（管理科学与工程专业论文）数据挖掘在分析型crm中的应用研究.pdf

安徽理工大学硕士论文 摘要 分析型c r m 旨在增加c r m 系统的商业分析与辅助决策能力。要实现分析型 c r m 的主旨，从大量交易数据中提取出隐含有用的信息，需要先进的数据分析方 法。基于数据挖掘的分析型c r m 的应用研究能帮助企业解决利润增长的瓶颈问 题，因而越来越受到研究者的重视。 本文主要做了如下工作： 针对数据挖掘系统与应用领域结合的发展趋势，设计了集针对性和灵活性于 一体的多层数据挖掘体系结构，并将其应用于分析型c r m 系统中同时当前企 业越来越多的应用电子商务门户站点来进行产品宣传，网上营销和用户沟通，而 网站的数据也日益成为分析型c r m 数据的主要来源，企业需要做到从这些特殊 的数据中分析出有用的客户知识。本文在设计分析型c r m 系统架构时候，引入 w e b 数据挖掘这一功能，同时对w e b 数据分析业务流程进行了探讨。 本论文对数据挖掘技术中两种常用的挖掘方法进行了深入的分析。将布尔关 联规则挖掘算法中最成功的一类算法：a p r i o r i 算法引入到交叉销售应用中，增强 了系统的实用性能。将分类算法s p r i n t 算法引入到客户分类中，通过增强对大 数据量的处理能力，从而提高了分类的准确性，增加了c r m 中相关决策的可信 性。在此基础之上，本文着重通过具体案例按照研究主题进行数据组织，在零售 业中一方面具体运用关联规则对产品进行分析，另一方面具体运用s p r i n t 算法 对顾客进行分类分析。 图e t 表 1 1 参 3 6 关键词：分析型c r m ；数据挖掘；多层体系；a p r i o r i ：s p r i n t 安徽理工大学硕士论文 摘要 a b s t r a c t a n a l y t i c a lc r m a i m sa ti n c r e a s i n gs y s t e m sc o m m e r c i a l a l y s i sa n da i dd e c i s i o na b i l i t y t o r e a l i z et h ep u r p o r to fa n a l y t i c a lc r m , a na d v a n c e dd a t aa n a l y t i c a lm e t h o di sn e e d e dt od r a wo u t u s e f u li n f o r m a t i o nf r o mal a r g en u m b e ro ft r a d ed a t a t h ea p p l i c a t i o nr e s e a r c ho fa n a l y t i c a l c i i s t o m u rr e l a t i o n s h i pm a n a g e m e n ts y s t e mb a s e do nd a mm i n i n gm e t h o dc a nh e l pe n t e r p r i s e ss o l v e t h eb o t t l e n e c ko fe x p a n d i n gp r o f i t st oi n c r e a s e t h i sw o r ki n c l u d e sm a j o r ： t h r o u g ht h er e s e a r c ho ft h ed e v e l o p m e n to fd a t am i n i n gs y s t e ma n dt h et e n d e n c yo fc o m b i n a t i o n d a mm i n i n gs y s t e mw i t ha p p l i c a t i o nd o m a i n , am u l t i - l a y e rd a t am i n i n ga r c h i t e c t u r ec h a r a c t e r i z e d b yc u s t o m i z a t i o na n df l e x i b i l i t yi sd e s i g n e d t h i sm i n i n ga r c h i t e c t u r ei sa p p l i e di na n a l y t i c a l c r m s i m u l t a n e o u s l ya c t sa c c o r d i n gt ot h ec u r r e n te n t e r p r i s em o r ea n dm o r em a n ya p p l i c a t i o n s e l e c t r o n i cc o g d m e r c eg a t e w a ys t a n dt oc a r r yo nt h ep r o d u c tp r o p a g a n d a , o n - f i n em a r k e t i n ga n du , f 潜r c o m m u n i