聚类分群”，形成统一的客户视图;然后用数据挖掘工具对客户列出多条聪明变量，如:月平均费用、区内费用、是否特定机型、是否有小灵通短信功能、年龄、性别等;再通过均值等算法对各种聪明变量建立购买概率模型，按照概率对客户列表进行排序，选择购买可能性较高的用户作为目标客户，营销的成功率得到了很大提升。

分类分析：沈跃明和毛宁飞把宁波电信的客户分为11个客户群，如传统长途偏好群、经济商务群、网上冲浪群等;然后，根据每个客户群的消费行为，分析其客户特征和需求偏好。数据挖掘发现，宁波有一部分客户宽带的使用量非常高，而且对价格不敏感，客户流失率也很低，沈跃明和毛宁飞把这个人群称做网上冲浪群。进一步的数据挖掘发现，网上冲浪群的显著特征是，一般在30岁左右，收入普遍较高，对互联网有着强烈的偏好，而且对新事物的接受能力较强，但对产品质量要求很高。

聚类分析：在数据挖掘过程中沈跃明还发现了很多颇有价值的客户群，使得企业对当前的竞争态势有了准确认识。例如，一些老人购买小灵通后只接电话不打电话，对浙江电信来说就是每月收月租费，以传统眼光看这个人群没有拨打行为，其ARPU（每户平均收益）值肯定是很低的，属于限制发展的业务。但把小灵通、固定电话等产品数据集成在一起，挖掘发现这些老人用小灵通接很多外地电话，而且是外网移动电话打进来的。进一步数据挖掘发现，这些老人家里还装了固定电话和宽带，而且经常用浙江电信的IP卡打长途电话。沈跃明说:“把这些业务统一算在一个客户的头上，其ARPU值是很高的。”

（3）实施精确营销后,宁波电信取得了哪些效益? 主要解决了哪些问题?

效益：1.效率提高了，避免了以前地毯式的营销的盲目性。通过对潜在彩铃用户资料进行分析、归类、定位后，从20万潜在客户中挑选出10％购买可能性较高的客户，进行有针对性的外呼，成功率高达40％。

2.方便快捷有效地定制电信套餐。解决了订制套餐的盲目性。浙江电信数据仓库项目和 项目一道共总结了11个套餐模型算法。如今，浙江电信的本地网要设计业务套餐，只需要根据省公司提供的11个算法来修改参数即可。

（4）你认为数据挖掘的结果应当如何呈现给用户? 如何理解“聪明变量”?

以仪表盘结果的形式呈现给用户，在这里，数据仓库项目组又简化了数据挖掘过程，从337个变量中找出十几个关键变量来，然后用计算公式把一些常用的计算方法固定下来，形成某个专题应用的计算方法。项目组把这些关键变量称做“聪明变量”。就是那些关系到客户最易流失的关键变量。

描绘产品生命周期

随着信息化建设的深入，尤其是随着金融、电信等行业数据大集中的基本完成，电信、银行、零售以及部分大型制造企业不仅能够做到依靠数据分析去竞争，而且他们也应当这样做。美国巴布森学院信息技术及管理学教授托马斯·达文波特认为，现在许多行业的公司都提供类似的产品并使用类似的技术，在这样一个时代，业务流程成为最后剩下的可以创造差异的亮点之一。分析型竞争者擅长做的事就是从业务流程中挤出全部的价值，一点都不剩。因此，他们不仅像其他公司一样知道自己的客户需要什么产品，而且要知道这些客户愿意支付什么价格，每个客户一生中将会购买多少商品，以及什么会刺激人们购买更多的商品。他们不仅像其他公司一样知道什么时候库存不足，而且能够预测需求和供应链方面可能出现的问题，从而保持很低的库存率和很高的完美订单率。

中国建设银行青岛市分行个人金融部副总经理初顺起认为，数据挖掘主要解决三方面的问题:一是找出最有价值的客户、最易流失的客户和满意度最高的客户，分析他们的消费行为和消费习惯，然后推出有针对性的产品和服务，实现从以产品为中心到以客户为中心的转变。二是分析同类产品的历史数据，确定现有产品的生命周期，指导企业在每个产品上的态度和动作。三是做好业务发展预测工作。目前，多数企业制定发展规划时，往往按照往年的发展速度，乘以相应的比例系数，作为下一年的发展目标，其实这样做没有什么真正的依据，只有通过分析每个产品的状况，结合企业战略重点和国内外经济环境，才能科学地制定企业发展规划。

当前，对电信、金融、零售等行业来说，除了挖掘客户信息实现从以产品为中心向以客户为中心转变外，还要加强对产品生命周期的预测，指导企业在合适的时间、合适的地点以恰当的折扣开展市场营销活动。如何精确预测产品生命周期呢？ 刘世平是吉贝克信息技术公司的总裁，回国创业前他在IBM公司率领其数据挖掘团队从美国的美洲银行、富国银行“挖”到加拿大，又“挖”到亚洲的泰国和新加坡，为20多家国际知名银行建立起商业智能管理系统。刘世平说:“一个产品投入市场能否给企业带来效益？能带来多大效益？首先要分析同类产品的历史销售数据，精确描绘出产品生命周期图，才能预测新产品将要发生的行为。”

一个产品的生命周期分为研发期、市场接纳期、成熟期、衰退期等。刘世平的做法是，首先以时间为序列分析历史同类产品的销售数据，如产品推出3个月时销售如何、推出6个月时销售如何、什么时间竞争对手做出反应等，把历史同类产品每个时间点的“生存状况”搞清楚，尤其是产品生命周期转折的时间点搞清楚，画出产品生命周期图。然后，分析新产品推出后一段时间内市场的反应，画出新产品的现有生命周期图，再把两张产品生命周期图对比，准确预测新产品生命周期转折点的不同时间点，为企业决策提供支持服务。

每年“五一”期间，默洛尼卫生洁具(中国)有限公司都搞很多促销活动，但究竟打多大折扣企业效益才能最高，谁也说不清，只能跟着感觉走。去年实施完BI（商业智能）后，IT和物流经理彭元华立刻成了“香饽饽”。彭元华说:“现在，默洛尼公司搞促销活动前，先分析各地区的历史销售数据，预测各地区不同产品的销量，然后分析不同产品的生命周期，再结合不同地区的消费习惯，确定每个产品在不同地区的促销方案。”

与彭元华关注的焦点不同，初顺起更看重利用数据挖掘延长产品的生命周期。随着市场竞争的加剧，产品的半衰期越来越短，即从鼎盛起进入衰退期的时间越来越短，如何延长产品生命周期呢？初顺起说，和理想状态相比，产品刚推出时可能有70％的优点、30％的缺点，由于是新产品客户对这些缺点是可以容忍的;随着产品的推广，一方面竞争对手会逐渐推出同质化产品，客户有了更多的选择，另一方面客户自身对产品的要求也越来越高，客户对产品的缺点越来越难以容忍，这就迫使企业对产品使用过程中客户的反馈进行挖掘，及时改进产品质量;但产品质量不可能无限制地改进，当产品进入鼎盛期后，企业继续改进产品的成本可能越来越高，而产品改进带来的收益则不断下降，这就意味着企业需要加速推出新产品，而不再是继续改进老产品。

许多企业已经建立了包括ERP、CRM、POS等多个信息系统，能够确保所有的交易或其他重要往来情况都留下记录;但要依靠这些信息进行竞争，企业必须用标准格式记录这些信息，还要对其进行整合，并把他们存储进数据仓库，才能使得技术人员很容易地获取这些信息。

问题

（5）你认为ERP解决了什么问题? 而基于商业智能系统的数据分析可以解决哪些ERP解决不了的问题?(暂时不作,供思考)

（6）商业智能系统中的哪些工具有助于搞清楚历史产品的“生存状况”?

