（计算机应用技术专业论文）基于神经网络的销售分析预测研究与应用.pdf

摘要 基于神经网络的销售分析预测研究与应用 摘要 在世晃范围内，c r m ( c u s t o m e rr e l a t i o nm a j l a g e m e n t ) 自1 9 9 7 年以 来一直迅速发展，成为了企业信息化建设的重要组成部分。同时c i 洲 的广泛应用也积累了海量的客户数据。随着企业竞争得加剧，企业管 理对决策支持的需求日益迫切。客户关系管理与数据挖掘技术的结合 己成为一种发展趋势。论文针对c 蹦系统对决策支持方面的需求，将 数据挖掘技术应用到销售预测中。 结构化的c i 蝴系统设计基于模块，模块间功能独立，数据交互功 能复杂。论文在设计c r m 时采用基于业务流程管理( b u s i n e s sp r o c e s s m a n a g e m e n t ) 的方法，通过完成业务流程实现系统功能，同时可以让管 理人员管理和优化企业业务流程。有效融合了企业内部的不同信息系 统，同时也为数据仓库的构建和数据挖掘提供了便利。 基于数学统计的销售预测方法往往只考虑了一部分影响销售的因 素，无法表达影响需求的各种因素之间的复杂的相互作用，建立的模 型相对简单。论文通过对比传统的统计学预测方法和人工神经网络， 认为人工神经网络具有良好的非线性映射能力和自学习能力，可以通 过学习把基本需求、季节、周期、市场活动等因素以及它们之间的相 互作用以权值的形式固化在神经网络中，用来预测销售趋势。 论文分析了基于b p ( b a c kp r o p a g a t i o n ) 网络进行销售预测的原理， 利用三层前馈神经网络建立预测模型，详细探讨了网络的拓扑结构、 隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定、 激活函数的选取等问题。仿真结果表明，该模型预测精度较高，具有 摘要 较好的泛化能力。 论文提出并实现的适用于中小型企业的销售分析预测系统，基于 企业不同信息系统搭建数据仓库，通过数据挖掘实现销售预测，同时 也包括其他数据分析模型。在系统设计构架上，考虑到对不同类型的 神经网络类型的扩展需求，论文将不同神经网络的共同特征提取、设 计成接口，便于以后将不同类型的神经网络应用集成到该框架中来， 具备更好地可扩展性，为日后的功能增强提供了支持。 关键词：c r m ，销售预测，神经网络，数据挖掘，b p m 系统设计 a b s t r a c t r e s e a r c ha n da p p l i c a t i o no f s a l e sf o r e c a s tb a s e do nn e u 臼阻ln e t w o r k a b s t r a c t i nt h ew o r l d w i d e ，c r m ( c u s t o m e rr e l a t i o nm a n a g e n l e n t ) h a sb e e n g r e a t l yd e v e l o p e ds i n c e l9 9 7 ，a n di tb e c o m e sa ni m p o r t a j l tp 狐f o r e n t e 印r i s ei n f o m a t i o ni n 触s t r u c m r e i nt h es 锄et i m e ，i n o r ea n dm o r e c u s t o m e r s d a t ah a v eb e e na c c u m u l a t e d a st h ec o m p e t i t i o nb e t w e e n c o m p a n i e sb e c o m e sf i e r c e r ，c o n l p a l l i e sh a v ea d v a n c e d 砌q u i r e m e n t so n d e c i s i o n ss u p p o r t i n g t h ec o m b i n a t i o no fc u s t o m e rr e l a t i o nm a n a g e m e n t a n dd a t am i n i n gi sat r e n dn o w t h i sp a p e ra p p l i e sd a t am i n i i l gt e c l u l o l o g y t os a l e sf o r e c a s tm o d u l et om e e tt h ed e m a l l d so fd e c i s i o n ss u p p o r t i n gi n c i 洲 s t m c t u r e dc r m s y s t e m sd e s i g nb a s e do nm o d u l e s ，允n c t i o n s 锄o n g d i 虢r e n tm o d u l e sa r ei s o l a t e d a t ai n t e r a c t i o np r o c e s