c a t i o n ，b u tt h ew e b s i t ed a t aa l s od a yb yd a yb e c o m e st h ea n a l y s i sc r md a t at h em a i n o r i g i n ，h o wa n a l y z e st h eu s e f u lc u s t o m rk n o w l e d g ef r o mt h e s es p e c i a ld a t a ，t h i sa r t i c l ea td e s i g n a n a l y s i sc r ms y s t e mo v e r h e a dc o n s t m c t i o nt i m e ，i n t r o d u c e st h ew e bs e r v i c ed a t at oe x c a v a t et h i s f u n c t i o n ，s i m u l t a n e o u s l yh a sc a r r i e do nt h ed i s c u s s i o nt ot h ew e bd a t aa n a l y s i ss e r v i c ef l o w i t h i sp a p e r , t w ok i n d so fd a t am i n i n gt e c h n o l o g yo ft h em i n i n gm e t h o dh a v eb e e nc o n d u c t e d i n - d e p t ha n a l y s i s b o o l e a na s s o c i a t i o nr u l e sm i n i n ga l g o r i t h mw i l lb et h em o s ts u c c e s s f u lo d e a l g o r i t h m ：a p r i n r ia l g o r i t h mi n t r o d u c e dt o t h ec r o s s s e l l i n ga p p l i c a t i o n ，s oa st oe n h a n c et h e p e r f o r m a n c eo f t h eu t i l i t yo ft h es y s t e m s p r i n tc l a s s i f i c a t i o na l g o r i t h mw i l lb ei n t r o d u c e dt ot h e c u s t o m e rc l a s s i f i c a t i o na l g o r i t h m , e n h a n c e db yt h ea b i l i t yt oh a n d l el a r g ea m o u n t so fd a t a t h e r e b y i n c r e a s i n gt h ea c c u r a c yo ft h ec l a s s i f i c a t i o n , a r ti n c r e a s eo ft h ec r e d i b i l i t yo ft h ed e c i s i o n - m a k i n g r e l a t e dt oc r m o nt h i sb a s i s ，t h i sp a p e rs t u d i e st h ed a t aa c c o r d i n gt os p e c i f i cg a s e s ，r e t a i l a s s o c i a t i o nr o l e si no u es p e c i f i ca p p l i c a t i o no ft h ep r o d u c ta n a l y s i sa l g o r i t h mt oo t h e rs p o d 矗c a p p l i c a t i o ns p r i n tc u s t o m e rc l a s s i f i c a t i o na n a l y s i s f i g u r e s 【7 1t a b l e s 【1 1 】r e f e r e n c e s 【3 6 】 k e y w o r d s ：a n a l 删c r md a t am i n i n g ，m u l t i - l a y e ra r c h i t e c t u r e ，a p r i n r l ，s p r i n t 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及 取得的研究成果据我所知，除了文中特别加以标注和致谢的地方以外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 塞徼堡王太堂或其他教育机构的学位或证书而使用过的材料与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示谢意。 