นิยามของคลังข้อมูล (Definition of a Data Warehouse)
ปัจจุบันนี้องค์ส่วนใหญ่ที่จะประสบความสำเร็จได้นั้นต้องขึ้นอยู่กับปัจจัยหลายๆอย่าง และปัจจัยที่สำคัญมากสำหรับองค์กรคือข้อมูลที่มีอยู่และใช้ประจำวัน (Operational Database) ซึ่งนับวันจะเริ่มเข้ามามีบทบาทมากขึ้นในแต่ละองค์กร ที่จะต้องมีการจัดเก็บอย่างดี ในอดีตการจัดเก็บข้อมูลเป็นเพียงการจัดเก็บบนเทปแม่เหล็ก แผ่นดิสก์ แผ่นซีดี ซึ่งมักจะเสี่ยงกับการสูญหายของข้อมูล และการค้นหาข้อมูลก็ทำได้ยากและใช้เวลานาน ยิ่งข้อมูลที่มีจำนวนมากๆ หรือมีขนาดใหญ่ ยิ่งเสี่ยงมาก อีกทั้ง การประมวลผลของข้อมูลยังช้าอีกด้วย ดังนั้น จึงมีผู้คิดค้นวิธรการจัดเก็บข้อมูลเพื่อสามารถนำมาใช้ให้เกิดประโยชน์สูงสุดนั่นก็คือ การจัดเก็บข้อมูลในระบบคลังข้อมูล หรือ Data Warehouse นั่นเอง เรามาทำความเข้าใจกับคลังข้อมูลกันก่อนว่า คลังข้อมูลนี้เป็นอย่างไร
คลังข้อมูล หมายถึง ฐานข้อมูลขนาดใหญ่ขององค์กรหรือหน่วยงานหนึ่งๆ ซึ่งเก็บรวบรวมข้อมูลจากฐานข้อมูลระบบงานประจำวัน หรือเรียกอีกอย่างว่า operational database และฐานข้อมูลอื่นภายนอกองค์กร หรือเรียกว่า external database โดยข้อมูลที่ถูกจัดเก็บในคลังข้อมูลนั้น มีวัตถุประสงค์ในการนำมาใช้งานและมีลักษณะของการจัดเก็บแตกต่างไปจากข้อมูลในฐานข้อมูลระบบงานอื่น และสามารถเก็บข้อมูลย้อนหลังได้หลายๆปี เพื่อใช้เป็นข้อมูลในการตัดสินใจหรือใช้ในการวิเคราะห์ข้อมูลที่ถูกต้องและมีประสิทธิภาพ โดยการวิเคราะห์ต้องทำได้แบบหลายมิติ (Multidimensional Analysis) โดยข้อมูลในคลังข้อมูลจะถูกนำมาใช้เพื่อสนับสนุนการตัดสินใจบริหารงานของผู้บริหาร โดยเฉพาะการเป็นข้อมูลพื้นฐานให้กับระบบงาน เพื่อการบริหารงานอื่น เช่น ระบบ DSS และระบบ CRM เป็นต้น)
|
เป้าหมายของการสร้างคลังข้อมูล คือ การแยกกลุ่มข้อมูลสารสนเทศที่ใช้ในการวิเคราะห์ทางธุรกิจออกจากฐานข้อมูลที่ใช้งานประจำวัน (Operational Database) มาเก็บอยู่ใน Relational Database Management Systems (RDBMS) ประสิทธิภาพสูง และทำให้การเรียกใช้ข้อมูลทำได้อย่างยืดหยุ่น จากเครื่องมือที่มีอยู่บนเดสก์ทอปทั่วไป โดยลด off-loading เพิ่มกลไกช่วยการตัดสินใจ ปรับปรุงเวลาที่ตอบสนอง (response time) รวดเร็วยิ่งขึ้นอย่างมากละผู้บริหารสามารถเรียกข้อมูลรายละเอียดที่จำเป็น ที่ถูกเก็บมาก่อนหน้านี้ (historical data) มาช่วยในการตัดสินใจทางธุรกิจอย่างแม่นยำขึ้น
ประโยชน์ของคลังข้อมูล
