数据挖掘在高校后勤CRM中应用研究.docVIP

数据挖掘在高校后勤CRM中应用研究 　　摘 要:新型高校后勤保障体系的实质是实行市场化,其主体是由行政事业单位剥离转变的经济实体,传统高校后勤“以我为中心”的服务理念无法满足师生现实需求。倡导“以师生为中心”的客户关系管理(CRM)理念的高校后勤部门,可以应用关联、分类、聚类和序列模式分析的数据挖掘技术,在师生群体分析、交叉销售、保持消费需求、师生满意度与贡献度分析等方面实施数据挖掘。CRM中数据挖掘功能的实现将有助于后勤部门增强市场竞争意识,转变服务观念,巩固服务师生的核心价值观。 　　关键词:以师生为中心;数据挖掘;客户关系管理 　　中图分类号:TP311.13 文献标识码:A文章编号:1673-8454(2010)05-0087-04 　　 　　市场提供服务、学校自主选择、政府宏观调控、行业自律管理、职能部门监管的新型高校后勤保障体系建立的实质是调整改组高校后勤领域中的政府职能、高校职能和市场功能,合理利用和配置后勤资源,开放后勤市场,引入市场竞争机制,提高社会效益和经济效益。高校后勤实行自主经营、自负盈亏,是一个独立经营服务的市场主体,是由行政管理型的事业单位向经营服务型转变的经济实体。一方面传统的高校后勤缺乏市场观念、无科学的经营策略导致市场竞争力低下,另一方面师生(客户)对后勤服务要求越来越高。如何保持现有师生消费、挖掘潜在的师生需求、尽量减少师生消费的流失成为高校后勤竞争的焦点。为此,高校后勤只有实现经营理念从“以我为中心”向“以师生为中心”的转变,利用数据挖掘技术建立最优化的客户关系,才能达到效益最大化的目标。 　　 　　一、高校后勤客户关系管理 　　 　　客户关系管理(Customer Relationship Management,简称CRM)是选择和管理有价值客户及其关系的一种商业策略,CRM要求以客户为中心的商业哲学和企业文化来支持有效的市场营销、经营服务流程,这种管理思想是以“一对一营销”理论为基础,旨在改善企业与客户之间的关系,通常实施于市场营销、服务、技术支持等与客户有关的领域。[1] CRM是通过对客户进行系统的研究、交流沟通,改进对客户的服务水平并影响客户行为,吸引更多的客户,从而增加营业收入,并通过强化管理降低企业经营成本。 　　高校后勤客户关系管理是将现代管理理论与高校后勤信息化建设相结合,树立以高等教育服务为中心的可持续发展策略,并在此基础上对学校的师生信息、消费、需求等过程的管理,以饮食、商贸、公寓等业务部门的信息为重点,通过对师生的信息进行系统研究,进一步优化高校后勤服务体系和业务流程,提高师生的满意度和忠实度,提高后勤工作效率和经营服务水平。高校后勤客户关系管理采用以师生为中心、以对师生的管理和服务过程为主导、以师生直接服务内容为主的管理模式,其实质是在合适的时间、以合适的途径、为合适的师生提供合适的服务。 　　 　　二、CRM中数据挖掘方法 　　 　　数据挖掘(Data Mining,简称DM)又称数据库中的知识发现,是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐藏的、事先未知的、潜在有用的信息,挖掘的知识表现为概念、规则、规律、模式等形式。数据挖掘的目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果。[2] CRM中数据挖掘的主要方法有以下四种:[3] 　　1.关联分析 　　关联分析利用关联规则进行数据挖掘,其目的是发现隐藏在数据间的关联或相互关系。在客户关系管理中,通过对企业客户数据库里的大量数据进行挖掘,可以从中发现有趣的关联关系,如“90%的客户在一次购买活动中购买A商品的同时购买B商品”,通过数据挖掘,获得对顾客购买行为极有价值的信息,从而帮助企业及时把握客户需求。 　　2.分类分析 　　分类是为一个事件或对象归类,既可以用统计方法、机器学习方法、神经网络方法等构造一个模型分析已有的数据,也可以用它来预测未来的数据。例如,用分类来预测哪些客户最倾向于对经营服务做出回应,后勤部门还可以根据新生的不同省份地域用分类来判断用什么样的饮食口味、住宿条件接待比较好。 　　3.聚类分析 　　聚类是分类的逆向方法,根据事物本身潜在的特性研究对象分类。通过聚类把一个数据集合中的个体按照相似性归成若干类别,使其“物以类聚”,并确定每个记录所属类别。它采用的分类规则是按统计学的聚类分析方法决定的。例如,当面对数据库中“消费额”、“购买频率”、“收入水平”等多个评价指标,而又没有恰当的方法按照某个指标去分类时,就可以通过聚类按照数据间的自然联系把分散的记录“聚”成几“堆”,然后再对每堆进行较为深入的分析。 　　4.序列模式分析 　　序列模式分析与关联分析相似,其目的也是为了挖掘数据之间的联系,但序列模式分析的侧重点在于分析