学位论文作者签名：盈錾i 鍪丛日期：芝丑年j 月日 学位论文版权使用授权书 本学位论文作者完全了解塞筮堡三太堂有保留、使用学位论文 的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于 塞熊垄王太堂学校有权保留并向国家有关部门或机构送交论文的 复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位 论文在解密后适用本授权书) 学位论文作者签名：9 象函军钩签字日期：彦呵年占月f 铂 导师虢印砒 签字吼沙净胪日 安徽理工大学硕士论文 1 绪论 1 绪论 1 1 本课题研究背景及意义 1 1 1 课题背景 在全球经济日趋一体化的今天，企业的商务环境发生着剧烈的变化，客户不 再是被动的接受者，其在交易中的地位发生了根本性的变化，客户迁就产品的时 代已经过去企业在生产、营销、服务等一系列环节都必须以客户为中心，并随 客户需求的变化做出相应的调整，以逐步实现对客户的个性化服务。客户关系管 理( c r m ) 是目前解决如何以客户为中心问题的非常重要的系统和方法，企业通过 与客户的互动，了解客户及客户行为，进而留住客户，不断增加企业的利润。通 过实施客户关系管理，能够分析和了解处于动态过程中的客户状况，从而搞清楚 不同客户的利润贡献度。 当今许多企业的数据库或数据仓库中都搜集和存储了大量关于客户的宝贵数 据，这些数据涵盖了从客户基本数据、购买记录及客户反馈的各个环节。充分利 用这些数据，深入分析、挖掘隐含在这些数据中的有用信息，将有助于企业更好 地管理客户关系，实现c r m 的功能和目标。然而，由于缺乏在大量数据中发现 深层次信息的能力，许多企业对于这些数据的利用还只是停留在基础层的浏览、 检索、查询和应用层的继承、组合、整理等方面，而无法将这些数据转化为更加 有用的知识。因此，如何更加有效地管理企业数据库中快速增长的海量数据，将 数据资源的利用提高到知识创新的高级阶段，己经成为企业当前需要迫切解决的 问题，数据挖掘a t am i n i n g ，简称d m ) 技术的运用就可以帮助企业很好地解决 这个问题。 数据挖掘技术涉及的内容很多，但是国内外的研究大部分集中在对数据挖掘 算法的研究与改进上，对数据挖掘系统的体系结构研究得很少。数据挖掘系统是一 个有机的整体，数据挖掘的各个阶段是密切相关和紧密相连的。系统中所涉及到的 算法都是为挖掘过程服务的，如果不仔细的对结构进行分析，势必会导致各种算法 之间的重复工作，从而不利于多种不同算法间的相互合作。算法只有与系统的其它 模块紧密地结合在一起，才能充分发挥作用，从而构建一个高性能的数据挖掘系 统。 1 1 2 研究意义 多层体系结构是目前比较流行的一种设计模式，它通过引入中间层组件，扩大 安徽理工大学硕士论文 1 绪论 了传统的客户机服务器和两层计算模式。通过将应用逻辑集中到中间层，从而使开 发人员可以专注于应用系统核心业务逻辑的分析、设计和开发，简化了应用系统的 开发、更新和升级工作另外。在多层架构下，应用可以分布在不同的系统平台上， 通过分布式技术实现异构平台对象的相互通信。将应用系统集成于分布式系统之 上，能极大地提高系统的可扩展性。 基于数据仓库，应用数据挖掘技术的分析型c r m 可以起到以下两方面的作 用： 1 客户行为分折 客户行为分析包括整体行为分析和群体行为分析，整体行为分析用来发现企 业所有客户的行为规律。群体行为分析通过行为分组发现群体客户的行为规律。 基本这些理解和规律，企业营销专家可以制定相应的市场策略，同时还可以针对 不同客户组进行交叉分析，帮助发现客户群体间的变化规律。 2 重点客户发现 重点客户发现的目标是找出对企业具有重要意义的客户。这些重点客户主要 包括潜在客户( 有价值的新客户) 、交叉销售( 同一客户有更多的消费需求) 、增量 销售( 更多地使用同一种产品或服务) 和客户保持( 保持客户的忠诚度) 。有关研究 表明，开发新客户的费用是保留老客户费用的5 倍以上，而成功地保留住老客户 则能使企业的利润翻倍。 1 2 国内外研究现状 c r m 在国外的发展已有十余年的历史背景。大约在9 0 年代初，最初的c r m 应用开始投入c r m 市场。二十一世纪初，全球的c r m 市场一直处于爆炸性的快 速增长之中。企业重视争取客户和保持客户是c r m 市场增长的原因。市场研究 机构j u p i t e rm e d i am e t r i x 估计，到2 0 0 6 年，北美中低端c r m 、电子商务和财务 管理应用软件的购买量将从2 0 0 1 年的9 7 1 亿美金攀升到3 4 亿美金。a m r r e s e a r c u 认为中低端市场和企业部门级市场在以后的l o 年中将有4 4 1 亿美金的需 求。根据调查显示，2 3 以上的企业期望在未来5 年内改变其客户关系的管理模 式，3 4 以上的企业计划集成“面对客户”的信息管理系统及其组织的其他部分。 目前，国内的c r m 软件有的仅有历史数据的收集与报告功能1 2 j ，有的具有 基于传统统计方法、定性的客户行为倾向分析或客户价值评估功能。但着眼于对 产品与客户等不同群体间关系的分析，以顾客为中心的分析软件市场仍处于某种 程度的散乱状态，还没有成熟完善的产品。