（机械电子工程专业论文）数据挖掘在低压电器crm中的应用研究.pdf

武汉理工大学硕士学位论文 摘要 对于现代企业而言，面对日益激烈的市场竞争，企业逐渐意识到维系与顾 客之间的长久关系的重要性。客户关系管理( c r m ) 就是企业通过对客户的管理 来提升企业市场竞争力的一种全面的电子商务解决方案。它与企业资源计划 ( e r p ) p a 及供应链管理( s c m ) - - 起构成了企业信息化建设的基本构架。 客户关系管理的核心内容是利用信息技术对客户资源进行集中式管理。把 经过分析和处理的客户信息与有关客户的各种业务领域进行无缝结合，让市场 营销、产品销售、客户服务和技术支持等各部门的管理能共享客户资源，使企 业可以根据客户的喜好和需求提供有针对性的服务，提高客户满意度和忠诚 度，最终提升企业利润。 本论文从低压电器客户管理和业务管理出发，在详细分析低压电器行业现 状、系统目标和数据特点的基础上，深入研究了数据挖掘技术的价值以及数据 挖掘在低压电器c r m 中的应用问题，选择了适当的算法和方法对客户关系中的 数据加以挖掘，明确了在低压电器c r m 中实施数据挖掘的步骤。建立了能够提 供分析决策的数据仓库，提出了低压电器实施客户关系管理所需建立的，以客 户为主题的数据仓库的概念模型、逻辑模型、物理模型，并设计了低压电器客 户关系管理系统。 本文重点讨论了数据挖掘在c r m 系统中应用的方式和关键问题，阐述了 在c r m 系统中建立和启动数据挖掘的步骤。为了阐述和论证观点，作者参与 设计t c l 工业电器事业部的c r m 系统部分功能。围绕着系统的设计，本文介 绍了数据挖掘在c 刚系统中的应用的详细过程和步骤，包括：数据挖掘任 务、数据的采集和预处理、数据库的建设、数据挖掘算法的应用以及系统界面 设计等。 本文的研究不仅可以为低压电器企业开展业务带来新的思路，为国内低压 电器企业提升客户关系管理水平、提升客户满意度、获取竞争优势提供一定的 帮助，而且在建立数据挖掘在客户分析中的应用方面也提供了有益的尝试。 关键词：客户关系管理，数据挖掘，低压电器行业 武汉理工大学硕士学位论文 a b s t r a c t a sf a ra sc o r p o r a t i o n sw e r ec o n c e m e d ，f a c i n gw i t ht h ed r a s t i cm a r k e tc o n t e s t ， t h ee n t e r p r i s e sa r ew e l la w a r eo ft h ei m p o r t a n c eo ft h ep e r m a n e n tr e l a t i o n s h i p 、i t h c l i e n t sa n dt r a n s f e ri t sc o m p e t i t i v es t r a t e g yf r o mp r o d u c t i v e - c e n t e rt oc u s t o m e r - c e n t e r c u s t o m e rm i n i o n s h i pm a n a g e m e n ti sa ne - c o m m e r c es o i n t i o nt h a tc a np r o m o t et h e m a r k e tc o m p e t i t i o na b i l i t vo fe n t e r p r i s eb ym a n a g i n gc u s t o m e r sd a t a , b 0 t h c r m e r pa n ds c mb u i l du pt h eb a s e so f i n f o r m a t i o ni n f r a s t r u c t u r eo f a ne n t e r p r i s e 1 1 1 cc o r eo fc r mi sc e n t r a l i z e dm a n a g et h ec u s t o m e rr e s o u r c ew h i c hu s e s i n f o r m a t i o nt e c h n o l o g y i tc o m b i n e dt h ea n a l y z e da n dd i s p o s a lc u s t o m e ri n f o r m a t i o n w i t ha l lk i n d so fo p e r a t i o nf i e l d sa b o n tt h ec o n s u m e r s t h a tm e a n se v e r yd e p a r t m e n t c o u l ds h a r ec u s t o m e rr e s o u r c es u c ha sm a r k e t i n gd e p a r t m e n t ，p r o d u c tp r o m o t i o n ， c u s t o m e rs e r v i c e sa n dt e c h n o l o g ys