โดยทั่วไปแล้วข้อมูล Operational Database จะเก็บข้อมูลในรูปแบบ Transaction Systems เมื่อมีความต้องการในการจะนำข้อมูลเหล่านั้นมาใช้เพื่อช่วยในการตัดสินใจก็จะประสบกับปัญหาต่างๆ เช่น การเรียกข้อมูลจากฐานข้อมูลขนาดใหญ่ส่งผลช้า ข้อมูลเก็บแบบเป็นตารางเท่านั้น และการนำเสนอเป็นรูปแบบที่ตายตัว ไม่มีการเปลี่ยนแปลงตามความต้องการของผู้ใช้ ไม่ตอบสนองความต้องการของการตัดสินใจ เพราะข้อมูลมีความสัมพันธ์แบบซับซ้อนสูง ซึ่งข้อมูลมีการรวมตัวจากตารางหลายๆตารางมารวมกัน มีข้อมูลย้อนหลังน้อย ข้อมูลถูกจัดเก็บแบบกระจายซึ่งยากต่อการเรียกใช้ และเสียเวลาในการค้นหาข้อมูล
จากอุปสรรคดังกล่าว ทำให้คลังข้อมูลถูกออกแบบให้มีการตอบสนองงานในรูปแบบการตัดสินใจ โดยแยกฐานข้อมูลออกจาก Operational Database และเก็บข้อมูลในรูปของข้อมูลที่มีการวิเคราะห์ โดยการวิเคราะห์นั้นต้องทำได้หลายมิติ ข้อมูลจะมีความถูกต้อง มีประสิทธิภาพ สำหรับการนำไปช่วยในการตัดสินใจรวดเร็วยิ่งขึ้น
การจัดทำคลังข้อมูลจะมีความสำคัญมากยิ่งขึ้นในอนาคต เพราะปัจจุบันนี้ผู้ใช้และผู้บริหารงานของหน่วยงานในองค์กรต่างๆ เริ่มมีความเข้าใจและให้ความสำคัญกับข้อมูลมากขึ้น และเริ่มตระหนักว่าหากนำข้อมูลมาวิเคราะห์ให้เข้าใจสถานภาพหรือเหตุการณ์ที่เกิดขึ้นแล้วจะทำให้หน่วยงานหรือองค์กร พัฒนาและวางแผนสำหรับงานต่อๆไปได้เป็นอย่างดี ประโยชน์ของ Data Warehouse สามารถจำแนกได้เป็นข้อๆ ดังนี้
o ทำการรวบรวมข้อมูลที่มีความซับซ้อนให้ง่ายต่อการจัดเก็บ
- สามารถนำข้อมูลมาใช้ได้อย่างรวดเร็วและถูกต้อง
- ช่วยเสริมสร้างความรู้ของบุคลากรในองค์กร และสนับสนุนการตัดสินใจให้เกิดประสิทธิภาพ
- สร้างความได้เปรียบในการแข่งขันและปรับปรุงกระบวนการทางธุรกิจให้มีความรวดเร็วขึ้น
1. Consolidated and Consistant
Consolidated หมายถึง การรวบรวมข้อมูลที่เกิดขึ้นในระดับปฏิบัติการมาไว้ที่ศูนย์กลางเดียวกัน (คลังข้อมูล)
Consistant หมายถึง ข้อมูลจากแหล่งต่างๆที่รวบรวมมาไว้ในคลังข้อมูล จะต้องมีคุณสมบัติที่เหมือนกัน รูปแบบเดียวกันและสอดคล้องกัน
2. Subject-Oriented Data หมายถึง เก็บข้อมูลในระดับปฏิบัติการเฉพาะส่วนที่นำมาใช้เชิงวิเคราะห์หรือ เชิงตัดสินใจมากกว่าการเก็บข้อมูลเพื่อตอบคำถาม
3. Historical Data หมายถึง จะเก็บย้อนหลังเป็นเวลาหลายๆปี เพื่อจะได้นำไปวิเคราะห์เปรียบเทียบหาแนวโน้มของข้อมูลเปรียบกับปีที่ผ่านมา
4. Read – Only Data หมายถึง ข้อมูลในฐานข้อมูลไม่ควรมีการแก้ไขหลังจากที่นำข้อมูลเข้าสู่ฐานข้อมูลของคลังข้อมูลแล้วไม่มีการ Insert update or delete ข้อมูลภายในคลังข้อมูลนอกจากการเพิ่มข้อมูลเข้าอย่างเดียว
คุณลักษณะเฉพาะของคลังข้อมูล