因而开发采用先进方法构建起来的， 2 安徽理工大学硕士论文 1 绪论 真正具有强大分析功能且简便易用的分析型c r m 软件是c r m 软件的发展趋势。 分析型c r m 的核心部分是以顾客为中心的分析，这种分析能够产生对企业 与单个消费者之间建立关系的深刻见解，能洞悉企业产品或服务与客户等不同群 体问的关系，能指导企业定位市场策略。 数据挖掘技术在c r m 中的应用研究是当前的研究热点。目前在c r m 中进行 有效数据挖掘的研究主要集中在以下几个方面： ( 1 ) 挖掘方法的研究。这方面主要集中在挖掘的知识类型、多个抽象层的交 互知识挖掘、数据挖掘查询语言，以及并行挖掘、分布式挖掘和增量挖掘等算法 的研究上： ( 2 ) 性能研究。主要包括挖掘算法的有效性和可伸缩性、模式的评估和兴趣 度度量、挖掘应用的效益等方面的研究； ， ( 3 ) 数据的研究。这方面主要包括数据库类型的多样性问题、复杂数据类型 的处理、噪声数据和缺失数据的处理，以及异种数据库和w e b 上的数据挖掘等； ( 4 ) 与用户交互的研究。这方面主要研究数据挖掘结果的表示和可视化，领 域知识的运用，挖掘过程的简化和可理解性等。 其他问题包括数据挖掘的应用开发和它们的社会影响。这些问题是数据挖掘 技术未来发展的主要需求，同时给数据挖掘也提出了许多挑战性的课题。 目前国内在该领域的研究和应用明显落后于国外。根据我国对c r m 的认知 程度和应用层次以及国情的需要，数据挖掘技术在c r m 中的应用研究应主要面 向如下方面： ( 1 ) 应用的探索：数据挖掘技术作为c r m 强有力的支撑工具，如何将其更深 层次、更宽范围、更多方向的应用到c r m 中去，是一个具有重要价值的研究方 向； ( 2 ) 应用目标的转变：随着企业的战略目标的转交，c r m 中的数据 挖掘的应用目标重点应从增加企业收入转移到节约企业成本： ( 3 ) 应用的对象：从企业规模来看，中小型企业是企业类型中的主体，针对 中小型企业的c r m ，应用相应的数据挖掘技术提升其决策支持的智能化水平对中 国企业具有特别的意义： ( 4 ) 数据挖掘与数据库、数据仓库系统的有机结合：这将保证数据挖掘的高 质量，提高数据挖掘的性能和效率，从而极大提高客户关系管理的水平； ( 5 ) c r m 中复杂数据类型挖掘：由于c r m 应用深度和广度的有力延伸，针 对复杂数据类型的数据分析技术与数据挖掘方法的研究变得越来越重要； 3 安徽理工大学硕士论文 1 绪论 ( 6 ) w e b 挖掘：w e b 是当前c r m 的主要应用平台，包括w e b 内容挖掘、w e b 日志挖掘和i n t e r n e t 上的数据挖掘服务等内容是重要的研究领域； f 7 ) c r m 中的隐私保护与信息安全：这是数据挖掘技术要面对的一个重要问 题，需要进一步开发有关方法以确保客户的隐私权和信息安全。 国内对数据挖掘技术仅限于算法的研究，对分析型c r m 相关分析主题的研 究，也只是对客户流失、客户细分等的研究，对潜在客户获取、交叉销售等分析 主题仅限于概念性的描述。更没有将具体的数据挖掘过程及分析主题与企业需求 很好结合的软件。 数据挖掘技术在c r m 中的应用必将越来越广泛，对这一领域的研究将会体 现出越来越重要的价值。随着数据挖掘技术的进一步发展和深化，必然会带给 c r m 更为广泛的应用前景和市场价值，这种价值对增强我国企业的核心竞争力将 会发挥越来越大的作用。 。 1 3 本文主要工作 本文通过对数据挖掘系统发展的研究，针对数据挖掘系统与应用领域结合的 发展趋势，设计了集针对性和灵活性于一体的多层数据挖掘体系结构，并将其应 用于分析型c r m 系统中。当前企业越来越多的应用电子商务门户站点来进行产 品宣传，网上营销和用户沟通，而网站的数据也日益成为分析型c r m 数据的主 要来源，企业不得不面对怎样从这些特殊的数据中分析出有用的客户知识这一关 键问题。所以，本文在设计分析型c r m 系统架构时候，引入w e b 使用数据挖掘 这一功能，同时对w e b 数据分析业务流程进行了探讨。 本文接着对数据挖掘技术中两种常用的挖掘方法进行了深入的分析。将布尔 关联规则挖掘算法中最成功的一类算法；a p r i o r i 算法引入到交叉销售应用中，增 强了系统的实用性能。将分类算法s p r i n t 算法引入到客户分类中，通过增强对 大数据量的处理能力，从而提高了分类的准确性，增加了c r m 中相关决策的可 信性。针对某一主题可以运用某一种( 如果条件允许可两种同时采用) 挖掘技术进 行分析，在此分析的基础上便可获得对企业有用的信息，这些信息可用来支持企 业的决策，帮助高层管理者更好地管理整个企业，使企业得到更好的发展。在此 基础之上，本文着重通过具体案例按照研究主题进行数据组织，在零售业中一方 面具体运用关联规则对产品进行分析，另一方面具体运用s p r i n t 算法队顾客迸 行分类分析。 4 安徽理工大学硕士论文2 分析型c r m 综述 2 分析型c r m 综述 c r m 从系统构成上可以分为三类：运营型c r m 、分析型c r m 和协作型c r m 。 