通信企業(yè)CRM的數(shù)據(jù)挖掘技術(shù)研究

　　一、數(shù)據(jù)挖掘的概念

　　數(shù)據(jù)挖掘是根據(jù)企業(yè)的既定業(yè)務(wù)目標和存在的問題，對大量的業(yè)務(wù)數(shù)據(jù)進行探索，揭示其中隱藏的規(guī)律，并將其模型化，指導(dǎo)并應(yīng)用于企業(yè)的實際經(jīng)營。數(shù)據(jù)挖掘是建立在數(shù)據(jù)倉庫基礎(chǔ)上的高層應(yīng)用，但數(shù)據(jù)挖掘跟數(shù)據(jù)倉庫的其它一些應(yīng)用如OLAP分析、預(yù)定義報表和即席查詢等有很大的區(qū)別。后三者通常是用戶根據(jù)已知的情況對所關(guān)心的業(yè)務(wù)指標進行分析;而前者則是在業(yè)務(wù)問題和目標明確但考察的問題不清楚時，對數(shù)據(jù)進行探索，揭示隱藏其中的規(guī)律性，進而將其模型化。

　　二、數(shù)據(jù)挖掘的方法

　　1.神經(jīng)網(wǎng)絡(luò)方法

　　神經(jīng)網(wǎng)絡(luò)由于本身良好的自組織自適應(yīng)性、并行處理、分布存儲和高度容錯等特性非常適合解決數(shù)據(jù)挖掘的問題，因此近年來越來越受到人們的關(guān)注。典型的神經(jīng)網(wǎng)絡(luò)模型主要分3大類：以感知機、BP反向傳播模型、函數(shù)型網(wǎng)絡(luò)為代表的，用于分類、預(yù)測和模式識別的前饋式神經(jīng)網(wǎng)絡(luò)模型;以Hopfield的離散模型和連續(xù)模型為代表的，分別用于聯(lián)想記憶和優(yōu)化計算的反饋式神經(jīng)網(wǎng)絡(luò)模型;以ART模型、Koholon模型為代表的，用于聚類的自組織映射方法。神經(jīng)網(wǎng)絡(luò)方法的缺點是“黑箱”性，人們難以理解網(wǎng)絡(luò)的學(xué)習(xí)和決策過程。

　　2.遺傳算法

　　遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索算法，是一種仿生全局優(yōu)化方法。遺傳算法具有的隱含并行性、易于和其它模型結(jié)合等性質(zhì)使得它在數(shù)據(jù)挖掘中被加以應(yīng)用。Sunil已成功地開發(fā)了一個基于遺傳算法的數(shù)據(jù)挖掘工具，利用該工具對兩個飛機失事的真實數(shù)據(jù)庫進行了數(shù)據(jù)挖掘?qū)嶒灒Y(jié)果表明遺傳算法是進行數(shù)據(jù)挖掘的有效方法之一。遺傳算法的應(yīng)用還體現(xiàn)在與神經(jīng)網(wǎng)絡(luò)、粗集等技術(shù)的結(jié)合上。如利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在不增加錯誤率的前提下，刪除多余的連接和隱層單元;用遺傳算法和BP算法結(jié)合訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后從網(wǎng)絡(luò)提取規(guī)則等。但遺傳算法的算法較復(fù)雜，收斂于局部極小的較早收斂問題尚未解決。

　　3.決策樹方法

　　決策樹是一種常用于預(yù)測模型的算法，它通過將大量數(shù)據(jù)有目的分類，從中找到一些有價值的，潛在的信息。它的主要優(yōu)點是描述簡單，分類速度快，特別適合大規(guī)模的數(shù)據(jù)處理。最有影響和最早的決策樹方法是由Quinlan提出的著名的基于信息熵的ID3算法。它的主要問題是：ID3是非遞增學(xué)習(xí)算法;ID3決策樹是單變量決策樹，復(fù)雜概念的表達困難;同性間的相互關(guān)系強調(diào)不夠;抗噪性差。針對上述問題，出現(xiàn)了許多較好的改進算法，如Schlimmer和Fisher設(shè)計了ID4遞增式學(xué)習(xí)算法;鐘鳴，陳文偉等提出了IBLE算法等。

