顾客资产管理和知识管理的集成分析

随着顾客角色的变化、竞争的加剧、营销模式的变革、信息技术的蓬勃发展以及基于知识的竞争优势，顾客关系管理从理论和实践上都需要进入新的阶段——顾客资产管理阶段：该理论以顾客为导向，强调将顾客内化为企业的竞争性战略资源(即顾客资产)，并以顾客资产为核心，优化配置企业资源，重视顾客满意/忠诚和资产价值的提升(保值/增值)。

自1996年Blattberg和Deighton首次提出“顾客资产”概念以来，虽然较多的研究成果得以涌现，但现有的理论和工具在不同程度上存在着缺陷，例如，对顾客知识的研究和重视程度不够，对隐藏在顾客消费行为中顾客知识的重要性缺乏足够的认识。所以，理论和实践都需要集成顾客资产管理与顾客知识管理，以实现顾客资产的保值/增值。

　　1 顾客知识的作用

顾客资产管理是当前学术界研究和关注的热点之一，同时，知识在企业管理和战略制订中的重要作用越来越被人所认识。许多人在制订企业战略时，把知识作为战略中的一个关键维度。David J.Skyrme和Debra M.Amidon根据企业行为对象划分，把企业知识分为七大类。他们认为，在一个企业拥有的所有的知识当中，顾客知识是第一位的。利用顾客知识来处理顾客关系，已经超出了顾客满意所能达到的境界。顾客知识在企业顾客资产管理中的作用包括：

(1)顾客知识有利于加强企业对顾客的了解，从而为顾客持续不断地提供更好的产品和服务，以此提升顾客资产。顾客知识能够帮助企业了解：顾客为什么要购买自己的产品或者服务?今后是不是还要继续购买此种产品或者服务?顾客的偏好和需求是什么?为什么样的顾客服务是有利可图的?什么样的顾客不可能为企业带来利润?通过顾客知识，设计自己的产品或者服务，满足顾客的价值需要。而且，通过掌握顾客知识，企业还可以尽量去最大化每一位顾客的生命周期价值，衡量并且提升顾客所能够带给企业的现在的和未来的潜在的价值。

(2)通过对顾客知识的直接使用来提高企业面向顾客的战术决策能力，而且，在以顾客为中心的组织结构的支持下，通过顾客知识的管理，最终提高企业顾客发展战略和总体战略的有效性和科学性。

(3)顾客知识的获取和应用能帮助企业在服务顾客的过程中传递持续、统一的价值，使企业有更灵活的顾客回应能力，从而增进顾客的忠诚度。为防止企业在在顾客服务过程中出现脱节与偏差，需要有一套良好的顾客知识分析系统，并且让这些知识在每次与顾客接触时都能充分运用。

(4)顾客资产分析和价值提升是建立在对顾客数据的分析、知识发现的基础之上的。它使企业对顾客的决策建立在定量的基础上，而不是定性的假设。

时至今日，已经有越来越多的企业认识到顾客知识的战略价值。借鉴知识管理的有关理论，综合剖析顾客知识的特殊性，更好地全面管理顾客知识——不断强化对顾客特定经营环境的理解、持续提升顾客管理的经验与技能、深入挖掘与顾客的互动机会、主动开发和运用有关多层次顾客需求的知识，已经成为企业竞争制胜的关键有。有关企业创新实践的大量研究已经表明：在实现商业化的新知识和创新中，许多都是由用户和顾客创造的。因此，为了实现更有效的顾客资产管理，企业迫切需要关注的就是顾客知识管理，培育和提开顾客信息处理和利用的能力。

顾客资产管理和知识管理的集成分析： 2 顾客资产管理与顾客知识管理的集成

从理论发展的角度来看，顾客资产管理源予几个相互重叠的流派，并在这些研究成果的基础上提出和发展起来的。顾客知识管理是有效地获取、发展与维系有利顾客组合的知识与经验。具体的内容是指建立一套有效的顾客管理支撑体系，提供合适的工具和方法产生顾客知识，扩展顾客知识的深度，并实现顾客知识的有效运用。考察现有的顾客资产管理和顾客知识管理研究成果，可以说，通过对顾客知识的管理，可以实现对顾客资产现状的掌握，进而达到顾客资产的保值、增值以及提升顾客满意/忠诚目的。