分析型c r m 是本论文研究的中心分析型c r m 具有与操作型c r m 及协作型 c r m 不同的特点，主要体现在关注的焦点、响应的实时性、处理的数据量等方面。 分析型c r m 具有强大的分析处理功能，通过该系统可以对大量数据进行处理。 作为c r m 的核心，分析型c r m 在企业以“客户满意为中心”的经营理念贯彻过 程当中有着重要的作用，为企业实施。一对一”战略、个性化服务提供决策依据。 2 1c r m 产生的背景 随着电子商务的出现，电子客户也自然而然地出现了。电子客户希望通过电 子邮件、呼叫中心、传真和w e b 站点与企业保持不问断的联系，客户要求企业对 其需求做出即时的回答，这给企业提出了新的要求。然而传统的企业资源规划 ( e n t e r p r i s er e s o u r c ep l a n n i n ge r p ) 并不包括客户管理方面。因此，客户关系管理 ( c u s t o m e rr e l a t i o n s h i pm a n a g e m e n tc r m ) 就应运而生，早在1 9 9 2 年就有相关的 系统得到开发和应用了，典型的代表是美国波士顿大学的t h o m a sh d a v e n p o r t 教 授认为，两种因素把c r m 推向了最前端：一是全球竞争的加剧和企业产品的相 似性，企业必须从以产品为中心转移到以客户为中心，生产出满足客户个性化需 求的产品；二是技术的成熟，使得把客户的信息从一个或多个企业的各个部门放 进一个单一的系统成为可能。由于网络和i n t e r n e t 的相对成熟，c r m 软件在世 界的各个角落找到了它的用武之地。 2 2c r m 定义 在给客户关系管理下定义以前，首先界定一下“客户”的内涵。当今企业之 间的竞争，是系列以核心企业为中心的供应链之间的竞争，对于一个核心企业， 它处于供应商、分销商、零售商以及最终消费者的链条之上，它的客户不仅是最 终消费者，而且还包括分销商和零售商，对某些企业来说后者往往更为重要。所 以，客户关系管理中的“客户”应该包括分销商、零售商和最终消费者在内的企 业外部客户( 员工是企业的内部客户) 。而当前的某些客户关系管理理论，大都隐 性地将“客户”指定为最终消费者，而忽视了分销商和零售商 3 1 。 关于客户关系管理的定义，不同的研究机构有着不同的表述。g a r t n e rg r o u p ， h u r w i t zg r o u p 、卡尔森市场营销集团以及i b m 等对客户关系管理都有自己的见解。 5 安徽理工大学硕士论文 2 分析型c r m 综述 下面给出几个有代表性的客户关系管理的定义。 r o m a n o 认为，客户关系管理就是“吸引并保持有经济价值的客户，驱逐并 消除缺乏经济价值的客户”1 4 】。g r o u p 认为，“客户关系管理是指通过围绕客户细 分来组织企业，鼓励满足客户需要的行为，并实现客户与供应商之间联系等手段， 来提高盈利、收入和客户满意度的、遍及整个企业的商业策略。 b u r g h a r d 和g a l i m i 认为，。客户关系管理是一个围绕客户需要和需求、重新设计企业及其业务流程的 信息技术驱动的概念，它将一系列方法、软件以及互联网接入能力同企业的以客 户为核心的商业战略相结合，致力于利润、收益和客户满意度的提高叫”。s c h u i z e 等人将客户关系管理定义为“一种客户导向的管理方法，它是基于整合了前台营 销、销售、服务所有信息的信息系统”。s w i f t 认为，客户关系管理是指“企业通 过富有意义的沟通，理解并影响客户行为，最终实现提高客户获得、客户保留、 客户忠诚和客户创利的目的”l “。客户关系管理是一个将客户信息转化成积极的 客户关系的反复循环过程。 综观以上客户关系管理的不同定义，大致可以分为三类：第一种比较典型的 观点是把客户关系管理理解为一种企业客户接入的整合技术系统。第二种观点是 把客户关系管理看成是一种营销策略。第三种观点是把客户关系管理定义为一种 商业策略，认为客户关系管理是一种以客户为中心的商业策略。 2 3 分析型c r m 特点 分析型c r m 是c r m 重要的组成部分，它注重对数据进行复杂的分析、处理 和加工，以及对客户行为进行分析，并从中获得有价值的信息。这些信息对于企 业的决策有辅助作用。通常，企业的管理信息系统( m i s ) 由许多业务子系统组成， 与客户有关的销售、产品需求、服务需求等信息分布在企业的各个业务子系统中。 如何快速地收集这些信息，并对其进行有效地分析，从中找出最有价值的客户， 是大多数企业面临的问题。现有客户的基础信息来源于企业的现有业务系统，经 过加工后的信息以合理的数据结构导入到新的存储空问中，然后利用各种技术对 其进行分析，最终为用户提供有用的信息 7 1 。操作型和协作型c r m 的核心业务 分别是业务流程的自动化和用户接入，而分析型c r m 的焦点在于通过分析海量 数据给决策予以支持。分析型c r m 的实时处理性要求不是很强，一般不会要求 实时响应。它面向的不是日常操作性事务，处理的主要是综合性数据，目的是找 出其中隐含的规律，给予决策支持。另外对于数据的更新速度上没有太高的要求。 