- 相關(guān)推薦
數據挖掘技術(shù)在ＣＲＭ中的應用
摘要:本文闡述了CRM的內涵和外延及數據挖掘技術(shù)常用的算法和分析方法，并在此基礎上重點(diǎn)分析了數據挖掘技術(shù)在CRM中的功能和應用�！ ￡P(guān)鍵詞：數據倉庫；數據挖掘；知識發(fā)現；客戶(hù)關(guān)系管理一、CRM的概念
經(jīng)過(guò)20多年的發(fā)展，市場(chǎng)經(jīng)濟的觀(guān)念已深入人心，一些先進(jìn)企業(yè)的經(jīng)營(yíng)理念正在經(jīng)歷著(zhù)從以產(chǎn)品為中心向以客戶(hù)為中心的轉移。在這種背景下，企業(yè)有必要對客戶(hù)的各種活動(dòng)和信息進(jìn)行集成，實(shí)現對客戶(hù)的全面管理，這就是所謂的“客戶(hù)關(guān)系管理”（CRM）。
客戶(hù)關(guān)系管理(CRM)源于以客戶(hù)為中心的商業(yè)模式，其通過(guò)對客戶(hù)關(guān)系的有效管理，以鑒別、獲得、保持為企業(yè)帶來(lái)利潤的客戶(hù)，是一種新型的管理機制。到目前為止，CRM還沒(méi)有統一的定義，最早提出CRM概念的Gartner Group認為，客戶(hù)關(guān)系管理是為企業(yè)提供全方位的管理視角，賦予企業(yè)更完善的客戶(hù)交流能力，從而實(shí)現客戶(hù)收益率的最大化。根據企業(yè)資源管理研究中心（AMT）的定義,CRM是一種以客戶(hù)為中心的經(jīng)營(yíng)策略，它以信息技術(shù)為手段對相關(guān)業(yè)務(wù)功能進(jìn)行重新設計，并對相關(guān)工作流程進(jìn)行重組，以達到留住老客戶(hù)、吸引新客戶(hù)、提高客戶(hù)利潤貢獻度的目的。筆者認為，客戶(hù)關(guān)系管理（CRM）是現代企業(yè)管理的核心思想，它貫徹以客戶(hù)為中心的經(jīng)營(yíng)理念，利用信息技術(shù)來(lái)充分把握和了解客戶(hù)，在適當的時(shí)候，把適當的產(chǎn)品，通過(guò)適當的途徑，提供給適當的客戶(hù)。CRM為企業(yè)提供了一個(gè)收集、分析 和利用各種客戶(hù)信息的系統，幫助企業(yè)充分利用其客戶(hù)管理資源，也為企業(yè)在電子商務(wù)時(shí)代從容應對不同的客戶(hù)提供了科學(xué)的手段和方法。
二、數據挖掘技術(shù)
1． 數據挖掘常用的算法。
�。�1）決策樹(shù)（decision tree）決策算法。決策樹(shù)是一個(gè)類(lèi)似于流程圖的樹(shù)結構，其中每個(gè)內部節點(diǎn)表示在一個(gè)屬性上的測試，每個(gè)分枝代表一個(gè)測試輸出，而每個(gè)樹(shù)葉節點(diǎn)代表類(lèi)或類(lèi)分布。決策樹(shù)算法包括樹(shù)的構造和樹(shù)的剪枝，有兩種常用的剪枝方法：先剪枝和后剪枝。
�。�2）神經(jīng)網(wǎng)絡(luò )（Neural Network）。神經(jīng)網(wǎng)絡(luò )是一組連接的輸入/輸出單元，其中每個(gè)連接都與一個(gè)權相連，在學(xué)習階段，通過(guò)調整神經(jīng)網(wǎng)絡(luò )的權，使得能夠預測輸入樣本的正確類(lèi)標號來(lái)學(xué)習。
�。�3）遺傳算法（Genetic Algorithms）。遺傳算法根據適者生存的原則，形成由當前群體中最適合的規則組成新的群體，以及這些規則的后代。遺傳算法用于分類(lèi)和其他優(yōu)化問(wèn)題。
�。�4）粗糙集方法。粗糙集方法基于給定訓練數據內部的等價(jià)類(lèi)的建立。它將知識理解為對數據的劃分，每一被劃分的集合稱(chēng)為概念，利用已知的知識庫來(lái)處理或刻畫(huà)不精確或不確定的知識。粗糙集用于特征歸約和相關(guān)分析。
�。�5）模糊集方法�；谝巹t的分類(lèi)系統有一個(gè)缺點(diǎn)：對于連續屬性，他們有陡峭的截斷。將模糊邏輯引入，允許定義“模糊”邊界，提供了在高抽象層處理的便利。
其它還有貝葉斯網(wǎng)絡(luò )、可視化技術(shù)、臨近搜索方法和公式發(fā)現等方法。
2． 數據挖掘常用的分析方法。
�。�1）分類(lèi)和預測。分類(lèi)和預測是兩種數據分析形式，可以用于提取描述重要數據類(lèi)的模型或預測未來(lái)的數據趨勢。數據分類(lèi)（data classfication）是一個(gè)兩步過(guò)程，第一步，建立一個(gè)模型，描述預定的數據類(lèi)集或概念集，通過(guò)分析有屬性描述的數據庫元組來(lái)構造模型。第二步，使用模型進(jìn)行分類(lèi)。首先評估模型的預測準確率，如果認為模型的準確率可以接受，就可以用來(lái)對類(lèi)標號未知的數據遠祖或對象進(jìn)行分類(lèi)。
預測是構造和使用模型評估無(wú)標號樣本類(lèi)，或評估給定樣本可能具有的屬性值或值區間。分類(lèi)和預測具有廣泛的應用，如信譽(yù)證實(shí)、醫療診斷、性能預測和選擇購物。分類(lèi)和預測常用的算法包括決策樹(shù)歸納、貝葉斯分類(lèi)、貝葉斯網(wǎng)絡(luò )、神經(jīng)網(wǎng)絡(luò )、K-最臨近分類(lèi)、遺傳算法、粗糙集和模糊集技術(shù)。
�。�2）聚類(lèi)分析。聚類(lèi)是將數據對象分組成為多個(gè)類(lèi)或簇（cluster）,在同一個(gè)簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。作為統計學(xué)的一個(gè)分支，聚類(lèi)分析已被廣泛的研究了許多年，現在主要集中在基于距離的聚類(lèi)分析，基于k-means(k-平均值)、k-medoids(k-中心點(diǎn))和其他的一些聚類(lèi)分析工具也有不少的應用。
�。�3）關(guān)聯(lián)規則。關(guān)聯(lián)規則挖掘給定數據集中項之間的有趣聯(lián)系。設I={i1,i2,…im}是項的集合，任務(wù)相關(guān)的數據D是數據庫事務(wù)的集合，其中每個(gè)事務(wù)T是項的集合，使得T包含于I。關(guān)聯(lián)規則是形如A=
【數據挖掘技術(shù)在ＣＲＭ中的應用】相關(guān)文章：
數據挖掘在ＣＲＭ中的應用分析03-22
數據挖掘技術(shù)在企業(yè)知識管理中的應用03-19
談數據挖掘技術(shù)在電子商務(wù)中的應用03-21
數據挖掘技術(shù)在客戶(hù)關(guān)系管理中的應用12-09
數據挖掘技術(shù)在電子商務(wù)網(wǎng)站中的應用03-28