1. Subject oriented หรือการแบ่งโครงสร้างตามเนื้อหา หมายถึง คลังข้อมูลถูกออกแบบมาเพื่อมุ่งเน้นไปในแต่ละเนื้อหาที่สนใจ ไม่ได้เน้นไปที่การทำงานหรือกระบวนการแต่ละอย่างโดยเฉพาะเหมือนอย่างฐานข้อมูลปฏิบัติการในส่วนของรายละเอียดข้อมูลที่จัดเก็บในระบบทั้งสองแบบก็จะแตกต่างกันไปตามความต้องการใช้งานด้วยเช่นกัน คลังข้อมูลจะไม่จำกัดเก็บข้อมูลที่ไม่มีส่วนเกี่ยวข้องกับการประมวลผลเพื่อสนับสนุนการตัดสินใจ ในขณะที่ข้อมูลนั้นจะถูกเก็บไว้ในฐานข้อมูลปฏิบัติการหากมีส่วนที่เกี่ยวข้องกับกระบวนการทำงาน
2. Integration หรือการรวมเป็นหนึ่ง ซึ่งถือได้ว่าเป็นคุณลักษณะที่สำคัญที่สุดของคลังข้อมูล คือการรวบรวมข้อมูลจากหลายฐานข้อมูลปฏิบัติการเข้าด้วยกัน และทำให้ข้อมูลมีมาตราฐานเดียวกัน เช่นกำหนดให้มีค่าตัวแปรของข้อมูลในเนื่อหาเดียวกันให้เป็นแบบเดียวกันทั้งหมด
3. Time variancy หรือความสัมพันธ์กับเวลา หมายถึงข้อมูลในคลังข้อมูล จะต้องจัดเก็บโดยกำหนดช่วงเวลาเอาไว้ โดยจะสัมพันธ์กับการดำเนินธุรกิจของหน่วยธุรกิจนั้น เพราะในการตัดสินด้านการบริหารจำเป็นต้องมีข้อมูลเปรียบเทียบในแต่ละช่วงเวลา แต่ละจุดของข้อมูลจะเกี่ยวข้องกับจุดของเวลาและข้อมูลแต่ละจุดสามารถเปรียบเทียบกันได้ตามแกนของเวลา
4. Nonvolatile หรือความเสถียรของข้อมูล หมายถึงข้อมูลในคลังข้อมูลจะไม่เปลี่ยนแปลงบ่อย ไม่ว่าจะเป็นการเพิ่มเติมข้อมูลใหม่ หรือการปรับปรุงแก้ไขข้อมูลเดิมที่บรรจุอยู่แล้ว ผู้ใช้ทำได้เพียงการเข้าถึงข้อมูลเท่านั้น
3. Time variancy หรือความสัมพันธ์กับเวลา หมายถึงข้อมูลในคลังข้อมูล จะต้องจัดเก็บโดยกำหนดช่วงเวลาเอาไว้ โดยจะสัมพันธ์กับการดำเนินธุรกิจของหน่วยธุรกิจนั้น เพราะในการตัดสินด้านการบริหารจำเป็นต้องมีข้อมูลเปรียบเทียบในแต่ละช่วงเวลา แต่ละจุดของข้อมูลจะเกี่ยวข้องกับจุดของเวลาและข้อมูลแต่ละจุดสามารถเปรียบเทียบกันได้ตามแกนของเวลา
4. Nonvolatile หรือความเสถียรของข้อมูล หมายถึงข้อมูลในคลังข้อมูลจะไม่เปลี่ยนแปลงบ่อย ไม่ว่าจะเป็นการเพิ่มเติมข้อมูลใหม่ หรือการปรับปรุงแก้ไขข้อมูลเดิมที่บรรจุอยู่แล้ว ผู้ใช้ทำได้เพียงการเข้าถึงข้อมูลเท่านั้น
สถาปัตยกรรมของคลังข้อมูล
1. Operational database หรือ external database layer ทำหน้าที่จัดการกับข้อมูลในระบบงานปฏิบัติการหรือแหล่งข้อมูลภายนอกองค์กร
2. Information access layer เป็นส่วนที่ผู้ใช้ปลายทางติดต่อผ่านโดยตรง ประกอบด้วยฮาร์ดแวร์และซอฟต์แวร์ ที่ใช้ในการแสดงผลเพื่อวิเคราะห์ โดยมีเครื่องมือช่วย เป็นตัวกลางที่ผู้ใช้ใช้ติดต่อกับคลังข้อมูล
2. Information access layer เป็นส่วนที่ผู้ใช้ปลายทางติดต่อผ่านโดยตรง ประกอบด้วยฮาร์ดแวร์และซอฟต์แวร์ ที่ใช้ในการแสดงผลเพื่อวิเคราะห์ โดยมีเครื่องมือช่วย เป็นตัวกลางที่ผู้ใช้ใช้ติดต่อกับคลังข้อมูล