u s t a i n t h ee n t e r p r i s ec a np r o v i d et h ep e r t i n e n t s e r v i c e sa c c o r d i n gt oc u s t o m e r sf a v o r i t e sa n dn e e d s i tc o u l dp r o m o t et h ec u s t o m e r s a t i s f a c t i o na n dc u s t o m e rf a i t l l f u m e s sa n db o o s tt h ee n t e r p r i s e sp r o f i t s o nt h eb a s i so ft h el o wv o l t a g ee l e c t r i c a la p p a r a t o sc r ma n do p e r a t i o n m a n a g e m e n ta n dd e t a i l l ya n a l y s i n gt h es t a t u so ft h el o wv o l t a g ee l e c t r i c a la p p a r a t u s i n d u s t r y ，s y s t e mo b i e c ta n dt h ed a t ac h a r a c t e r i s t i c ，t h et h e s i st h o r o u g h l yr e s e a r c h e s t h ev a l u eo fd ma n dt h eu s eo ft h ed mi nt h el o wv o l t a g ee l e c t r i c a la p p a r a t u sc r m a n dc h o o s e st h ea p p r o p r i a t ea l g o r i t h ma n dm e t h o dt om i n et h ed a t ai nt h ec r m a n d d e t e r m i n e st h es t e p so ft h ed mo p e r a t i n gi nt h ec r m n l et h e s i se s t a b l i s h e st h ed a t a w a r e h o u s i n gt h a tc a l la n a l y s et h ed e c i s i o n - m a k i n g , a n dp u t sf o r w a r dt h ec o n c e p t m o d e l t h el o g i c a lm o d e la n dt h ep h y s i c a lm o d e lt h a te s t a b l i s h e sa n di m p l e m e n t si n t h el o w - v o l t a g ea p p l i c a t i o nc r ma n dd e s i g n st h el o wv o l t a g ee l e c t f l e a la p p a r a t u s c r m s y s t e m t h et h e s i sd i s c u s s e st h em e t h o d sa n dk e yp r o b l e m st oa p p l yd a t am i n i n gi n c r ms v s t e ma n dd e s c r i b e st h ep r o c e d u r et oe s t a b l i s ha n ds t a r t u pd mi nc r ms y s t e m i no r d e rt oe x p l a i na n dp r o v et h ev i e w p o i n t t h ec r ms y s t e mo ft c li n d u s t r i a l e l e c t r i c a ld e p a r t m e n th a sb e e nd e s i g n e d d e t a i l e dp r o c e s sa n da p p r o a c ht oa p p l yd m i i lc r m s y s t e mt h r o u g hs y s t e md e s i g nh a v e b e e ni n t r o d u c e d i n c l u d i n g ：d mm i s s i o n d e f i n e d a t ac o l l e c t i n ga n dd a t ap r e p r o c e s s ，c o n s t r u c t i o no fd a t a b a s e ，d ma r i t h m e t i c a p p l i c a t i o n sa n ds y s t e mi n t