si sc o i l l p l i c a t e d t l l i s p a p e ra p p l i e sb p mm e t h o dt oc r ms y s t e md e s i g n b yc o m p l e t i n gb u s i n e s s p r o c e s s ，s y s t e mp r o v i d e sd i f l f l e r e n t 如n c t i o n s ，a n dm a n a g e m e n ts t a f j fc a n m a n a g ea n do p t i m i z et h eb u s i n e s sp r o c e s s e s t 1 1 i ss o l u t i o ne f f e c t i v e l y c o n l b i n e sd i f r e r e n ti n f o m a t i o n s y s t e m s w i t h i n c o m p a n y ，p r o v i d e s c o n v e n i e n c ef o rb u i l d i n gd a t aw a r e h o u s ea n dd a t ai i l i n i n g s t a t i s t i c sb a s e ds a l e sf o r e c a s tm e t h o d so r e nj u s tc o n s i d e ro n ep a r to f e l 锄e n t st h a ta f r e c ts a l e s ，i tc 锄o ti n d i c a t ei n t e r - a f - f e c t i o nb e t w e e na l l e l e m e n t sa n dt h em o d e li ss i i n p l e b yc o m p 撕n gs t a t i s t i c a lm e t h o d sf o r s a l e sf o r e c a s t i n ga 1 1 d 叭i f i c i a ln e u t r a ln 咖o r k ，w ec a nf i n da n nm e t h o d h a sb e t t e rn o n l i n e a rm 印p i n ga n ds e l f l e 锄i n ga b i l i 够i tc a j ls o l i d i 矽a h t h ef a c t o r sa n dt h er e l a t i o n sb e t w e e nf i a c t o r si n t ot h es a l e sf o r e c a s t i n g i n a b s t r a c t m o d e lt h r o u g hl e a m i n g t l l i sp a p e rg i v e sad e t a i la n a l y s i so ns a l e sf o r e c a s t i n gb a s e do nb a c k p r o p a g a t i o nn e t w o r k t h a ti n c l u d e s3 一l a y e rb pn e t w o r kf o r e c a s tm o d e l ， n e t 、怕r ks t l l l c t u r e ，t h en u n 曲e ro f h i d d e nn o d e s ，c h o o s ea j l dp r e t r e a t m e n to f s a 1 p l ed a t a 砒i dd e t e n n i n a t i o no fp r e l i m i n a 巧p a r a m e t e r s t h ep r e d i c t i o n r e s u l t si n d i c a t et h a tt h es a l e sf o r e c a s tp r e c i s i o ni si m p r o v e d ，t h ec a p a b i l i t y o fg e n e r a l i z a t i o ni sg o o d i nt h ef i o r e c a s ts y s t e mw h i c hi n i t i a l i z e da n dd e v e l o p e di nt h i sp a p e r ，i s a p p l i e dt os a l e sa n a l y s i sa n df o r e c a s tf o rm i d - s m a l ls i z ec o n l p a n y i tb a s e s o nd i f f e r e n ti n f o m a t i o ns y s t e m sw i t h i nac o m p a n yt ob u i l dd a t