联机分析处理OLAP，通过对数据进行数据切片，数据切块，数据的钻取与聚合，能够找到公司中在各个地区各个时间的“生存状况”。

高管信息系统，首先它是以图形化的方式显示定制的关键概要性信息，同时它还具有向下钻取功能，可以针对发现的问题快速得到低层次的详尽信息。

（7）商业智能的哪些工具有助于确定产品在不同地区的促销方案.数据挖掘，通过分类分析或聚类分析，可以将不同地区的客户分成几类，通过分类可以帮助市场经理针对不同地区更好的设计市场推广活动和营销计划。

力量的源泉

目前，国内不少企业开展数据挖掘业务面临的最大难题是数据不全、数据不准确等。许多企业已经建立了包括ERP、CRM、POS等多个信息系统，能够确保所有的交易或其他重要往来情况都留下记录;但要依靠这些信息进行竞争，企业必须用标准格式记录这些信息，还要对其进行整合，并把它们存储进数据仓库，使得技术人员能很容易地获取这些信息。为了实施BI系统，彭元华花了一年多的时间整理存储在不同系统内的数据。彭元华说:“不仅要把存储在不同系统内的数据整合到一起，还要统一不同信息系统的数据格式和数据含义。”在实施MR项目前，浙江电信已经实现了全省本地网的数据大集中，但在数据挖掘过程中，沈跃明仍然遇到了数据分散的难题。

据介绍，目前浙江电信的数据仓库中有11个本地网的83套信息系统，除去总公司的信息系统，平均每个本地网有六七套信息系统，包括宽带网计费系统、小灵通计费系统等。针对数据分散的现实，一方面通过统一数据模型，进行格式转换;另一方面在结合专题分析等应用时，沈跃明等项目组成员摸索了一套宽表设计的数据集成方法。原来，小灵通收费一张表、宽带收费一张表、固话收费一张表，在客服部门还有一张客户信息表，通过把不同表上的客户信息集成在一起，设计了一张宽表，包括客户姓名、家庭住址、小灵通收费、宽带收费、长话收费、市话收费等十几项内容，在数据库内一个客户在浙江电信的所有消费就变成了一条记录。

沈跃明说:“最理想的状况是，一家人所用浙江电信的所有产品都挂在你一个人头上，你这个客户积累的电信消费额越高，企业就认为你对企业的贡献越大，企业反馈的的优惠也越多。”有时候，一家人可能既用了浙江电信的固定电话，又用了小灵通，还安装了宽带，但登记的时候丈夫一个、妻子一个、儿子一个，因为计算机无法识别三个客户之间的关系，只能按照三个客户来统计。针对这种现象，浙江电信特意推出了星级家庭优惠套餐，凡是同时安装了浙江电信固话、小灵通和宽带的客户送两个月宽带费，年底还有积分返礼。

除了数据分散外，数据不准确也是CIO们不得不应对的挑战之一。美国有一句谚语:“GarbageIn,GarbageOut(进去的是垃圾，出来的还是垃圾)”。刘世平说:“数据挖掘不是变废为宝，由于信息系统内积累的很多数据不准确，做项目的时候，常常要花费大量的时间校验数据。”在新加坡做项目的时候，有一次刘世平发现一个新加坡人的收入是2.8×1014。刘世平开玩笑说，他一个人的收入能养活整个新加坡，而且日子过得还不错。在国内做项目期间，这种明显违反常规的数据错误更是经常发生。

当然，做任何数据挖掘项目都需要有足够的数据积累，否则数据挖掘就成了“巧妇难为无米之炊”。例如，一家公司可能要花好几年时间积累有关不同营销方法的数据，然后才有足够的信息对某项广告活动的效果进行可靠的分析。DDBMatrix是美国恒信传媒集团（DDBWorldwide）旗下的一家广告公司，戴尔公司聘请DDBMatrix花了7年时间帮助它建立一个数据库，这个数据库收录了戴尔公司在平面媒体、广播电台和电视网和有线电视等各种媒体所做的150万条记录，以及做过这些广告的所有地区在广告出现前后的销售数据。这些信息帮助戴尔公司对它在每个地区的每一媒体促销活动进行仔细调整。

问题

（8）实施数据分析竞争战略的前提是什么?有了TPS或ERP等系统就可以有效地开展数据分析竞争吗?为什么?

能够确保所有的交易或其他重要往来情况都留下记录;有了TPS或ERP等系统，但要依靠这些信息进行竞争，企业必须用标准格式记录这些信息，还要对其进行整合，并把它们存储进数据仓库，使得技术人员能很容易地获取这些信息。

（9）为什么浙江电信要推出家庭套餐? 家庭套餐解决了什么管理难题?带来了什么好处?

有时候，一家人可能既用了浙江电信的固定电话，又用了小灵通，还安装了宽带，但登记的时候丈夫一个、妻子一个、儿子一个，因为计算机无法识别三个客户之间的关系，只能按照三个客户来统计。针对这种现象，浙江电信特意推出了星级家庭优惠套餐，凡是同时安装了浙江电信固话、小灵通和宽带的客户送两个月宽带费，年底还有积分返礼。好处：使数据整合在一起，这样同一个客户在电信业务上的所有消费都整合在一起。

（10）你认为戴尔公司收集的广告数据有何价值?

这个数据库收录了戴尔公司在平面媒体、广播电台和电视网和有线电视等各种媒体所做的150万条记录，以及做过这些广告的所有地区在广告出现前后的销售数据。这些信息帮助戴尔公司对它在每个地区的每一媒体促销活动进行仔细调整，便于分析戴尔在使用不同媒介，在不同地区的实际效果及如何更加合理有效的投放广告。

链接:复杂的前后期工作

自从BI（商业智能）20世纪90年代末引进中国以来，不断有企业试点数据挖掘项目或者实施BI软件，但成功的项目似乎并不很多。为什么数据挖掘业务进展平缓？为什么明知“数堆”里有“黄金”，用了全球最先进的软件却挖不到“金子”？

托马斯·达文波特认为，亚马逊公司、万豪国际集团等企业利用它们收集、分析数据的卓越能力成为业界的翘楚，但他们并不只是简单的数字处理工厂，他们在应用技术来解决多方面问题时，既具有强大的力量又带着精湛的技巧。同时，他们也集中精力寻找那些应该关注的重点，建立合适的文化以及聘用合适的员工，从而更好地利用公司不断获得的数据。最终，给这些企业带来强大力量的不只是信息技术，还有人才和战略。

