CN101149829A - 一种客户数据集中处理的方法和系统 - Google Patents

Abstract

本发明公开了一种客户数据集中处理的方法，包括：从多个数据库中采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据；对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值；分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。本发明可以针对分散存储的海量客户数据进行集中处理，从而快速、准确、全面、客观的反映客户的属性。

Description

一种客户数据集中处理的方法和系统

技术领域

本发明涉及数据处理领域，特别是涉及一种客户数据集中处理的方法和系统。

背景技术

收集客户的各种相关数据，并根据客户数据对客户进行评分作为现在营销中评价客户的重要手段，被广泛的应用于各种和客户相关的行业企业中，各类企业根据所收集的客户资料综合分析客户属性和行为，得出客户的评分，根据评分识别出合格的客户和客户的活跃性信息，从而得出客户的潜在需求，有针对性的对客户提供服务，进而提高服务质量，达到好的营销效果。但是，这其中，如何尽可能多的收集客户的相关信息，以及如何在收集到海量的客户信息的基础上，可以高效率的对这些海量数据进行处理，并且不影响客户数据产生模块的正常应用，这些问题都是现有技术所没有解决的。

现有对客户数据进行处理的评分系统，把客户的各种信息按所属部门性质分开存储；各部门使用各自的分析模型，按照自己的需要分析自己部门的客户数据，得出客户分值，根据分值进行客户分析，按照分析结果给客户提供服务。这种方式的缺点如下：

1、数据存储分散，各部门保存自己的客户数据，不便于综合客户所有的数据进行分析。

2、各部门采用不同的模型进行处理自己部门的客户数据，得出客户的分数，是根据客户的一部分数据得出的分析结果，分析结果不能全面反映客户的行为，进而根据分数对客户的提供的服务的也是不合适的，以至于不能使客户得到适当的营销服务，从而影响企业的整体销售水平。

3、各部门分别计算客户分数，协同性差，不能及时得出客户的当前分数，实效性差，所得结果不能有效的指导销售。

发明内容

本发明所要解决的技术问题是提供一种采用客户数据集中存储并对客户基本数据和行为数据采用不同的模型算法的客户数据处理的方法和系统，以解决现有技术中对客户数据处理的评分系统中数据存储分散、计算不准确的问题。

为解决上述技术问题，本发明提供了一种客户数据集中处理的方法，包括：

从多个数据库中采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据；

对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值；

分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；

综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。

优选的，所述客户基本数据包括两个或者多个不同属性的基本数据，所述得到客户的基本分值的处理过程为：

对所述不同属性的基本数据分别赋予相应的权重，累积计算得到该客户的基本分值；

或者，采用通关制规则依次对各个不同属性的基本数据进行处理。

优选的，所述采集客户数据的方式为并行地从所述多个数据库中采集。

优选的，所述不同纬度的行为数据包括：从电子商务网站的产品模块采集的产品发布数据；从电子商务网站的公司库模块采集的是否建立公司库的信息；从即时通讯服务器采集到的即时通讯客户端登录数据；从电子商务网站记录中采集的客户登录信息；从电子商务网站的证书校验模块采集的客户是否上传证书的数据。

优选的，对于产品发布数据采用缓慢变化维的方式在数据仓库中记录。

优选的，所述方法中，至少一个纬度的客户行为数据库记录相应纬度的客户行为数据的变化情况信息；数据仓库通过增量同步的方式采集相应纬度的客户行为数据的变化情况信息。

优选的，所述方法中，针对不同纬度的行为数据分别预置相应的活跃数据模型；在数据仓库中设置模型配置表，所述模型配置表用于记录各个活跃数据模型算法的配置信息。

本发明还提供了一种客户数据集中处理的系统，客户数据分散保存在多个数据库中，包括：

多个客户数据库，用于分别记录相关的客户数据；

数据仓库，用于集中存储客户数据；

采集模块，用于从多个数据库中并行采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据；

客户基本数据分析模块，用于对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值；

两个或者多个的单维客户行为数据分析模块，用于分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；

客户行为数据综合分析模块，用于综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。

优选的，所述客户基本数据包括两个或者多个不同属性的基本数据，所述客户基本数据分析模块采用的处理过程为：对所述不同属性的基本数据分别赋予相应的权重，累积计算得到该客户的基本分值；或者，采用通关制规则依次对各个不同属性的基本数据进行处理。