aw a r e h o u s e ， u s i l l gd a t am i n i n gf o rs a l e sf o r e c a s t a n da l s oi n c l u d e so t h e rd a t aa n a l y s i s m o d e l s c o n s i d e r e ds y s t e md e s i 弘i n ga n ds t m c t u r e ，i no r d e rt oi n t e g r a t e o t h e rt y p e so fn e u t r a ln e 佃o r ka p p l i c a t i o nt ot h i sf h m e w o r ki n 如t u r e ，t h i s p 印e re x t r a c t sc o m m o nc h a r a c t e r i s t i c sa n dd e s i g n si n t e r f a c e sf o rd i f f e r e n t n e u t r a l n e t l o r k ， a n dt h i s p r o v i d e ss u p p o r t f o r向t u r e向n c t i o n s e n h a n c e m e n t s k e y w o i 之d s ：c r m ，s a l e sf o r e c a s t ，n e u t r a ln e t w o r k ，d a t am i n i n g ，b p m s y s t e md e s i g l l i n g 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位 论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除 文中已明确注明和引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 季妇雾争 日期： p 年弓月弓日 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅或借阅。本人授权东华大学可以将本学位论文的全部或 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 制手段保存和汇编本学位论文。 本学位论文属于 学位论文作者签名： 保密口，在年解密后适用本版权书。 不保密口。 套，心垮 日期：撕琴年弓月弓日 指导教师签名：巧唧l 谚珑 日期：娜年弓月乡日 第1 章绪论 第1 章绪论 1 1 论文的研究背景 作为当代重要管理理念之一，客户关系管理( c u s t o m e rr e l a t i o nm a n a g e n l e n t ， c r m ) 己经成为众多管理学者和企业界关注的热点问题。c r m 建立在当代先进信 息技术平台的基础之上，其核心思想是将企业的客户( 包括最终客户、经销商和合 作伙伴) 作为最重要的企业资源。通过在企业的市场营销、销售、服务与技术支持 等与客户相关领域实施c i 洲，向企业的销售、市场和客户服务人员提供全面、个 性化的客户资料，使其能够协同建立和维护一系列企业与客户之间卓有成效的互 动，提供完善的客户服务和深入的客户分析，强化跟踪服务和信息分析的能力， 从而使企业得以提高客户满意度，吸引和保持更多的客户，增加企业利润，同时 通过信息共享和优化商业流程来有效地降低企业经营成本。c r m 结合了数据挖掘、 数据仓库等先进信息技术，为企业的销售、客户服务和决策支持等领域提供了一 个综合解决方案，使企业顺利实现由传统企业模式到以电子商务为基础的现代企 业模式的转变。 面对当今世界新经济发展以及我国入世后带来的挑战和机遇，目前许多企业 都在投入大量资源进行c r m 建设，并取得了显著的经济效益和社会效益，凸现和 验证了c r m 的巨大价值。但是就目前我国c r m 系统应用情况来看，大多是比较初 级的工作数据和流程信息化，并没有有效利用大量的数据为决策支持服务。辅助 决策支持，已经成为c r m 等企业信息系统的发展方向，也是这些信息系统未来最 重要的功能。而在辅助企业管理者决策诸多决定因素中，销售预测是最重要的因 素之一，它在很大程度上决定着企业的长期规划和短期规划。 预测是对目前尚未发生的和还不明确的事物进行预先的估计和推测，对事物 将要发生的结果进行探讨的研究。它的实质就是研究事物发展中的偶然因素来推 断必然趋势的过程。经济预测是在一定的经济理论指导下，用相应的预测技术和 方法对过去经济数据资料分析和计算，研究和认识经济发展变化的规律。它是在 商品生产和商品交换过程中产生，伴随着国家制定经济政策和企业进行经济决策 的需求发展起来。由于经济运行系统本身是一个关系错综复杂的系统，科学的经 济预测也成为一项巨大的系统工程。 人工神经网络是以工程技术手段模拟人脑神经网络的结构和功能的一种技 第1 章绪论 术，它以大量的非线性并行处理器来模拟人脑的神经元，用处理器间错综灵活的 连接关系来模拟人脑神经元的突触行为。