e r f a c e sd e s i g ne t c t h ec o n c e p to ft h i sr e p o r tw i l lb r i n gi d e at ot h el o wv o l t a g ee l e c t r i c a la d p a r a t u s e n t e r p r i s e s ，h e l pt h e mt oi m p r o v ec u s t o m e rs a t i s f a c t i o na n dw i nc o m p e t i t i o n , a n d h a v eau s e f u lt r yi na p p l i c a t i o no f c u s t o m e ra n a l y s i si ns e l lb u s i n e s s k e yw o r d s ：c r m d m 1 0 wv o l t a g ee l e c t r i c a la p p a r a t u si n d u s t r y i i 武汉理工大学硕十学位论文 i i 课题研究的背景 第1 章绪论 1 1 1 低压电器行业的发展及现状 我国低压电器行业经过5 0 多年的发展，已经形成比较完整的体系，目前生 产的低压电器产品近1 0 0 0 多个系列，产值约2 0 0 亿人民币，生产企业1 5 0 0 家左 右。目前行业中企业主要分为三大类，国有( 含转制) 企业、民营企业和外资 企业。按产值计算，分别占行业中的比例为：2 5 ；5 0 ；2 5 2 1 。 市场是企业生存和发展的关键。前几年，一方面地区和企业间产品趋向同 化，中、低档产品多家重复生产，使大批中、低档产品及其附件严重积压；另一 方面高性能、高可靠、小型化产品国内大部分企业无力生产，从而造成国外产品 大量进入我国市场，国产低压电器市场占有率大幅度下降。 同时随着信息业在2 1 世纪的高速发展，低压电器行业的竞争愈演愈烈，低 压电器行业同其他行业一样，不仅要面对国内同行之间的竞争，同时还要面对国 际市场带来的行业竞争与冲击。企业已经很难通过产品本身的优势来保证在激烈 的市场竞争中立于不败之地。因此企业的经营模式逐渐由“以产品为中心”向 “客户为中心”转变1 3 】。客户成了全球低压电器企业争夺最激烈的资源，客户关 系成为企业发展生死攸关的资源。在这种经营观念的转变下，企业一方面希望更 好地了解现有客户，建立持久的客户关系，增强赢利能力；另一方面也希望挖掘 更多有利可图的新客户，以获取最大利益。在这种市场需求刺激下，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 t 简称c r m ) 系统应运而生，并迅速发 展。 由于低压电器行业竞争的残酷现状和信息业的高速发展，企业营销策略中对 客户关系管理是迫切需要的，在短短的几年内将数据仓库( d a t aw a r e h o u s e ) 和数 据挖掘( d a t am i n i n g ) 从纯粹的理论研究迅速转化为c r m 领域中实用性极强的技 术。数据仓库的发展将人们从简单的批处理、联机事务处理的信息处理时代带入 了联机分析处理、数据仓库和数据挖掘的信息分析时代，这一发展过程具有内在 的动力和外在的推力。数据挖掘通过预测未来趋势及行为，做出预先的、基于知 识的决策，目的是从数据库中发现隐藏的、有意义的知识【4 1 。 武汉理工大学硕七学位论文 1 1 2 客户关系管理的发展及现状 客户关系管理是以客户为中心的思想发展而来的管理理论。客户关系管理在 国内2 0 0 1 年前后开始在台湾盛行，原因主要是台湾市场逐渐成熟，需求自然产 生，而这其实也和c r m 的作用相关。随着电子信息时代的来临，空间距离逐渐缩 短，本地企业无法再闭关自守，面临的挑战随之增多，加上在新世纪中服务的品 质与个人的服务盛行，市场早就以面向产品转为面向顾客服务。因此c r m 变成企 业的一个求生要素。客户关系管理不再只是针对顾客来讨论，而是提供一个综合 企业内部所有问题的整体全面解决方案，其领域包括顾客行销，销售以及顾客服 务等，并且综合人员、流程与信息科技形成一个具有革命性冲击的新观念。c r m “不是一个产品，而是一种商业全新理念”1 5 】。 我国的客户关系管理方面和国外的还存在着不小的差距，具体表现如下几个 特点1 6 】： ( 1 ) 还处在起步阶段，市场体系不完善，分化严重 我国的c r m 市场起步较晚，无论是从产品、区域、行业，还是从销售来看， 整个市场体态都还不健全，目前主要集中在北京、上海等经济发达地区。在这些 地区和行业中也初步建立自己的信息化平台，而在其他地区和行业中则是闻之甚 少。 ( 2 ) 市场需求量大 在经过一段较长时间对客户关系管理系统的认识之后，c r m 逐渐被国内众多 的用户所熟悉和接受。在竞争激烈的信息化时代，客户关系管理系统给企业带来 了一定的经济效益，这使得很多企业用户对c r m 的市场需求加大。 ( 3 ) 缺乏适合的c r m 虽然自c r m 进入国内后，很多软件厂商纷纷推出了自己的c r m 产品，但是 能够提供功能比较全面的c r m 产品的国内厂商很少，他们绝大部分只是提供一些 粗糙的功能模块，实用价值大大缩减并不能适合企业的实际情况，不是真正意义 上的c r m 产品。