优选的，所述系统中，至少一个纬度的客户行为数据库还包括变化纬度字段，用于记录相应纬度的客户行为数据的变化情况信息；所述采集模块通过增量同步的方式采集相关客户行为数据的变化情况信息。

优选的，所述不同纬度的行为数据包括：产品发布数据、是否建立公司库的数据、即时通讯客户端登录数据、网站登录信息和客户是否上传证书的数据。

优选的，所述数据仓库还包括模型配置表，用于记录各个纬度的活跃数据模型算法的配置信息。

优选的，所述数据仓库采用缓慢变化维的方式记录产品发布数据。

与现有技术相比，本发明具有以下优点：

1、从保存有客户数据的多个数据库中，采集客户数据信息，集中存储到数据仓库中，从而提供客户数据间的相互关联关系，便于进行集中数据处理。对集中存储的客户数据，采用预先建立的模型自动进行分析处理，不用人工参与，处理结果可以全面、客观反映的客户的属性。

2、在模型处理中，建立基本数据模型对对客户的基本资料进行分析，得出客户基本分值；建立活跃数据模型对客户的相关行为数据进行分析，得出客户活跃分值；这两个分数可以准确的反映客户的当前属性；从而可以根据基本分识别出合格客户，根据活跃分将客户分类，针对每个客户提供相应的服务，提高服务质量。

3、客户基本分值的计算采用通关制方式或者权重分配的方式，逐项计算客户基本数据的得分，当遇到不合格数据时，停止当前客户的基本分值计算，计算下一个客户。这种方式减少了数据处理的时间，提高了数据处理的效率。

4、分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，同时处理客户的行为数据的多个纬度数据，减少了数据处理的时间，提高了处理效率。

5、客户数据采集采用并行采集方式，同时采集多个部门的客户数据，提高了数据采集速度，适应大量数据的采集。并且，采集客户数据时，只采集新增和发生变化的客户数据。在前台各数据发生模块的数据库中增加变化维度字段，记录客户数据的变化情况，当数据发生变化时，改变此字段的值；采集时根据变化维字段搜索发生变化的数据，数据仓库采集这些数据，就可以得到发生了变化的数据，不用采集全部数据或用全表匹配方式；这种方式减少了数据采集量，提高了采集速度，减少了采集过程对前台数据库资源的占用，降低了对前台业务模块的影响。

6、针对不同纬度的客户行为数据建立各自的活跃数据模型，把它们的算法分别记录在模型配置表中，在新增模型时，只需要增加表中的算法记录；调整模型的算法时，只需要修改表中的算法，减少了系统的维护量，同时可以减少数据处理代码的编写量。

附图说明

图1是本发明的方法的流程图；

图2是本发明的客户分类示意图；

图3是本发明客户数据集中处理方法的实施例框图；

图4是本发明的客户数据集中处理系统的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，是本发明客户数据集中处理方法的流程图，包括下列步骤：

步骤101，数据采集。

在现有的应用系统中，客户的数据根据其性质的不同，由不同的前台模块生成、收集和处理，分别存储在不同的数据库中，并分属于不同的部门进行管理，这些数据存储的地理位置也可能是不同的。例如，一个拥有上百万用户的电子商务网站，其会有各种各样的前台模块为用户提供服务和收集用户数据。在这种方式下，在数据存储方面，客户的各种数据存储分散，不能实现客户数据的集中存储；在客户数据处理方面，各部门利用和自己相关的业务模块，独立的处理自己部门的数据，处理功能分散，处理不同步，不能实现客户数据的实时集中处理，处理结果实效性不强，也不能根据客户数据间的关联性综合分析客户的属性和行为，从而不能为销售、服务、营销、资源管理部门提供客户属性的指导性数据，妨碍了客户服务的质量。