(1)顾客理念发展的必然结果。从顾客角色的演进历史可以看出，顾客已从被动的商品或服务的接受者逐渐转变成为积极的参与者，并成为企业刨造价值活动的伙伴。这个演变的过程同时也是企业竞争变得日益激烈、经营环境日益动态、不可预测的过程。因此，企业需要建立与顾客紧密的信息搜集与学习机制，不断地从顾客那里学习到关于顾客需求的知识。要达到这个目标，企业就要利用知识管理对顾客知识进行收集、组织、挖掘、传播和利用，将知识管理纳入企业整个顾客资产管理体系结构中。

(2)顾客资产管理为实施知识管理提供应用平台。王德禄教授曾提出，很多知识管理项目失败的原因在于没有和业务流程密切结合。他认为顾客知识与特定的业务流程密切联系，才能有效地发挥作用。而顾客资产管理为顾客知识的应用提供了平台。

(3)顾客资产管理对知识管理的需求。有效的顾客资产管理必然离不开知识的获取工具，通过对这些工具的应用，可以高效的处理海量、分散以及非结构化的顾客信息，这个分析和处理过程实质上就是顾客知识的管理过程。

顾客资产管理和知识管理的集成分析：3 顾客知识获取工具——商业智能(BI)

在企业界，数据资产的观念正在进入企业的资源规划(ERP)系统中，而把数据转换为资产的方法和技术也正在成为企业投资IT的热点。因为目前大部分大中规模的企业都是信息丰富的组织，而一个信息丰富的组织的绩效不仅仅依赖于产品、服务或地点等因素，而更重要的是依赖知识，显然，数据-信息-知识是一个并不简单的过程。商业智能的本质正是把数据转化为知识，致力于知识发现和挖掘，使企业的数据资产能带来明显的经济效益，减少不确定性因素的影响，使企业取得新的竞争优势。

商业智能这一术语1989年由Gartner Group首次提出，它描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。商业智能的目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性，其代表了为提高企业运营性能丙采用的一系列方法、技术和软件的总和：①BI是数据(信息)获取、分析和处理的必要保障;②BI能实现企业和顾客的互动;③BI促进企业流程的改造;④BI提升顾客个性化服务水平。

对于商业智能，最关键的技术包括数据仓库(DW)和数据挖掘(DM) 。商业智能系统由业务数据库系统和决策支持系统等部分构成(如图1)。

图1 商业智能系统的数据处理循环

数据仓库是20世纪90年代初出现的技术概念，在金融、电信、保险和零售等数据处理密集型行业中得到广泛推广和应用。数据仓库是市场竞争的产物，是在企业业务人员和管理者对信息的需求日益增多的情况下提出的一种理念和技术。美国著名信息工程科学家W.H.Inmon将数据仓库描述为：数据仓库就是面向主题的、集成的、稳定的、不同时阿的数据集合，用以支持经营管理中的决策制订过程。1995年，美国计算机年会上提出数据挖掘(Data Mining，DM)，并指出数据挖掘是一个从大量的数据中发现潜在知识的过程。

从技术的角度出发，数据挖掘是应用一系列技术从大型数据库或数据仓库的数据中提取人们感兴趣的信息和知识，这些知识或信息是隐含的、事先未知而潜在有用额，所提取的知识表示为概念、规则、规律和模式等形式。从商业角度看，数据挖掘是新型的商业分析处理技术。它从大型数据库或数据仓库中发现并提取隐藏在其中信息的一种新技术，帮助决策者寻找数据间潜在的关联，发现被忽略的因素。这些信息和因素对预测趋势和决策行为是至关重要的。

　　4 结 语

当今企业所处的市场环境，顾客消费的个性化日益显著，顾客资产管理的实施需要有大量的顾客知识来支撑。只有获取了顾客足够的信息，企业才能把信息转化为知识，并同顾客建立良好的、互相信任且有价值的关系，实现提升顾客的资产价值的目的。所以，本文认为顾客资产管理与知识管理的集成是企业应对挑战和提升竞争力的关键。