数个据挖掘在陶瓷企业客户关系管理中的应用研究.docVIP

数据挖掘在陶瓷企业客户关系管理中的应用研究 摘要：讨论数据挖掘在陶瓷企业客户关系管理中的具体应用和它能为该领域带来的商业价值。研究了数据挖掘在陶瓷企业crm中的结构模型，并具体设计和实现了数据挖掘在陶瓷企业crm中的一个简单应用。 关键词：数据挖掘； 陶瓷企业； crm 1.2关联规则挖掘技术 利用关联规则进行数据挖掘，是数据挖掘中的一类重要方法。若两个或多个数据项的取值之问重复出现且概率很高时，它们就存在某种关联，可以建立起这些数据项的关联规则。数据关联是数据库中存在的一类重要的、可被发现的知识，它反映一个事件和其他事件之间依赖或关联。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。例如，买面包的顾客中90％还买牛奶，这就是一条关联规则。在商场中将这两样物品摆放在一起销售，将会提高销售量。 在大型数据库中，这种关联规则是很多的，需要进行筛选，一般用“支持度”和“置信度”两个阙值来淘汰那些无用的关联规则。“支持度”表示该规则所代表的事例(元组)占全部事例(元组)的百分比。“置信度”表示该规则所代表事例占满足前提条件事例的百分比例。 1.3决策树算法 决策树也称为判定树，决策树技术发现数据模式和规则的核心是归纳算法。它的目的是根据某个新记录的属性，将其分派到预先定义好的若干类中的一个，并为其添加一个字段以标识该记录的类别。算法思想大致如下： 将给定训练集作为决策树的根结点，训练集中的记录具有标识类别的字段，利用信息增益来寻找结点上具有最大信息量的字段，根据对该字段的不同取值建立该结点的若干分支，并为所有分支子集建立对应的结点。在每个分支子集中重复立下层分支和结点，直到结点中所有记录的类别都相同为止，这样便生成了一棵完整的决策树。因为完整的决策树不利于分类和预测，因此还要对该决策树进行剪枝处理，产生最终的决策树，然后把决策树的结点分裂过程转化为“if．then.”的规则，利用这些规则就可以对新数据进行分类。决策树方法在许多应用领域被广泛地应用，其主要优点有：①生成的规则容易理解：决策树产生的规则能够轻易地转化为“if．then.”这种形式的关联规则，也可以被翻译成自然语言或sql语句，而且决策树模型的建立过程也比较直观；②决策树进行分类时所需的计算量不大；③决策树既支持离散数据也支持连续数据；④决策树的输出包含属性的排序。决策树能够清楚地指出哪一个数据域对决策是最重要的。 当然，决策树方法也存在着一定的不足，例如训练一棵决策树的耗费很大，对具有连续值的属性预测比较困难，在类过多的情况下分类容易出错等。 2数据挖掘在陶瓷企业客户关系管理中的应用 2.1客户行为分析 该部分要求能够快速的查询所需信息，便捷地插入新信息和删除无用信息。该模块又可具体分为区域信息管理、客户资料管理和竞争对手管理等小模块。 图1陶瓷企业crm主界面 区域信息管理模块主要记录客户的所在区域，方便以后客户所在区域的查找。 客户资料管理模块主要记录客户一些详细的信息，如客户等级、客户来源、客户所在行业、联系方式等一些非常重要的信息。同时也为后面的客户统计分析模块所使用。 竞争对手管理模块记录陶瓷企业竞争对手的相关信息，如：对手名称、所在区域、企业规模等。 2.2客户统计分析 客户统计分析主要是将前面的数据进行分析和总合，给出图形分析结果，让用户对于分析的结果一目了然。 客户级别分析模块。可以分为普通客户和重要客户两部分。其中普通客户可以按照年销售额的50%的标准进行分析（比如，今年他们公司50%以下的产品从我们公司购买称为普通客户，反之就是重要客户）。 客户来源分析模块。主要分析客户的来源情况，从而分析出该客户的忠诚度和盈利能力等情况。 客户流失分析模块。可以分为流失趋势分析和构成流失原因分析。流失趋势分析是按照时间来统计购买产品的能力，具体可以按照年月日三个标准来分析，进而制定出不同的服务，为企业留在客户。流失原因分析目的也是一样，都是为了能够给企业留住客户，从而给企业增加收入。 图2客户统计分析 3结束语 数据挖掘作为新型的信息分析技术，被各个行业广泛应用。本文在研究数据挖掘相关算法的基础上，将数据挖掘理论应用到陶瓷企业crm中，从而提高陶瓷企业的市场竞争力。参考文献： [1]陈文伟,黄金才.数据仓库与数据挖掘[m].北京：人民邮电出版社，2004. [2]alex bers on,stephen smith,kurt thearling.构建面向 crm的数据挖掘应用[m].北京:人民邮电出版社,2001. [3]邵峰晶,于忠清.数据挖掘原理与算法[m].北京:中国水利水电出版社，2004. application of data mining in crm of ceramic enterprise abstract:th