在这种情况下，需要建立集中存储客户数据的数据仓库，集中保存客户的所有相关信息。数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，建立数据仓库的目的，是把客户数据进行有效的集成，为企业的各层决策、分析人员使用，利于企业决策者进行全面分析和查询。通过建立数据仓库，可以积累企业的数据资源，更好的体现数据的价值。

在本步骤中，需要采集的客户数据可以分成两种，一种是客户的基本数据，来自客户新注册时或续签会员协议时填写的注册资料信息，另一种是客户的行为数据，它反映了客户在应用系统中的行为的活跃程度，这些数据可以包括多个纬度的属性数据，这些多个纬度的行为数据将在后面的步骤中分别进行计算和处理。将客户数据分为上述两类，是因为它们可以从不同的角度对该客户做出评价，以便更好的对客户数据进行分析、处理，较之综合在一起的分析而言，其结果更加准确。

对于上述的两种数据客户数据，分别由采集模块从他们所在的多个数据库进行采集，采集后保存在建立的数据仓库中集中存储，便于后续步骤进行集中处理。优选的，采用并行采集的方式从多个数据库同时采集相关客户数据，以及采用增量同步的方式实现变化信息的采集，减少对客户数据生成的前台模块的影响。

步骤102，计算客户基本分值。

对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值。

根据应用系统所面对的客户，分析出哪些客户是本应用系统所关注的，这些客户符合什么样的特征，即从所有客户中分辨出哪些是需要提供服务的客户群，对应用系统来说是合格的客户，这样可以有针对性的提供服务，提高客户服务部门的效率，避免浪费人力物力。建立客户基本数据模型，模型中包含对客户基本数据中各个属性的分值计算的算法，属性的内容符合一定的条件获得一定分值，合计各属性的分值即可得到客户的基本分值。

建立了客户基本数据模型之后，对于步骤101采集的保存在数据仓库的客户基本数据进行分析处理，根据客户基本数据模型的算法，计算客户的基本分值。所获的分值超过一定的规定分数，即认为该客户是本应用系统所需要服务的合格客户，如果分值在规定的分数之下，认为客户暂时是不合格的客户。

步骤103，计算客户行为数据的各个纬度分值。

由于客户行为数据量比较大，包含了多个纬度的行为数据，不同纬度的客户行为数据一般由不同的前台模块生成和记录。如果依次进行计算处理，需要的时间比较长，影响数据处理的效率。在本步骤中，对各个纬度的客户行为数据按照并行处理方式的计算客户行为数据的不同纬度分值。所述并行方式是同时对多个纬度的客户行为数据进行分值计算，这种方式加快了数据处理的速度，保证了计算结果的实效性。

步骤104，计算活跃分值。

综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。根据一定的规则，对步骤103得到的各个纬度的客户行为数据的分值进行综合分析，得到该客户的活跃分值，从而可以从客户行为方面对该客户做出一定的数据分析。