分析型c r m 处理的数据一般都是海量数据，因为数据如果太少，不能准确地描 6 安徽理工大学硕士论文 2 分析型c r m 综述 述出事务发展的规律，只有通过海量数据才能获得变化的规律。所以我认为：分析 数据库与运营数据库应当是分离的，避免影响运营数据库在操作方面的实时响应 速度。 其结构如图l 所示： 图1 分析型c r m 运营数据库和数据仓库关系图 f i g1a n a l y s i sc r mo p e r a t i o nd a t a b a s ea n dd a t aw a r e h o u s er e l a t i o n sc h a r t 2 4 分析型c r 掰采用的主要技术及要求 2 4 1 分析型c r m 采用得主要技术 分析型c r m 的技术要求主要有以下两个方面： 1 需要有能支持网络应用的能力。w e b 的功能越来越重要，同时也可以使得 客户端大大简化，使客户和企业员工只需要很少的培训就能使用系统。 2 c r m 要与e r p 在财务、制造、库存、分销、物流和入力资源等连接起来， 从而提供一个闭环的客户互动循环这种集成不仅包括低水平的数据同步，而且 还应包括业务流程的集成，这样才能在各系统间维持业务规则的完整性，工作流 才能在系统间流动。 2 4 2 分析型c r m 系统要求 分析型c r m 不同于一般的操作型c r m ，它是基于海量的客户数据，按照不 同的主题对数据进行分析，找出数据背后隐藏的有价值信息，将数据转化为知识， 最终通过应用知识来获取利润。一个完整的分析型c r m 系统需要经过数据仓库 建模、数据预处理和数据展现等阶段【”。 7 安徽理工大学硕士论支 2 分析型c r m 综述 1 数据仓库建模 分析型c r m 中的数据仓库好比供应链环节中制造商的原料仓库，它是以客 户为中心的包含所有客户的相关信息数据。数据仓库中的数据来源于各个业务系 统，原有的业务系统提供了很多客户信息，但这些数据却是零乱的、未整合的， 从不同业务系统提供的数据观察到的客户概况也不尽相同。因此在使用业务系统 提供的数据之前必须按照分析主题对数据仓库进行建模。数据仓库模型在整个分 析型c r m 系统中占有很重要的地位，因为后续的数据预处理要按照建立好的模 型到业务系统中抽取所需要的字段，而数据展现阶段系统性能的高低也与数据仓 库模型的优劣直接相关。 2 数据预处理 数据预处理主要包括数据抽取( e x t r a c t ) 、转换( t r a n s f o r m ) 和装载( l o a d ) 三个 过程。这些工作可以概括的称为e 1 l 主要是对来自不同系统的数据进行格式上 的统一转换、对数据中的异常进行清洗、将客户不同方面的数据进行整合优化等， 之后才可以将这些处理过的数据导入到数据仓库中。优质的数据对分析型c r m 来说至关重要，没有高质量的数据就不会有精确的分析结果，也不可能有应用所 带来的利润的提升。 3 数据展现 数据经预处理后被载入数据仓库，在数据仓库中数据按照不f 霹的分析主题进 行组织，这时候就可以进行数据分析了。通过数据展现层提供的切片( s l i c e ) 、切 块( d i c e ) 、下钻( d i l l d o w n ) 、上钻( d i l l u p ) 和旋转( r o t a t e ) 等数据分析功能，用户 可以轻松地对数据从不同的维度进行分析。数据展现层通过报表与客户进行交互， 报表可以有多种形式，包括数据表格、o l a p 表格、报告以及各种综合报表，同时 还有易于理解的点线图、直方图、饼图、网状图等，另外还包括平均值、最大值、 最小值、期望、方差、汇总、排序等各种统计分析。 2 5 分析型c r m 的基本功能 分析型c r m 的主要功能是对与企业经营相关的大量数据，客户数据，市场 数据，销售数据等根据相关的0 l a p 、数据挖掘等模型算法，得出各种级别决策具 有支持作用的知识。 分析型c r m 软件是的重点是放在资料信息的处理和分析上，下面就阐述分 析型c r m 所应具有的支柱功能。 2 5 1 第一支柱功能：客户分析 8 安徽理工大学硕士论文 2 分析型c r m 综述 客户分析按照客户价值对客户进行分析，由此推断哪些客户群是最高可能购 买产品或服务的客户，哪些对公司最有价值。主要包括客户识别，主要是潜在客 户识别，客户分类及客户满意，客户忠诚度分析等。通过客户分析可以让销售人 员完整地了解客户群概貌信息，掌握客户的购买模式，喜好以及人口统计资料的 等信息，为营销和销售活动提供支持。例如，对于银行来说，有的客户突然提取 大笔现金，可能使银行处于高风险状态；有的客户虽然归还贷款比较迟缓，但基 本上总能在一定的期限内归还，这就是银行最喜欢的客户，因为他总是在为银行 带来利息收入。这些信息银行的c r m 系统对此都应该及时察觉。 2 5 2 第二支柱功能：客户建模 客户建模( m o d e l i n g ) 功能主要依据客户的历史资料和交易模式等影响未来购 买倾向的信息来构造预测模型。例如，根据客户的促销活动回应率、利润贡献度、 流失可能性和风险值等信息，为每一位客户赋予适当的评分。从技术方面看，客 户建模主要是通过信息分析或者数据挖掘( d a t am i n i n g ) 等方法获得。