基于数据挖掘技术客户投诉管理.docxVIP

基于数据挖掘技术客户投诉管理 摘要：该文对海量客户投诉信息进行数据挖掘，根据不同 的条件挖掘不同投诉的潜在联系，为决策者提供有效的决策 支持。 关键词：客户投诉；数据挖掘；决策支持 中图分类号：TP311文献标识码：A文章编号： 1009-3044 (2012) 31-7433-03 随着数据仓库技术的快速发展和广泛应用，各个企业的 管理信息系统将会产生大量数据，如何从海量数据中获取对 分析决策有用的信息成为面临的重要问题。传统的联机事务 处理系统作为数据管理的重要手段之一，主要用来进行事务 处理，对分析处理的支持不够，不能满足日常需求。因此， 通过联机分析处理系统对数据库中的数据进行再加工，形成 一个综合的、面向分析的、更好的支持决策制定的决策支持 系统成为人们越来越关注的问题。本文设计了一个数据挖掘 模型，并结合企业客户投诉的管理实例检验了该模型的有效 性。 1数据挖掘方法 1. 1数据仓库 数据仓库就是一个面向主题的、集成的、相对稳定的、 反映历史变化的数据集合，通常用于辅助决策支持。[1] 目前数据仓库的主要模型有企业级数据仓库模型和多 维模型两种，但由于企业级数据仓库模型建设过程较长，难 度和风险较大，容易失败，因此我们在本文中采用了查询速 度快，做报表也快的多维数据模型作为数据仓库的建模技 术。 多维数据模型主要有星型、雪花型和事实星座模型三种 形式，在任何一种模型中，度量值和维度的分析和确定都是 至关重要的，关系到能否挖掘出数据之间潜在的关系。 1.2度量值 度量值，即决策者分析的数据对象。决策者在查看数据 信息时，将以度量值为数据的显示依据对各种数据进行浏 览。因此，只有将度量值设置为决策者需要查看的数据信息, 度量值的存在才有其实际意义。 在对客户投诉信息管理的过程中，决策者需要从投诉信 息管理处了解的信息主要是某个项目的投诉信息、某个部门 的投诉信息和对某个员工的投诉信息的数量多少以及具体 相关内容。例如，决策者需要查看Tools部门News项目关 于使用方面的客户投诉情况，那么投诉信息管理处就需要为 决策者提供这样的信息供决策中查询。如果提供不了这样的 信息，那么投诉信息管理对决策者来说也就失去了其实际意 义。 因此，投诉相关是决策者分析客户投诉数据的关键所 在。因此，分析客户投诉模块的数据时，我们将投诉相关作 为度量值，即作为客户投诉管理各数据的度量标准。 1. 3维度 维度，即决策分析者分析数据的角度，也是多维数据集 中主要的组件。本文在对客户投诉的海量信息进行管理的过 程中，根据实际的应用情况，将投诉项目、投诉部门和投诉 员工作为投诉信息的度量值。同时，主要从以下几个维度对 投诉信息的数据进行分析： 投诉日期：和标准维度不同，投诉日期属于时间维度。 在客户投诉信息的管理过程中，投诉日期维度可以使决策者 看到截止某个时间对某个部门或某个项目的投诉情况。时间 维度分为不同的级别，本文在设置时间级别时将其设为：年、 月、日。决策者可以查看客户投诉的具体日期。同时，决策 者也可以根据具体的需要在设置时选择不同的时间级别。 投诉相关：及投诉的信息是属于哪个方面的。设置该维 度的目的旨在将各种各样的投诉信息按照某种特点分类，使 事物更有规律。根据投诉的实际情况，我们将投诉信息分为 服务、技术、使用三个方面。决策者可以从该维度看到投诉 信息的归属状况，进而确定下阶段工作的重心所在。 投诉客户：不同的客户因为对产品要求、了解和使用状 况不同，所以投诉的信息也会有所不同。根据该维度我们可 以看到不同客户对产品的使用情况所产生的不同的投诉信 息，根据投诉的不同而有针对性的提供不同的服务。 投诉部门：一个企业有不同的部门，分工不同，工作重 心也不同。将投诉部门作为一个维度，决策者就可以通过该 维度了解到各个部门各种项目的投诉信息，使结果更具有可 视性。 投诉项目：客户的投诉信息通常都是以项目为存在依据 的，因此设立投诉项目维度可以使决策者方便的通过该维度 看到具体到某一个项目的投诉信息，并且可以根据投诉的相 关信息确定项目的弱点在哪里，进而采取相应的措施解决问 题。 2客户投诉管理中的数据挖掘 在上述分析的基础上，根据已定义的度量值和维度，便 可以对海量的客户投诉数据进行挖掘。数据挖掘的过程可以 分为数据准备、模型构造、挖掘结果的解释评估及部署应用 四个阶段。其中，数据准备是实施数据挖掘的基础，模型构 造是数据挖掘的关键。最终通过整个过程使得挖掘结果能够 达到及时动态查询、生成分析报表、数据汇总、整体分析和 预测的预期目标。 根据已定义的度量值和维度，我们便可以使用“多维数 据集向导”和“多维数据集编辑器”建立多维数据集模型。 建立的客户投诉多维数据集如图1所示。 在对多维数据集进行处理后，我们便可以使用“多维数 据集