下面以电子商务网站为例，对上述过程做进一步说明和解释。

电子商务是利用简单、快捷、低成本的电子通讯方式，买卖双方不见面地进行各种商贸活动。现在的电子商务主要是通过EDI(电子数据交换)和INTERNET(互联网)来完成的。在国内，电子商务网站的主要利润来源一般是：收取会员费用、收取交易中间费用或广告收入。客户数据资料的管理和分析对于指导电子商务网站的客户服务有着重要的意义。对于的电子商务网站，所需要营销的客户是所有的企业，服务的目标是促使客户在网站注册，成为会员，客户服务部门对会员客户提供对应的服务，关注其基本数据资料的情况和在网站的行为的活跃性，如果客户的基本资料合格并且有一定的活跃性，由网站的新签销售对其提供签约服务，对于不合格的客户，由新签销售对其进行跟进做进一步的营销，当客户在网站的行为的活跃度提高后，再次考察其基本资料情况，对合格客户进行签约。对于到期的签约客户，参考客户在网站的行为活跃度判断是否进行续签，活跃度合格的客户，进行续签，对于活跃度不合格的客户，不再续签，由销售人员对其进行营销，激活其行为活跃度，以促使其签约。

参见图2，为客户分类示意图，所有中小企业201是电子商务网站的全部潜在的客户，会员客户202是电子商务网站的注册会员客户，合格会员203是资料填写完整正确的会员，付费会员204是电子商务网站的签约客户。付费会员204是网站收取会员费用、提供会员服务的主要客户群。电子商务网站开展营销的目的在于提高新会员的签约率和老会员的续签率。

参照图3，是本发明的客户数据集中处理方法的实施例。包括下列步骤：

步骤301，建立基本数据模型和活跃数据模型。将客户数据分为这两类并分别进行计算处理，可以得到更为准确的客户数据分析结果。

客户在网站注册后成为会员客户，注册时所填写的资料数据是客户的基本数据，这些基本数据由前台的客户注册模块收集处理，并存储在客户服务部的客户注册信息表中。这些客户基本数据可以包括多个属性的信息，如可以包括：客户的联系方式、公司名、所在地区，行业、经营模式和员工人数等属性，对于客户基本资料中的属性可以采用下面的算法来计算客户的基本分值：对于客户的联系方式较全、公司名有较热门的关键字、公司名长度符合正常公司注册长度要求、客户所在地区为较发达地区、客户所属行业为热门行业、客户的企业性质为需要正常贸易的企业、客户企业员工人数达到中小型企业要求等，符合这些要求的客户可以得到较高的分值。根据上述分析以及企业的具体需要建立客户基本数据模型。

客户成为会员客户后，其在网站的活动反映了客户的活跃性，网站记录客户行为数据，这些客户行为数据包含多个纬度的行为数据，由不同前台模块记录和处理，并保存在不同的部门，例如：由前台的产品模块收集客户的产品发布数据，存储在市场部；由前台的公司库模块收集建立公司数据，存储在公司库审核部门；由电子商务网站提供的即时通讯服务器收集该即时通讯客户端的登陆时间(例如，某电子商务网站提供的贸易通)，存储在即时通讯部门；由前台电子商务网站的客户模块(例如，日志等)收集客户登陆、浏览网站的时间数据，存储在运营部；由前台证书模块收集客户上传证书资料的数据，存储在运营部。随着电子商务的发展，一个电子商务网站提供的服务将越来越多，收集的客户行为数据也就越来越多，类型也会越来越多，需要集中处理的需要也会越来越突出。

根据电子商务网站的服务目标，确定客户行为数据中不同纬度的贡献，按照一定的算法给出客户的不同纬度的分值，根据这些算法建立客户的活跃数据模型，每个活跃数据模型对应一个客户行为数据的纬度。

优选的，所述基本数据模型和活跃数据模型可以把算法配置保存在数据库的模型配置表中。采用这种方式，不需要把模型算法放在程序中实现，减少了数据处理部分的代码编写量，而且配置和修改模型比较方便。在新增模型时，只需要增加表中的算法记录；调整模型时，只需要修改表中的算法，不需要改变数据处理部分的代码，减少了系统的维护量。

步骤302，建立存储客户数据的数据仓库。

步骤302中所述的客户基本数据和客户行为数据由不同的前台模块收集并保存在不同部门的数据库中，不便于展现数据间的关联关系，不便于集中进行数据处理。需要建立数据仓库用于集中保存客户的基本数据和行为数据，以便于综合分析处理客户数据。