3. Data access layer เป็นส่วนต่อประสานระหว่าง Information access layer กับ operational layer
4. Metadata layer เพื่อให้เข้าใจถึงข้อมูลได้ง่ายขึ้น และเป็นการเพิ่มความเร็วในการเรียกและดึงข้อมูลของคลังข้อมูล
4. Metadata layer เพื่อให้เข้าใจถึงข้อมูลได้ง่ายขึ้น และเป็นการเพิ่มความเร็วในการเรียกและดึงข้อมูลของคลังข้อมูล
5. Process management layer ทำหน้าที่จัดการกระบวนการทำงานทั้งหมด
6. Application messaging layer เป็นมิดเดิลแวร์ (Middleware) ทำหน้าที่ในการส่งข้อมูลภายในองค์กรผ่านทางเครือข่าย
7. Data warehouse (physical) layer เป็นแหล่งเก็บข้อมูลของทาง information data และ external data ในรูปแบบที่ง่ายแก่การเข้าถึงและยืดหยุ่นได้
8. Data staging layer เป็นกระบวนการการแก้ไข และดึงข้อมูลจาก external database
ข้อเสียของคลังข้อมูล
1. ขั้นตอนการกลั่นกรองและโหลดข้อมูลเข้าสู่คลังข้อมูลใช้เวลานาน และต้องอาศัยผู้ที่มีความชำนาญ
1. ขั้นตอนการกลั่นกรองและโหลดข้อมูลเข้าสู่คลังข้อมูลใช้เวลานาน และต้องอาศัยผู้ที่มีความชำนาญ
2. แนวโน้มความต้องการข้อมูลมีมากขึ้นเรื่อย ๆ 3. ใช้เวลานานในการพัฒนาคลังข้อมูล
4. ระบบคลังข้อมูลมีความซับซ้อนสูง
4. ระบบคลังข้อมูลมีความซับซ้อนสูง
โมเดลข้อมูลของคลังข้อมูลของ Data Warehouse
โมเดลข้อมูลของคลังข้อมูลของ Data Warehouse ซึ่งเปรียบเสมือนกับรูปลูกบาศก์ที่มีมุมมองหลากหลาย แต่ละมุมมองทำให้เกิดการคิวรีข้อมูลจาก Data Warehouseได้หลากหลายแบบคิวบ์ (Cube) ประกอบด้วยองค์ประกอบที่สำคัญคือ Dimention และ Measure การผสมผสานของ Dimention ต่างๆ ของคิวบ์ (Cube) ในบทนี้ คิวบ์ (Cube) มีโครงสร้างได้ 2 แบบคือ โครงสร้างแบบ Star Schema และ โครงสร้างแบบ Snowflake Schema
Dimensional Modeling เป็นชื่อเรียกของเทคนิคในการทำให้ฐานข้อมูลง่ายต่อการทำความเข้าใจ โดยการมองภาพของฐานข้อมูลเป็นลูกบาศก์ที่มี 3,4,5 มิติ หรือมากกว่านั้น ทำให้สามารถจิตนาการการ หันหรือแบ่งลูกบาศก์ที่มีลักษณะเหมือนลูกเต๋านี้ได้ นั่นคือสามารถตัดข้อมูลมาวิเคราะห์ดูในช่วงใดก็ได้ และหมุนข้อมูลดูได้จากทุกๆด้านของลูกเต๋า ตัวอย่างเช่น เราขายสินค้า (product) ในหลายๆที่ (market) และในช่วงเวลาต่างๆกัน (time) เราสามารถสร้าง Dimensional Modeling ได้โดยให้ label คือ product, market และ time อยู่บนแต่ละด้านของลูกบาศก์ที่เป็น 3 มิติ แต่ละจุดภายในลูกบาศก์เกิดจากการตัดของ coordinate ซึ่งมี label อยู่ที่ขอบของลูกบาศก์ ดังนั้นจุดต่างๆภายในลูกบาศก์คือผลลัพธ์ทางด้านธุรกิจที่พิจารณาจากทั้ง 3 เรื่องคือ สินค้า, ทีขายสินค้า, เวลา พร้อมๆกัน