刘世平说，利用软件“跑”数据只占数据挖掘项目总工作量的5％～10％，数据挖掘项目最难的不是数据挖掘本身，而是前期的准备工作和后期的解释工作。运用BI软件“跑”数据前，吉贝克公司总要花费大量时间和客户一起确定数据挖掘的主题，并进行前期的数据准备工作，包括数据校验等;“跑”完数据后，还要结合各种非技术因素，解释为什么会出现这样的数据运行结果，然后根据数据挖掘结果给客户提出政策建议。

项目前期除了大量的数据准备工作外，还要谨慎确定数据挖掘的主题。刘世平说:“很多客户不知道自己要做什么，也不知道数据挖掘能解决什么问题。”通常，在项目启动之初刘世平都会花大量的时间与客户的管理层沟通，分析客户当前迫切需要解决的问题，然后分析解决这些问题需要哪些信息，这些信息存储在什么地方等，最后才根据客户业务需求和数据支撑能力共同确定数据挖掘的主题。沈跃明说:“由于数据挖掘业务还处在起步阶段，稍有不慎就会出现一些令人啼笑皆非的结果，个别对数据挖掘业务不理解的人可能会因此更不信任项目组，打击项目组的积极性。”因此，最好选择数据资源较为准确的点而且容易出效果的主题作为数据挖掘项目的试点。

信息化是“一把手工程”，数据挖掘业务更需要管理层的热情支持。托马斯·达文波特认为，如果数据分析成为企业的竞争手段，必然会引起许多员工在业务流程、行为和技能方面的变化，因此像企业内任何重大管理变革一样，需要由热心于量化分析方法的高层管理人员来领导。最理想的情况是，主要倡导者是公司的一把手。萨拉·李面包集团前CEO巴里·贝拉查退休前在他的办公桌上一直放着一块牌子，上面总结了他个人以及公司的哲学:“我们只相信上帝的话，其他人请拿数据来。”

问题

（11）数据挖掘项目成功的关键是什么?

在前期，要准备数据，确定主题。分析客户当前迫切需要解决的问题，然后分析解决这些问题需要哪些信息，这些信息存储在什么地方等，最后才根据客户业务需求和数据支撑能力共同确定数据挖掘的主题。他们也集中精力寻找那些应该关注的重点，建立合适的文化以及聘用合适的员工，从而更好地利用公司不断获得的数据。整理完数据后，还要结合各种非技术因素，解释为什么会出现这样的数据运行结果，然后根据数据挖掘结果给客户提出政策建议。另外还需要管理层的热情支持。

（12）你认为一家公司如果要转向为数据分析型的企业，需要解决哪些关键问题？

首先，要收集数据，并进行数据的整理。其次，根据客户业务需求和数据支撑能力共同确定数据挖掘的主题，选择数据资源较为准确的点而且容易出效果的主题作为数据挖掘的项目点。然后，针对数据运行的结果，进行合理的解释，提出合理的建议。最后，数据分析是个长期且艰苦的工程，需要管理层的热情支持。

第二篇：案例分析——如何依靠及利用数据分析来提高竞争力

案例:如何依靠及利用数据分析来提高竞争力

五一期间，哪些型号的卫生洁具需要打折促销？打多大折扣企业效益才能达到最高？”“3G即将开通，我们该重点向谁推销？”“可透支的信用卡发给哪些人才不会赖账？”这些问题，任何单一的信息系统都无法“回答”，这时候就需要把多个业务系统的数据整合一起，建设数据仓库，进行横向分析，从而实现精确营销、精确决策。

浙江电信、中国建设银行、兴业银行、默洛尼卫生洁具公司等正在利用收集、分析数据的卓越能力，找出最有价值的客户、精确预测产品生命周期等，从而实现精确营销、精确决策。它们是怎么做的呢？

“精确营销的本质是，先对客户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同消费行为有针对性地设计营销套餐！”

“科学算命”

去年夏天，宁波电信推出了彩铃业务。刚开始宁波电信的主要推广方式是由社区经理通过97系统的客户资料给每个客户打电话，客户经理每天要打几百个电话。由于缺乏针对性，这种“全面撒网”式营销的成功率只有7％左右。后来，通过对潜在彩铃用户资料进行分析、归类、定位后，从20万潜在客户中挑选出10％购买可能性较高的客户，进行有针对性的外呼，成功率高达40％。宁波电信是如何实现精确营销的呢？

这得从宁波电信的MR（市场营销再造）项目说起。去年1月20日，中国电信市场营销再造项目宁波MR项目试点正式启动，核心任务是变地毯式营销为精确营销。长期以来，电信企业实行的是地毯式营销，要么不优惠，要么给23万用户全优惠。如何对23万公众用户进行针对性营销？浙江电信企业信息化部副经理沈跃明发现，精确营销的核心障碍是缺乏一套准确的客户数据仓库和对应的客户分群模型。沈跃明说:“精确营销的本质是，先对客户进行分群，分析不同客户群的消费行为和消费习惯，然后根据不同消费行为有针对性地设计营销套餐！”

于是，沈跃明和宁波电信局营销中心副总监兼市场拓展部经理毛宁飞建立了数据支撑小组，整个2月份都在进行数据准备工作。他们首先通过数据仓库建立了包括243张表的宁波数据视图，然后又根据用户呼叫行为、数据业务使用行为等客户特征提炼出39张关键表和337个变量。据介绍，宁波电信把客户行为分为呼叫行为和价值行为两个变量，然后画一张拓扑图，根据每个客户的呼叫行为数据和价值行为数据在拓扑图上不停地打点;这时发现很多客户的呼叫行为或价值行为很相近，很多点打在了一起，累积起来就逐渐形成了一座座“小山”，于是又根据这些“小山”进行客户分群。

沈跃明和毛宁飞把宁波电信的客户分为11个客户群，如传统长途偏好群、经济商务群、网上冲浪群等;然后，根据每个客户群的消费行为，分析其客户特征和需求偏好。数据挖掘发现，宁波有一部分客户宽带的使用量非常高，而且对价格不敏感，客户流失率也很低，沈跃明和毛宁飞把这个人群称做网上冲浪群。进一步的数据挖掘发现，网上冲浪群的显著特征是，一般在30岁左右，收入普遍较高，对互联网有着强烈的偏好，而且对新事物的接受能力较强，但对产品质量要求很高。沈跃明说:“如果将来开通3G业务，网上冲浪群将是最先推的第一波客户。”

在推广彩铃业务过程中，宁波电信通过MR工具先对客户数据仓库进行关联分析，对类型基本一致的客户进行“聚类分群”，形成统一的客户视图;然后用IDM(IntelligenleDataMining)等数据挖掘工具对客户列出多条聪明变量，如:月平均费用、区内费用、是否特定机型、是否有小灵通短信功能、年龄、性别等;再通过均值等算法对各种聪明变量建立购买概率模型，按照概率对客户列表进行排序，选择购买可能性较高的用户作为目标客户，营销的成功率得到了很大提升。原来营销人员须对20多万客户进行地毯式营销，20人的营销团队需要200天时间，成功率仅为7％;使用预测模型后，营销人员只需挑选购买可能性高的10％即20000客户进行营销，20人的营销团队只需20天的时间，成功率则提高到了40％。

