客户关系管理中数据挖掘技术应用.docVIP

客户关系管理中数据挖掘技术应用 　　【 摘 要 】 本文探讨了数据挖掘在客户关系管理中的应用，论述了统计分析的方法，最后通过案例分析说明数据挖掘有效的提高了企业决策分析的效率。 【 关键词 】 SAS； 数据挖掘；统计分析 Application of Data Mining in Customer Relationship Management Technology Yang Wei （Yanbian Vocational Technical college JilinYanbian 133000） 【 Abstract 】 This paper discusses the application of data mining in customer relationship management， discusses the method of statistical analysis， and finally shows that data mining can improve the efficiency of enterprise decision analysis through case analysis. 【 Keywords 】 SAS； data mining； statistical analysis 1 引言 当前各行业的业务流程随着计算机技术、网络技术、通信技术和互联网技术的发展越来越复杂化，企业每年生产海量的数据信息。在这些看似无规律的数据面前，只有采用数据挖掘等工具盒手段，来探索企业运营规律，提供有价值的信息，满足企业的需求。 2 基本概念 简单说，数据挖掘是潜在的、有价值的知识中提取数据、程序规则和模型。对企业来说，数据挖掘可以帮助寻找关联规则，揭示相关规律、预判结果。从现实意义角度看，数据挖掘是推动企业发展的有力工具。 3 数据挖掘技术在客户关系管理中的应用 数据挖掘在客户关系管理中有着广泛的应用，可用于在不同地区和不同阶段的客户管理业务的决策分析。 （1）可将潜在客户进行自动划分 每一类具有属性相似的客户，类别和类别之间差异明显。像客户可以按照年龄段进行划分，也可以按照性别进行划分。利用数据挖掘技术，可以客户分类，提供有针对性的服务，提高市场份额、信誉和客户满意度。 （2） 关联销售 客户对于企业的依存度不是一成不变的，关系在不断变动中，一般企业总是要努力的将这种依存关系固定下来，使之趋于完善企业，这时需要关联销售给现有客户，为新的产品和/或服务的客户销售。交叉销售是基于双赢的原则，为客户获得更多和更好的满足需求的服务二努力并从中受益。数据挖掘在关联销售中的作用是显而易见的，它提高了销售效率。 （3） 持续关注度 公司的成长和发展的需要继续维护市场份额，并不断扩大影响面。根据企业的现实需求，数据挖掘技术可以帮助企业找到关联客户，扩大市场份额，维持新老客户的关注度。 4 SAS数据挖掘的方法（Semma） （1） Sample——数据取样 数据取样时，首先要从大量样本数据中采集具有特征性的子集，而不是全部的海量数据。在数据采集过程中，应该遵循的原则是保证数据的可验证性和有效性。得到反映本质规律的有效结果。 （2）Explore——数据采样和预处理 当分析样本数据集时，它是否符合客观规律，有没有潜在的发展趋势，如何进行有效的聚类和划分等，这些都是必须要处理好的课题。在实际的操作中，一般利用良好的人机交互界面进行操作，如SAS的几种良好的产品。这几种工具提供了优秀的人机交互界面和可视化的数据操作方法，对数据特征的提取具有良好的作用。 （3）Modify——数据值修正 通过前两个步骤操作，所要解决的问题进行了明确和量化。在此基础上进一步明确后，你可以根据问题属性和划分得到具体的数据集，看它是否符合问题的要求。为了解决这个问题，可能需要经常进行数据集的修改和调整，也可以根据新的理解，对整个数据挖掘过程进行分析，结合或生成一些新的变量，从而得到具体的描述。 （4）Model——模型的构建、决策的生成 数理统计方法可以实时处理数据，这些工具的应用不仅可以揭示新的关系，进而预测其发展趋势，或在一定条件预判结果。此外，SAS人工神经网络和决策树方法可以用来选择从多元相关的特征中提取向量进行模型的建立和预判。 （5）Assess——模型评估和分析 在上述分析过程中得到较为理想的模型结果，在模型和模式中需要挑选最优的。但更经常会得到目标的多方面的描述，然后将描述整合起来，为决策分析提供合理的理论和数据支撑。如何合理的构建模型，对模型进行最优化，这是核心的问题。除了数据挖掘软件提供