同时由于在没有独立的机构负责客户关系的管理，缺乏客户全面 的交易和行为信息，客户属性不清，缺乏动态管理，客户资源大量浪费的情况 下，盲目开发新客户等等。目前国内的高端企业的成功客户关系管理的案例还非 常少，这在很大程度上是没有从业务，技术、流程、培训等方面综合的来对客户 关系管理进行规划。 2 武汉理工大学硕士学位论文 1 1 3 数据挖掘的发展及现状 随着信息技术的高速发展，数据库应用的规模、范围和深度已经从点( 单台 机器) 发展到面( 网络) ，甚至到i n t e r n e t 全球信息系统，使得无论是商业、企 业、科研机构或是政府部门，在过去若干年的时间里都积累了海量的、不同形式 存储的数据资料。这些资料十分繁杂，仅仅依靠数据库的查询检索机制和统计学 方法已经远远不能满足现实的需要，因此它迫切要求自动地和智能地将待处理的 数据转化为有用的信息和知识，从而达到为决策服务的目的。在这种情况下，一 个新的技术一数据挖掘技术应运而生。数据挖掘正是为了迎合这种需要而产生并 迅速发展起来的、用于开发信息资源的、一种新的数据处理技术。 数据挖掘( d m ) ，又称数据库中知识发现( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ， 简称k d d ) ，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等 知识的复杂过程【7 】。数据挖掘是一个多学科领域，从多个学科汲取营养，涉及到 数据库技术、人工智能、机器学习、神经网络、模式识别、归纳推理、统计学、 数据库、数据可视化、信息检索、高性能计算等多个领域。从1 9 8 9 年8 月在美 国底特律召开的第1 1 届国际人工智能会议上首次出现k d d 这个术语，到1 9 9 5 年 在加拿大蒙特利尔召开的首届k d d d a t am i n i n g 国际学术会议，再到以后每年 都要召开一次的k d d d a t am i n i n g 国际学术会议，经过十多年的努力，数据挖 掘技术的研究已经取得了丰硕的成果，不少软件公司已研制出数据挖掘软件产 品，并在北美、欧洲等国家得到应用。例如，i b m 公司a g r a w a l 等人最早取得了 关联规则挖掘有关的两项专利嗍，将数据挖掘技术中的关联规则应用在实际工程 中，获得了很好的效果。同时互联网挖掘技术也应用在网络搜索和电了商务中， 并显现出卓越的效果。在我国，数据挖掘技术的研究也引起了学术界的高度重 视，已成为信息科学界的热点课题。数据挖掘研究具有广泛的应用前景，因为数 据挖掘产生的知识可以用于决策支持、信息管理、科学研究等许多领域。目前对 数据挖掘的研究大多基于经典算法的研究，像中国人民大学数据挖掘中心于 2 0 0 2 年在统计与信息论坛发表的一系列论文 9 - ”】。从商业角度看，数据挖掘是一 种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽 取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据】。 武汉理工大学硕士学位论文 1 2 课题研究的内容、目的和意义 本文以我国低压电器行业为研究对象，着重研究如何使用数据挖掘技术加强 低压电器企业客户关系管理问题，重点以t c l 工业电器事业部客户历史数据来分 析，以数据挖掘为手段，识别、跟踪客户，分析客户关系，从客户信息中提取关 键知识，为企业经营管理活动提供决策支持。 本文主要内容有： ( 1 ) 客户关系管理相关理论研究在介绍了客户关系管理的基本概念后，重点 阐述了客户关系管理的基本理念、基本特性，结合低压电器的行业状况和t c l 工业电器事业部的客户关系管理情况，并从经济学意义和市场营销学理论上解析 了低压电器行业客户关系管理。 ( 2 ) 数据仓库和数据挖掘技术客户关系管理系统的核心功能在于从大量数据 中找到有用的信息，了解客户行为、预测客户行为趋势，从而得到指导低压电器 企业发展的战略性依据。故本文重点讨论数据挖掘的基本任务、基本方法和基本 步骤，并讨论怎样采用数据仓库存放低压电器行业的海量数据，用各种方法和数 据挖掘算法来分析数据。 ( 3 ) 数据挖掘在客户关系管理中的应用问题数据挖掘技术是实现客户关系管 理系统的核心内容和关键技术，重点在于论述将这些理论与客户关系管理，与低 压电器行业和t c l 工业电器事业部客户关系管理的实际情况结合起来，开发低压 电器行业客户关系管理系统，以及实施需要解决的问题。 ( 4 ) 实例分析介绍了数据挖掘在t c l 工业电器事业部低压电器客户关系管理 中的实现。 总体来说，研究的目标是从t c l 工业电器事业部的各个信息系统中汇总海量 客户信息和业务信息并进行挖掘。决策人员从这些分析和统计中得到战略性的决 策，制定目前的工作重点、营销方式和中长期的发展策略，从而提高客户满意 度，保留老客户和大客户，吸引潜在客户，进而不断的提高利润，增大业务量， 发展我国低压电器行业。 