此外，在数据挖掘过程中沈跃明还发现了很多颇有价值的客户群，使得企业对当前的竞争态势有了准确认识。例如，一些老人购买小灵通后只接电话不打电话，对浙江电信来说就是每月收月租费，以传统眼光看这个人群没有拨打行为，其ARPU（每户平均收益）值肯定是很低的，属于限制发展的业务。但把小灵通、固定电话等产品数据集成在一起，挖掘发现这些老人用小灵通接很多外地电话，而且是外网移动电话打进来的。按照协议，移动电话通过中国电信的网关，每通话一分钟中国电信可以赚6分钱，如果每个电话打10分钟、每月接30个电话，每部小灵通每月可以为浙江电信赚18元钱，有时候还不止18元。这些用户对浙江电信来说，虽然收入很低，但价值是中等的。进一步数据挖掘发现，这些老人家里还装了固定电话和宽带，而且经常用浙江电信的IP卡打长途电话。沈跃明说:“把这些业务统一算在一个客户的头上，其ARPU值是很高的。”

后来，为了推广用数据分析去竞争的策略，沈跃明等数据仓库项目组又简化了数据挖掘过程，从337个变量中找出十几个关键变量来，然后用计算公式把一些常用的计算方法固定下来，形成某个专题应用的计算方法。项目组把这些关键变量称做“聪明变量”，例如对180的投诉次数就是挖掘最易流失客户的聪明变量，因为客户除非在忍无可忍的时候才会打180投诉。目前，浙江电信数据仓库项目和 项目一道共总结了11个套餐模型算法，沈跃明经常开玩笑说:“这11个算法是科学算命”。如今，浙江电信的本地网要设计业务套餐，只需要根据省公司提供的11个算法来修改参数即可。

数据挖掘主要解决三方面的问题:一是找出最有价值的客户、最易流失的客户和满意度最高的客户;二是分析他们的消费行为和消费习惯;三是推出有针对性的产品和服务，实现从以产品为中心到以客户为中心的转变。

问题

（1）与传统的营销方式相比, 精确营销方法的特殊之处是什么?

（2）举例说明宁波电信的案例中用到了哪些数据挖掘的方法,这些方法解决了什么问题?

（3）实施精确营销后,宁波电信取得了哪些效益? 主要解决了哪些问题?

（4）你认为数据挖掘的结果应当如何呈现给用户? 如何理解“聪明变量”?

描绘产品生命周期

随着信息化建设的深入，尤其是随着金融、电信等行业数据大集中的基本完成，电信、银行、零售以及部分大型制造企业不仅能够做到依靠数据分析去竞争，而且他们也应当这样做。美国巴布森学院信息技术及管理学教授托马斯·达文波特认为，现在许多行业的公司都提供类似的产品并使用类似的技术，在这样一个时代，业务流程成为最后剩下的可以创造差异的亮点之一。分析型竞争者擅长做的事就是从业务流程中挤出全部的价值，一点都不剩。因此，他们不仅像其他公司一样知道自己的客户需要什么产品，而且要知道这些客户愿意支付什么价格，每个客户一生中将会购买多少商品，以及什么会刺激人们购买更多的商品。他们不仅像其他公司一样知道什么时候库存不足，而且能够预测需求和供应链方面可能出现的问题，从而保持很低的库存率和很高的完美订单率。

中国建设银行青岛市分行个人金融部副总经理初顺起认为，数据挖掘主要解决三方面的问题:一是找出最有价值的客户、最易流失的客户和满意度最高的客户，分析他们的消费行为和消费习惯，然后推出有针对性的产品和服务，实现从以产品为中心到以客户为中心的转变。二是分析同类产品的历史数据，确定现有产品的生命周期，指导企业在每个产品上的态度和动作。三是做好业务发展预测工作。目前，多数企业制定发展规划时，往往按照往年的发展速度，乘以相应的比例系数，作为下一年的发展目标，其实这样做没有什么真正的依据，只有通过分析每个产品的状况，结合企业战略重点和国内外经济环境，才能科学地制定企业发展规划。

当前，对电信、金融、零售等行业来说，除了挖掘客户信息实现从以产品为中心向以客户为中心转变外，还要加强对产品生命周期的预测，指导企业在合适的时间、合适的地点以恰当的折扣开展市场营销活动。如何精确预测产品生命周期呢？ 刘世平是吉贝克信息技术公司的总裁，回国创业前他在IBM公司率领其数据挖掘团队从美国的美洲银行、富国银行“挖”到加拿大，又“挖”到亚洲的泰国和新加坡，为20多家国际知名银行建立起商业智能管理系统。刘世平说:“一个产品投入市场能否给企业带来效益？能带来多大效益？首先要分析同类产品的历史销售数据，精确描绘出产品生命周期图，才能预测新产品将要发生的行为。”

一个产品的生命周期分为研发期、市场接纳期、成熟期、衰退期等。刘世平的做法是，首先以时间为序列分析历史同类产品的销售数据，如产品推出3个月时销售如何、推出6个月时销售如何、什么时间竞争对手做出反应等，把历史同类产品每个时间点的“生存状况”搞清楚，尤其是产品生命周期转折的时间点搞清楚，画出产品生命周期图。然后，分析新产品推出后一段时间内市场的反应，画出新产品的现有生命周期图，再把两张产品生命周期图对比，准确预测新产品生命周期转折点的不同时间点，为企业决策提供支持服务。

每年“五一”期间，默洛尼卫生洁具(中国)有限公司都搞很多促销活动，但究竟打多大折扣企业效益才能最高，谁也说不清，只能跟着感觉走。去年实施完BI（商业智能）后，IT和物流经理彭元华立刻成了“香饽饽”。彭元华说:“现在，默洛尼公司搞促销活动前，先分析各地区的历史销售数据，预测各地区不同产品的销量，然后分析不同产品的生命周期，再结合不同地区的消费习惯，确定每个产品在不同地区的促销方案。”

与彭元华关注的焦点不同，初顺起更看重利用数据挖掘延长产品的生命周期。随着市场竞争的加剧，产品的半衰期越来越短，即从鼎盛起进入衰退期的时间越来越短，如何延长产品生命周期呢？初顺起说，和理想状态相比，产品刚推出时可能有70％的优点、30％的缺点，由于是新产品客户对这些缺点是可以容忍的;随着产品的推广，一方面竞争对手会逐渐推出同质化产品，客户有了更多的选择，另一方面客户自身对产品的要求也越来越高，客户对产品的缺点越来越难以容忍，这就迫使企业对产品使用过程中客户的反馈进行挖掘，及时改进产品质量;但产品质量不可能无限制地改进，当产品进入鼎盛期后，企业继续改进产品的成本可能越来越高，而产品改进带来的收益则不断下降，这就意味着企业需要加速推出新产品，而不再是继续改进老产品。

许多企业已经建立了包括ERP、CRM、POS等多个信息系统，能够确保所有的交易或其他重要往来情况都留下记录;但要依靠这些信息进行竞争，企业必须用标准格式记录这些信息，还要对其进行整合，并把他们存储进数据仓库，才能使得技术人员很容易地获取这些信息。

问题

（5）你认为ERP解决了什么问题? 而基于商业智能系统的数据分析可以解决哪些ERP解决不了的问题?(暂时不作,供思考)

（6）商业智能系统中的哪些工具有助于搞清楚历史产品的“生存状况”?