人工神经网络具有良好的自学功能、联 想储存功能及高速寻找优化解的能力，逐渐成为近年来热点研究的领域，涉及到 了电子科学与技术、信息与通信工程、控制科学与技术等诸多学科，应用于时间 序列分析、模式识别与控制等方面，并且在不断的扩展之中。由于经济系统的复 杂关系和神经网络技术的良好性能，人工神经网络应用于经济预测的研究已经成 为一个很有价值的研究课题，这也是形成本论文的选题的主要依据。 本课题结合上海市松江区科技创新项目“中小电器企业的c r m 系统研究”， 研究基于神经网络的销售数据分析预测理论。设计、实现了企业销售预测决策支 持系统，增强了c r m 中的销售预测决策支持功能。 1 2 国内外研究现状 在现代企业中，c r m 发挥着越来越重要的作用。c r m 已经在企业中得到广 泛的应用。但是目前主要的应用领域集中在将现有的业务信息化，对客户的信息 研究也主要集中在客户分类。国外几大软件厂商已经把b i ( b u s i n e s si n t e l l i g e n c e ) 作 为下一代企业信息产品的发展方向。增强c r m 系统的决策支持功能是目前的研究 热点。而在决策支持中最重要的是销售预测的分析。 目前销售预测的定量预测方法主要有时间序列预测法、线性回归模型预测法、 非线性回归模型预测法、灰色系统模型预测法、马尔可夫预测法等。这些方法各 有优点，在许多方面己有成功的应用。销售预测是一项复杂的系统工程，影响因 素多样，大多呈非线性变化。并且，产品的需求往往是由许多因素综合决定的， 传统的预测方法往往只是考虑了其中的一部分，而且影响需求的各种因素之间往 往存在着各种错综复杂的相互作用，靠传统统计方法建立的简单模型无法表达这 种相互作用。自从8 0 年代以来，神经网络在预测领域取得了丰硕的研究成果，自 l 叩e d e s t 和f 抽e r 首先应用了神经网络技术进行预测以来，神经网络的预测方法 日益成为人们关注的热点。目前，基于神经网络的预测研究主要集中在时间序列 预测和回归预测的研究。 m 砌( m d a l ( i s 乜1 等人收取1 0 0 1 个真实的时间序列数据，将各序列中的最新数据 从样本中除去，然后参照各预测模型对这些最新数据进行预测，最后将得到的预 测结果和真实数据进行比较，确定各种预测方法的优劣，这些时间序列数据即为 著名的“m 一竞赛 数据。s h a r d a 和p o t i l n 3 运用m 列! ( n l d a k i s 等人收取的时间序列中 2 第1 章绪论 的7 5 个对a n n ( a n i f i c i a ln e u r a ln e t 、o r k s ) 和a r m a ( a u t or e 酉e s s i o nm o v i n g a v e r a g e ) 模型进行了比较，结果显示a n n 和a r m a 性能相当。h i l l 等对a n n 和传统的统计模型进行深入地研究，包括了非季节化的单指数平滑模型、a r m a 、 非季节化的指数平滑模型、组合预测模型和自然预测模型以及一种基于主观判断 的方法。比较结果表明a n n 预测优于传统的统计方法和主观判断的方法，并且在 进行多步预测时优势更为明显。我国国内学者文新辉和牛明洁嫡1 较早介绍了神经网 络在经济预测中的应用，并与传统方法进行了比较。石山铭和刘豹1 研究了神经网 络用于多变量时间序列预测的原理与方法，提出了组合多种信息的综合预测方法， 结果表明神经网络模型用于多变量时间序列预测，其精度和趋势均较传统统计方 法有所提高：随之国内众多学者开始关注和进行了神经网络预测的研究。 另外，由于神经网络可反映各变量之间的任意的映射关系，并且具有自适应 能力和抗干扰性，能够进行增长式学习，不仅在时间序列预测领域，神经网络应 用于回归分析的研究也己非常普遍。m a r q u e z 生成了一系列符合在预测中常用的 二元函数形式的数据，并用这些数据比较了a n n 和真实函数的拟合度，结果表明 a n n 对数据的拟合几乎同真实的函数一样，同时a n n 对数据的拟合也同运用适 当的线性变换的回归模型效果一样好，a n n 对高噪声和小样本的情形拟合效果也 很好。m a r q u e z 进一步对a n n 与二元多项式、多元函数、指数方程及逻辑模型进 行比较得出a n n 的性能是最优的。d u t t a 和s h e l ( h a r 盯1 选用了1 0 个因素预测公司债 券信用等级，随机选择3 0 个公司的债券，用a n n 和传统回归做了比较，结果发 现预测中1 7 个债券信用等级的a n n 预测精度均优于传统回归模型。 随着近些年信息化的推进，信息化软件在许多行业、企业得到了应用。而这 也带来了不同系统之间的数据共享、信息集成不顺畅的问题。对于e a i 的研究， 让开发人员意识到，企业信息系统不但要结构上扩展性良好，也要通过合理地设 计有效整合已有数据。基于业务流程管理( b u s i n e s sp r o c e s sm a n a g 锄e n t ，b p m ) 的 设计方法，是流程自动化和系统设计领域的最新发展方向。神经网络的各种算法 广泛用于数据挖掘，针对不同的应用领域，需要不同的算法，如果针对不同应用 分别开发会造成系统的臃肿和效率低下。