4 武汉理工大学硕士学忙论文 第2 章数据挖掘技术及其在c r m 中的应用 2 1 数据仓库及数据挖掘的概述 2 1 1 数据仓库的特点 数据仓库之父i n l l l m o n 在其数据仓库一书中定义了数据仓库的概念：数 据仓库是面向主题、集成的、非易失的，是随时间变化的数据集合，用来支持管 理决策【1 2 1 。根据数据仓库的定义，数据仓库具有以几个特征1 1 3 1 ： ( 1 ) 面向主题操作型数据库的数据组织面向事务，各个业务系统之间各自分 离，而数据仓库以一个企业其组织中固有的业务主题作为处理的主体，从全局的 角度来衡量这些主题在企业中的作用，主题是一个抽象的概念，是指用户使用数 据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相 关。 ( 2 ) 集成的数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基 础上经过系统加工、汇总和整理得到的。必须消除数据源中的不一致性，以保证 数据仓库内的信息是关于整个企业的一致的全局信息。 ( 3 ) 稳定的操作型数据库中的数据通常实时更新，数据根据需要及时更新。 而在数据仓库中，数据反映一段相当长时间内历史数据的内容，是不同时间点的 数据库快照的集合，以及基本快照的统计、综合和重组。数据仅在抽取和装载时 进行更新或修改。 ( 4 ) 反映历史变化数据仓库本身不随时间变化，而是时间元素( 如年、月、 日等) 包含在数据中，可对企业发展历程和未来趋势做出定量分析和预测。 2 1 2 数据仓库的建立过程 数据仓库的建立过程主要有以下几个方面： ( 1 ) 数据仓库设计：根据决策主题设计数据仓库结构，一般采用星型模型和雪 花模型设计其数据模型，在设计过程中应保证数据仓库的规范化和体现各元素的 必要联系。 ( 2 ) 数据抽取、转换、装入：该过程是根据元数据库中的主题表定义、数据 源定义、数据抽取规则定义对异地异构数据源( 包括各平台的数据库、文本文 件、h t m l 文件、知识库等) 进行清理、转换，对数据进行重新组织和加工，装载 武汉理工大学硕+ 学位论文 列数据仓库的目标库中。 ( 3 ) 数据维护：该过程又分为目标数据维护和元数据维护两方面。目标数据 维护是根据元数据重新定义的更新频率、更新数据项等更新计划任务来刷新数据 仓库，以反映数据源的变化，且对时间相关性进行处理。更新操作有两种情况， 即在仓库原有数据表中进行某些数据的更新和产生一个新的时间区间的数据，因 为汇总数据与数据仓库中的许多信息元素有关系，必须完整地汇总，这样才能够 保证全体信息的一致性。 2 1 3 数据挖掘的定义 数据挖掘( d m ，d a t am i n i n g ) 是指从数据库的大量数据中提取隐含的、先 前未知的并有潜在价值的信息和知识的过程【1 4 】。数据挖掘是指从大量的、不完全 的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道 的、但有潜在价值的信息和知识地过程【1 5 】。数据挖掘的定义有很多，表达方式虽 不同，但本质都是一样的。简单说，数据挖掘是从大量数据中挖掘出隐含的，先 前未知的，对决策有潜在价值的知识和规则。这些规则蕴含了数据库中一组对象 之间的特定关系，揭示出一些有用的信息，为管理层提供决策支持。 数据挖掘系统主要有四个模块：用户界面、数据准备( 也称为数据预处理) 、 挖掘、模式的解释和评价( 如图2 - 1 所示) 。 图2 - 1 数据挖掘的体系结构 6 武汉理工大学硕士学位论文 2 1 4 数据挖掘方法 数据挖掘技术是数据库技术、统计技术和人工智能技术发展的产物。从使用 的技术角度，主要的数据挖掘方法包括： ( 1 ) 决策树方法：利用树形结构来表示决策集合，这些决策集合通过对数据 集的分类产生规则。国际上最有影响和最早的决策树方法是i d 3 方法，后来又 发展了其它的决策树方法。 ( 2 ) 神经网络方法：从结构上模拟生物神经网络，以模型和学习规则为基 础，建立三种神经网络模型：前馈式网络、反馈式网络和自组织网络。建立非线 性预测模型，可以完成分类、聚类和特征挖掘等多种数据挖掘任务。 ( 3 ) 遗传算法：模拟生物进化过程的算法，由繁殖( 选择) 、交叉( 重组) 、变 异( 突变) 三个基本算子组成。为了应用遗传算法，需要将数据挖掘任务表达为一 种搜索问题，从而发挥遗传算法的优化搜索能力。 ( 4 ) 租糙集( r o u g hs e t ) 方法：r o u g h 集理论是由波兰数学家p a w l a k 在八十 年代初提出的一种处理模糊和不精确性问题的新型数学工具。它特别适合于数据 简化，数据相关性的发现，发现数据意义，发现数据的相似或差别，发现数据模 式和数据的近似分类等，已应用在数据挖掘和知识发现研究领域中。 下表( 表2 - 1 ) 为三种常见的数据挖掘技术的比较： 表2 - 1 三种常见的数据挖掘技术的比较 优点缺点适用情况 方法 对于复杂的情况仍能得无法解释结果：尤其适用于模型的结果比可 到精确预测的结果，可对输入数据类型理解性更重要的分类和预测 神经网络 处理类别和连续变量有要求；易受过的复杂度情况。不适合处理 度训练的影响；高维变量。可用于聚类、分 计算鼍大类和序列号模式。 