การออกแบบโครงสร้างการเชื่อมโยงระหว่างตารางเก็บข้อมูล ตามลักษณะของ Dimensional แบ่งออกเป็น 2 ประเภท คือ
1. Star schema เป็นเทคนิคที่ใช้ multidimensional model โดย data warehouse จะมีตั้งแต่ 1 star schema ขึ้นไป star schema จะมีลักษณะที่มี fact table อยู่ตรงกลางล้อมรอบด้วยหลาย ๆ dimension table ที่เก็บรายละเอียดของ fact ที่ไม่ใช่ normalized center
Star Schema วิธีนี้จะช่วยเพิ่มความสามารถในการ query โดยลดประมาณ data ที่ อ่านจาก disk การวิเคราะห์การ queries ข้อมูลใน dimension table ที่เล็กจะใช้ dimension key จาก indexใน central fact table เป็นการลดจำนวนข้อมูลที่ต้องตรวจสอบ ซึ่งมีข้อดีคือ มีจำนวนของตารางน้อย ,สร้าง query ง่าย และเร็ว
2. Snowflake schema มีความแตกต่างจาก Star schema ตรงที่ dimension table จะเก็บข้อมูลจะเก็บข้อมูลที่อยู่ในรูป normal form จาก star schema เราอาจจะเกิดปัญหาในการ design ได้ snowflake จึงเกิดขึ้นมาเนื่องจากปัจจัยดังนี้
· สภาวะทางธุรกิจ
· การ design ไม่สามารถ implement โดยใช้ star schema
Snowflake Schema จะใช้ในทางธุรกิจ แต่จะไม่แนะนำให้เลือกวิธีนี้ เนื่องจากวิธี นี้มีความยุ่งยากในการดูแล การเก็บข้อมูลผู้ใช้ระบบไม่สามารถรู้ได้ว่าข้อมูลอยู่ที่ ไหน อีกทั้งการเข้าถึงข้อมูลยังช้าอีกด้วย
KEYWORD FOR CUBE
• Slice การนำเสนอหน้าใดหน้าหนึ่ง
• Dice การตัดส่วนของ CUBE ให้เล็กลง
• Roll up การยุบ หรือ รวมให้สูงระดับสูงขึ้น
• Drill Down การย่อยลง ให้สูงระดับต่ำลง
n ใช้อุปกรณ์บันทึกข้อมูลที่สามารถเก็บข้อมูลลงในฐานข้อมูลของระบบคอมพิวเตอร์ได้ทันที
n การปรับค่าของข้อมูลให้เป็นปัจจุบันและการเพิ่มข้อมูลลงไปในฐานข้อมูล
ปัจจัยที่จะต้องคำนึงถึงในการจัดทำระบบ OLTP
1) ขนาดและตำแหน่งของ rollback segment
2) ดัชนี การจัดกลุ่ม และ การคำนวณตำแหน่งที่อยู่ (hashing)
3) การออกแบบข้อมูลธุรกรรมให้เหมาะกับงานประยุกต์
4) หน่วยเก็บและเนื้อที่ว่างสำหรับการเก็บข้อมูลใหม่
5) ความเข้าใจลักษณะงานประยุกต์และการเขียนคำสั่งสำหรับค้นคืนข้อมูล
6) การปรับปรุงสมรรถนะของระบบอย่างต่อเนื่อง
On-line Analytical Processing (OLAP)
ในการสำรวจข้อมูลของผู้บริหารอุตสาหกรรมส่วนใหญ่ ต้องการข้อมูล เพื่อประกอบการตัดสินใจ ในรูปของ สเปรดชีด (Spreadsheets) รายงาน (Report) และ เครื่องมือวิเตราะห์ (Analytical tools) เครื่องมือที่สามารถนำเสนอข้อมูล และ วิเคราะห์ข้อมูล ดังกล่าว คือ Online Analytical processing (OLAP) โดยโปรแกรมดังกล่าว เป็นเครื่องมือ ที่นำเสนอข้อมูลในรูปแบบ ต่างๆ จาก Data Warehouse