如何有效地在企业应用框架下，将各项 应用整合，也是目前c i 蝴设计、开发中需要重视的问题。 1 3 论文研究内容和意义 论文研究对比了在销售预测方面的各种方法，对神经网络方法进行了重点研 第l 章绪论 究。采用b p ( b a c kp r o p a g a t i o n ) 神经网络进行数据挖掘，实现c r m 系统中销售预 测的决策支持功能。实验证明，利用b p 神经网络实现的销售预测，预测结果精度 较高，泛化能力较强，在实际应用中有较高的可行性和实际意义。在传统的b p 神 经网络基础上，论文也提出了一些改进方法，提高了预测的精度。 另外，论文提出了一种开放性的神经网络系统架构，可以对网络类型和各项 网络属性进行扩展，方便了今后其他数据挖掘类型的开发。 论文引入了基于业务流程管理的系统设计方法，在企业决策支持系统设计上 进行了有益的尝试。 1 4 论文的组织结构 论文的主要内容分成六章： 第一章：绪论。主要对论文的研究背景进行了介绍，以及对比分析了当前国 内外研究用于销售预测的方法，提出了本课题的研究方法和工作内容，最后列出 了论文的组织和结构。 第二章：从本课题的背景c r m 系统与决策支持系统介绍丌始，展丌对销售预 测、数据挖掘方法的介绍。将传统方法与神经网络方法对比之后，采用神经网络 方法作为论文的销售预测方法。 第三章：介绍了系统与数据仓库设计。提出了运用业务流程管理的方法设计 c r m 系统。在介绍了数据仓库的概念和建模方法之后，根据销售预测系统需求， 进行数据仓库逻辑、物理设计以及构建。 第四章：主要介绍了神经网络的原理，以及将神经网络应用于销售预测的具 体方法。确定了课题采用的神经网络模型，对论文采用的b p 神经网络进行设计和 建模。并对基本的神经网络进行了改进，通过对样本数据进行预处理和选取不同 的相关参数以提高预测精度。 第五章：详细介绍了系统的设计与实现。提出了一种高度可扩展的神经网络 系统模型，给出了系统的架构，并且基于销售预测的需求，实现了b p 神经网络， 并对预测结果与真实结果进行了对比、分析。最后介绍了系统的其它d s s 功能、 系统的效率问题以及改进方法。 第六章：主要对论文所做的工作进行了总结，并对今后的研究工作进行了展 望。 4 第2 章c i w 与决策支持系统 第2 章c r m 与决策支持系统 2 1 引言 进入2 1 世纪，市场竞争环境已显示出以下几个特点：产品生命周期越来越短； 消费者需求越来越个性化；竞争越来越全球化。随着市场竞争的加剧，企业的管 理层迫切需要对市场行为的准确跟踪和分析，能够从销售数据中提取对客户、销 售有价值的决策依据。 2 2 客户关系管理系统 2 2 1 客户关系管理系统概述 c i 蝴是一种旨在健全、改善企业与客户之间关系的新型管理系统。指的是企 业利用信息技术，通过有意义的交流来了解并影响客户的行为，以提高客户招揽 率、客户保持率、客户忠诚度和客户收益率。最早发展客户关系管理的国家是美 国，g 咖e rg r o u p 首先提出了c i 洲的概念，认为客户关系管理就是：为企业提供 全方位的管理视角：赋予企业更完善的客户交流能力，最大化客户的收益率n 们。 c r m 是借助先进的信息技术和管理思想，通过对企业业务流程的重组来整合 客户信息资源，并在企业的内部实现客户信息和资源的共享，为客户提供个性化 服务、提高客户价值、满意度、赢利能力以及客户的忠诚度，保持和吸引更多的 客户，最终实现企业利润最大化。另一方面，c l 蝴应用系统通过对所收集的客户 特征信息进行智能化分析，为企业的商业决策提供科学依据。 c i u m 既是一套原则制度，也是一套软件和技术。c r m 应用软件将最佳的实 践具体化并使用了先进的技术来协助各企业实现缩减销售周期和销售成本、增加 收入、寻找扩展业务所需的新的市场和渠道、以及提高客户的价值、满意度、赢 利性和忠实度等目标。c i 蝴在整个客户生命期中都以客户为中心，这意味着c 蹦 应用软件将客户当作企业运作的核心。c l 泓应用软件简化协调了各类业务功能( 如 销售、市场营销、服务和支持) 的过程并将其注意力集中于满足客户的需要上。c l w 应用还将提供多种与客户交流的渠道，如面对面、电话接洽以及w 曲访问协调为 一体，这样，企业就可以按客户的喜好使用适当的渠道与之进行互动性交流。 销售、市场营销和客户服务是c l w 的三大功能支柱。这些是客户与企业联系 的主要领域，无论这些联系发生在售前、售中还是售后、或是在客户需要服务或 信息以及想进一步购买的现有关系中。 第2 章c i 蝴与决策支持系统 ( 1 ) 客户服务 提到客户关系管理，客户服务是最关键的内容。企业提供的客户服务是能否 保留忠诚客户的关键。如今客户期望的服务已经超出传统的电话呼叫中心的范围。 呼叫中心正在向可以处理各种通讯媒介的客户服务中心演变。电话互动必须与 e - m a i l 、传真、网站、以及其他任何客户喜欢使用的方式相互整合。随着越来越多 的客户进入互联网通过浏览器来查看他们的定单或提出询问，自助服务的要求发 展越来越快。客户服务已经超出传统的帮助平台，它必须要提供多种渠道来积极 主动地与客户保持最为密切的联系。客户服务能够处理客户各种类型的询问，包 括有关的产品、需要的信息、订单请求、订单执行情况，以及高质量的现场服务。 ( 2 ) 销售 销售力量自动化( s a l e sf o r c ea u t o m a t i o n ) 是c l 泓中成长最快的部分。销售人 员与潜在客户的互动行为、将潜在客户发展为真正客户并保持其忠诚度是使企业 盈利的核心因素。销售力量自动化常被拓展为包括销售预测、客户订单和报价管 理，建议产生以及盈亏分析销售人员是企业信息的基本来源，必须要有获得最新 现场信息和将信息提供给他人的工具。 ( 3 ) 市场营销 营销自动化包括商机产生、商机获取和管理，商业活动管理以及电话营销。 初步的大众营销活动被用于首次客户接触，接下来是针对具体目标的更加集中的 商业活动。个性化很快成为期望的互动规范，客户的喜好和购买习惯被列入考虑 范围，旨在更好地向客户行销、带有有关客户特殊需求信息的目录管理和一对一 行销应运而生成为趋势。市场营销迅速从传统的电话营销转向网站和e m a i l 。这 些基于w 曲的营销活动给潜在客户更好的客户体验，使潜在客户以自己的方式、 在方便的时间查看他需要的信息。为了获得最大的价值，必须与销售人员合作对 这些商业活动进行跟踪，以激活潜在消费并进行成功和失败案例的研究。市场营 销活动的费用管理以及营销事件对未来计划的制定和投资回报率分析至关重要。 这些功能可细分为客户管理、联系人管理、时间管理、潜在客户管理、销售 管理、电话销售、营销管理、电话营销、客户服务等，有的系统还包括了呼叫中 心、合作伙伴关系管理、商务智能、知识管理、电子商务等。 2 2 2c r m 的应用价值 ( 1 ) 客户信息的完整集成。在c l 泓的客户信息管理模块，客户的信息被完整 6 第2 章c r m 与决策支持系统 地记录在该模块，不同的部门使用同一客户信息数据库保证客户信息的一致性。 由于客户的信息的一致使客户可以在商业企业不同的连锁店以及不同的部门享受 同样的服务。客户信息的完整使客户关怀能够真正的符合客户的需求，从而提高 客户的忠诚度和满意度。 ( 2 ) 营销过程一体化。在c i 洲中从消费市场分析、竞争对手分析、促销策略 制订、销售跟踪和售后服务被完整的集成在一起。c i m l i 是建立在现代营销模型上 的，在解决方案中集成了国内外先进企业的商业运营流程，同时企业可以根据自 己的个性化需求进行流程配置。营销过程的一体化就保证了数据在各部门之间的 一致性，同时由于采用了先进的管理流程消除了不同部门之间的数据孤岛。营销 过程一体化可以使部门和部门通力合作为顾客服务使顾客享受到一致的服务，同 时由于为顾客提供的是流程化的服务，企业的销售人员很难将客户带走，降低客 户流失率。 ( 3 ) 决策信息的支撑。在c i 洲中不仅对商业企业日常的运营提供支撑，c l 蝴 还提供决策信息的支持，大大提高商业企业的信息管理能力。决策信息是对积累 的数据的再提炼，最终生成决策信息辅助管理者进行决策。c r m 从企业的日常运 作中搜集数据同时对这些数据进行加工整理提炼出决策信息，完成决策的事前数 据支撑、事中跟踪和事后评价的任务。例如在促销前系统提供促销历史数据，促 ： 销过程中进行销售跟踪，促销完成后对促销进行财务上的评价等。 综上所述，可以看出c r m 是商业企业提高营销效率、客户满意度和客户忠诚 度的解决方案，是现代商业企业不可缺少的营销工具。c r m 作为客户关系管理的 解决方案能够大大提升商业企业的营销效率，但是在现代的商业管理中，企业管 理者不仅需要信息系统能对日常的运营进行支撑而且需要信息系统能够对高层管 理者的决策进行支撑，c r m 在对高层决策的支撑方面仍显不足。这是因为c i 泓 的研究是建立在对企业的运营进行支撑的基础上的，c i t m 主要是软件科学和管理 科学的产物，而要对企业的中高层的决策进行支撑需要还需要引进运筹学和应用 数学，这是c 州目前不能做到的，决策支持系统的研究与应用有助于帮助提高 c i 洲的决策支撑作用。 2 3 决策支持系统 2 3 1 决策支持系统概述 决策支持系统( d e c i s i o ns u p p o r ts ) ，s t 咖) 是2 0 世纪7 0 年代在管理信息系统 7 第2 章c 蹦与决策支持系统 ( m a i l a g e m e l l ti n f o l 瑚a t i o ns y s t 锄) 和运筹学基础上发展起来的。管理信息系统重点 在于对大量数据的处理，它能把孤立的、零碎的信息组织成一个比较完整的、有 组织的信息系统，从而大大地提高信息的效能。但是，m i s 只能对信息进行表面 组织和处理，不能深刻地挖掘信息内在的规律来为决策服务。决策支持系统的出 现是要解决由计算机自动组织和协调多模型的运行和数据库中大量数据的存取和 处理，达到更高层次的辅助决策能力，决策支持系统的新特点就是增加了模型库 和模型库管理系统，它把众多的模型有效地组织和存储起来，通过人机交互功能， 建立模型库和数据库的有机结合。d s s 不同于m i s 数据处理，也不同于模型的数 值计算，而是它们的有机集成。它既具有数据处理功能，又具有数值计算功能。 目前为止，d s s 仍没有一个学术界公认的定义。许多学者在这方面作了大量 的工作，这里给出了几个目前比较常用的关于d s s 的定义及功能。 ( 1 ) r h s p r a q u e 和e d c a r l s o n 对d s s 的定义：决策支持系统具有交互式计算 机系统的特征，帮助决策者利用数据和模型去解决半结构化问题。决策支持系统 具有如下功能： ( a ) 解决高层管理者常碰到的半结构化和非结构化问题： ( b ) 把模型或分析技术以传统的数据存储和检索功能结合起来： ( c ) 以对话方式使用决策支持系统： ( d ) 能适应环境和用户要求的变化。 ( 2 ) pgwk e e l l 对d s s 的定义 决策支持系统是“决策 ( d ) 、“支持”( s ) ，“系统 ( s ) 三者汇集成一体。即 通过不断发展的计算机建立系统的技术( s y s t e n l ) ，逐渐扩展支持能力( s u p p o m ， 达到更好的辅助决策( d e c i s i o n ) 。 传统的支持能力是指提供的工具能适用于当前的决策过程，而理想的支持能力 是主动地给出被选方案甚至于决策被选方案。 ( 3 ) s s m i 缸a 对d s s 的定义 决策支持系统是从数据库中找到必要的数据，并利用数学模型的功能，为用户 产生所需要的信息。 决策支持系统具有如下功能： ( a ) 为了做出决策，用户可以试探几种“如果，将如何 的方案。 ( b ) d s s 必须具备一个数据库管理系统，一组以优化和非优化模型为形式的数 第2 章c i 蝴与决策支持系统 学工具和一个能为用户开发d s s 资源的联机交互系统。 ( c ) d s s 结构是由控制模块将数据存取模块、数据变换模块( 检索数据，产生 报表和图形) 、模型建立模块( 选择数学模型或采用模拟技术) 三个模块连接起来实 现决策问题的回答。 2 3 2 企业决策支持系统研究的必要性 企业决策支持系统设计的主要目的是辅助企业管理者科学合理地制定各种决 策。企业管理者对能够辅助其决策的决策支持系统的需求愈来愈迫切，目前现代 企业的管理决策主要面临以下这些挑战： ( 1 ) 决策质量的要求更高 随着市场竞争越来越激烈，企业需要制定更高质量的、符合实际情况的决策， 努力降低成本，提高服务意识，确保企业自身的市场竞争力，使企业持续健康地 发展。 ( 2 ) 决策时要考虑的因素更复杂 随着经济的全球化，企业面对的是全球的竞争者和全球范围的消费市场；随着 环境的恶化、消费者权益意识的增强等等，政府颁布了更详尽的法令和制度来约 束企业的经营行为。企业管理者在进行决策时需要考虑更多、更复杂的制约因素。 ( 3 ) 决策速度要求更快 随着通讯方式的发展、交通的便利、市场的变化万千以及金融体系的完善，企 业要维持自己的竞争优势，必须不断地创新，从以规模取胜转变到以速度取胜。 这些都要求管理者能够迅速做出正确的决策。 ( 4 ) 决策失败的代价更高 企业中采购、生产、销售和服务等方面的联系日益紧密，企业的整个运作系统 更加复杂和精密。某一环节的判断失误将产生链锁反应，造成企业重大的损失。 面对这些趋势和变化，管理者必须变得更加精明、睿智。他们需要新的工具和 技术来帮助他们制定有效的决策。而传统的企业信息管理系统却不具备这样强大 的分析功能。这主要体现在分析工作量大、分析结果滞后、缺乏量化的恒定指标、 无法进行复杂的分析以及无法提供关键问题的解决方案等等，所有这些表明，企 业决策支持系统的研究是极其有必要的，企业管理层需要决策支持系统的辅助支 持。而从海量历史数据中提取有效的信息用于决策支持，正是数据挖掘的功能。 2 4 数据挖掘 9 第2 章c r m 与决策支持系统 2 4 1 数据挖掘概述 商业企业都积累了海量的、以不同形式存储的数据资料。由于这些资料十分复 杂，要从中发现有价值的信息或知识，达到为决策服务的目的，成为非常艰巨的 任务。数据挖掘方法的提出，让人们有能力最终认识数据的真正价值，即蕴藏在 数据中的信息和知识。 数据挖掘( d a ：t am i m n 彭。一种比较公认的定义是w j f r a w l e y ，q p ia t i e t s k y s h a p i r d 等人提出的：数据挖掘，就是从大型数据库的数据中提取人们感兴趣的知 识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念 ( c o n c 印曲、规则( r u l e s ) 、规律( r e g u l 碰t i e s ) 、模式( p a t t e n l s ) 等形式。这种定义 把数据挖掘的对象定义为数据库。而更广义的说法是：数据挖掘意味着在一些事实 或观察数据的集合中寻找模式的决策支持过程。数据挖掘的对象不仅是数据库， 也可以是文件系统，或其它任何组织在一起的数据集合。 数据挖掘确切地讲是一种决策支持过程，它主要基于人工智能、机器学习、统 计学等技术，高度自动化地分析企业原有的数据，作出归纳性地推理，从中挖掘 出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险， 作出正确的决策。 数据挖掘的目的是从大量数据中发现知识，并把这些知识以某种形式表示出 来。