监控每个账户

摩根斯坦利Morgan Stanley 使用SAS ETLQ解决方案来真正提供信息

像许多经纪公司一样， 摩根斯坦利可以对其500万个帐户吹嘘一翻，但事实上拥有的账户并没有这么多。

古老的华尔街企业提供无数的产品和服务，1997年与Dean Witter 合并之后拥有Discover Card 公司，发卡用户达5000万。在求助于SAS来帮助分析和管理公司数据之前，它没有能力来确定市场营销工作的目标和向最具盈利性的客户提供最好的费用结构。

“最初，客户加入到摩根斯坦利时，他们可以开立多个账户—IRA、教育IRA、定期经纪账户—但我们没有任何办法来查看和分析客户的历史记录，” CRM 部总裁兼首席统计师Tom Tao说。公司还很难确定最具盈利性的客户，而且各个账户将会收到同一市场活动的多份宣传品。

匹配账户和住户
摩根斯坦利的 CRM数据表存储了至少来自30个不同数据源的高达5个TB的数据。从外部人口统计和客户生命周期信息到内部收入、费用、交易、购买的产品信息和个人信息，该数据库捕获了大量的数据。

摩根斯坦利IT小组

为了匹配所有这类数据和特殊的客户或账户，摩根斯坦利求助于SAS 来提供数据仓库、数据清理和智能分析解决方案。

现在，公司知道其500万账户与260万个住户相匹配。它现在可以在单个客户级别匹配这类信息和公司产品、生命周期数据和态度信息。它可以找到有多少钟爱互助基金的纽约人将投入大量的资产来用于响应教育IRA产品。而且它可以确定即将退休的富有的芝加哥人当中，如果他们开立了多个IRA，谁会愿意享受摩根斯坦利首选的费用结构。

“现在我们可以问这样的问题，如‘某一互助基金的客户普及率是多少？’”Tao 说。“未使用SAS之前，我不认为任何人可以及时获得这类信息。他们必须前往IT部门，这需要太长的时间，因为我们的IT小组不能处理分析请求。”

好的数据产生好的模式结果

如果您有30个以上的数据源，确实清理它们是非常重要，否则模式将不能正常工作。借助于SAS的ETL^Q (ETL to the power of Q，用于质量控制)，用最小的工作来清理这类数据，产生最大的效果。

摩根斯坦利选择的SAS解决方案将提取-转换-上传流程与SAS公司DataFlux 提供的数据清理功能融为一体。DataFlux 软件清理数据并发现相同的数据，以及一个住户的多个账户。

“我们可以真正担保这类数据，” 摩根斯坦利客户技术服务部副总裁Michael Strachan说。

使用数据清理流程来从Discover信用卡公司营销名单中删除相同的地址。“SAS ETL^Q 使我们能够从特殊活动的名单中删除大约350,000个姓名，”他说。“它不仅仅可以节约邮寄成本，而且它还可以避免由于重复的邮件而惹恼客户。”

下一步将是使用数据清理功能对经纪人账户进行相同的“去除重复（de-duping）”工作。

清理的数据仓库可以为多个职能部门提供优势。“如果没有数据清理功能，试图标准化地址或分配唯一的客户标识非常困难。在SAS的帮助下，我们可以考虑多个地址记录和确定它们是否属于同一个住户，”Tao 说。

他期望去除重复工作能够删除邮寄名单5-10%的记录。“让客户高兴很重要。您也不想让他们收到8个或者10个邮件吧。”

SAS 提供美好的发展前景

除了数据仓库之外， 摩根斯坦利还选择了SAS Enterprise Miner 来挖掘数据和建立新的数据模型。

由于Enterprise Miner 不需要编程背景，受过一些统计培训的业务分析人员可以使用这一直观的点击图形用户界面。该工具联合SAS数据仓库技术，一同创建可以满足知识管理所有要求的端到端解决方案。

从Tao的观点来看，正是SAS Enterprise Miner 帮助提供其业务的完整视图。一个例子： 摩根斯坦利发现对于某一领域的客户群来说，13%的客户将创造75%的收入。这类知识有助于公司及时调整费用结构，以提高13%的客户的忠诚度。

Tao 尤其对SAS Enterprise Miner的图形特性感到满意。“决策树为您提供非常形象的图形。对于高层管理人员来说，它更喜欢与图形交流，而不是与大量的数字打交道。”

对于Tao 和Strachan而言，SAS 帮助开阔视野。“SAS真正帮助我们考虑未来的发展前景，” Tao 说。