另外，机器 学习( m a c h i n ek 盯n i n 妙和神经网络( n e u r a ln e t w o r k ) 也是重要的客户建模方法。 客户建模功能可以使企业充分利用分析型c r m 的知识处理能力，帮助企业建立 成熟有效的统计模型，准确识别和预测有价值的客户沟通机会。一旦这种模型得 以建立，企业就可以对每一个客户进行价值评估并在适当的时机以适当的方式与 这个客户进行沟通，从而创造更多的盈利机会。客户建模的结果可以构成一个完 备的规则库。例如，银行客户如果有大笔存款进入账户，则应考虑向其推荐股票 或者基金等收益更高的投资项目。 2 5 3 第三支柱功能：客户沟通 客户沟通主要功能是利用客户建模形成的一系列适用的规则，当客户的行为 触发某个规则后，系统即提示应该采用沟通活动。 客户沟通功能可以集成来自企业各个层次的各种信息，包括客户分析和客户 建模的结果，针对不同部门的不同产品，帮助企业规划和实施高度整合的行销活 动。客户沟通的另一大特色是帮助企业进行基于事件( e v e n t b a s e d ) 的行销。根据 客户与企业之间发生的貌似偶然的交互活动，企业可以迅速发现客户的潜在需求 并做出适当反应。 2 5 4 第四支柱功能：优化功能 9 安徽理工大学硕士论文2 分析型c r m 综述 分析型c r m 的优化功能可以对效率类的问题给出最优功能或者是最佳的方 案，帮助企业建立最优的处理模式。例如每个营销人员每天应当处理多少个目标 客户? 每隔多长时间应该对客户进行一次例行联络? 各类行销方式对各类客户的 有效程度如何? 优化功能还可以基于消息的优先级别和采取行动所需资源的就绪 状况来指导和帮助营销人员提高工作效率。 2 5 5 第五支柱功能：接触管理 ， 接触管理功能和上述的基本功能大部分类似，如营销管理，客户服务等。可 以帮助企业有效地实现客户联络并记录客户对促销活动的反应态度，将客户所发 生的交易与互动事件转化为有意义，高获利的行销商机。 2 5 6 第六支柱功能：w e b 使用挖掘 通过对电子商务网站上服务器所留下的客户信息，挖掘出具有知识作用的 信息，对网上客户进行行为分析，进而对企业市场部门下一步的活动提供支持。 2 6 分析型c r m 的主要应用 c r m 专家r o b e r t s o ns t e p h e n s 曾经这样描述过分析型c r m 的功能：“我们认 为，分析型c r m 有两个核心作用：其一，使用准确、易用的报表工具来分析和理 解有关客户的数据；其二，在这些数据的基础上来定制产品、服务以及相应的交 互方式，从而以合适的方式、在合适时间并通过合适的渠道满足客户的需求。” 分析型c r m 具有强大的分析处理功能，通过该系统可以对大量数据进行处 理。分析型c r m 的主要应用包括1 9 ； 1 能够统计大量的客户信息并支持对客户进行多维的特征分析。 在某些行业中，例如：金融、保险、电信、传媒、零售等行业的客户数据量 是庞大的。要对这些客户数据进行分析，要求分析工具必须能够处理大量的客户 信息。而且，每个客户的属性描述包括地址、年龄、性别、证件号码、收入、职 业、教育程度等多个字段。系统必须能够支持对这样多维的组合性的分析，可以 快速给出符合分析条件的客户名单和数量。在分析型c r m 中，速度成为重要的 衡量指标，在对海量的数据进行分析的时候，速度的要求几乎是第一位的。 2 能够处理复杂的数据并支持对客户进行行为分析。 由于在上述提到的行业中通常已经具备业务系统，对于现有客户的最初的信 息来源也是现有的业务系统，因此更有意义的分析是结合客户信息对某一类客户 安徽理工大学硕士论文 2 分析型c r m 综述 群的消费行为进行分析。这要求c r m 中的分析工具可以从多个数据库中抓取并 形成复杂的d a t ac u b e 。在此基础上，使用者可以分析某类客户的消费行为， 如：电信行业分析经常打漫游电话的人群具备什么样的客户特征；年龄在3 0 岁 左右，月收入在5 0 0 0 以上的女性是否是长途电话消费主体，她们的通话习惯时 段是从几点到几点；是否周末的长途漫游消费有明显不同于周日的特征等等。行 为分析是比特征分析更为复杂的分析，因为它涉及到行业知识和分析模型的结合。 3 具有自定义的建模方式和参数调整的功能。 除了特征分析和行为分析，预测正在日益成为强大的分析功能必须提供的应 用。在详细了解了消费行为之后，很自然地，决策者会想到对数据的参数进行某 些调整，例如，价格的变化，如果调整周末的消费费率，肯定对整体收入带来积 极影响。如果决策者着力吸引那些能够带来高价值的客户，那么初期的投入就应 当控制在一个可接受的范围内。决策者需要知道客户的消费点临近什么值的时候 开始成为正利润客户。同时也想知道客户的生命周期至少要在多长时间内才具 有成为忠诚客户4 的潜力。现有的模型分析很大程度上是为企业的市场研究和分 析人员提供，有助于他们能够更理性地制定市场细分策略。 4 能够进行融合了人工智能的数据挖掘。 客户信息的录入和储存方式是数据，但是，对于决策者来讲，独立的单个的 数据的意义并不大，更重要的是信息和知识。现有的数据挖掘方法已经能够按照 内置逻辑语言进行归纳和演绎。例如，根据模型数据，系统建议以达成最高利润 为目标进行的价格优化政策。