　　4.粗集方法

　　粗集理論是一種研究不精確、不確定知識的數(shù)學(xué)工具。粗集方法有幾個優(yōu)點：不需要給出額外信息;簡化輸入信息的表達空間;算法簡單，易于操作。粗集處理的對象是類似二維關(guān)系表的信息表。目前成熟的關(guān)系數(shù)據(jù)庫管理系統(tǒng)和新發(fā)展起來的數(shù)據(jù)倉庫管理系統(tǒng)，為粗集的數(shù)據(jù)挖掘奠定了堅實的基礎(chǔ)。但粗集的數(shù)學(xué)基礎(chǔ)是集合論，難以直接處理連續(xù)的屬性。而現(xiàn)實信息表中連續(xù)屬性是普遍存在的。因此連續(xù)屬性的離散化是制約粗集理論實用化的難點。現(xiàn)在國際上已經(jīng)研制出來了一些基于粗集的工具應(yīng)用軟件，如加拿大Regina大學(xué)開發(fā)的KDD-R1美國Kansas大學(xué)開發(fā)的LERS等。

　　5.覆蓋正倒排斥反倒方法

　　它是利用覆蓋所有正例、排斥所有反例的思想來尋找規(guī)則。首先在正例集合中任選一個種子，到反例集合中逐個比較。與字段取值構(gòu)成的選擇子相容則舍去，相反則保留。按此思想循環(huán)所有正例種子，將得到正例的規(guī)則(選擇子的合取式)。比較典型的算法有Michalski的AQ11方法、洪家榮改進的AQ15方法以及他的AE5方法。

　　6.統(tǒng)計分析方法

　　在數(shù)據(jù)庫字段項之間存在兩種關(guān)系：函數(shù)關(guān)系(能用函數(shù)公式表示的確定性關(guān)系)和相關(guān)關(guān)系(不能用函數(shù)公式表示，但仍是相關(guān)確定性關(guān)系)，對它們的分析可采用統(tǒng)計學(xué)方法，即利用統(tǒng)計學(xué)原理對數(shù)據(jù)庫中的信息進行分析。可進行常用統(tǒng)計(求大量數(shù)據(jù)中的最大值、最小值、總和、平均值等)、回歸分析(用回歸方程來表示變量間的數(shù)量關(guān)系)，相關(guān)分析(用相關(guān)系數(shù)來度量變量間的相關(guān)程度)、差異分析(從樣本統(tǒng)計量的值得出差異來確定總體參數(shù)之間是否存在差異)等。

　　7.模糊集方法

　　即利用模糊集合理論對實際問題進行模糊評判、模糊決策、模糊模式識別和模糊聚類分析。系統(tǒng)的復(fù)雜性越高，模糊性越強，一般模糊集合理論是用隸屬度來刻畫模糊事物的亦此亦彼性的。李德毅等人在傳統(tǒng)模糊理論和概率統(tǒng)計的基礎(chǔ)上，提出了定性定量不確定性轉(zhuǎn)換模型——云模型，并形成了云理論。

　　三、數(shù)據(jù)挖掘的流程

　　1.定義問題：清晰地定義出業(yè)務(wù)問題，確定數(shù)據(jù)挖掘的目的。

　　2.數(shù)據(jù)準備：數(shù)據(jù)準備包括：選擇數(shù)據(jù)——在大型數(shù)據(jù)庫和數(shù)據(jù)倉庫目標中提取數(shù)據(jù)挖掘的目標數(shù)據(jù)集;數(shù)據(jù)預(yù)處理——進行數(shù)據(jù)再加工，包括檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性、去噪聲，填補丟失的域，刪除無效數(shù)據(jù)等。

