论文部分内容阅读
在中国的市场中，多数企业的应用还停留在概念操作层面，真正了解其核心价值特别是方法论的寥寥无几。由于用静态的管理视角和思维无法有效地管理和应用企业自身数据库，因此企业就必须实施智能化的数据管理及应用体系，即通过制度、流程、系统等构建起的企业自动化、系统化的数据管理，最终达到业务支持和决策支持的目的。
树立全局性管理意识
在具体的实践过程中，企业需要对自身的数据管理大格局形成清晰、明确的认识，即对市场、客户(潜在客户、现有客户)、数据库营销、数据分析及挖掘等情况有战略和系统的理解，明确业务流，信息流、数据流之间关系。
由于市场是不断变化的，而客户的需求及特征也是随之变化的，因此，企业的数据也需要随之而不断发生变化，无论从数据质量、数量还是数据承载的信息角度。这也说明一个问题，数据成为企业所必不可少的东西。而这些逐渐增多的数据是成为企业财富还是负担，主要取决于如何去对待。而比如采取一些自动化的管理方式就可以让企业更加轻松的处理这些数据，把节省出的精力投入到更具价值的工作中。
还有一点不容忽视，即要重视数据的质量，没有质量，一切无从谈起，这也要求企业内部需要有特殊的政策来保障这种高质量的运作。
有些企业或许会有这样的困惑：究竟如何去管理已有的数据呢?其实，构建企业的智能化、系统化数据管理体系及应用模式就是一个解决方法。但需要注意的是，要构建这种模式，需要从人力资源组织架构的保障、流程制度和奖惩措施的配合等多方面予以考虑。
智能化的数据库管理
企业在实施自身数据库管理之前，需要建立一个全面的企业数据库管理及应用架构。
其中，就数据库获取的渠道来讲，销售数据、售后数据、第三方公司提供都可以成为来源，而为了保证后期数据库营销的应用，在数据收集整理阶段，就需要对数据字段规范要求，以及安排数据收集的周期。
还需要注意的是，在企业数据管理过程中，同一客户信息将出现在不同部门，例如：销售部有客户首次购买信息、增购信息；财务部有客户消费信息等等，这些独立于各个部门的信息经过整理之后，需要根据唯一标识字段进行数据整合，整合后的数据才能实现客户的单一视图管理，为制定营销策略提供准确、全面的支持。
建立数据质量优化机制
众所周知，在不对数据进行任何操作的情况下，数据的准确性、有效性会随时间的增长而降低，为了保证数据的质量，企业通常会制定一些更新机制，我们这里所提及的良性的数据质量优化机制。数据质量优化机制应包含如下几方面内容：
数据动态更新机制
一方面，是企业销售，售后产生的新数据将源源不断进人数据库，这些数据中一定包含了老客户的再次购买，需要利用新数据去更新老数据的基本信息。另一方面，客户所反馈回来的最新信息，也应回库保鲜。
数据状态标识机制
随着数据的分析应用，每个客户都应增加多个标识，比如：客户价值分析后，每条数据都应具有一个价值评分字段，标识客户价值；客户活动维护沟通后，相应数据应该包含数据有效性的标识、客户状态的标识、客户活动响应的标识等字段。
动态分类机制
基于数据状态标识，我们可以对客户进行分类，比如高价值客户、低价值客户、不满客户等等，这些类别将根据不同类型企业对客户的定义来划分，客户的分类将在具体的营销活动中指导企业开展差异化营销工作。
数据持续监督及抽检机制
根据数据使用情况，定期对数据进行监督及抽检，全面掌握数据整体状况，及时开展数据更新提升工作，保证较低成本的数据质量提升。同时数据整体状况也可以帮助企业选择更合适的渠道开展营销活动，避免营销成本不必要的浪费。
建立死亡数据库
在每次数据利用时，将已经失效的数据转移到死亡数据库中。死亡数据库具有识别死亡数据的作用，在外部新数据进入数据库前先与死亡数据库进行匹配，将死亡数据提前筛选出来。
如何应用智能化数据库
数据库就是企业身边的金矿，但它需要挖掘冶炼才能真正转化为企业的财富。
数据分析。数据分析一般指描述性统计分析，或常见的一些管理学模型，以描述过去和现在所发生的事实，并为决策者提供一定的定量化依据。
数据挖掘。数据挖掘属于预测性统计分析，一般是通过分析海量的数据，发现一些可预测的并具有一定商业价值的规则。