（7）商业智能的哪些工具有助于确定产品在不同地区的促销方案.力量的源泉

目前，国内不少企业开展数据挖掘业务面临的最大难题是数据不全、数据不准确等。许多企业已经建立了包括ERP、CRM、POS等多个信息系统，能够确保所有的交易或其他重要往来情况都留下记录;但要依靠这些信息进行竞争，企业必须用标准格式记录这些信息，还要对其进行整合，并把它们存储进数据仓库，使得技术人员能很容易地获取这些信息。为了实施BI系统，彭元华花了一年多的时间整理存储在不同系统内的数据。彭元华说:“不仅要把存储在不同系统内的数据整合到一起，还要统一不同信息系统的数据格式和数据含义。”在实施MR项目前，浙江电信已经实现了全省本地网的数据大集中，但在数据挖掘过程中，沈跃明仍然遇到了数据分散的难题。

据介绍，目前浙江电信的数据仓库中有11个本地网的83套信息系统，除去总公司的信息系统，平均每个本地网有六七套信息系统，包括宽带网计费系统、小灵通计费系统等。针对数据分散的现实，一方面通过统一数据模型，进行格式转换;另一方面在结合专题分析等应用时，沈跃明等项目组成员摸索了一套宽表设计的数据集成方法。原来，小灵通收费一张表、宽带收费一张表、固话收费一张表，在客服部门还有一张客户信息表，通过把不同表上的客户信息集成在一起，设计了一张宽表，包括客户姓名、家庭住址、小灵通收费、宽带收费、长话收费、市话收费等十几项内容，在数据库内一个客户在浙江电信的所有消费就变成了一条记录。

沈跃明说:“最理想的状况是，一家人所用浙江电信的所有产品都挂在你一个人头上，你这个客户积累的电信消费额越高，企业就认为你对企业的贡献越大，企业反馈的的优惠也越多。”有时候，一家人可能既用了浙江电信的固定电话，又用了小灵通，还安装了宽带，但登记的时候丈夫一个、妻子一个、儿子一个，因为计算机无法识别三个客户之间的关系，只能按照三个客户来统计。针对这种现象，浙江电信特意推出了星级家庭优惠套餐，凡是同时安装了浙江电信固话、小灵通和宽带的客户送两个月宽带费，年底还有积分返礼。

除了数据分散外，数据不准确也是CIO们不得不应对的挑战之一。美国有一句谚语:“GarbageIn,GarbageOut(进去的是垃圾，出来的还是垃圾)”。刘世平说:“数据挖掘不是变废为宝，由于信息系统内积累的很多数据不准确，做项目的时候，常常要花费大量的时间校验数据。”在新加坡做项目的时候，有一次刘世平发现一个新加坡人的收入是2.8×1014。刘世平开玩笑说，他一个人的收入能养活整个新加坡，而且日子过得还不错。在国内做项目期间，这种明显违反常规的数据错误更是经常发生。

当然，做任何数据挖掘项目都需要有足够的数据积累，否则数据挖掘就成了“巧妇难为无米之炊”。例如，一家公司可能要花好几年时间积累有关不同营销方法的数据，然后才有足够的信息对某项广告活动的效果进行可靠的分析。DDBMatrix是美国恒信传媒集团（DDBWorldwide）旗下的一家广告公司，戴尔公司聘请DDBMatrix花了7年时间帮助它建立一个数据库，这个数据库收录了戴尔公司在平面媒体、广播电台和电视网和有线电视等各种媒体所做的150万条记录，以及做过这些广告的所有地区在广告出现前后的销售数据。这些信息帮助戴尔公司对它在每个地区的每一媒体促销活动进行仔细调整。

问题

（8）实施数据分析竞争战略的前提是什么?有了TPS或ERP等系统就可以有效地开展数据分析竞争吗?为什么?

（9）为什么浙江电信要推出家庭套餐? 家庭套餐解决了什么管理难题?带来了什么好处?

（10）你认为戴尔公司收集的广告数据有何价值?

链接:复杂的前后期工作

自从BI（商业智能）20世纪90年代末引进中国以来，不断有企业试点数据挖掘项目或者实施BI软件，但成功的项目似乎并不很多。为什么数据挖掘业务进展平缓？为什么明知“数堆”里有“黄金”，用了全球最先进的软件却挖不到“金子”？ 托马斯·达文波特认为，亚马逊公司、万豪国际集团等企业利用它们收集、分析数据的卓越能力成为业界的翘楚，但他们并不只是简单的数字处理工厂，他们在应用技术来解决多方面问题时，既具有强大的力量又带着精湛的技巧。同时，他们也集中精力寻找那些应该关注的重点，建立合适的文化以及聘用合适的员工，从而更好地利用公司不断获得的数据。最终，给这些企业带来强大力量的不只是信息技术，还有人才和战略。

刘世平说，利用软件“跑”数据只占数据挖掘项目总工作量的5％～10％，数据挖掘项目最难的不是数据挖掘本身，而是前期的准备工作和后期的解释工作。运用BI软件“跑”数据前，吉贝克公司总要花费大量时间和客户一起确定数据挖掘的主题，并进行前期的数据准备工作，包括数据校验等;“跑”完数据后，还要结合各种非技术因素，解释为什么会出现这样的数据运行结果，然后根据数据挖掘结果给客户提出政策建议。

项目前期除了大量的数据准备工作外，还要谨慎确定数据挖掘的主题。刘世平说:“很多客户不知道自己要做什么，也不知道数据挖掘能解决什么问题。”通常，在项目启动之初刘世平都会花大量的时间与客户的管理层沟通，分析客户当前迫切需要解决的问题，然后分析解决这些问题需要哪些信息，这些信息存储在什么地方等，最后才根据客户业务需求和数据支撑能力共同确定数据挖掘的主题。沈跃明说:“由于数据挖掘业务还处在起步阶段，稍有不慎就会出现一些令人啼笑皆非的结果，个别对数据挖掘业务不理解的人可能会因此更不信任项目组，打击项目组的积极性。”因此，最好选择数据资源较为准确的点而且容易出效果的主题作为数据挖掘项目的试点。

信息化是“一把手工程”，数据挖掘业务更需要管理层的热情支持。托马斯·达文波特认为，如果数据分析成为企业的竞争手段，必然会引起许多员工在业务流程、行为和技能方面的变化，因此像企业内任何重大管理变革一样，需要由热心于量化分析方法的高层管理人员来领导。最理想的情况是，主要倡导者是公司的一把手。萨拉·李面包集团前CEO巴里·贝拉查退休前在他的办公桌上一直放着一块牌子，上面总结了他个人以及公司的哲学:“我们只相信上帝的话，其他人请拿数据来。”

问题

（11）数据挖掘项目成功的关键是什么?

