深意鞋业数据库营销研究.pdf

坚坠堂垡迨銮 遂童鳖些幽墅壁幽 数据挖掘一般由数据准备、挖掘操作、结果表达和解释三个主要阶段组成。在数 据准备阶段应集成多个运作数据源中的数据，解决语义模糊性、处理遗漏数据、清洗 脏数据。挖掘阶段是一个假设产生、合成、修正和验证传播的过程，也是上述三个阶 段的核心。结果表达和解释阶段根据最终用户的决策目的把提取的有用信息正确地表 达出来。数据挖掘的方法和技术可大致划分为三类：统计分析、知识发现、可视化技 术等。统计分析用于检查异常形式的数据，然后利用统计模型和数学模型来解释这些 数据，统计分析方法是目前最成熟的数据挖掘工具。而知识发现则着眼于发现大量数 据记录中潜在的有用信息或新的知识，属于所谓“发现驱动”的数据挖掘技术途经。知 识发现常用的方法有人工神经网络决策树、遗传算法、模糊计算或模糊推理等。数据 质量、可视化数据的能力、极大数据库尺寸、数据挖掘者的技能、数据的粒度都是影 响知识发现方法的重要因素。可视化技术则采用直观的图形方式将信息模式、数据的 关联或趋势呈现给决策者，决策者可以通过可视化技术交互式地分析数据关系。 由于数据仓库在规模、历史数据、数据集成和综合性、查询支持等方面都和传 统的数据库有着本质的区别，所以数据仓库为数据挖掘提供了更广阔的活动空间。数 据仓库完成了数据的收集、集成、存储、管理等工作，数据挖掘面对的是经初步加工 的数据，使得数据挖掘更专注于知识的发现；另一方面，由于数据仓库所具有的新特 点，又对数据挖掘技术提出了更高的要求。所以，数据仓库技术的发展必须和数据挖 掘技术有机地结合起来。 (3)数据挖掘的商业应用 目前，国外企业界把数据挖掘应用在许多领域，并且在产学合作下发展出许多实 Workvisualization 用的系统，例如：MDT、CoverstoryandSpotlight、Nich system、LBS、 础上的。数据挖掘所能解决的典型商业问题包括：数据库营销(Database Marketing)、 客户群体划分(Customer Analysis)、 交叉销售(Cross．selling)等市场分析行为，以及客户流失性分析(Churn Analysis)、 Detection)等。 客户信用记分(CreditScoring)、欺诈发现(Fraud 数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的 市场细分原理为基础，即“消费者过去的行为是其今后消费倾向的最好说明”。通过收 集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、 消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为， 然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不 区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果； 从而为企业带来更多的利润。商业消费信息来自市场中的各种渠道。例如，每当我们 ^lBA学位论文 深意鞋业数据库营销研究 用信用卡消费时，商业企业就可以在信用卡结算过程收集商业消费信息，记录下我们 进行消费的时间、地点、感兴趣的商品或服务、愿意接收的价格水平和支付能力等数 据；当我们在申办信用卡、办理汽车驾驶执照、填写商品保修单等其他需要填写表格 的场合时，我们的个人信息就存入了相应的业务数据库；企业除了自行收集相关业务 信息之外，甚至可以从其他公司或机构购买此类信息为自己所用。 这些来自各种渠道的数据信息被组合，应用超级计算机、并行处理、神经元网 络、模型化算法和其他信息处理技术手段进行处理，从中得到商家用于向特定消费群 体或个体进行定向营销的决策信息。这种数据信息是如何应用的呢?举一个简单的例 子，当银行通过对业务数据进行挖掘后，发现一个银行