基于数据仓库与数据挖掘客户关系管理研究.docVIP

基于数据仓库与数据挖掘客户关系管理研究 　　摘要：数据仓库和数据挖掘技术是存储、分析和提取海量数据的重要工具。针对企业客户关系的特点，将数据仓库和数据挖掘技术运用到企业客户关系管理中，具体介绍了在预防和减少客户流失中的应用。 　　关键词：数据仓库；数据挖掘；客户关系管理；客户流失 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)26-6200-03 　　Application of Customer Relationship Management Based on Data Warehouse and Data Mining 　　XIAO Yan-qun 　　(Yangzhou polytechnic college,Yangzhou 225009,China) 　　Abstract: Data Warehouse and Data Mining are important tools in storage, analysis and extracting data. According to Customer Relationship’s characteristics, Data Warehouse and Data Mining are added to its management,which mainly focuses on introduc? ing the application in the prevention and reduction of customer loss. 　　Key words: data warehouse; data mining; customer relationship management; customer loss 　　随着市场经济的发展，产品种类日益丰富，企业之间的竞争越来越激烈，卖方市场已过渡到了买方市场，对现代企业而言，当下最主要提升的不仅仅是产品本身，更为重要的是客户的争夺。因此，企业要想立于不败之地，必须能够对市场上发生的变化做出迅速的反应，而导致市场变化的根源就是客户行为的变化。企业已经逐渐认识到保有客户的重要性，只有不断提升服务意识，有针对性地满足客户的需求，企业才能长期发展。因此，企业当下的重要课题就是要加强客户关系管理，提高核心竞争能力。 　　客户数据的收集与存储是实施客户关系管理的根基。随着办公自动化的推广，数据库和网络技术的应用，各企业拥有的客户信息越来越多，增长迅速。在这海量的、异构的信息资源中，蕴含着具有巨大潜在价值的信息资源，比如客户的基本资料、产品交易信息及客户反馈信息等[1]。企业要想不陷入信息的沼泽中，必须拥有强有力的数据分析工具，用以实现客户关系管理的目标。而数据仓库和数据挖掘技术的发展可以很好地解决这个问题。 　　 1数据仓库与数据挖掘技术 　　1.1数据仓库 　　数据仓库是一个在企业管理和决策中面向主题的(Subject- Oriented)、集成的(Integrated)、反映历史变化的(TimeVariant)、相对稳定(Non-Volatile)的数据集合[2]。 　　数据仓库要求数据量大，数据正确全面，所以数据在进入数据仓库前必须经过提取、转换与集成，把数据按主题分类，形成多维数据模型。它以多维数据模型为基础，实现数据的分析处理，主要用于支持管理决策。数据进入数据仓库后，一般会被长期保存，基本不会进行修改和删除操作，主要实现数据的查询。 　　数据仓库与传统关系型数据库不同，主要区别在于数据仓库打破了关系数据库中数据的规范性，实现了数据的重组，增加了数据冗余度；其次传统关系型数据库为了实现数据处理的及时性，要求数据尽量少，而数据仓库为了更有效的实现数据查询，要求存储的数据尽量多，实现海量存储。 　　1.2数据挖掘技术 　　数据挖掘技术，是近几年国内外迅速发展起来的一门交叉学科，涉及到数据库、统计学、人工智能与机器学习等多个领域，并在金融、商业零售、电信以及生物医学和基因分析等领域得到广泛应用。 　　 1.2.1数据挖掘的概念 　　数据挖掘(Data Ming)，是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，提取的知识一般可表示为概念(ConcePts)、规则(Rules)、规律(Regularities)、模式(Patterns)等形式[3]。 　　数据挖掘是知识发现的过程，是将未加工的数据转换为有用信息的整个过程。该过程包含一系列的步骤：确定业务对象、数据准备、数据挖掘、模式评估和知识表示[4]。 　　1.2.2数据挖掘的技术与方法 　　数据挖掘方法是以数据库为对象，基