步骤303，从多个前台模块的数据库中采集客户数据。

例如，可以从客户注册登记采集客户基本数据，包括：客户的联系方式、公司名称特征、公司名称长度、地区、行业、企业经营模式，员工人数等。从产品模块采集客户的产品发布数据，从公司库模块采集客户是否建立公司库的数据，从即时通讯服务器采集即时通讯客户端的登陆时间数据，从电子商务网站日志采集客户的登陆网站时间数据，以及从客户证书管理模块收集客户上传证书资料数据。采集的数据集中存储在数据仓库中。

优选的，由于需要采集的数据量比较大，数据涉及的面较广，采集数据时，如果对需要的客户属性数据逐一的从前台模块使用的数据库中采集，采集时间长、效率低，不能及时采集到有实效的数据，进而影响数据分析的准确性，本发明采用并行方式同时从所述的多个数据库中采集数据，提高了采集速度和效率，保证了数据的实效性和完整性。

优选的，由于客户的产品发布数据变化频繁，数量较大，这种变化会影响到客户当前新发的买卖商品的数据的统计，因此需要记录产品发布数据的变化，根据不同的变化状态统计不同的行为的活跃分值，本发明采用在数据仓库中采用缓慢变化维的方式进行记录，记录下各条产品发布数据的状态变化过程，便于准确的计算客户的得分。

缓慢变化维(Slowly Changing Dimensions)一般用于记录纬度信息随着时间的流失发生变化的问题，在数据库中的处理方法一般采用三种方法，第一种方式是直接覆盖原值，该方式最容易实现，但是没有保留历史数据，无法分析历史变化信息。第二种方式是添加维度行，该方式需要代理键的支持。实现方式是当有维度属性发生变化时，生成一条新的维度记录，主键是新分配的代理键，通过自然键可以和原维度记录保持关联。第三种方式是添加属性列。这种处理的实现方式是对于需要分析历史信息的属性添加一列，来记录该属性变化前的值，而本属性字段使用当前值来直接覆盖。这种方式的优点是可以同时分析当前及前一次变化的属性值，缺点是只保留了最后一次变化信息。在使用中，可以联合使用三种方式，也可以对一个维度表中的不同属性使用不同的方式。本发明在记录产品发布数据时，首先可以在数据表增加一个唯一的标识字段，用于区分产品发布的状态，产品发布的状态可以是新发、重发、用户删除和系统删除，可以在字段中设置不同的置来区分这4种状态，例如：新发状态对应标识为1，重发为3，用户删除为10，系统删除为20。当产品发布数据变化时就会新增一条记录，并标示此条产品发布的状态，这样，就在数据仓库中使用缓慢变化维记录下了产品发布数据的历史变化。

优选的，因为数据仓库需要采集的数据量比较大，涉及的数据库较多，如果采用全表同步的方式采集的话，需要的采集时间较长，采集效率低，而且前台业务模块同时也在使用数据库，数据仓库的数据采集需要占用数据库的连接，数据采集时间越长，对影响前台模块业务的正常使用的影响越大。为了减少这种影响，可以在需要采集的数据库表中增加变化维数据字段，记录数据的变化情况，当数据记录发生变化时改变这个变化维字段的值，数据仓库收集此变化维数据即可找到发生变化的数据记录，每次数据采集过程中只采集新增和发生变化的数据，减少了数据的采集量，加快了数据的采集时间，降低了对前台业务模块的影响。