构建商务智能平台。商务智能已经成为数据管理智能化不可或缺的一部分，它不但是一个决策支持系统，更是数据集成的推动因素和数据挖掘规则的承载平台。
知识库。其内容涵盖理论、数据、客户、沟通等，并使企业数据库中承载的信息有序化、系统化，并加快企业内部知识和信息的流动和消费，促进企业知识的积累和传承，最终逐步构建企业的核心竞争力。
客户的潜在价值
在传统的品牌营销方面，理论和实践已经相当成熟；但是在产品和服务营销的范畴，基于数字和信息的营销理论和实践，仍然有待我们深入探究。而以数据库营销为理论基础的业务流程整合：数据内容整合和管理、数据质量管理和销售线索挖掘的全业务流程整合，将是今后一个时期内企业营销体系发展的重中之重。
智能化的潜在定义。通过保有的大量数据，企业可依照数据库营销的理念进行客户的定义，由3个部分组成：直接定义(根据企业的产品特征、产品定位等因素进行客户特征定义。)参照定义(通过竟品数据进行参照和补充。)及定义修正(根据保有客户信息进行修正)。
智能化的潜在沟通工具选取。数据库营销沟通工具的应用是建立客户互动的关键，其主要的沟通工具分为两种：在线工具及线下工具，比如Emai和SMS／MMS。
智能化的客户转化。客户转化需要海量的基础数据和大量的分析工作。包括：客户的转化倾向和概率分析，不同营销手段对转化的促动分析，客户的转化方向分析等。
客户价值保留及提升
客户价值保留。针对不同类别的客户进行差异化营销是构建企业战略优势的重要内容，如何进行高效的客户关系管理工作也是各方关注的热点话题，在这里，如何精准地评价客户的价值，并建立价值细分模型，无疑是一个有效维系客户并狙击竞争对手的制高点。只有针对不同的客户进行差异化的营销投入，才能在与对手的客户争夺战中获得最大收益。
客户价值提升。客户价值的提升，需要企业维系客户的忠诚度。客户保持也是C RM最核心的思想之一，通过突出的营销水平和良好的售后服务来维系客户的忠诚度，进而实现客户持续服务产生的售后服务收益以及客户继续购买本品牌其他产品的销售及服务收益。
数据和信息即是企业的金矿，但是如何实现从金矿到金子的转化，大多数企业还有很长远的路要走。在这个方面，企业精良的数据管理和应用便是通往财富的两扇大门，我们希望可以看到在不久的将来，有更多的中国企业能更好地利用他们的数据创造出更大的商业价值。
树立全局性管理意识
在具体的实践过程中，企业需要对自身的数据管理大格局形成清晰、明确的认识，即对市场、客户(潜在客户、现有客户)、数据库营销、数据分析及挖掘等情况有战略和系统的理解，明确业务流，信息流、数据流之间关系。
由于市场是不断变化的，而客户的需求及特征也是随之变化的，因此，企业的数据也需要随之而不断发生变化，无论从数据质量、数量还是数据承载的信息角度。这也说明一个问题，数据成为企业所必不可少的东西。而这些逐渐增多的数据是成为企业财富还是负担，主要取决于如何去对待。而比如采取一些自动化的管理方式就可以让企业更加轻松的处理这些数据，把节省出的精力投入到更具价值的工作中。
还有一点不容忽视，即要重视数据的质量，没有质量，一切无从谈起，这也要求企业内部需要有特殊的政策来保障这种高质量的运作。
有些企业或许会有这样的困惑：究竟如何去管理已有的数据呢?其实，构建企业的智能化、系统化数据管理体系及应用模式就是一个解决方法。但需要注意的是，要构建这种模式，需要从人力资源组织架构的保障、流程制度和奖惩措施的配合等多方面予以考虑。
智能化的数据库管理
企业在实施自身数据库管理之前，需要建立一个全面的企业数据库管理及应用架构。
其中，就数据库获取的渠道来讲，销售数据、售后数据、第三方公司提供都可以成为来源，而为了保证后期数据库营销的应用，在数据收集整理阶段，就需要对数据字段规范要求，以及安排数据收集的周期。
还需要注意的是，在企业数据管理过程中，同一客户信息将出现在不同部门，例如：销售部有客户首次购买信息、增购信息；财务部有客户消费信息等等，这些独立于各个部门的信息经过整理之后，需要根据唯一标识字段进行数据整合，整合后的数据才能实现客户的单一视图管理，为制定营销策略提供准确、全面的支持。
建立数据质量优化机制
