CRM中数据挖掘技术在房地产客户关系管理中的应用与流程.doc

CRM中数据挖掘技术在房地产客户关系管理中的应用与流程 引 　言 在信息化时代，房地产企业的可持续发展同样离不开信息技术的支撑。长期运行的信息系统积累了大量房地产企业运作的相关信息 ,面对快速增长的海量信息,利用数据挖掘(Data Mining)的相关技术和分析工具,将丰富的信息转换成有价值的知识 ,实现信 息资源的增值利用,将有助于企业发现商机、制定开发计划与营销策略,成为房地产企业市场运作和高层决策的重要参考。 1、数据挖掘技术概述 数据挖掘是从大量数据中发现潜在关联和模式，做出预测性分析的有效工具，它是现有的一些人工智能、统计学等技术在数据库领域中的应用。数据挖掘技术主要是关联分析、聚类分析、分类、预测和时间序列分析等。应用数据挖掘有助于发现业务发展的趋势，揭示已知的事实，预测未知的结果，并帮助使用者分析出解决问题所需要的关键因素，有利于使用者做出正确的决策。下面简要介绍本文中涉及到的几种数据挖掘技术。 1. 1关联分析 关联分析反映一个事件和其他事件之间依赖或关联的知识。如果两项或多项属性之间存在关联，那么其中某项的属性值就可以依据其他属性值进行预测。比如，一个借款人己购买了汽车，那么其贷款购买商品房的概率是10%。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。随着大量数据不停地收集和存储，许多业界人士对于从他们的数据库中挖掘关联规则越来越感兴趣。从大量商务事务记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类设计、交叉购物和贱卖分析。 1. 2聚类分析 聚类分析是把一组个体按照相似性归纳成若干类别，即‘物以类聚”。由聚类所产生的簇是一组数据对象的集合，这些对象根据最大化类内的相似性、最小化类间的相似性的原则进行聚类或分组。所形成的每个簇可以看作一个对象类，由它可以导出规则聚类也便于分类编制，将观察到的内容组织成类分层结构，把类似的事件组织在一起。例如，房地产交易数据库给出的原始数据，聚类方法可以把一些具有相似特征的数据自动地进行分类。 1. 3分类 分类的目的是得到一个分类函数或分类模型 (也称作分类器)，该模型能按照事先定义的分类标准，把数据库的数据项映射到给定类别中的某一个，即对数据进行归类，而且能够根据分类模型，对其他未分类的或是新的数据做出预测。使用的技术有 决策树，记忆基础推理等。例如，可以根据已有的贷款的历史数据，来建立一个借款人信用风险等级分类模型，把贷款申请人的风险划分为不同的等级，以后就可以利用这个模型来对数据库的其他申请者或是新的申请者做出预测。 1. 4预测 预测是根据已有的长期累积的资料来推测某一属性未知的真值。例如，根据已经买房的人的教育程度、年龄及收入来评估其买房的预算金额。使用的技术有回归分析、时间序列分析和人工神经网络等。预测是根据对象属性的过去观察值来估计该属性未来的值。 2、数据挖掘在房地产市场预测中的流程分析 一般来说，人们对某一事物要做出科学的预测，首先要弄清预测的目标和影响该目标实现的因素，然后就是分析要实现的目标与各目标之间的具体关系和因素之间的相互关系，接着要在前面定性分析的基础上通过回归、推导或其他的数学方法进行定量的研究，找出该事物发展的规律，在对发现的规律进行检验和完善后即可用于事物将来发展情况的预测。 采用数据挖掘技术的流程为: (1)定义问题:清晰地定义出业务问题，确定数据挖掘的目的。 (2)数据准备:数据准备包括选择数据-在大型数据库和数据仓库目标中提取数据挖掘的目标数据集;数据预处理-进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。 (3)数据挖掘:根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。 (4)结果分析:对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。 (5)知识的运用: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。 采用数据挖掘技术对房地产市场的预测，方法上与上述预测步骤和流程基本是一致的，但在具体操作程序上要将房地产市场预测与数据挖掘技术的特点结合起来，尤其是定量研究部分。首先，数据挖掘是基于海量数据的“知识发现”工具，这就要求采集大量的关于房地产业投资、建设、销售和国民经济发展的数据，建立符合挖掘技术要求的房地产业数据仓库，并保证数据的正确性和有效性;其次，数据挖掘所得到的结果完全是基于数据的，它有可能揭示了人们所不知道的影响房地产市场各因素间的潜在关系，但也有可能仅仅是数据间的偶然联系，因此对结果的解释和利用需要人们的房地产专业知识。通过以上分析，得到数据挖掘技术应用于房地产市场预测的流程如图1所示。 3数据挖掘技术在房地产客户关系管理系统中的应用 随着市场竞争的进一步加