产生直观、易理解的规数据越复杂，决使片j 对记录分类或结果的预 则；分类不需太多计算策树分枝越多，测，尤其当目标容易生成理 决策树 时间、且计算容易；可很难管理；对缺解、解释，可翻译成s q l 或 处理类别连续变量；可失的数据不太有自然语言规则时 清楚指明对预测和分类 效 量重要的域 可处理许多数据类型；需要参数太多，可解决其他技术难以解决的 可并行处理，常崩于优对许多问题编码问题，常与其他问题集成， 遗传算法 化神经元网络等技术。困难；得剑满意用于分类聚类、关联及序列 解，非最优解，模式。 计算量大。 武汉理工大学硕士学位论文 目前存在大量的聚类算法，算法的选择取决于数据的类型、聚类的目的和应 用。主要聚类算法可以划分为：划分方法、层次的方法、基于密度的方法、基于 网格的方法和基于模型的方法【1 6 l 。聚类分析作为一种定量的方法，将从数据分析 的角度，给出一个更为准确、细致的分类工具【l ”。聚类可以用来从地理数据库中 识别出具有相似土地用途的区域；可以从保险公司的数据库中发现汽车保险中具 有较高索赔概率的群体；还可以用来从万维网上分类不同类型的文档等【1 8 1 。 同时，关联分析也是一种很好的挖掘工具，关联分析( a s s o c i a t i o n a n a l y s i s ) ，就是从给定的数据集中发现频繁出现的项集模式知识( 又称为关联规 则，a s s o c i a t i o nr u l e s ) 关联分析广泛应用于市场营销、事务分析等应用领域。 关联分析得到的规则主要应用于系统的购物分析及新业务开展【1 恻。a p r i o r i 算 法【2 1 1 是挖掘产生布尔关联规则所需频繁项集的基本算法；它也是一个很有影响的 关联规则挖掘算法。 数据挖掘利用的技术越多，得出的结果精确性就越高。原因很简单，对于某 一种技术不适用的问题，其它方法可能奏效，这主要取决于问题的类型以及数据 的类型和规模。 2 2 客户关系管理概述及其思想问题 2 2 1 概述 客户关系管理( c r m ) 从2 0 世纪9 0 年代末期开始得到了很多企业的关注，随 着企业经营策略和电子商务发展的需要，许多软件商推出了以客户关系管理命名 的软件。客户关系管理是一种管理软件和技术，它将最佳的商业实践和数据挖 掘、数据仓库以及其他信息技术紧密结合在一起，为企业的销售、客户服务和决 策支持等领域提供一个自动化的解决方案阱1 。c r m 应用不同企业，采用方式不 同。其中分析型c r m 主要是分析运营型c r m 和原有业务系统中获得的各种数 据，进而为企业的经营决策提供可靠的量化依据。分析型c r m 一般需要用到一 些数据管理和数据分析工具，如数据仓库、o l a p 和数据挖掘等【2 3 1 。 从由市场驱动的现代化经济发展开始，c r m 一直是商业的核心。很大程度 上，由于i n t e r n e t 的快速发展，使得市场的变化步伐越来越快，而且竞争也日 趋激烈。拥有更有效地成功实施c f n 解决方案的工具显得越来越重要。 8 武汉理工大学硕士学位论文 2 2 2 客户关系管理的思想问题 许多人都把客户关系管理( c r m ) 、企业资源计划( e r p ) 和供应链管理 ( s c m ) 作为企业三大基本系统，这足可以说明客户关系管理系统的重要性。但 是人们很容易就导出客户关系管理只是一个软件系统，是一个新鲜的外来物，事 实上，客户关系管理是管理思想。有很多企业对c r m 的认识中还存在一些思想问 题，究其原因主要思想认识不够。 在国外，c r m 的发展是渐进式的，是先逐步形成了以客户为中心的c r m 思 想，然后才渐渐地与i t 技术相互结合起来，形成了c r m 。但是中国的c r m 概念 最早是由外企在推广产品时带进来的，由于引进的是产品，而不是管理思想，所 以在中国，客户关系管理的思想基础非常薄弱，它在很大程度上还没有归纳、整 理、提炼成一种思想，更没有形成像市场营销一样的知识体系。被动接受来自西 方的c 跏，其所体现的思想有的过于超前，严重脱离中国实际，而在中国本土逐 渐形成的符合国情的c r m 思想又没有能够被体现和固化在c r m 之中，这就导致 c r m 软件中的许多功能用不上，而迫切需要的功能却又没有，这种尴尬普遍存 在。一些企业可能认为c r y 只不过是一套软件，买来装上用就可以了，对c r m 的 管理思想理解不透彻，甚至错误。在客户关系管理系统中，人的因素是至关重要 的，特别是管理层的思想，应当在企业内部进行人的思想的培训。 2 3 低压电器客户关系管理系统结构 为更好地了解低压电器客户关系管理系统，首先我们有必要了解客户需求的 基本特点：中国低压电器领域涉及甚广，包含电力、钢铁、化工、煤炭、水利， 建筑等等，可以概括为几乎用电的领域都要用到低压电器，因此经营业务种类繁 多，客户遍及各地，几乎每个人，每个公司都是客户。 随着信息技术的发展，低压电器企业引进了许多信息系统有效地进行客户服 务，同时也收集了大量的客户资料并保存了大量的信息档案。然而各个信息系统 之间的信息是相互独立的，这就形成了“信息孤岛”，客户的信息得不到充分的 利用，客户关系管理就是为了解决这个问题的。 理论上，c r m 可包括三个主要部分：运营层c r m 、分析层c r m 、协作层c r m ， 一套c r m 产品只有具备了以上三部分的功能，同时能够保证对支撑这三个方面运 行体系结构的合理管理、以及充分的技术、服务支持才能算是一个完整的c r m 决 9 武汉理一f ：大学硕士学位论文 策方案，图2 2 是一个详细的c r m 总体结构图【2 4 i 。 