基于数据挖掘的企业关系管理系统构建

李从东　徐志英

摘要：随着经济全球化和竞争的加剧，企业关系作为一种关键资源变得日益复杂，成功的企业关系管理对企业的组织结构和信息结构提出了更高的要求。文章在以狭义企业关系为研究对象，分析了企业关系管理的核心思想及其内涵，构建了企业关系管理的体系结构。将数据挖掘相关技术引入企业关系管理系统，分析了数据挖掘在企业关系管理中应用的几个方面及其应用过程。

关键词：企业关系；数据挖掘；数据仓库；系统

一、引言

信息技术条件下，成功的企业关系管理需要一个合理的组织框架，更需要一个合理的信息结构。数据挖掘作为一种先进的数据分析方法，已经在客户关系管理中得到了广泛的应用。以此为鉴，我们认为数据挖掘也是实现企业关系数据深入分析的有效工具。

二、企业关系管理

1企业关系管理定义。企业关系始于20世纪60年代社会心理学和行为理论研究，由营销学家Levy＆Kofler首次提出，随后随关系营销学的发展而发展。Hakansson提出企业关系就是相互作用的双方于不同水平的投资、组织学习、相互适应、信任与承诺，并初次建立了企业关系的相互作用模型。Anderson＆Nams强调了企业关系概念的互惠性质，认为企业关系是两个组织之间为减少总成本或增加价值收益而形成的广泛的社会、经济、服务及技术联系。Morgan＆Hunt认为企业关系就是企业关系双方基于社会心理的相互作用过程。并研究了企业关系的结构和机理。陈晓峰将企业关系定义为供应商、客户，员工、政府、媒体及其他等众多联系的集合。钱言将企业关系定义为具有主观能动性的企业在行动过程中相互之间产生的一种联系，研究对象仅限于企业与企业之间。从以上观点，我们可以归结为广义和狭义两类定义。广义的企业关系指所有与企业发生直接相互作用的组织和个体。狭义的企业关系单指两个或多个企业组织之间出现的、相对持久的资源交易、资源流动和资源联系。

笔者认为广义的企业关系中个体与组织两类关系对象在关系接触方式、关系价值贡献率、关系稳定性以及控制模式等方面均存在显著差异。同样的道理。政府机构、媒体和社区等组织形式的关系对象与企业组织在结构体制和运作模式上与企业也无可比性。因此，我们在对企业关系管理研究时。不可将其一概而论。基于以上表述，本文的研究选取了狭义的企业关系为研究对象，即企业关系管理就是指对企业自身与其他企业之间的相互作用进行管理和控制过程。

2企业关系管理内涵。对企业关系管理内涵可作如下归纳：

(1)合理选取关系对象。依照系统论的观点。结构决定功能，那么企业关系的结构组成就是分析企业关系特有功能和价值的基础。关系对位才能创造价值，企业需要结合自身经营战略目标决定与哪些企业形成特定的关系类型，并建立紧密或松散的关系来完成自身目标。因此，企业关系管理的首要步骤就是选取与之相称的关系对象。如果选择的关系对象志不同，道不合，趣不投，关系就不可能长期维持。如果路径选择不同。关系双方则不能形成战略的协同和资源的互补，达不到降低成本，提高收益率的目的：而双方价值观、行为方式与管理风格等文化方面的差异也同样如此。

(2)最大化关系价值。以价值为本的管理模式使得关系价值成为企业关系管理的核心和实施企业关系管理策略的主要依据。企业关系管理的过程就是企业寻求关系价值最大化的过程。其中，关系变量是衡量企业关系价值大小的最主要指标。Wilson基于广泛的B—to—B文献提出了以下数影响企业关系演化中关系价值的关系变量：承诺、信任、合作、共同，分享目标、相互依赖，权力的不平衡、绩效满意度、不同水平的变化、相互适应性、沉没成本、共享技术、组织上的关系和社会性关系等等。企业就是通过对关系双方此类变量信息的获取来评估企业关系绩效、关系收益、关系地位和相互适应性、转换成本等来感知关系价值，从而不断的修正初始的关系状态，以求各自的关系价值最大化。