众所周知，在不对数据进行任何操作的情况下，数据的准确性、有效性会随时间的增长而降低，为了保证数据的质量，企业通常会制定一些更新机制，我们这里所提及的良性的数据质量优化机制。数据质量优化机制应包含如下几方面内容：
数据动态更新机制
一方面，是企业销售，售后产生的新数据将源源不断进人数据库，这些数据中一定包含了老客户的再次购买，需要利用新数据去更新老数据的基本信息。另一方面，客户所反馈回来的最新信息，也应回库保鲜。
数据状态标识机制
随着数据的分析应用，每个客户都应增加多个标识，比如：客户价值分析后，每条数据都应具有一个价值评分字段，标识客户价值；客户活动维护沟通后，相应数据应该包含数据有效性的标识、客户状态的标识、客户活动响应的标识等字段。
动态分类机制
基于数据状态标识，我们可以对客户进行分类，比如高价值客户、低价值客户、不满客户等等，这些类别将根据不同类型企业对客户的定义来划分，客户的分类将在具体的营销活动中指导企业开展差异化营销工作。
数据持续监督及抽检机制
根据数据使用情况，定期对数据进行监督及抽检，全面掌握数据整体状况，及时开展数据更新提升工作，保证较低成本的数据质量提升。同时数据整体状况也可以帮助企业选择更合适的渠道开展营销活动，避免营销成本不必要的浪费。
建立死亡数据库
在每次数据利用时，将已经失效的数据转移到死亡数据库中。死亡数据库具有识别死亡数据的作用，在外部新数据进入数据库前先与死亡数据库进行匹配，将死亡数据提前筛选出来。
如何应用智能化数据库
数据库就是企业身边的金矿，但它需要挖掘冶炼才能真正转化为企业的财富。
数据分析。数据分析一般指描述性统计分析，或常见的一些管理学模型，以描述过去和现在所发生的事实，并为决策者提供一定的定量化依据。
数据挖掘。数据挖掘属于预测性统计分析，一般是通过分析海量的数据，发现一些可预测的并具有一定商业价值的规则。
构建商务智能平台。商务智能已经成为数据管理智能化不可或缺的一部分，它不但是一个决策支持系统，更是数据集成的推动因素和数据挖掘规则的承载平台。
知识库。其内容涵盖理论、数据、客户、沟通等，并使企业数据库中承载的信息有序化、系统化，并加快企业内部知识和信息的流动和消费，促进企业知识的积累和传承，最终逐步构建企业的核心竞争力。
客户的潜在价值
在传统的品牌营销方面，理论和实践已经相当成熟；但是在产品和服务营销的范畴，基于数字和信息的营销理论和实践，仍然有待我们深入探究。而以数据库营销为理论基础的业务流程整合：数据内容整合和管理、数据质量管理和销售线索挖掘的全业务流程整合，将是今后一个时期内企业营销体系发展的重中之重。
智能化的潜在定义。通过保有的大量数据，企业可依照数据库营销的理念进行客户的定义，由3个部分组成：直接定义(根据企业的产品特征、产品定位等因素进行客户特征定义。)参照定义(通过竟品数据进行参照和补充。)及定义修正(根据保有客户信息进行修正)。
智能化的潜在沟通工具选取。数据库营销沟通工具的应用是建立客户互动的关键，其主要的沟通工具分为两种：在线工具及线下工具，比如Emai和SMS／MMS。
智能化的客户转化。客户转化需要海量的基础数据和大量的分析工作。包括：客户的转化倾向和概率分析，不同营销手段对转化的促动分析，客户的转化方向分析等。
客户价值保留及提升
客户价值保留。针对不同类别的客户进行差异化营销是构建企业战略优势的重要内容，如何进行高效的客户关系管理工作也是各方关注的热点话题，在这里，如何精准地评价客户的价值，并建立价值细分模型，无疑是一个有效维系客户并狙击竞争对手的制高点。只有针对不同的客户进行差异化的营销投入，才能在与对手的客户争夺战中获得最大收益。
客户价值提升。客户价值的提升，需要企业维系客户的忠诚度。客户保持也是C RM最核心的思想之一，通过突出的营销水平和良好的售后服务来维系客户的忠诚度，进而实现客户持续服务产生的售后服务收益以及客户继续购买本品牌其他产品的销售及服务收益。
数据和信息即是企业的金矿，但是如何实现从金矿到金子的转化，大多数企业还有很长远的路要走。在这个方面，企业精良的数据管理和应用便是通往财富的两扇大门，我们希望可以看到在不久的将来，有更多的中国企业能更好地利用他们的数据创造出更大的商业价值。