i 匡礁到墨 匝垂虻歪丑园 i i 匝正因 羞 ii 区互圈 分析詹 lii 医爱至雪 i 音f 7 为致蔫l 圈圈圆圈圈 图2 - 2 c r m 总体结构图 由上图可以看出：要对数据进行有效的分析，数据的完整与可靠是必须的， 否则分析结果就是不可靠的，决策层也无法根据这些结果得到准确的发展策略和 定位。客户关系管理将“信息孤岛”连接起来，并将数据进一步处理分析，存放 在一个数据仓库中，这个数据仓库的数据是完整的、统一的，对其中的数据进行 分析得到的结果是可靠的。通过数据挖掘，可以了解现有顾客的需求，分析顾客 流失的原因和满意的原因来检讨营销策略，并制定新的策略来提高顾客满意水平 和顾客忠诚度，同时数据挖掘还可以剖析现有的目标市场和不满意顾客的构成， 制定新的营销策略来吸引顾客。低压电器客户关系管理系统就是运用各种0 l a p ( o n l i n ea n a l y t i c a lp r o c e s s i n g 的简称，又名联机分析处理) 方法和数据挖掘 ( d a t am i n i n g 简称d m ) 算法进行分析和统计，掌握低压电器的客户行为和行为 趋势；掌握市场动态和趋势及行业发展特点；掌握竞争对手的情况、策略等等。 在低压客户关系管理系统中，数据仓库和数据集市提供了进行决策支持的数 据来源。决策支持包括0 l a p 和数据挖掘即d m 提供服务支持。企业应用层通过定 制决策支持提供的服务完成特定低压电器应用要求的客户关系管理功能。低压电 器客户关系管理系统体系结构图( 图2 3 ) 如下： 1 0 武汉理工大学硕士学位论文 嗣 z 用层 设计院管理成套厂管理市场管理客户服务i j 翰 圈 0 l 务层决策支持o l a p决策支持d m 园 囵 蹦 ：据层 竺三竺三i 图2 - 3 低压电器客户关系管理系统体系结构图 2 4 低压电器客户关系管理系统的功能 客户关系管理的目标是保留老客户，维持现在客户，发现潜在客户，保证低 压电器企业的客户量不断增大，从而保证企业的利润不断增加。从客户关系管理 本质和低压电器行业的实际情况出发，同时考虑t c l 工业电器事业部的实际状 况，低压电器客户关系管理功能主要分为四大部分即客户信息管理、市场管理、 销售管理、客户服务管理。 2 4 1 客户信息管理 低压电器行业的客户资料主要包括：设计院客户资料、经销商客户资料、成 套厂客户资料、工程客户资料等。在这些客户资料中，设计院是工程信息来源 地，设计院的电气设计师就是属于固定客户，需要长期维护。经销商客户与成套 厂客户属于与企业合作客户，要实现根据以往合作的诚信度来推测合作趋势；工 程客户资料是分析用户对产品的认可程度和满意度的重要资料，因此要从中能提 取出产品的发展趋势和研发的力度。通过整合记录低压电器行业的客户信息，形 成统一的数据仓库。客户数据包括客户类型的划分、客户基本信息、客户联系方 式、企业销售人员的跟踪记录、历史合作记录、客户状态等。本文重点关注低压 电器行业设计院的设计师客户，应得到如下信息资料； ( 1 ) 客户特征企业为了获得利益的最大化，不仅想法设法了解客户的住 址、年龄、性别、收入、职业、教育程度等基本信息，对婚姻、配偶、家庭状 武汉理e 大学硕士学位论文 况、疾病、爱好等等的收集也是不遗余力。客户资料通过历史数据的挖掘能区分 客户的忠诚度、品牌认可度，确定客户是属于重点客户还是一般合作客户，并针 对不同的客户来制定相关的营销投入。对于重点客户，往往要制定个性化营销策 略，以求留住这些重点客户，当然要通过客户关系管理不要让其他客户感到歧视 和不平等。 ( 2 ) 客户关注点在客户群体中每个客户需求是不一致的，因此其关注点也 是不一样的，要通过与客户大量接触后，收集客户的大量信息，通过分析，来确 定客户的最关注的部分，从而针对性的来进行攻关或营销活动。通过大量的历史 数据分析，企业可以统计关注点相同或相似的客户，以便统一制作礼品或其他营 销策略。 ( 3 ) 客户忠诚度分析客户的忠诚度的目的是要得出客户的持久性、牢靠性 和稳定性分析。要通过分析客户历史合作数据，根据其合作的成功次数和程度及 对企业认可度，来确定该客户忠诚度处于哪个层次。对于高忠诚度的客户，要注 意保持良好的关系；对于低忠诚度的客户要根据情况来确定是维护还是淘汰，维 护就要不惜成本的来挖掘该客户，一直到该客户能成为高忠诚度的客户。 ( 4 ) 客户行为分析通过对全国性的客户信息数据的统计分析，来掌握群体 客户的行为规律，根据不同职位群体，不同年龄群体等来制定营销策略，同时可 以分析客户群体对公司产品使用情况，来确定哪个群体使用哪类产品等。 ( 5 ) 发现潜在重点客户通过对相同历史数据的分析，可以确定哪些客户可 以发展成为重点客户，找到具有潜力的客户群体。 2 4 2 市场管理 ( 1 ) 根据对客户资料及历史数据的分析，制定市场推广计划，并对各种销售 渠道( 包括传统营销、网络营销等) 接触的客户进行记录、分类和辨识，提供对 潜在客户管理，同时记录每次对每次市场活动的成效进行评价。通过数据分析可 知每个行业的客户需求什么，行业动态怎么样，是否有必要开展新的业务及开发 新的产品，是否给低压电器企业带来什么样的潜在商机。