(3)关系风险防范。处于开放系统中的企业关系本身存在许多不确定性因素，并由此导致企业关系风险，进而致使企业关系非意愿瓦解。企业关系风险主要表现为机会主义行为，即基于追求自我利益最大化而采取的欺骗行为。在企业关系中，机会主义行为主要表现为隐瞒和歪曲信息、躲避或违反关系契约而不完全履行关系承诺或关系义务、窃取关系企业的技术、挖走关系企业的关键人才等。

因此，有效的关系管理要求企业要与关系对象保持良好的沟通，深入分析和准确掌握对方的关系需求，全面、及时跟踪把握企业关系发展状态。形成企业关系双方的良性互动，降低了机会主义发生可能性。

3企业关系管理的体系结构。从体系结构上来看，企业关系管理架构由三个关键的部分组成如图1所示。

(1)关系接触层：企业关系的参与者可能是某一部门或者是多个部门，或者是在多个部门间转换。企业通过关系接触层的关系中心与关系对象进行各种方式的沟通和联系，并对各个部门的接触信息进行集中和处理。

(2)分析层：分析层是将关系接触中心和关系管理决策所产生的信息通过共享数据仓库连接起来。如果一个企业的信息来源相互独立，那么这些信息会有重复、互相冲突并且会过时，这对企业的整体运作效率将产生负面影响。基于统一的企业关系数据和融入所有企业业务应用系统的分析环境，就可以对其进行加工处理，提供即时分析，然后将分析结果反馈给决策层和整个企业内部。这样便增加了信息分析的价值，为企业的战略决策提供支持，企业决策者会权衡这些信息做出更全面及时的商业决策。

(3)决策层：决策层功能是对上面两部分的应用所产生的信息进行加工处理，产生商业智能。为企业的关系管理决策提供支持。并且关系决策层往往要再将关系活动分派到关系接触层的相关执行部门。

三、数据挖掘及其主要技术方法

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它通过选择数据，对数据进行检测，建立挖掘分析模型。挖掘出深层次的信息和知识，用于信息管理、过程控制、科学研究、决策支持等方面。

按照所挖掘的数据模式的不同，可以将数据挖掘的技术方法划分为以下四种!

1偏差分析。偏差分析用来发现数据集中与正常情况不同的异常和变化，并进一步分析种变化的原因。当某个别数据对象不符合大多数数据对象所构成的规律时就会形成孤立点。孤立点可能是事物偶然异常或分析操作失误等造成的，常常被视为噪声被剔除。但是也可能蕴含着重要的信息，比如，企业关系交易中的信用欺诈行为。诸如此类的小概率发生事件往往比经常发生的事件更有挖掘价值。

2预测。预测是指利用从历史数据集中自动推导出的对给定数据的推广描述，预测未知的数据值或变化趋势。

例如根据关系投资、关系企业规模和关系承诺等来预测关系价值。

3序列模式分析。序列模式分析把数据之间的关联性与时间性联系起来，不仅要确定事件是否发生，而且需要确定事件发生的时间。序列模式分析非常适于寻找事物的发生趋势或重复性模式。例如，对某关系在不同时段的关系互动状态行为进行分析，发现和探测稳定关系集。

4聚类分析。聚类分析是根据事物本身潜在的特性研究对象分类的方法。通过聚类把一个数据集中的个体或对象按照相似性归约成若干类别。其原则是使同一类别中的对象之间具有尽可能大的相似性。而不同类别中的对象之间具有尽可能大的差异性。如按照关系稳定性或关系价值大小对关系对象聚类。

5演变分析：演变分析描述的是随时间变化的行为的规律或趋势，并建立与时间的关系模型。例如。对随时间变化的关系的稳定性分析。

四、企业关系管理中数据挖掘的运用

1企业关系管理的数据仓库。企业关系管理中数据仓库的数据分为源数据、关系型数据和多维数据三类。将所有分散在不同部门、不同业务系统的数据按统一的标准进行提取后形成的数据我们称之为源数据。源数据是数据仓库开发的基础数据。关系型数据是在源数据的基础上，按照不同的业务需求整合形成的数据。关系型数据经过了对源数据的清洗和整理，能够保证数据的标准化，可以支持绝大部分对关系型数据库的分析和查询应用。且是建立多维数据的基础。多维数据是建立在关系型数据的基础上，针对不同的业务需求、从不同的视角产生的，能够提供满足业务需要的数据。

