数据挖掘技术在CRM中的应用研究.docx

数据挖掘技术在ＣＲＭ中的应用研究[摘要]企业在实施CKM过程中，如果能够对海量的数据进行有效快速深入的分析和处理，找出有价值的知识，就能为企业作出正确的经营决策、捕捉瞬间即失的市场机会提供极大的帮助，并能从中获得丰厚的社会和经济效益。[关键词]CRM；数据挖掘；信息技术客户作为一种企业核心资源，拥有和保持更多的客户决定着企业今后发展的命运，因此有效地开发和利用客户资源，发展和巩固企业同客户之间的和谐关系，在最大程度上满足客户需求的同时实现企业的经济社会效益最大化，已经成为企业界和学术界关注的焦点。信息经济环境中企业客户关系管理是利用IT技术实现对客户的整合营销，是以客户为核心的企业营销的技术实现和管理实现，并在企业与客户之间建立一种实时、互动的交流管理系统，最终目的是通过为客户创造价值，建立个性化、高质量的商品与服务来获得新客户，增加原有客户的忠诚度和提高客户的赢利能力，进而增强企业的核心竞争力。同时随着信息技术的迅速发展，特别是数据库技术和计算机网络的广泛应用，企业所面对的客户数据量、企业内外信息量急剧膨胀，企业如果能够对这海量的数据进行有效、快速和深入的分析和处理，发现有价值的知识，就能为企业作出正确的经营决策、捕捉稍纵即逝的市场机会提供极大的帮助。一、数据挖掘技术分析(一)数据挖掘技术的发展过程。数据挖掘是生产发展的必然结果，最初的数据挖掘仅仅是用一些信息储存工具储存一些简单的信息，人们并不去对这些信息进行分析来提取更深层次的、更有价值的知识，而且使用和获得信息的速度也很缓慢，随着生产力水平的极大提高和信息技术的飞速发展，目前已经实现了人们能实时地获得经过深入提炼的知识与信息。数据挖掘的每一步发展，可以说都是建立在前一阶段的基础上，总的来说，数据挖掘分为四个发展阶段：(1)数据收集阶段(DataCol-lection)：企业仅仅是简单地整理储存信息，并应用一些简单的运算工具进行数据加工，如对信息的总量计算、平均数计算等；(2)数据追溯阶段(DataAccess)企业开始应用关联模式处理储存信息，在整个企业范围内建立起了数据收集和信息管理系统，管理层可以获得企业的历史信息；(3)数据导航阶段(DataNavigation)、企业内出现了数据仓库，应用多维数据基的处理和储存信息，企业不仅能应用信息管理系统获得企业整体和各个地区经营状况的信息，而且通过应用在线分析系统(OLAP)等手段进行数据对比；(4)数据挖掘阶段(DataMin-ing)：也就是通过使用在线分析工具、先进的信息技术以及统计数学等方法为企业提供实时的信息反馈和与合作伙伴的信息交流。数据挖掘使企业管理者更能获得存在于信息之中的深层价值，从而为企业的经营战略决策产生重要帮助作用。(二)数据挖掘技术的内容。数据挖掘是进行信息处理的系统工具，按照信息处理的流程来分类，一般有三种类型：信息发现(Discovery)、预测模型(PredictiveModel)和异常分析(ForensicAnaly-山)。信息发现是指单纯地对信息进行处理、整理和分析，以发掘出蕴涵在信息之间的潜在的有价值的知识或者联系，但并不进行对信息处理结果的预测。信息发现包括条件逻辑推理、关联处理和信息规律趋势和变化等；预测模型是指通过上一阶段的信息处理，利用有价值的知识资源和预测模型对其进行发展趋势预测，这包括结论预测和发展趋势展望等；异常分析是指数据挖掘的扩展阶段，对发现的异常情况作出分析，包括偏离侦测和关联分析等。总的来说，数据挖掘技术通常有六种手段进行信息处理：分类、回归模型、时间序列、聚类、关联分析和序列发现。分类和回归模型一般用于趋势预测，关联和序列发现用于分析客户行为，聚类则可用于以上两种情况。数据挖掘技术按对信息的处理方式分为数据保存技术和数据提炼技术两种方式。数据保存技术主要是能够方便地为企业决策提供信息帮助，在企业决策中应用案例分析(CBR)来保证经营决策的有效性。但是企业要想获得蕴涵在信息之中的有价值的知识，就必须使用数据提炼技术，数据提炼技术包括：逻辑方法是运用多维或者OLAP技术对量化的或者非量化的数据进行统一模式的处理，包括规则公式和决策树；横向对比主要是对定性数据指标进行类比分析，包括类比中介和可信网络；程式分析是能够有效地应用多维模型和数理统计方法对大规模的数据进行处理，包括数理统计方法和神经网络等。二、数据挖掘在客户关系管理中的应用在客户关系管理过程中，客户生命周期对企业来说非常重要，因为它直接关系到企业的客户收益和客户利润，一方面客户生命周期提供了客户信息来源，另一方面客户生命周期使得企业明确了为满足客户需求应注重的方面。客户生命周期为数据挖掘在客户关系管理中的应用提供了基础，数据挖掘是建立在数据仓库之上的，通过各种先进的信息技术和数理统计方法挖掘数据仓库中的潜在的