OLAP server และ Desktop tools สนับสนุนการวิเคราะห์ความเร็วสูง ของ ชุดข้อมูลที่มีความสัมพันธ์ที่ซับซ้อน ตัวอย่างเช่น ส่วนผสมของ สินค้า(Product) ช่องทางการขาย (Channel of distribution) และ ระยะเวลา (Time period ) OLAP ถูกออกแบบให้ ความสามารถในการเรียกดูข้อมูล ที่รวดเร็ว เนื่องจาก โครงสร้างการจัดเก็บที่เหมาะสม และ การหลีกเลี่ยงการใช้ Index จำนวนมาก ทำให้ระบบแบบนี้จึงไม่เหมาะสมกับการเปลี่ยนแปลงข้อมูลจำนวนมากๆ ด้วยคุณสมบัติดังกล่าวนี้ทำให้ OLAP ถูกใช้ร่วมกับ Data Warehouse เสมอ
สรุปความแตกต่างของคลังข้อมูลกับฐานข้อมูลที่ใช้ประจำวัน
1. Consistency ทั้ง OLTP และ คลังข้อมูล ต่างก็ให้ความสำคัญในเรื่องข้อมูลควรจะมีความสอดคล้องกัน สำหรับ OLTP ซึ่งมีการทำ transaction จำนวนมากๆสิ่งที่ต้องการคือการทำ transaction ให้ครบ ไม่มีการสูญหาย ดังนั้นจึงมีความจำเป็นผู้ส่งและผู้รับจะต้องรับรู้และตรวจสอบอยู่ตลอกเวลาว่าขณะนี้มีการทำ transaction เกิดขึ้นหรือไม่ สำหรับคลังข้อมูล จะไม่สนใจทำการทำ transaction แต่ละครั้ง แต่จะสนใจว่าการ load
2. data ใหม่เข้ามานั้นทำสำเร็จหรือยัง และการ load data เข้ามาทั้งหมดนั้นถูกต้องหรือไม่
3. Transaction สำหรับระบบ OLTP นั้น ในแต่ละวันอาจมีการทำ transaction มากมายซึ่งการทำ transaction แต่ละครั้งจะใช้ข้อมูลเพียงแค่เล็กน้อยเท่านั้น สำหรับคลังข้อมูล แต่ละวันจะทำแค่เพียง 1 transaction ซึ่ง transaction นี้อาจต้องใช้ข้อมูลเป็นจำนวนมากมาย
4. Time Dimension สำหรับ OLTP นั้นจะทำงานอย่างรวดเร็วและทำ transaction อย่างสม่ำเสมอ สถานะของข้อมูลต่างๆมีการเปลี่ยนแปลงอยู่ตลอดเวลา และความสัมพันธ์ระหว่าง entity ต่างๆก็เปลี่ยนแปลงไปด้วย สำหรับระบบคลังข้อมูลมักจะเก็บข้อมูลในอดีตเพื่อใช้ในการวิเคราะห์ ดังนั้นข้อมูลจะไม่ค่อยมีการเปลี่ยนแปลงตลอดวัน
CRM (Customer Relationship Management) เกี่ยวข้องอะไรกับ Data Warehouse
ปัจจุบันกระแสของ CRM ยังเป็นกระแสที่มาแรงอยู่อย่างต่อเนื่อง เพราะไม่ว่าผู้บริหารทั้งส่วนธุรกิจ และส่วนไอที ต่างก็หนีไม่พ้นเรื่อง CRM ที่ว่านี้เลย CRM นั้นย่อมาจาก Customer Relationship Management หรือการบริหารลูกค้าสัมพันธ์นั่นเอง อย่างไรก็ตาม CRM เป็นเพียงการสร้างความสัมพันธ์อันดีกับลูกค้า โดยมีความหวังว่าลูกค้าเหล่านั้นจะมีความจงรักภักดีกับองค์กรกับแบรนด์หรือผลิตภัณฑ์ของเรา
