CRM, kill me softly!

冯强/文
 
CRM, kill me softly!
 
这是我近段时间MSN的签名,虽然没有Killed这么严重,但SAP CRM上线的情况确实要让我崩溃了。
 
春节项目组通知停机6天,我们期望能彻底解决运行速度慢的问题,但结果是再次失望。IBM的人过来证明了硬件没问题,存储也升级了,服务器集群也到位了,但速度还是慢,而且不稳定,有时候不仅内部人员GUI登不上,服务商的Portal页面也会大面积的出问题。
 
我们是CRM的使用部门,所以我对于技术的细节并不太了解,只知道在所有硬件产商过来证明近百万的设备没问题后,神码、SAP的技术顾问似乎也是束手无策。春节那次停机,其实好象是把操作系统由Basis并不擅长的Linux换回了轻车熟路的Unix,但是系统还是没有起色。
 
目前内部GUI用户,繁忙时在线应该300左右,Portal并发1200左右。虽然我不懂后台的奥妙,但经常和一些业内朋友交流,觉得这不应该是硬件、操作系统或数据库的问题。我觉得诊结还是,SAP自身的Portal构架上的问题。这样并不太大的访问量,但由于SAP CRM内部层级和控制太多,造成了效率的低下,有顾问建议直接上小机就肯定解决问题。My God, 信息化真是烧钱的营生!(想起了某位企业老总讲的话,钱能解决的就不是问题,可惜我们不是垄断行业啊)
 
当初上线CRM时,其实我们的需求是要解决呼叫中心系统和维修业务集成的问题,所以我们当时更倾向于杭州某公司的家电维修软件(.Net构架)。我们是售后服务部门,客户挖掘、销售机会、渠道管理等并不是我们要去考虑的,所以从一开始并没有想到弄CRM这么大的系统。
 
选择SAP CRM,我个人认为对我部门(可能有点本位主义了)有“杀鸡用牛刀”的感觉,但之所以最终SAP中标,我事后分析有三个原因:
1. Oracle Siebel太贵,本土软件名气太小(将来用不好不好交代,实施人员出于个人增值考虑兴趣也不大),SAP CRM刚刚好;
2. 公司SAP R/3用得还可以,考虑集成和将来全球化实施,信息部门肯定要高屋建瓴;
3. SAP的界面、后台、开发等大家都熟了,做生不如做熟。
 
CRM虽然还在推进中(6月前准备在全国推完),但其实大家用得很苦:
我们省中心的信管员都是零点爬起来导数据,以供调度主管进行用户跟踪;
呼叫中心因为系统慢,将用户来电先用记事本保存下来,然后补录到系统中;
服务商经常登不上系统,保存一张服务定单经常要用20多分钟,而且常常功亏一篑保存失败;
因为系统慢,呼叫中心去年12月份的回访还没完全做完,造成服务商的结算拖期(当然还有其他管理上的原因);
项目组专门有人看在线用户状态,发现一个事务长时间没完成的,直接从系统中Kick掉某ID的进程。由于周末项目组休息,但服务不能休息,所以CRM届时就巨慢,大家戏称,CRM也要双休:(
 
这样的事情太多了,可以说每个用CRM的同事,都有一部辛酸史。虽然我2000年参与R/3上线,就知道信息化并不能一蹴而就,常常都要走很多弯路。但原来再怎么辛苦,都是公司内部的事。现在CRM系统不稳定,直接影响到了客户关系,甚至影响到了我们和服务商伙伴(Partner)的关系。
 
以前没上系统时,我出差拜访服务商,说起我们要上系统,他们都很期待。上次我去南昌出差,见到服务商,他们说你们的系统太慢了,界面也不好,做一张单子要保存N次,还不如我们在用XX的维修系统,你们这个系统纯粹是不懂售后的人写的。。。于是,把XX的维修系统调出来给我看。
 
那是用PHP/MySQL开发的二层构架的B/S系统,运行效率确实高,操作简单。可能不象SAP CRM可以支持所有语言和币种,也不能和SAP R/3“无缝”接口(其实到现在我也没看到SAP CRM能和R/3无缝接口),但确实能高效地解决我们和服务商伙伴的信息化需求。
 
我在想,也许信息化其实没那么复杂,被搞得复杂是因为我们考虑得太多了。
 
后记: CRM应该是基于一些应用系统之上的系统,没有这些系统的支持,CRM什么也干不了。 
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
"机器学习:学习软解调"是一个关于机器学习领域的研究课题。软解调是指通过学习算法和模型来实现解调过程的自动化。在无线通信中,解调是将数字信号转化为可读取的信息的过程。传统的解调算法需要手动设计和调整,而软解调通过机器学习的方法,可以自动学习和优化解调过程。 机器学习是一种人工智能的方法,通过自动化学习数据的方式来识别和预测模式。在软解调中,机器学习可以利用大量的实际数据,来学习解调的模式和规律。通过建立合适的机器学习模型,可以使解调过程更加准确和高效。 软解调的研究在无线通信领域具有重要的意义。传统的解调算法通常需要事先了解信号的特征和模式,但是在实际应用中,信号的特征往往是不断变化的。而机器学习可以通过学习来自大量实际场景的数据,实现对不同信号模式的识别和解调。 通过机器学习软解调的研究,可以提高无线通信的性能和效率。解调过程的自动化可以减少人工干预的需求,并提高系统的稳定性和可靠性。此外,机器学习还可以通过优化解调算法,进一步提高通信系统的性能。 总而言之,“机器学习:学习软解调”这个课题是一个将机器学习应用于无线通信解调的研究方向。通过机器学习算法和模型的学习和优化,可以实现解调过程的自动化,并提高通信系统的性能和效率。
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值