Gartner发布07年2季度客户数据挖掘魔力象限

Garner发布07年2季度客户数据挖掘魔力象限

　　最近，著名软件评测商Gartner对数据挖掘领域软件进行了评测，最终的结果是，SAS和SPSS以及领域中的传统地位仍然位于数据挖掘的领导者象限。异军突起的是KXEN和Portrait Software，作为远见卓识家而出现。挑战者是一片空白，其它的十余个厂商占据着利基市场。

数据挖掘方兴未艾，客户的选择显示了在CRM支撑系统中部署数据挖掘应用的高度不一致。传统的方法强调分析的准确性，由“良种”（人们将这些经过长时期精心培育、发展而推出的、在某一功能领域内集成的，既在某一个方面有优于ERP的特长，又有很强的独立性的软件）数据挖掘工具厂商提供。虽然这种方法适合较少的模型，或者是花费足够的时间得到正确结论是可行的，可是在CRM中可能不是正确的诉求。一些客户相关的决策必须很快得出（例如，评估客户转换服务提供商的可能性）。另外，可能需要创建几千个模型（在零售业或者面向消费者的打包的产品环境中）以辨识几千个产品的最优目标客户。

在此项评测中，共有SAS、SPSS、KXEN、Portrait Software、Angoss Software、Unica、ThinkAnalytics、Fair Isaac、Infor CRM Epiphany等十家公司入选，这代表着当今的市场情况，在中国市场，主要的数据挖掘工具是SAS、KXEN和SPSS。

包含或者排除工具标准

功能

         以数据挖掘驱动的打包应用，支持普通的CRM决策，譬如交叉销售或者客户流失防范等。

         适合商业用户合适的用户界面（譬如营销，分群，生产，销售和服务管理）来进行分析。

         由不同的数据源操作数据的能力，尤其是那些有客户交易和交互的信息（譬如客户数据仓库、呼叫中心、电子邮件或者网页跟踪系统）的数据，还有第三方的数据提供者，包含客户相关的信息（譬如人口统计信息和市场消费信息）

         稳健的数据挖掘算法，能够对不同类型和不同大小的数据提供可靠的和可延展的洞察力。

市场表现

         至少15个可参考的客户，在CRM支撑上应用这个厂商的数据挖掘工具。

         在过去的一年中至少5个新客户。

加入的新的厂商：Angoss Software和 Infor CRM Epiphany。

剔除的厂商：

Chordiant包含在"Magic Quadrant for Customer Data Mining, 1Q06,"在此更新中剔除，因为它的合并数据挖掘和商业规则（决策管理）的侧重点可能会引起误导性的比较。

Teredata也包含在"Magic Quadrant for Customer Data Mining, 1Q06,"在此更新中剔除，因为它强调数据挖掘过程的数据库内的数据准备和得分,这让Teredata对于其它提供面向CRM用户的打包应用的数据挖掘工具厂商来说，成为辅助工具，而不是竞争性的工具。

评估标准

执行力

在七个评估厂商执行能力的标准上，产品/服务和市场反应/跟踪记录是两个最重要的标准。三个另外的标准（可靠性、市场成功和客户体验）次之，同时销售执行和厂商运营再次之。

         产品/服务（高）：产品操作客户数据，引导用户准确分析典型的商业问题，与相关的决策制定者共享分析结果的能力。

         市场反应和跟踪记录（高）：评估厂商在创造和商讨对于产品的一致的需求，以新客户获取和老客户用量的扩大为衡量依据。

         总体可靠性（商业单元，财政，战略，组织）（标准）：评估厂商的运营可靠性，和它的对产品线和客户支持的将来发展承诺。

         客户体验（标准）：评估厂商的客户的体验。成功的厂商将确信用户通过使用工具获得收益，通过提供合适的咨询服务，让客户能够彼此学习，关于产品导向提供建议。

         市场执行（低，在2006年为标准）评估厂商对市场的理解。虽然这仍然是一个标准，作为市场结果来说出现的问题应该比市场执行本身更重要。

         销售执行/定价（低）：评估厂商在把产品卖给多重买家（指用户有多个数据挖掘产品）的销售过程的效率和职业化；评估厂商的定价模型的合适度。虽然侵略性的销售策略和定价欺骗可能给厂商带来短期的成功，也可能疏远客户和潜在客户，危及厂商的长远的竞争力。

         操作性（低）：评估需要成为一个成功的客户数据厂商的内部流程和技术。这包括拥有和发展合适的市场，销售，管理，开发和支持团队，还有支持流程，譬如新产品测试。

视角完整性

在八个可能的评估厂商的视角完整性的标准中，两个最重要的是市场理解和产品策略。三个另外的标准相关性比较小，其余三个当前不是与市场相关，或者是包含在已有的标准中。

         产品策略（高）：评估厂商的已有的产品组合和计划的产品来适合客户当前和将来的需要。

         市场理解力（标准，06年为高）评估厂商对当前和即将出现的市场的理解。虽然这个仍然重要，对于厂商来说，把市场理解定位成策略中的另外的元素，譬如产品销售和行销同样重要。

         行销策略（标准）：评估厂商与CRM相关并且不同于其它厂商的价值主张的能力。

         销售策略（标准）：评估厂商运用直接和合作伙伴渠道的策略。

         垂直/工业策略（低）：评估厂商对于不同行业有不同客户数据挖掘需求的能力，评估厂商建立或者定制特定数据挖掘需求的能力。在当前市场成熟的阶段，企业团体愿意从另外的行业中应用最好的实践。随着增长市场成熟度和企业增长的行业特定解决方案的需求，这个标准的重要性可能升高。