步骤304，计算会员客户的基本分值。

对所述会员客户基本数据采用步骤301中建立的基本数据模型进行处理，得出客户的基本分值。

客户的基本分值用于识别哪些客户是合格客户，合格客户是电子商务网站要服务的客户，可以通过进一步的提供营销促使客户成为签约的付费客户。

优选的，对于客户基本数据包括的两个或者多个不同属性的基本数据，例如：客户的联系方式、公司名称、公司名长度、客户所在地区、客户所属行业、客户企业性质和员工人数等不同的属性，采用通关制规则依次对不同的属性的基本数据进行处理。所述通关制规则是按照属性的重要性顺序对要处理的客户基本数据进行排序，例如：可以按联系方式、公司名称、行业、地区、员工人数的顺序排序，按顺序处理各个属性，当发现某个属性的基本数据不符合预先设定的基本数据模型的算法时，退出这个客户的基本分值计算，计算下一个客户，如果符合，则计算本客户的下一属性的基本数据，直到完成所有属性的数据计算。这种计算方法减少了数据处理的时间，提高了计算的效率。在计算客户的基本分值时，也可以采用另外一种并行处理方法，对于不同的属性数据分别预先赋予一定的权重，当属性数据符合一定的要求时，累计相应的权重的分值，最后得到客户的基本分值。

步骤305，计算会员客户行为数据的各个纬度分值。

分别对保存在数据仓库中的各个纬度的客户行为数据采用步骤301中建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；所述并行方式是同时对客户的产品发布数据、建立公司数据、贸易通登陆时间数据、登陆网站时间数据、客户上传证书资料数据等进行活跃分值计算，这种方式加快了数据处理的速度，保证了计算结果的实效性。

步骤306，综合会员客户行为数据的各个纬度分值，得到活跃分值。

综合所述各个纬度的会员客户行为数据的分值，计算得到该会员客户的活跃分值。

在客户的基本分值合格的情况下，活跃分值越高，客户成为付费会员的可能性越大。通过对活跃分值的考查，可以将客户分类，例如，可以根据客户的活跃分值将客户分为：可销售、需营销、需服务等类，对于不同类别的客户，采取不同的营销和服务手段，即实现客制化服务和客制化销售；对于会员客户，销售人员优先跟进活跃分值高的客户并为其提供服务，促使其签约；对于已经是付费会员的诚信通客户，负责续签销售人员优先跟进活跃分值高的客户提供服务，并对活跃分值低的客户设置跟进策略，促使其向高分值转变。

参照图4，是本发明的客户数据集中处理系统的结构框图，其中，客户数据分散保存在多个数据库中，该系统包括：

客户数据库401，用于分别记录相关的客户数据；本系统包括多个客户数据库，用于记录客户基本数据和客户行为数据，并且随着不同的前台客户模块而存在与不同的部门，甚至不同的地理位置。

数据仓库402，用于集中存储客户数据，以便集中处理。

采集模块403，用于从多个数据库中并行采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据。

客户基本数据分析模块404，用于对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值。

单维客户行为数据分析模块405，用于分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；本系统可以包括两个或者多个的单维客户行为数据分析模块。

客户行为数据综合分析模块406，用于综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。

优选的，所述客户基本数据包括两个或者多个不同属性的基本数据，所述客户基本数据分析模块404采用的处理过程可以为：对所述不同属性的基本数据分别赋予相应的权重，累积计算得到该客户的基本分值；或者，采用通关制规则依次对各个不同属性的基本数据进行处理。

优选的，用于记录客户行为数据的数据库401包括多个，不同的数据库用于记录不同纬度的客户行为数据，在一些记录客户行为数据的数据库中，还包括变化纬度字段，用于记录相应纬度的客户行为数据的变化情况信息，例如记录产品发布信息的数据库。所述采集模块403可以通过增量同步的方式采集相关客户行为数据的变化情况信息。

优选的，所述不同纬度的行为数据可以包括：产品发布数据、是否建立公司库的数据、即时通讯客户端登录数据、网站登录信息和客户是否上传证书的数据。当然，随着客户数据种类的丰富，将来还可以包括更多纬度的行为数据。

