CRM系统数据质量管理方案研究案列范本【管理战略精品资料】

《CRM系统数据质量管理方案研究案列范本【管理战略精品资料】》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、经典资料，WORD文档，可编辑修改，欢迎下载交流经典资料，WORD文档，可编辑修改，欢迎下载交流经典资料，WORD文档，可编辑修改，欢迎下载交流CRM系统数据质量管理方案研究　　在企业部署CRM系统后，往往希望借助这一系统的商业智能优势，通过对数据的分析处理，来获取隐含在数据中的更有商业价值的知识，以此来指导企业开展下一阶段的工作。文章首先分析了当前大多数企业所面临的数据质量低下的现状，并对造成这一现象的原因加以分类，然后以笔者曾经参与设计的某企业CRM项目为例，从整个项目的生命周期开始，对各个阶段所要解决的问题加以解释，并

2、给出解决方案。最后，从宏观上给出一套对普遍企业适用的，能够显著提高数据质量的管理方案。　　1CRM系统中数据质量问题分析　　CRM(CustomerRelationshipManagement)也称为客户关系管理系统，其主要功能是通过对大量的客户资料进行深入的分析，来实现缩短销售周期，降低销售成本，提高客户忠诚度和保有率等商业目标。然而决定一个CRM系统成败的关键，往往就是数据质量的优劣。　　劣质的数据来源不一，通过分析，其原因主要有以下几种：　　①缺乏验证程序。很多系统没有在初期就对用户的输入等过程提供完整的验证程序，导致

3、误输入等因素对数据质量造成一定影响。经典资料，WORD文档，可编辑修改，欢迎下载交流经典资料，WORD文档，可编辑修改，欢迎下载交流　　②数据格式有效但不正确。往往有些看似有效的数据，但却是错误的。　　③系统更新。在原系统发生结构性变化时，如果管理员新增加了一个字段或下拉值，但是没有及时通知相关的系统工程师，就会导致一线员工继续使用旧的字段或下拉值去匹配新的信息类型。　　④系统接口过多。　　⑤缺乏参照完整性检查。　　⑥不匹配的规则和定义。　　⑦维度渐变。随着时间的推移而可能发生改变的维度，也在某种程度上影响着数据质量。　　由

4、此可见，数据质量受到来自多方面的影响，并且随着公司业务集成到网站中，并允许客户和经销商直接操作数据，而更加与日俱增，因此制定一套行之有效的管理方案迫在眉睫。　　2数据质量管理方案　　DEMINGW.E在其质量管理的十四要点中指出：“质量不能仅依赖于产品的检验，检验不能创造价值，只能将次品挑出来。”根据实际工作情况来看，往往当我们检查出脏数据时，它已经大量的存在于数据库中了，检查的成本高而效益低。要采用事前预防的方法，从一开始就将质量融入到数据中，以降低脏数据的发生率。　　在实际项目中，将数据质量的控制在宏观上划分为了三个阶段

5、，参见表1：　　表1数据质量管理方案规划经典资料，WORD文档，可编辑修改，欢迎下载交流经典资料，WORD文档，可编辑修改，欢迎下载交流　　由于第三阶段属于数据挖掘范畴，是在建立了准确，完整的数据库基础上实现的，暂不属于本文讨论的范畴，所以我们重点关注第一阶段和第二阶段的实施。　　2.1数据质量规划阶段　　完整的信息架构在数据质量管理中占据着重要的位置，这个架构一定是针对业务规则建立的，且能够灵活应对将来可能出现的业务规则或数据流变更。　　信息，简要的说就是数据和知识。信息架构的工作在本质上就是将一些数据转化为我们可以直观的

6、理解的知识，或者将我们获得的知识转化为数据，一边可以传递，再利用。它应当是兼具两者的设计过程。大体上应该包含三件工作：　　①架构设计：首先我们要确定系统中信息的单元的大小，并决定这些单元之间的关系。　　②组织方式：将这些组件组合成有意义的，具有特色的类别。也称为逻辑分类。　　③标记：将上一步得到的分类用一个唯一的标签来命名。　　设计过程的初期要通过有引导性的客户调研工作理解用户需求，寻找分类的趋势，完成信息架构UML图的初稿，这里应该进行至少两次的分别从上到下和从下到上的梳理过程。之后就是情景模拟的测试过程，并且要让用户也参

7、与进来，否则这个测试过程就失去了其本身的意义。企业的信息化过程中要引入数据质量管理平台，以管理企业数据流，并成为企业各个子系统数据交互的中心，同时在各个层次上对数据质量进行监控和管理，以建立统一的企业数据模型，形成企业统一的视图。经典资料，WORD文档，可编辑修改，欢迎下载交流经典资料，WORD文档，可编辑修改，欢迎下载交流　　信息的安全性管理不但包括我们熟知的密码管理，用户权限分配，服务器端防火墙的设置等网络安全工作，还应特别注意外部数据的来源，是否为可信数据，数据质量是否符合系统的标准，此处要对导入程序做严格的检查，宁肯

8、放弃一部分数据也不能导入潜在的脏数据或无效数据。　　2.2数据质量控制阶段　　设计质量，即我们上面所说的质量规划阶段，其目的是要收集质量需求并将它们转换为一套标准来执行。接下来的执行过程中，就存在着数据质量控制的问题。上面一节已经讲过当前常用的评价数据质量的观察点，在本项目中，宏观上从三个