ทำไมเราจึงต้องมี CRM การทำธุรกิจแบบเดิมๆ ที่ผ่านมา ยังไม่เพียงพอเพราะในโลกของธุรกิจ ย่อมต้องแข่งขันกันซึ่งจะทวีความรุนแรงมากขึ้น สินค้าและบริการที่แต่เดิมจะขึ้นอยู่กับผู้ผลิตว่าจะผลิตอะไรออกมาให้ใช้ เริ่มเปลี่ยนเป็นรูปแบบที่เน้นความต้องการของลูกค้าเป็นหลัก (Customer Oriented) หรือผู้บริโภคเป็นผู้กำหนดว่าต้องการสินค้าแล้วบริการอะไร
การแข่งขันที่รุนแรงนี้เอง ประกอบกับสินค้าที่แทบจะไม่มีความแตกต่าง สิ่งที่เกิดขึ้นคือ ลูกค้าไม่หลงเหลือความจงรักภักดีแล้ว นี่แหล่ะคือเหตุผลที่บริษัทหลายๆ แห่งจะเน้นไปที่การบริการ เพื่อสร้างความแตกต่าง และ CRM เองก็เป็นอีกกลยุทธ์หนึ่งที่จะช่วยสร้างความแตกต่างนี้
ในปัจจุบันบริษัททั้งหลายจึงเน้นไปที่ลูกค้าของตนเองที่มีอยู่เดิม เราจึงไม่ต้องแปลกใจว่าสำหรับผู้ที่มีส่วนแบ่งทางตลาดที่อาจจะไม่ได้เติบโตมากนัก ก็ไม่ได้หมายความว่าบริษัทมีการดำเนินงานที่ไร้ประสิทธิภาพ เพราะว่าการทำให้ฐานลูกค้าเดิมจ่ายเงินมากขึ้น ย่อมหมายถึงรายได้ที่เพิ่มขึ้นได้ แล้วทำไมธุรกิจทั้งหลายจึงเลือกที่จะมุ่งไปที่ลูกค้าเดิมที่มีอยู่ คำตอบง่ายๆ ก็เพราะว่าค่าใช้จ่ายในการหาลูกค้าใหม่ๆ มันสูงกว่าการทำให้ลูกค้าเดิมๆ จ่ายเพิ่มนั่นเอง
การที่จะทำให้ลูกค้าเดิมจ่ายเงินมากขึ้น แน่นอนว่าเรายังต้องการ M อีกหนึ่งตัว นั่นก็คือ Marketing นั่นเอง ดังนั้นในปัจจุบัน คำเรียกที่น่าจะดูมีพลังและสะท้อนถึงผลที่จะเกิดขึ้นกับบริษัทมากที่สุดน่าจะเป็น CRM&M มากกว่า เพราะแค่การบริหารลูกค้าเดิมนั้นให้รู้สึกดีกับ
องค์กรก็ทำให้เขารู้สึกดีระดับหนึ่ง แต่การหาผลประโยชน์จากความสัมพันธ์อันดีต่างหาก นั่นคือหัวใจหลักที่เราจะต้องรู้จักทำการตลาด ผมเองเชื่อว่ายังมีบริษัทอีกมากมายที่ยังไม่ได้ลงมานั่งวิเคราะห์พฤติกรรมของลูกค้าอย่างจริงๆ จังๆ ดังนั้นในแง่ของ Business Intelligent (BI) หรือ Data Warehouse คงจะเริ่มมีบทบาทในการสร้างความสัมพันธ์ และการหารายได้แบบหนึ่งต่อหนึ่งกับลูกค้า เช่น บริษัทบัตรเครดิตมีการวิเคราะห์พฤติกรรมการใช้จ่ายของลูกค้าผ่านบัตรเครดิตของแต่ละคนแค่ไหน และฐานข้อมูลของผู้ใช้บัตรเมื่อสามปีที่แล้วกับผู้ใช้บัตรคนเดิม ณ ปัจจุบันมีการปรับปรุงแค่ไหน สถานะของเขาเป็นอย่างไร และจะทำอย่างไรเพื่อจะได้นำเสนอสินค้าและบริการให้ตรงใจได้นั้น ถ้าเราสามารถวิเคราะห์ได้ว่าช่วงนั้นช่วงนี้ ผู้ถือบัตรอาจจะเติบโตในสายงานมีเงินเดือนมากขึ้น หรืออาจจะแต่งงาน ซื้อบ้าน หรือแม้กระทั่งกำลังจะมีลูก และอื่นๆ ตลอดชั่วอายุคน สิ่งเหล่านี้เป็นโอกาสที่จะนำเสนอสินค้าและบริการทั้งสิ้น การนำสินค้าและบริการนำเสนอให้ถูกคนถูกเวลา คงจะเป็นยุทธศาสตร์ที่สำคัญของธุรกิจในปัจจุบันและอนาคต…
ไม่มีความคิดเห็น:
แสดงความคิดเห็น