（12）你认为一家公司如果要转向为数据分析型的企业，需要解决哪些关键问题？

来自：

第三篇：企业战略-利用数据挖掘技术提高饭店竞争力

★★★文档资源★★★

内容摘要：在日益剧烈的业内竞争压力下，饭店是否能制定并执行切实可行的市场战略，关键取决于该饭店管理者对其顾客的偏好、以及影响顾客行为的因素了解得是否正确和全面。数据挖掘技术正可以为饭店管理者提供这样一个全面、深刻了解顾客行为的窗口。有效的运用数据挖掘工具，并将获得的信息转化为切实可行的措施，能够给我们的饭店带来优势明显的竞争力。

关键词：饭店业

数据挖掘

决策树

数据挖掘概述

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。从商业角度，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。

据统计，数据开掘技术能够发现和跟踪数据集合中潜在的模式，因此，有人认为，在数据库中，处理隐藏的知识、不可意料的模式和新规那么的发现的所有方法中，数据挖掘是最有效的。如果没有数据挖掘技术，许多数据就很可能停留在未使用的阶段。正是数据挖掘为饭店管理者提供了全面、深入地分析和了解顾客及其行为特征的重要助臂；也正是由于其创造客户价值的能力，数据挖掘技术已经被国外一些饭店作为一个重要的竞争工具使用。比方：Hilton

Corporation在它的Beverly

Hills总部使用了E.piphany

E.4软件，Starwood

Corporation也引进了Unica

Corp的Affmium软件。

数据挖掘的研究方法和步骤

饭店生存与否的关键，是它是否有能力为顾客提供令其满意的效劳和设施，比方饭店的清洁状况、登记入住和结账是否方便快捷、饭店效劳员是否有礼貌、价格是否合理等等。

但是要把这些对顾客偏好的了解转化为有效的竞争力，饭店就需要挖掘有效的客户特征信息。而饭店是否能制定并执行切实可行的市场战略正是取决于饭店对客户偏好和行为特征的了解是否正确和全面。因此，我们首先需要利用数据挖掘技术开掘出详细有效的客户特征信息。

定义目标

开发任何数据挖掘模型，都应该遵守目标同样的规那么：明确的目标，恰当的数据准备，适宜的工具和技术，严格的处理和全面的验证。常常被忽略也最值得强调的是，数据挖掘模型之间最主要的区别是目标的区别。其处理步骤往往是相同的。所以，我们在具体实施中，不仅要从建模的角度强调定义目标的重要性，还需要从商业的角度强调清晰定义目标的重要性。

数据准备

数据准备是数据挖掘模型开发过程的第一个步骤，也是最重要的步骤之一。虽然数据挖掘的工具也很重要，但是数据是框架〔信息库〕，模型的质量与底层的数据密切相关。数据准备阶段包括这几个局部的工作——数据收集、数据清理、数据集成、数据转换和数据归约。

首先我们必须收集支持模型的有关数据。只有对目标主体和市场有非常透彻的理解，才可能为目标模型选择出最正确的数据。在有了建模所需的完整数据集以后，下一步需要对数据进行清理，即检查数据，找出错误、异常值和缺失值。数据清理是数据准备过程中最花费时间、最乏味，但也是最重要的步骤，因为后面挖掘工作的质量依赖于数据的精确性和正确性。为了使后面的挖掘工作易于进行，我们还需要进行数据集成，即将来自不同数据源的数据整合成一致的数据存储。在拥有明确的目标和干净、准确的数据之后，还需要进行数据转换〔将数据转换为适于挖掘的形式〕和数据归约，使数据能够发挥最正确效果。

选择数据挖掘工具和技术

数据挖掘工具有很多，比方：规那么归纳、聚类、决策树、遗传算法、神经网络等。每个工具都有它的优点和缺点，不能简单的说哪种工具好，哪种不好。我们需要针对具体的情况和饭店方案的目标来选择最适合的工具。

这个步骤包括定义模型结构〔是树、神经网络、还是规那么归纳？〕、搜索〔选择具体的算法〕和验证〔什么时候算法能够得到正确的模型并停止计算？〕。

处理、验证和实现模型

模型开发的一个重要准那么是：用模型开发过程中未使用过的数据来验证模型。这个准那么可以检验模型的健壮性。所以，在准备好数据、选择好适宜的数据挖掘工具后，需要进行的是模型处理之前最后一个步骤——将数据文件分割成建模数据集和验证数据集两个局部。然后，我们就可以用准备好的数据和数据挖掘工具处理模型了。而建立的模型是否健壮，就需要在验证数据集上检验模型。如果模型验证的结果不佳，可能是由于数据有问题、变量匹配差或建模使用的数据挖掘技术不合理等因素造成的，就需要使用适宜的验证技术使模型更加严格、有效。在成功地挖掘出有用的信息后，就可以利用这些信息来制定适宜的市场战略。通过这种方式，我们可以把数据挖掘技术挖掘出来的信息转化成为有效的企业竞争力。

数据挖掘技术在饭店业的应用

这里引用了一个基于韩国豪华饭店的实例研究，旨在说明数据挖掘技术在饭店业的有效性和实用性，并借此案例进一步说明在饭店业使用数据挖掘技术的具体实施过程。这个研究的目标是帮助饭店决策者建立饭店顾客的行为模式，并以此作为饭店制定可行市场战略的重要根底。

为了最大化地获取并反映饭店顾客的行为模式，研究者选择了韩国汉城在经营价格、地理位置等方面都相似的11家饭店，并在光临这11家饭店的顾客中精挑细选出281位顾客，对其进行了问卷调查。为了获得顾客情况的数据资料，研究者在问卷调查中通过设定的14个问题，主要考察了与之相关联的十多项数据。这十多项数据来自以下三个方面：顾客的人口统计学数据〔年龄、性别、国籍、职业〕；顾客的行为数据〔旅行的目的、过去光临饭店的频率、选择的饭店、楼层类型、房间类型、支付方式……〕；顾客的心理或态度数据〔对饭店效劳员的礼貌、快速/平滑处理顾客投诉、预订的便利性、前台效劳等方面的满意程度……〕。值得强调的是，研究者为模型选择的数据是基于对饭店业本身以及顾客、市场情况等方面透彻理解之上的，比方研究者所考察的顾客对于饭店提供的某些效劳的满意度数据，是从已经被证实与饭店效劳质量紧密相关的属性中挑选出来的。同时应指出，由于顾客满意度数据等是无法从饭店数据库得到的，所以研究者使用了问卷调查这一方式对建模数据进行了完善。

在获得了建模所需的数据之后，研究者首先对收集的数据进行了清理，即填写缺失值，平滑噪声数据，识别、删除孤立点，并纠正数据的不一致性。但仅仅有准确的数据是不够的，还需要对一些数据进行处理。在这个研究实例中，研究者主要是把对一些顾客属性数据〔包括饭店名称；顾客的性别、国籍、职业、支付方式、旅行目的、选择的房间和楼层类型；顾客对饭店预订房间的便利性、效劳员的礼貌情况、效劳质量、处理顾客投诉情况等方面的满意程度〕转化为了简单的、便于处理的数字。比方：把研究中的11家饭店名称用数字1-11表示；饭店把性别属性转化为0＝男性，1＝女性；把国籍属性转化为：1＝美国，2＝欧洲，3＝日本，4＝韩国，5＝除了日韩的亚洲；把顾客对各项指标的满意度属性都转化为：5=非常满意，4＝比拟满意，3＝一般，2＝比拟不满意，1＝完全不满意；把顾客支付方式转化为1＝旅行支票，2＝现金，3＝信用卡；把顾客旅游目的转化为1＝商务旅行，2＝旅游。然后，研究者把所有的数据都安排到一个Excel文件中，并将其转化为SPSS格式，使后面的工作便于展开。