         商业模型（不计入）市场中竞争的厂商跟随同样的普遍的商业模型，因此这不是差异化的有效基础。如果有不同商业模型的厂商进入市场，这个标准的重要性将出现。

         创新（不计入）虽然厂商的跟踪记录和创新的愿望是重要的标准，在另外的评估项中这已经列入其中之一，尤其在产品战略标准。虽然创新很重要，它必须与厂商和产品的能力作适当的均衡。

         地理战略（不计入）虽然区域的客户数据挖掘应用广泛程度不同，我们并不认为地理在所有的市场变革中和确定用户团体的选择标准中是重要的确定性因素。

领导者：在客户数据挖掘市场中占据领导厂商。他们不仅适合大多数企业，而且对于市场的方向和成长有重要影响。

挑战者：对于它们已有的商业应用来说数据挖掘市场首要的是辅助性地位。它们期望利用已有的客户基础，尤其是提供好的功能上的广度，但是他们的解决方案首要的是运用他们自己的技术手段。

远见卓识：对于客户数据挖掘的进展有强烈的远见。它们是有影响的革新家，主流厂商将最终沿如此的方向。但是在目前的阶段，远见卓识厂商必须获得广泛的共识，否则其成长性将受到质疑。

利基者：定位在特定市场的群体。他们可能集中在特定的CRM功能（譬如行销）、行业（譬如零售）、地域（譬如欧洲，中东和亚洲）或者商业问题（譬如流失），利基者对于广泛的客户数据挖掘需求来说，可能缺乏功能上的深度和广度，或者缺乏一些地域和行业的竞争力。

下面摘录中国市场用到的三个最主要的数据挖掘工具的评述：

SAS

强项

在数据挖掘市场，SAS是最大的厂商，它有众多的分析师，最多的客户经验，是数据挖掘的传统标准工具，外包和服务提供商深谙此产品。

SAS有最完整的数据准备和分析工具，很少有SAS不能解决的问题。寻求“一站式商店”平台的企业应该评估SAS。

弱项

         客户对SAS的定价策略及其不满。（客户不期望SAS有多便宜，但是他们对SAS价格的不可预知性十分不满（因为SAS是年租价格，所以客户不知道以后的价格变化），客户也无法在企业收益和SAS成本之间进行比对。对成本有要求的企业，或者那些必须证实成本-效益的企业应该评估其它。

         客户普遍感觉SAS不讨论产品方向，在这方面有所考虑的客户应该评估其它。

         SAS把自己视作数据挖掘需求的完整的解决方案，总是把自己看作客户唯一采用的数据解决方案。虽然这种态度不是不合逻辑，但是如果考虑到SAS的涉及范围，这却不是真实的（大多数企业同时用SAS和另外的工具）。当企业越来越合并不同的解决方案以获取最优效益时，SAS的应用便非常冒险。寻求把数据挖掘工具作为不同的工具网络中的一个“中继”的企业应该另选其它。

KXEN

强项

         KXEN能够自动创建管理大量的模型，能够用几千个有意义的变量建模。在这点上，KXEN与其它的数据挖掘产品迥异。即使有很好的数据挖掘实践的企业，也仍然评估KXEN，作为当前解决方案的有效补充。

         虽然几个厂商（譬如business object, Advizor Solutions, Alterian and smartFocus）把KXEN嵌入到应用程序中，KXEN的重点已经定位在CRM中独立的良种数据挖掘工具，而不是一般的数据挖掘工具包（虽然凭借其先进性的算法KXEN已经成为众多集成商的首选）。这样让客户有了更灵活的选择，把KXEN作为一个潜在的合作伙伴。KXEN将越来越成为服务提供商的重要组件，提升视角，提供广泛的实施和支持。

弱项

         KXEN不是一个传统的分析平台，不提供“传统”的算法，（它是能够实现数据挖掘自动化的先进改良算法），最近发布的新版本包含文本挖掘和企业模型管理。企业寻找传统的数据挖掘工具应该另它。

         KXEN在抽取，转换，装载和统计分析中有充足的功能来支持数据挖掘，但是它不能充分支持广泛的商业智能。企业应该把KXEN视作一个业务人员使用带来直接收益的一个数据挖掘工具。可以单独指导营销案管理、客户流失专题等。

SPSS

强项

         SPSS在分析各种各样的数据有最广泛的视角（行为、人口统计学、调查、非结构化数据等）。试图充分利用它们的所有数据（尤其网页，流量，文本，调查）的企业应该评估SPSS。

         SPSS对于模型管理环境有最好的视角，这可以更好的管理几个数据挖掘工具的结果。寻求管理一些模型的企业（尤其来源于不同的工具集）应该评估SPSS。

         SPSS花费几年来做预测性分析应用（Clementine做数据挖掘，Data Distilleries做实时预测）和非预测。（Net Genesis做网站分析，Lexiquese做文本挖，Dimensions做客户调查）。SPSS把这些合并为“预测型企业服务”的旗帜之下。用非中心化模型环境的企业应该考虑SPSS。

弱项

         寻求合理化数据挖掘工具组合（经常作为朝中心化分析建模的部分）的企业会感觉SPSS的Clementine和SAS/EM重叠。寻求宽广的数据挖掘和BI平台，而不是一系列数据挖掘工具的企业应该考虑其它。

         SPSS太大而不致于失策，但是不是大的充分可以组成一个宽广的分析或者商业应用的核心。SPSS相对保守的商业战略把它定位在了一个辅助的位置。

最后的评估结果如下：

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友