客户关系管理教程.pptx

第10章;数据爆炸但是知识缺乏。数据库越来越大，淹没在数据中，不能制定合理的决策。 支持数据挖掘技术的基础。更大，更便宜的存储器、信息处理器，据挖掘处理技术。 数据挖掘逐渐演变的过程。机器学习、数据库中的知识发现、数据挖掘。 ;3.数据挖掘的功能;5.数据挖掘未来研究方向;1、数据挖掘的任务与方法;决策树: 决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。 ;2、数据挖掘的流程 数据挖掘环境 数据挖掘是指一个完整的过程，该过程从大型数据库中挖掘先前未知的，有效的，可实用的信息，并使用这些信息做出决策或丰富知识。;⑴业务分析人员:要求精通业务,能够解释业务对象,并根据各业务对象确定出用于数据定义和挖掘算法的业务需求. ⑵数据分析人员:精通数据分析技术,并对统计学有较熟练的掌握,有能力把业务需求转化为数据挖掘的各步操作,并为每步操作选择合适的技术. ⑶数据管理人员:精通数据管理技术,并从数据库或数据仓库中收集数据.;1、从客户生命周期角度分析数据挖掘技术的应用;（1）潜在客户 数据挖掘可以把以前的客户对类似活动的响应进行挖掘从而把市场活动重点锁定在以前的响应者身上。 （2）响应者 数据挖掘通常被用来判定哪些潜在客户会变成响应者，预测模型也用来判定哪些响应者会成为企业即得客户。 （3）即得客户 稳定的客户是数据挖掘的重要区域。使用数据挖掘要求从其中抽出客户行为特点。 （4）客户流失 数据挖掘可以通过分析以前的客户数据得出什么样的客户会在将来同样的离开，即使客户离开也不是所有流失的客户就完全失去了。企业可以通过数据挖掘出的信息，制定赢得客户活动的目标从而重新获得失去的客户。 ;2、从行业角度分析数据挖掘技术的应用;;2、业务问题的定义;3、?数据选择;4、数据清洗和预处理;6、模型建立与调整;①数据访问、数据操纵和清洗、机器学习、可视化和报表 ②直接访问与ODBC兼容的各种数据源，数据和挖掘结果能???与MS Excel集成 ③构造数据子集和变量转换 ;谢谢观赏