浅谈客户关系管理中数据挖掘流程.docVIP

浅谈客户关系管理中数据挖掘流程【摘要】本文阐述了研究数据挖掘技术在客户关系管理（CRM）中所起的核心作用、对我国企业成功实施CRM战略、提高竞争能力的意义及数据挖掘技术流程、标准化模型。 【关键词】客户关系管理；数据挖掘；流程；模型 随着市场经济的发展，企业将面临强大的竞争压力，企业的产品越来越趋向于同质化，仅仅依靠产品本身很难在日趋激烈的竞争中取胜，所以愈来愈多的先进企业将重点从以产品为中心向以客户为中心的新型商业模式转移，客户关系管理（CRM）也就应运而生。客户关系管理（Customer Relationship Management）简称CRM，是由美国的Gartner Group me公司于1999年首先提出的。CRM是一种以客户为中心的经营策略，它以信息技术为手段，并对工作流程进行重组，以赋予企业更完善的客户交流能力，最大化客户的收益率。CRM就是企业为了保持竞争力，采取的面向客户、客户驱动和以客户为中心的发展策略。而企业在与客户交互过程中积累下来的各种客户数据恰恰是反映客户特征和需求的最佳载体。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个个环节。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CRM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，已经成为企业当前需要迫切解决的问题，数据挖掘（Data Mining简称DM）技术的运用就可以帮助企业很好地解决这个问题。 一、数据挖掘的流程 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的和有用的信息和知识的过程，它可以按照企业既定的业务目标自动地从数据库中提取出用以辅助企业决策的相关模式。数据挖掘的流程图如下： 图1中各步骤（1）确定业务对象。清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的，但要探索的问题应是有预见的，为了数据挖掘而数据挖掘则带有一盲目性，是不会成功的。（2）数据准备。一是数据的选择。搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。二是数据的预处理。研究数据的质量，为进一步的分析做准备。并确定将要进行的挖掘操作的类型。三是数据的转换。将数据转换成一个分析模型，这个分析模型是针对挖掘算法建立的。建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。（3）数据挖掘。对所得到的经过转换的数据进行挖掘。除了完善从选择合适的挖掘算法外，其余一切工作都能自动地完成。（4）结果分析。解释并评估结果，其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。（5）知识的同化。将分析所得到的知识集成到业务信息系统的组织结构中去。 二、数据挖掘流程的模型 数据挖掘业内，公认的两大模型是SAS的SEMMA和包括SPSS在内的行业协会提出的CRISP-DM。SEMMA强调的是应用的方法；CRISP-DM则从方法学的角度强调实施数据挖掘项目的方法和步骤。CRISP-DM是站在高处，在讲一个总体大方向；而SEMMA在说具体应该如何着手。 1．SEMMA。（1）Sample──数据取样。当进行数据挖掘时，首先要从企业大量数据中取出一个与企业要探索问题相关的样板数据子集。通过数据取样，要把好数据的质量关，一定要保证取样数据的代表性、真实性、完整性和有效性，这样才能通过此后的分析研究得出反映本质规律性的结果。根据具体的需求，可以创建训练集、测试集和效验集。（2）Explore──数据特征探索、分析和预处理。当用户拿到了一个样本数据集后，它是否达到用户原来设想的要求，有没有什么明显的规律和趋势，有没有出现用户所从未设想过的数据状态，各因素之间有什么相关性，可区分成怎样一些类别，这些都是首先要探索的内容。（3）Modify──数据调整和技术选择。在问题进一步明确化的基础上，用户可以按照问题的具体要求来审视数据集，看它是否适应企业问题的需要。针对问题的需要，可能要对数据进行增删，也可能按照用户对整个数据挖掘过程的新认识，组合或者生成一些新的变量，以体现对状态的有效描述。（4）Model──模型的研发和知识的发现。数理统计方法是数据挖掘工作中最常用的主流技术手段。应用SAS提供的多种分析工具不仅能揭示企业已有数据间的新关系、隐藏