2企业关系管理中数据挖掘应用的几个方面。

(1)关系细分。基于数据挖掘技术的聚类功能可按照不同的标准，比如：企业关系对象的类型、企业规模、关系价值、关系稳定性和满意程度等来划分不同的关系对象群体。以实现对企业关系针对性的差异化关系管理策略，实现关系价值最大化。

(2)关系价值评估。企业若不评价估计企业关系的价值，就很难做出适时的关系管理策略。由于企业关系价值评价指标具有较强模糊性，常常采用数据挖掘的模型综合评价方法来评估关系价值的高低。数据挖掘技术还可以分析和预测不同情况下关系价值的变化，帮助企业制定合适的关系策略。

(3)关系质量、关系满意度评价。关系质量和关系满意度是关系主体根据一定的标准对关系满足各自需求程度的共同认知评价。不断的追求高关系质量和关系满意度是提高关系稳定性和获取最大关系价值的重要手段。已有大量文献表明，数据挖掘的统计回归分析方法是挖掘关系质量影响因素及分析它们之间相互关系的有力工具。

(4)企业关系方信用评估与机会主义风险识别和防范。数据挖掘技术可以为关系风险管理提供一个客观、准确的评估和控制机制。以数据统计分析为基础的数据挖掘技术，通过收集和分析关系对象的行为、信用和背景纪录，从大量历史数据中分析出具体企业关系的机会主义行为倾向及信用等级。另外，还可以通过孤立点分析还可以发现关系对象的一些异常行为，有效防范风险。

(5)企业关系状态预测。把握企业关系动态特征是关系管理的关键。数据挖掘技术通过对实时关系动态数据的采集和整理，将多源数据进行融合、分析和挖掘，提取企业关系状态特征，同时结合历史数据和未来预测数据对关系的发展演化过程进行仿真预测。

3企业关系管理的数据挖掘过程。根据上文对企业关系管理体系结构的描述，建立基于数据挖掘技术的企业关系管理系统模型如图2，它的工作流程主要包括以下三个阶段：

(1)数据准备阶段。它主要包括目标定义和数据预处理两个阶段。目标定义是了解企业经营要达到的目标，在此基础上进行企业关系的数据收集。数据收集主要在关系接触层，包括呼会面、电子邮件、电话、传真等方式。最初搜集的数据是源数据。比较分散且有大量冗余：要再按照不同业务需求过滤和筛选，保留其中的关系型数据：再对关系型数据分析、处理和集成转换，降低数据维数，形成适合数据挖掘的数据集合，最后再将此数据集合装入数据仓库。数据仓库的数据来源还可以是其他系统，如ERP、CPM、SCM系统中的现存数据。

(2)数据挖掘阶段。该阶段对应关系管理体系的分析层次，是整个基于数据挖掘技术的关系管理系统的核心。针对前一阶段处理、整合形成的数据集合。在模型库和知识库的帮助下，根据不同的业务需要，选择适合的数据挖掘模型、挖掘技术及工具，对数据仓库中的数据进行挖掘。并借助有关联系分析处理得到隐藏的企业关系知识及模式，并将分析出来的有用模式保存到模型库和知识库中。

(3)数据挖掘结果应用阶段。该阶段对应关系管理的决策层，数据挖掘和知识发现的最终目的就是辅助决策者做出决策。决策者可以根据数据挖掘的解释结果，结合实际情况，调整关系管理策略。以便企业更好地进行关系管理工作。并且，企业关系管理实践同时检验数据挖掘知识和模型使用效果，若效果不好则需要重新修改原有的模型，甚至是原有的目标重新定义。

五、结论

企业关系管理是网络时代企业管理的新范式，是企业获取外部资源、竞争优势和降低成本的必要手段。数据挖掘技术的引入能高质量地实现企业关系管理目标。应用数据挖掘技术可以为企业高层决策者提供企业关系细分、关系价值评估、关系质量和满意度的评价、企业关系状态的预测及企业关系机会主义风险的防范等信息，指导企业关系管理策略。可见数据挖掘技术在企业关系管理应用中有着可观的前景。