◆ 中图分类号：F270.7文献标识码：A
内容摘要：在集成化供应链管理的企业中，客户信息存在管理难度大、分析决策准确性要求高等特点，提出了一种基于集成化供应链的客户关系管理系统的体系结构及运行模式，并研究了该系统实现的关键技术。
关键词：集成化供应链管理 客户关系管理 数据仓库
近年来，市场的细分和竞争日益加剧，同类产品间的差距越来越小。一方面，客户对企业要求增多；另一方面，企业意识到作为“上帝”的客户的重要性。同时，在经济全球化的时代中，无国界企业经营管理的趋势越来越明显，任何单一企业不可能在激烈的竞争中取胜，集成化供应链管理成为了企业发展的重要战略。因此，利用计算机技术，结合集成化供应链管理战略，提出了一种基于集成化供应链管理的客户关系管理系统（CRMS）的设计方案。该方案对如何实现客户信息有效管理和分析决策等方面进行了一定研究。
集成化供应链管理下客户关系管理系统设计方案
（一）管理需求
在集成化供应链管理的企业中，企业与客户之间的关系存在两种不同关系模式：传统竞争关系和合作关系。在这两种模式下，要求企业和客户之间建立共同分享信息的机制，即建立一种新的、有不同层次的客户信息管理机制。具体而言：
建立合理而且科学的客户分析评价机制。利用如数据分析技术、数据挖掘技术等对企业的各种客户信息进行分析和评价，为企业管理者提供决策依据。
建立直接和客户的交互平台。一方面为终端客户提供了基础业务查询平台，使之及时与企业交互；另一方面，该平台能够与其他类型的交互渠道（如呼叫中心、客服热线等）达到无缝集成。
建立企业与战略合作伙伴之间的共享机制。实现供应链上信息的自由流动，各节点企业根据需求获得相应的信息，根据相关信息进行分析决策，保证企业建立的集成化供应链能够发挥最大的效能。
（二）管理系统体系结构
针对基于集成化供应链管理下客户关系管理的需求，结合协同管理的思想，提出一种基于集成化供应链管理的客户关系管理系统。该系统体系结构如图1所示。
该系统体系结构包含三个层次：数据中心、功能层、用户层。数据中心由关系数据库和数据仓库两部分构成。从客户“接受点”处获得的数据经过整合和交换，一部分进入了中心数据仓库，另一部分进入了关系型数据库。关系型数据库中包括了客户关系管理中涉及的各种业务上的数据（如终端客户数据库、战略伙伴数据库等）。最后，所有数据进入多维数据仓库，利用关联分析数据挖掘技术对数据进行分析和处理，在有关客户的海量数据中发现数据和模型之间的关系。功能层中包括客户咨询、终端客户分析、战略伙伴评估、业务统计等模块。功能层基于统一的客户数据和融入所有业务应用的分析环境，利用数据中心对信息数据的加工处理，最终向企业内部提供有关客户的各种分析结果，为企业决策提供支持和对企业客户关系进行管理。战略伙伴、终端用户、决策者和业务员构成系统用户层，通过浏览器方便地接入系统，既可获得各级数据和信息也可实现数据中心的数据获得。
（三）管理系统运行模式
基于集成化供应链管理的客户关系管理系统的运行模式如图2所示。
基于集成化供应链管理的企业中面对的客户群比较复杂，企业和客户之间既有合作关系又有竞争关系，因此其客户关系管理系统在运行模式上采用螺旋型周期循环的模式。
在该系统的运行模式中，为终端客户和战略伙伴提供了各自的端口，将各自的信息收集汇总之后，利用数据仓库和数据挖掘技术对终端客户和战略伙伴的信息数据进行了分析，再根据分析的结果形成各种制度和标准，企业各个部门在这些制度和标准的指导下运作，最后利用反馈的信息数据对此进行了修正，从而完成了一个周期。该模式实现了为决策者提供高效的决策依据，体现了“以客户为中心”，最终提高供应链的整体竞争力。
集成化供应链管理下客户关系管理系统的关键技术