( 2 ) 要大力搜集竞争对 手的资料，通过对竞争对手的产品分析，来确定t c l 工业电器事业部产品与竞 争对手的产品差异。同时要挖掘竞争对手在该行业历史举行的营销活动和目前销 售策略，通过对比分析找出t c l 工业电器事业部与竞争对手的差异，扩大差异 化，走差异化营销道路。例如t c l 工业电器事业部的主要竞争对手是a b b 和施 1 2 武汉理t = 人学硕士学位论文 乃德，如果不走差异化道路，t c l 工业电器事业部这个新兴的企业是无法与具有 百年历史的国际性企业相竞争的。( 3 ) 搜集相关的行业的发展趋势，并对几个行 业的发展增长趋势以数据进行描述，通过数据挖掘来分析本行业的发展趋势。例 如：近年来，电力需求旺盛，通过对国家电网的改造时间及数量和电厂的建设数 量等数据来分析低压电器在电力行业未来的发展的潜力，制定电力营销行业的策 略。 2 4 3 销售管理 功能包括订单管理，对经销商销售、成套厂销售、销售佣金等管理。分析各 产品给企业带来了多少利润，它们在总的利润中占的比重如何，对利润量大的工 程是否要采取动作进一步改善，而利润量少的业务是否在某个环节改进，客户的 退货单的原因何在。销售管理要获得以下信息：了解业务的销售额，成本与利润 情况，各工程业务量比重，了解各业务在总业务量的状况。预测各业务的业务 量，并朝这个目标努力，订单分析了解各个订单状态，订单收款情况，退货分析 及其涉及各种原因。 2 4 4 客户服务管理 功能包括产品资料、服务请求、服务内容、服务网点等管理，详细记录服务 全过程进行情况，实现对客户关怀。通过客户对服务质量的评价来归纳总结，如 业务员态度、产品质量、供货周期、价格因素等来挖掘客户流失的原因，找出应 对方针，及时根据客户反映来制定策略。通过数据挖掘分析，可以达到客户满意 度分析，通过对比，企业就能知道哪个方面是企业的不足。 2 5 数据挖掘与客户关系管理的关系 数据挖掘是一个不断迅速发展的学科，且是面向应用的。数据挖掘应用于 c r m 会提高企业的商业智能( b u s i n e s si n t e l l i g e n c e ) 。数据挖掘与c r m 的结合将 是全方面的，即销售、营销和客户服务都可以从数据挖掘中获得决策支持，尤其 以营销过程为主。如果企业把利润作为自己的目标，客户关系管理则是到达这个 目标的最有用的工具，而数据挖掘则是这个工具的最佳引擎。商业智能化的数 据分析和处理：c r m 将最佳的商业实践与数据挖掘、数据仓库、一对一营销、 销售自动化以及其它信息技术紧密结合在一起，通过充分挖掘客户的商业行为个 武汉理- 大学硕士学位论文 性和规律，来不断寻找和拓展客户的盈利点和盈利空间，在实现商业流程自动化 的同时，帮助管理者做出合理的决策1 2 6 】。 2 6c r m 中数据挖掘工具的选择 数据挖掘能够帮助企业确定客户的特点，确定了客户的特点，就能够为客户 提供有针对性的服务。比如，如果发现了购买某一商品的客户的特征，就可以向 那些同样具有这些特征，但还没有购买的客户推销这个商品；找到流失的客户的 特征，就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补。评价 一个数据挖掘工具，需要从以下几个方面来考虑1 2 ；1 ： 1 可产生的模式种类的多少 通用的数据挖掘工具不区分具体数据的含义，通用的挖掘算法处理常见的数 据类型，一般提供以下几种模式：分类器、回归模式、关联规则、聚类等。 2 解决复杂闯题的能力 。 数据量的增大，对模式精细度、准确度要求的增高都会导致问题复杂性的增 大。数据挖掘系统可以提供下列方法解决复杂问题： ( 1 ) 多种类别模式的结合使用有助于发现有用的模式，降低问题复杂性。例 如：先将数据进行聚类分组，然后在各组进行挖掘预测性的模式，将会比单纯在 整个数据集上进行操作更有效、准确度更高。 ( 2 ) 多种算法的不同模式，特别是与分类有关的模式，可以有不同的算法来 实现且各有各的优缺点，适用于不同的需求和环境。数据挖掘系统提供同种算法 的多种模式，将能更有力的解决复杂问题。 ( 3 ) 数据选择和转换模式。适用于数据挖掘的数据通常被大量的数据项隐 藏，有些数据是冗余的，有些数据是完全无关的。而这些数据项的存在会影响到 有价值的模式的发现，数据挖掘系统的一个很重要功能就是能够处理数据复杂 性，提供工具，选择正确的数据项和转换数据值。 基于这样的标准所选择的数据挖掘工具能更好的使用c r m 系统的工作，同 时也是在c r m 系统中设计和建立数据挖掘模块所必须遵循和考虑的。对于具体 系统的设计中数据挖掘工具的选择的步骤主要有； ( 1 ) 将商业问题转化成一系列数据挖掘的任务。 ( 2 ) 理解可以获得的数据的信息：内容、字段类型、记录等之问的关系。 1 4 武汉理1 ：大学硕+ 学位论文 在将商业问题转化数据挖掘任务的时候，主要进行分类、估值、预测、关 联、聚集、描述等几种任务。例如在分析客户流失原因的时候，任务就是分类， 但是可以采用的技术有很多，如：神经网络算法、r o u g h 集算法、遗传算法等 等。从而在进行系统设计时选定数据挖掘工具需要分析挖掘算法和所要处理的业 务问题两方面内容。例如，本文所设计的低压电器c r