输入抽样调查得到的测试数据，可以根据呼出电话 的反馈率、直邮的反馈率、电视广告反馈率、巡展的反馈率等数据确定最佳的市 场活动模式，以最低的成本获得最好的市场活动效果。 2 7 分析型c 酬系统的发展趋势 1 前台和后台的信息系统将进一步融合后台软件产品的供应商如e r p 厂 商。将继续扩充自身的前台管理功能，前台软件的供应商也将增强自身的前台产 品与其它后台产品的集成能力。 2 呼叫中心的功能将大大扩充，真正地实现电话、w w w 、电子邮件、传真无 线、通讯、直接接触等的融合成为联系中心。 3 现有的c r m 产品将融入更多的合作伙俄关系管理p r m 的功能，而p r m 产 品将会有更细更具先进性的行业解决方案，并将融进分销系统软件和电子商务软 件的一些功能获得较大发展。 1 1 安徽理工大学硕士论文 3 数据挖掘综述 3 数据挖掘概论 目前，在很多领域，数据挖掘都是一个很时髦的词，尤其是在如银行、电信、 保险、交通和零售( 如超级市场) 等商业领域。同时，很多人也把它看得很神秘， 那么到底什么是数据挖掘呢? 为什么需要数据挖掘? 数据挖掘的基本原理与技术 有哪些昵? 3 1 数据挖掘产生的背景 在过去几十年中数据采集技术和存储技术的快速进步大大推动了数据库和信 息产业的发展。大规模数据库，尤其是数据仓库日益增多【1 0 】【1 l 】。无论是政府部门， 还是商业企业都积累了海量的业务处理数据、市场变化数据，并且都迫切需要将 这些数据转换成有用的信息和知识，以便将所获得的知识应用于包括商务管理、 生产控制、市场分析和工程设计等领域。但是，传统的数据分析方法和技术只适 用于对小规模数据库作一些简单的分析，面对快速增长的海量数据和比较复杂的 高层分析任务，过去所采用的数据分析方法显得无能为力，这就导致了企业虽然 拥有丰富的数据，却对数据中知识的掌握仍停留在过去的水平，即所谓的“数据 丰富，但信息贫乏”现象【1 2 】f 圩l 。比如，银行怎样利用大量的信用历史数据来评估 贷款客户的信用? 企业经理如何从丰富的数据中了解顾客的喜好和购买习惯，从而 制定更好的销售方案? 这些都是传统的数据分析方法解决不好、甚至根本无法解决 的问题，这就带来了对强有力的数据分析工具的需求，在这种情况下，数据挖掘 应运而生【“l 。 3 2 数据挖掘定义 数据挖掘的定义很多，虽然这些定义的表达方式不同，但本质都是一样的。 这里从技术角度和商业角度给出数据挖掘的定义。 3 2 1 技术角度 从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机 的实际数据中，提取隐含在其中的，人们不知道的、但又是潜在有用的信息和知 识的过程” 。这里的知识指概念、规则、模式、规律和约束等，它们具有特定 前提和约束条件，特定领域中具有实际应用价值，同时还要能够易于被用户理解。 安徽理工大学硕士论文3 数据挖摇综述 3 2 2 商业角度 从商业角度看，数据挖掘可以描述成：按企业既定业务目标，对大量的企业 数据进行探索和分析，揭示隐藏的、未知的商业规律或验证己有的商业规律，并 且进一步将其模式化的数据处理方法n s 删 。 3 3 3 本文定义 本文对数据挖掘概念的理解如下：数据挖掘作为一种数据分析的工具而存在。 它是一个分析具体数据，提取和展现可操作的，隐含的，新颖的信息，以解决业 务问题的流程。数据挖掘是从大型数据库中选取有效的，以往不为人知的，最终 能为人理解的信息，并用它来做重要决策的过程。数据挖掘技术的支持技术包括： 海量数据搜集技术；强大的多处理器计算机；数据挖掘算法。 3 3 数据挖掘功能 数据挖掘通过预测未来趋势及行为，做出基于知识的决策。数据挖掘的目标 是从数据库中发现隐含的、有意义的知识，主要可以分为六类功能 1 7 1 ： 1 自动预测趋势和行为 数据挖掘自动在大型数据库中寻找预测性信息，以往需要进行大量手工分析 的问题如今可以迅速直接由数据本身得出结论。一个典型的例子是市场预测闯题， 数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户，其它可预 测的问题包括预报破产以及认定对指定事件最可能做出反应的群体。 2 关联分析 数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量 的取值之闻存在某种规律性，就称为关联。关联分析的目的是找出数据库中隐藏 的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因 此关联分析生成的规则带有可信度。关联分析的一个典型例子是购物篮的分析， 在市场营销中，通过发现超市客户放入其购物篮中不同商品之间的联系，分析客 户的购买习惯，帮助超市制定合适的营销策略。例如分析在同一次去超市购物时， 如果顾客购买牛奶，同时也购买面包的可能性有多大，这种信息可以引导销售， 如将牛奶和面包尽可能放得近一些，可以进一步刺激顾客同时购买这些商品，另 外也可以提高顾客的购物效率。随着大量的业务数据不停地被收集和存储，许多 业界人士对于隐含在这些海量数据中的关联规则越来越感兴趣，因而，从大量商 业事务记录中发现有趣的关联，可以帮助许多商务决策的制定，比如分类设计和 安徽理工大学硕士论文3 数据挖掘综述 交叉销售等。常用的关联分析的方法有a p r i o r i 算法和频