针对这个研究的目标——预测顾客在饭店选择、房间类型选择、支付方式等问题上的顾客行为模式，我们需要挖掘顾客行为模式与其人口统计学资料〔年龄、性别、国籍、职业〕、对饭店各项效劳或设施的满意度情况之间的相互关系。而挖掘出的信息的商业价值在于为饭店经理人提供决策依据。所以，挖掘出的信息必须是饭店经理人容易理解的。这样，信息最终才能转化为饭店的优势竞争力。

正是由于上述各种原因，研究者在诸多数据挖掘技术中选择了结构和生成规那么易于理解的决策树。而在CART、C5.0、CHAID等多种建立决策树的算法中，研究者选择了C5.0，是由于其速度快、内存占用小、修剪能力和交互验证的特征能够使预测更精确。

为了能在具体实施中仅仅提炼出对饭店管理者设计有关战略有用的信息，而不是产生大量的规那么集，研究者对训练数据集设置了一个精确度为50％的阀值，而且只选择了预测精确性超过80％的规那么。研究者最终使用SPSS的数据挖掘应用工具Clementine还是挖掘出了50多条有关规那么。这50多条规那么从顾客的年龄、国籍、职业、性别、旅行目的、选择饭店、支付方式、光临频率、在饭店的停留时间等各个方面具体剖析了顾客的行为模式，揭示了导致或影响这些顾客行为的各种因素，其中一些能够为饭店管理者提供决策上的支持。

挖掘出的这50多条规那么中，有一些规那么是比拟明显的，是有经验的饭店管理者在管理工作中已经发现或是可以发觉的规那么；而另一些规那么却是潜在的、是饭店管理者不易发觉或无法发觉的。同时，挖掘出来的这50多条规那么并不一定都是有用的或是有意义的，在管理者具体把这些规那么用于管理实践中时，不同的战略目标往往需要不同的规那么作为根底。

比方，研究者挖掘出了如下有关顾客光临情况的规那么：假设顾客为30多岁的男性或30岁至40多岁的女性，并已经光临过某个饭店四次，那么这位顾客很有可能再光临这家饭店或与之类似的饭店；而40多岁的男性顾客已经光临过某家饭店四次，那么不太可能再次光临这家饭店或与之类似的饭店；光临过某家饭店多于五次的女性顾客很可能再光临这家饭店或与之类似的饭店十次以上；如果顾客已经光临过某家饭店两次，而且他住在饭店的标准层，又是直接在饭店预订房间的，同时他对于饭店房间的大小比拟满意，那么这位顾客很可能再光临这家饭店或与之类似的饭店五到九次。

上述有关顾客光临情况说明：这家饭店的管理者在对有价值顾客进行定位时，可以首先排除已经光临过本饭店四次的40多岁的男性顾客，并把已经光临过本饭店五次以上的女性顾客定位为最有价值顾客，同时把已经光临过本饭店四次的30多岁的男性和30至40多岁的女性定位为比拟有价值顾客。这样，管理者就可以通过诸如仅针对有价值顾客进行常客奖励方案，以保存核心顾客，培养其忠诚度；同时饭店还可以注意顾客预订房间的方式和选择的房间类型，并使饭店房间的布置更显宽敞来提高顾客满意度，着重对直接预订标准层房间，且已经光临过饭店两次的顾客进行顾客有效的保存措施。

当然，上面所提到的定位有价值顾客和顾客保存只是数据挖掘运用到饭店管理中的两个例子；在实际中，这些挖掘出来的规那么还可以运用于饭店市场拓展、市场细分、顾客需求分析、创立个性化效劳等很多方面。有效的运用数据挖掘工具，并将其转化为切实可行的措施，能够给我们的饭店带来极具竞争力的优势。特别是在数据挖掘技术在饭店业的应用还处于初始阶段的今天，早期有效采用数据挖掘技术能使其在饭店业中提升地位，更具竞争力。

参考资料：

1.刘静艳、颜亮，酒店常客奖励方案在我国的应用[J]，旅游科学，2002

2.吴东晓，基于顾客的饭店品牌价值影响因素的实证研究[J]，南开管理评论，2003

第四篇：企业核心竞争力案例分析

沃尔玛企业核心竞争力的案例分析 在日益激烈的市场竞争中,有的企业如昙花一现,悄然逝去;有的却硬如磐石,坚不可摧。为什么会出现这种现象呢?缺乏核心竞争力是其中的一个主要原因。企业核心竞争力能为企业带来相对于的竞争优势。当然有利也有弊，相反的企业核心竞争力也会削弱企业的战斗力。一般来说，建立企业核心竞争力的资源主要包括建立竞争优势的资源，稀缺资源，不可被模仿的资源，不可替代的资源，持久的资源。企业只有运用以上所说的。才能形成自己的核心竞争优势，从而获得有力的竞争地位。

沃尔玛公司作为一家美国的世界性连锁企业，由美国零售业的传奇人物山姆·沃尔顿先生于1962年在阿肯色州成立，以营业额计算为全球最大的公司。沃尔玛主要涉足零售业，是世界上雇员最多的企业，连续三年在美国《财富》杂志全球500强企业中居首。经过四十多年的发展，沃尔玛公司已经成为美国最大的私人雇主和世界上最大的连锁零售企业。沃尔玛在全球27个国家开设了超过10,000家商场，下设69个品牌，全球员工总数220多万人，每周光临沃尔玛的顾客2亿人次。

沃尔玛提出“帮顾客节省每一分钱”的宗旨，实现了价格最便宜的承诺，沃尔玛还向顾客提供超一流服务的新享受。公司一贯坚持“服务胜人一筹、员工与众不同”的原则。走进沃尔玛，顾客便可以亲身感受到宾至如归的周到服务。再次，沃尔玛推行“一站式”购物新概念。顾客可以在最短的时间内以最快的速度购齐所有需要的商品，正是这种快捷便利的购物方式吸引了现代消费者。此外，虽然沃尔玛为了降低成本，一再缩减广告方面的开支，但对各项公益事业的捐赠上，却不吝金钱、广为人善。有付出便有收获，沃尔玛在公益活动上大量的长期投入以及活动本身所具的独到创意，大大提高了品牌知名度，成功塑造了品牌在广大消费者心目中的卓越形象。

沃尔玛公司建立了良好的企业核心竞争力，使其能在世界市场乘风破浪勇往直前。第一、建立了竞争优势的资源。这能帮助其利用外部环境中的机会，降低潜在威胁并建立竞争优势的资源。零售业的关键是顾客满意度。“天天平价”作为沃尔玛长期奉行的经营宗旨，也正是沃尔玛着眼于顾客的举措。这里的平价不是定期或不定期的减价促销活动，而是长期稳定的保持商品低加价率。