优选的，所述数据仓库402还包括模型配置表，用于记录各个纬度的活跃数据模型算法的配置信息，可以降低系统的维护工作量。

优选的，所述数据仓库402采用缓慢变化维的方式记录产品发布数据，从而通过状态等参数记录下产品发布数据的历史变化情况。

以上对本发明所提供的一种客户数据集中处理的方法和系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种客户数据集中处理的方法，其特征在于，包括：

从多个数据库中采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据；

对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值；

分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；

综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。

2.如权利要求1所述的方法，其特征在于，所述客户基本数据包括两个或者多个不同属性的基本数据，所述得到客户的基本分值的处理过程为：

对所述不同属性的基本数据分别赋予相应的权重，累积计算得到该客户的基本分值；

或者，采用通关制规则依次对各个不同属性的基本数据进行处理。

3.根据权利要求1所述的方法，其特征在于，所述采集客户数据的方式为并行地从所述多个数据库中采集。

4.根据权利要求1所述的方法，其特征在于，所述不同纬度的行为数据包括：

从电子商务网站的产品模块采集的产品发布数据；

从电子商务网站的公司库模块采集的是否建立公司库的信息；

从即时通讯服务器采集到的即时通讯客户端登录数据；

从电子商务网站记录中采集的客户登录信息；

从电子商务网站的证书校验模块采集的客户是否上传证书的数据。

5.根据权利要求4所述的方法，其特征在于，对于产品发布数据采用缓慢变化维的方式在数据仓库中记录。

6.根据权利要求1或2所述的方法，其特征在于，

至少一个纬度的客户行为数据库记录相应纬度的客户行为数据的变化情况信息；

数据仓库通过增量同步的方式采集相应纬度的客户行为数据的变化情况信息。

7.根据权利要求1所述的方法，其特征在于，

针对不同纬度的行为数据分别预置相应的活跃数据模型；

在数据仓库中设置模型配置表，所述模型配置表用于记录各个活跃数据模型算法的配置信息。

8.一种客户数据集中处理的系统，客户数据分散保存在多个数据库中，其特征在于，包括：

多个客户数据库，用于分别记录相关的客户数据；

数据仓库，用于集中存储客户数据；

采集模块，用于从多个数据库中并行采集客户数据，集中存储于数据仓库，所述客户数据包括客户基本数据和客户行为数据，所述客户行为数据包括两个或者多个纬度的行为数据；

客户基本数据分析模块，用于对所述客户基本数据采用预先建立的基本数据模型进行处理，得出客户的基本分值；

两个或者多个的单维客户行为数据分析模块，用于分别对各个纬度的客户行为数据采用预先建立的活跃数据模型按照并行处理方式进行处理，得出单个纬度的客户行为数据的分值；

客户行为数据综合分析模块，用于综合所述各个纬度的客户行为数据的分值，计算得到该客户的活跃分值。

9.根据权利要求8所述的系统，其特征在于，所述客户基本数据包括两个或者多个不同属性的基本数据，所述客户基本数据分析模块采用的处理过程为：

对所述不同属性的基本数据分别赋予相应的权重，累积计算得到该客户的基本分值；

或者，采用通关制规则依次对各个不同属性的基本数据进行处理。

10.根据权利要求所述的系统，其特征在于，

至少一个纬度的客户行为数据库还包括变化纬度字段，用于记录相应纬度的客户行为数据的变化情况信息；

所述采集模块通过增量同步的方式采集相关客户行为数据的变化情况信息。

11.根据权利要求8所述的系统，其特征在于，所述不同纬度的行为数据包括：产品发布数据、是否建立公司库的数据、即时通讯客户端登录数据、网站登录信息和客户是否上传证书的数据。

12.根据权利要求8所述的系统，其特征在于，所述数据仓库还包括模型配置表，用于记录各个纬度的活跃数据模型算法的配置信息。

13.根据权利要求8所述的系统，其特征在于，所述数据仓库采用缓慢变化维的方式记录产品发布数据。

Images