（一）数据仓库设计
数据仓库是一个作为决策支持应用数据源的结构化数据环境，即描述了一种语义一致的数据组织和处理的体系结构，将多个分散的、异质的原始数据融合在一起，完成不同数据的存取、查询、分析、支持决策的过程。在该系统中，其数据仓库设计步骤如下：
数据调研收集，确定数据范围。对各数据源的详细情况进行调查，包括数据使用者、数据结构等，确保在企业中良好使用。
数据转换和集成。定义数据如何转换、装载到主题的哪个数据表中等，需要通过数据的转换和集成过程将数据从外部数据源、数据存储介质中导入到数据仓库。为了确保应用所需的数据都已经从业务系统中抽取出来，主题的划分是以业务系统的信息模型为依据，并进行对信息模型宏观归并，得到企业范围内的高层数据视图，加以抽象，从而划定逻辑的数据主题范围。
对数据优化，保证数据仓库中得到的数据的准确性。
通过以上步骤，形成了丰富的数据仓库，根据客户信息类型和结构特点，将客户数据源收集数据转换和集成，对数据仓库的数据组织进行逻辑结构设计，最后按照企业最能理解的方式组织和提供所需信息。
（二）数据挖掘技术
数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程。对于企业是按照企业既定目标，对海量的企业数据进行探索和分析，揭示隐藏的、未知的规律性或验证已知的规律性，并进一步将其模型化。本系统所采用的数据挖掘算法是关联规则和时间序列模式，从大量客户数据中抽取、发现有意义的关联关系， 即发现客户的信用度的高低等信息。主要步骤：首先要选择正确的数据源，描述数据；其次关联规则和时间序列模式的基础上得出初步的预测结果；最后对该结果进行验证，即进行必要的试验，依据试验结果，循环调整，得出最后结果。利用关联规则和时间序列模式进行数据挖掘分析，挖掘客户数据项集之间有意义的关联，寻找数据库中数值的相关，能够实现对企业客户群体划分、客户流失性分析、客户信用分析。通过该算法保证利用历史数据得到的规律能有效应用于未来环境和决策信息的准确。
（三）信息集成技术
信息集成技术主要是实现CRM系统与其他系统进行协同和交互的业务流程。信息集成技术在CRM系统中起着企业应用集成( Enterprise Application Integration ，EAI) 的作用，即成为CRM 和其他应用系统 “粘接剂”。信息集成技术包括信息转换标准协议和信息的传输标准协议两个方面。信息转换标准包括了标准化信息标签和信息的映射规则。使用标准化信息标签达到各种异构信息的统一表达，解决不同信息格式之间转换的问题。信息的映射规则是根据标准化的信息标签实现标准格式的信息与各个系统之间的对应转换。信息传输协议则是将按照信息编码标准协议转换后的信息编码进行组合，提供信息交换的逻辑连接。
在基于集成化供应链管理的客户关系管理系统中，利用XML标准定义信息转换标准的标签，同时指定了数据库中输出的信息和标准的XML信息表达之间的关联关系，以解决异构环境下的信息转换标准问题；应用SOAP技术来完成基于互联网的标准信息传输标准协议。最后，采用了一个消息hub（消息路由和转换器），将适配器全部转移到消息hub中，这样一方面避免了系统间point-to-point集成方式引起的开发费用高，难于维护和扩展的不足；另一方面，该消息hub还适用于大部分的中间技术，系统的适应性高。
参考文献：
1.周水银,陈荣秋.基于Internet的客户关系管理研究[J].工业工程与管理,2002.6
2.马士华，林勇，陈志祥.供应链管理[M] 北京：机械工业出版社，2004
3.宋豫川,刘飞,苗剑,邓建新.网络化制造平台集成框架研究[J].中国机械工程, 2004.15(19)