第二、稀缺资源。企业占有的资源越稀缺，越能满足顾客的独特需求，从而越有可能变成企业的核心竞争力。为此沃尔玛针对不同的目标消费者，采取不同的零售经营形式，分别占领高、低档市场。例如：针对中层及中下层消费者的沃尔玛平价购物广场；只针对会员提供各项优惠及服务的山姆会员商店以及深受上层消费者欢迎的沃尔玛综合性百货商店等。会员制是一种新兴的零售形式。山姆会员商店是沃尔玛经营的一大特色，是它夺取市场战胜西尔斯的一大法宝。

第三、不可被模仿的资源。沃尔玛一直在中国市场积极开发和推广沃尔玛“自有品牌”，推出“质优价更优”的自有品牌商品，覆盖了食品、家居用品、服装、鞋类等主打品类。自有品牌商品的生产厂家都经过严格的审核和产品检测，确保每件商品都拥有领先同类品牌的优良品质；同时，自有品牌商品均由生产厂家直接生产，节省了中间环节，使售价比同类商品更具竞争力。沃尔玛是一个极其注重品牌保护的企业，2011年7月沃尔玛公司向世界知识产权论坛提交申请，称争议域名OurWalmart点com带有其标志“Walmart”，侵害其权益，要求仲裁回该域名。据了解，OurWalmart点com域名可访问，网站是一个沃尔玛员工反应

相关问题平台，薪金、工作时间等问题都可从这个平台上看到，网站旨在寻求一个员工心声解决方案而提供服务，是一个非盈利组织。

第四、不可替代的资源。沃尔玛家族创业时白手起家，发家后虽富犹穷，通过慈善事业机构捐赠了许多福利项目。如：关爱儿童，支持教育，保护环境，实施绿色环保计划。沃尔玛真正将经营上升到“文化营销、人文关怀”的高度，回报社会，树立了良好的社会形象，同时取得了很好的社会效益。是别的企业无法替代的。

第五、持久的资源。资源的贬值速度越慢，就越有利于形成核心的竞争力。一些品牌的资源实际上在不断升值，而通信技术和计算机技术迅速的更新换代却对建立在这些技术之上的核心竞争力构成了严峻的挑战。但沃尔玛有着卓越的供应链管理。卫星通信系统是沃尔玛供应链的最大优势，它的全球供应链以先进的信息技术为依托，构成了一整套先进的供应链管理系统。统一、集中、实时监控的供应链管理系统，是沃尔玛能从根本上改变以往零售商的地位，直接“控制生产”。基于信息技术的高效运作，降低成本，创造价值，不断提高生产率，从而高水准的为客户服务，为商界树立了成功的典范。

沃尔玛的核心竞争力正是扎根于顾客至上、员工满意的核心 企业文化中。”天天低价”是沃尔玛对顾客长期不变的承诺。品种繁多、价廉物美的商品，方便的购物时间、免费的停车场以及 微笑、友善、热情、愉快的购物环境，维系了忠诚的客户群体；对员工利益的关注激励着满意努力的员工一起行动，不断创新，比竞争者更快、更好地满足顾客需求。通过与供应商建立长久稳定、互利互惠的合作关系，并借助强大的信息网络系统管理这种关系，不仅保证了为顾客提供“天天低价”的优质产品，而且能以最快速度对顾客需求变化做出反应，从而在竞争中形成明显的竞争优势。

第五篇：通过数据分析来提高各个门店销售业绩

一、门店销售业绩相关因素分析

作为一个门店经理，一定要对服装行业和店铺经营有足够的知识！要了解要做到如何如何才能够成功！门店销售业绩相关因素一般如下：

●选址问题零售门店选址不佳，交通不便，客流不高，周围商圈的消费能力不够；走访附近的商铺、目测附近的客流量，做附近人群的问卷调查都可以接近答案；

●定位问题产品定位和周围商圈需求不匹配，经营定位和商圈不具互补性；定位客户群体和商圈内错位；了解分析最畅销品牌的价格范围和主力价格带进行分析；

●产品结构问题产品的SKU宽度不够，或者深度过深，产品之间互补性差，价格带过宽，深度不够，多数产品的设计理念、流行元素等先天不足；这些可实际从门店销售、库存数据分析得到结果；

●内部管理问题营业员的销售技巧培训不够，产品陈列不足或者二次陈列工作没有开展或者没有成效，帐实不符严重；同样，通过相同区域的店铺横向28比较分析，可以发现问题； ●内部经营问题畅滞销商品管理整合不足，商品促销规划存在缺陷，被竞争对手牵着鼻子走，对市场变化不能及时采取对策；这个问题可以通过树立竞争标杆，分析标杆对手的经营方法得到结论；

二、建立店铺营运数据分析、报表体系、对应行动指南等等

本文试举一个采取标杆管理的分析策略，对于固定场所店铺的经营、客流量要和多家竞争对手共享，大饼要一起分，如何针对竞争对手采取对策是门店经营的根本，重要的是，有了BI工具，企业可以将门店竞争分析的若干过程固化下来，这样，可保证门店经营水准在某个固定水准之上；

1.确定竟争对手

比如同商厦、同楼层的相同经营类型的服装品牌，列举出来，可录入系统；

2.所有竞争对手的销售数据和市场份额占比录入系统，做出分析，找出市场份额每月有变化增加的品牌；树立比较的标杆品牌;

1月2月

作为强势的A品牌，发现B品牌增长趋势较快，可将B作为标杆来看待；

3.对于该标杆品牌，要时时刻刻来了解下述情况并分析，该报告格式可固定在BI系统中，让门店经理参考使用；

A.新货上市？

*上了多少个款？多少个系列？

*新货销售状况如何？是单款热销还是整个系列都受欢迎？

*新货上市对整体销售的拉动效果明显吗？

*新货销售与前期销售的占比如何？

*后期还会上新货吗？还会上几次？上货频率？

B.商品组合调整？

*产品结构，什么品类为主？

*以什么颜色（面料、风格…）为主？

C.价格带调整？

*价格上限是多少？

*价格下限是多少？

*主价格带的覆盖宽度？

D.陈列调整？

*做的什么主题？

*场景的表现方式？

*动线黄金点及PP点放置的是什么商品？

E.商品促销？

*商场统一促销？

*品牌独自做促销？

*促销的主题和方式？

*促销前后客流量及购买率对比？

F.其它因素？

4.针对分析，和自己的商品分析结果相结合，采取追赶或者打压或者追随或者空缺补缺等策略，如果自己是领先者，则要总结成功因素，做出销售报告并将报告录入系统；

5、一段时间后，假如标杆品牌市场份额衰退，再重新选择标杆对手；

6、如此循环往复，督导或者总监也可以通过各个销售报告来总结、监督、指导；

三、店铺的管理者掌握销售成功的多种武器，包括货品结构调整、新品补货、打折、促销、陈列、搭配等多种措施，何时应该利用武器来提升销售，从在BI中建立企业的标准销售数据分析体系中来寻找答案；

销售分析

总体销售预测

销售预测

价格带分析

货品结构分析

SKU宽深度分析

新品135周分析

畅滞销分析

连带率分析

断色断码分析

客单数分析

生命周期分析

销存比分析

回转周期分析

营业员分析

客单价分析

毛利达成分析

目标达成分析

销售目标管理

进货管理

退换货管理

促销行动

搭配组合行动 二次陈列行动 补货行动 加强培训知道 奖惩行动 数据分析 决策活动