知识的表示形式通常有： 概念( c o n c 印t s ) 规则( r u l 凶 规律( r e g u l 撕t i e s ) 模式( p a t t e m s ) 约束( c o n s 蹴n t s ) 可视化( s u a l i z a t i o 曲 这些知识可以直接提供给决策者，用以辅助决策过程，或者提供给领域专家， 修正专家已有的知识体系，也可以作为新的知识转存到应用系统的知识库中。 2 4 2 数据挖掘的处理过程 数据挖掘过程一般由三个主要的阶段组成：数据准备、挖掘操作、结果表达和 解释，如图2 1 所示。 l o 第2 章c r m 与决策支持系统 一 数据准备 - - 一-数据挖掘- 。_ 结果表达和解释， 回回回回懋 昭一| q 一何，忸j 啜j ，a 数据源 数据目标数据预处理后数据模式知识，结果 图2 1 数据挖掘的过程 数据准备这个阶段又可进一步分成三个子步骤：数据集成、数据选择、数据 预处理。数据集成将多文件或多数据库运行环境中的数据进行合并处理，解决语 义模糊性、处理数据中的遗漏和清除脏数据等。数据选择的目的是辨别出需要分 析的数据集合，缩小处理范围，提高数据挖掘的质量。预处理是为了克服目前数 据挖掘工具的局限性。数据挖掘这个阶段进行实际的挖掘操作，包括的要点有： ( 1 ) 决定如何产生假设： ( 2 ) 选择合适的工具： ( 3 ) 发掘知识的操作： ( 4 ) 验证发现的知识。 结果表达和解释根据最终用户的决策目的对提取的信息进行分析，把最有价 值的信息区分出来，并且通过决策支持工具提交给决策者。 2 4 3 数据挖掘的主要功能 数据挖掘的主要功能是确定数据挖掘任务中要找的模式类型，数据挖掘任务一 般可以分为描述和预测两大类，描述性挖掘任务主要是刻画数据库中数据的一般 特性，预测性挖掘任务是在当前数据上进行推断，以进行预测。数据挖掘功能以 及它们可以发现的模式类型介绍如下： ( 1 ) 分类、预测 分类就是通过研究己分类的样本集的特征，分析样本集的属性，建立一个分类 函数或分类模型，通过这个分类模型，未分类的或新的数据就可以分派到不同的 类别中，达到分类的目的。分类可以用决策树归纳、贝叶斯网络、人工神经元网 络( 如b p 网络等) 、粗糙集、遗传算法、k _ 最临近分类和支持向量机等方法。分 类可以预测对象的类标记，当要预测的数据是数值数据( 连续值) ，而不是离散的 类别标志时，我们可以称之为预测。预测主要使用回归方法，当然也可以使用人 工神经元网络、遗传算法、支持向量机等机器学习方法。 第2 章c r m 与决策支持系统 ( 2 ) 关联规则 数据库中的数据之间一般都存在某种关联关系，即变量之间可能存在某种规 律，关联规则挖掘的任务就是找出数据库中哪些事物或属性共同出现的条件。最 有影响力的关联规则挖掘的算法是r a k e s ha 鲫a l 等人提出的a p r i o r i 算法，近年 来，也出现了很多a 砸o r i 的改进算法，如e d i mc o h e i l 等人提出的不需要剪枝的 改进算法，m o h a i i 姗e dj z a k i 提出的可伸缩的改进算法等。 ( 3 ) 聚类分析 聚类是将对象集合按照相似性归为若干类别，属于无指导分类，属于同一类的 对象具有较高的某种相似性，而不同类的对象之间的差别较大。通过聚类，识别 密集和稀疏的区域，发现全局的分布模式及数据属性之间的相互关系，帮助人们 建立宏观概念。聚类的方法主要可以分为：划分方法( p a r t i t i o l l i n gm e t h o d ) 、层次方 法恤蹦础i c a lm e m o d ) 、基于密度的方法( d 锄s i 咿b a s e dm e t l l o d ) 、基于网格的方法 ( 鲥小b a s e dm e t h o d ) 和基于模型的方法。其中，划分方法中用的比较多的是k 一平均 算法和k 一中心点算法。b i r c h 和c u r e 就是比较典型的层次方法，d b s c a n 是 比较有代表意义的基于密度的方法，s t i n g 算法是典型的基于网格的方法，基于 模型的方法有统计学方法、人工神经元网络方法( 如k o h o n e i l 网络) 等。 ( 4 ) 类概念描述 数据可以与类或概念相关联，用汇总的、简洁的、精确的方式描述每个类和概 念是有用的，目的是对数据进行浓缩，给出它的总体的综合描述，实现对原始数 据的总体把握。这种类或概念的描述称为类概念描述。通过类概念描述使得人 们能够在复杂数据库中了解数据的意义以及产生数据的过程。这种描述可以通过 汇总所研究类的数据来获得( 这个过程也叫数据特征化) 或将所研究类与其它的比 较类进行比较来获得，或采用上面两种方法的结合。基于数据立方体的o l a p 上 卷操作来执行指定维的数据汇总就是一种很有效的数据特征化的方法，数据特征 化的输出通常采用如饼图、柱状图、多维数据立方体等形式来形象的表现出来。 ( 5 ) 孤立点分析 数据库中经常存在这样一些数据对象，它们与数据的一般行为或模型不一致， 这些数据对象被称之为孤立点。在般情况下，数据挖掘方法会将孤立点视为噪 声或异常而丢弃，但是在特殊场合，如在电子商务领域，探测和分析孤立点显得 比正常数据还要重要。 1 2 第2 章c r m 与决策支持系统 ( 6 ) 演变分析 数据演变分析( e v o l u t i o na n a l y s i s