　　3.數(shù)據(jù)挖掘：根據(jù)數(shù)據(jù)功能的類型和和數(shù)據(jù)的特點選擇相應(yīng)的算法，在凈化和轉(zhuǎn)換過的數(shù)據(jù)集上進行數(shù)據(jù)挖掘。

　　4.結(jié)果分析：對數(shù)據(jù)挖掘的結(jié)果進行解釋和評價，轉(zhuǎn)換成為能夠最終被用戶理解的知識。

　　5.知識的運用：將分析所得到的知識集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

　　四、客戶關(guān)系管理(CRM)

　　客戶關(guān)系管理(CRM)首先是一種管理理念，起源于西方的市場營銷理論，產(chǎn)生和發(fā)展在美國。其核心思想是將企業(yè)的客戶(包括最終客戶，分銷商和合作伙伴)作為最重要的企業(yè)資源，通過完善的客戶服務(wù)和深入的客戶分析來滿足客戶的需求，保證實現(xiàn)客戶的終生價值。

　　客戶關(guān)系管理(CRM)又是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理機制，它實施于企業(yè)的市場營銷、銷售、服務(wù)與技術(shù)支持等與客戶相關(guān)的領(lǐng)域。客戶關(guān)系管理(CRM)也是一種管理軟件和技術(shù)，它將最佳的商業(yè)實踐與數(shù)據(jù)挖掘、數(shù)據(jù)倉庫、一對一營銷、銷售自動化以及其它信息技術(shù)緊密結(jié)合在一起，為企業(yè)的銷售、客戶服務(wù)和決策支持等領(lǐng)域提供了一個業(yè)務(wù)自動化的解決方案，從而順利實現(xiàn)由傳統(tǒng)企業(yè)模式到以電子商務(wù)為基礎(chǔ)的現(xiàn)代企業(yè)模式的轉(zhuǎn)化。

　　五、數(shù)據(jù)挖掘在通信企業(yè)

　　客戶關(guān)系管理中的應(yīng)用客戶的獲取。把客戶根據(jù)其性別、收入、交易行為特征等屬性細分為具有不同需求和交易習(xí)慣的群體，同一群體中的客戶對產(chǎn)品的需求以及交易心理等方面具有相似性，而不同群體間差異較大。那么這就有助于企業(yè)在營銷中更加貼近顧客需求。分類和聚類等挖掘方法可以把大量的客戶分成不同的類(群體)，適合于用來進行客戶細分。通過群體細分，CRM用戶可以更好地理解客戶，發(fā)現(xiàn)群體客戶的行為規(guī)律。在行為分組完成后，還要進行客戶理解、客戶行為規(guī)律發(fā)現(xiàn)和客戶組之間的交叉分析。

　　重點客戶發(fā)現(xiàn)。就是找出對企業(yè)具有重要意義的客戶，重點客戶發(fā)現(xiàn)主要包括：發(fā)現(xiàn)有價值的潛在客戶;發(fā)現(xiàn)有更多的消費需求的同一客戶;發(fā)現(xiàn)更多使用的同一種產(chǎn)品或服務(wù);保持客戶的忠誠度。根據(jù)80/20(即20%的客戶貢獻80%的銷售額)以及開發(fā)新客戶的費用是保留老客戶費用的5倍等營銷原則，重點客戶發(fā)現(xiàn)在CRM中具有舉足輕重的作用。

　　交叉營銷。商家與其客戶之間的商業(yè)關(guān)系是一種持續(xù)的不斷發(fā)展的關(guān)系，通過不斷地相互是接觸和交流，客戶得到了更好更貼切的服務(wù)質(zhì)量，商家則因為增加了銷售量而獲利。交叉營銷指向已購買商品的客戶推薦其它產(chǎn)品和服務(wù)。這種策略成功的關(guān)鍵是要確保推銷的產(chǎn)品是用戶所感興趣的，有幾種挖掘方法都可以應(yīng)用于此問題，關(guān)聯(lián)規(guī)則分析能夠發(fā)現(xiàn)顧客傾向于關(guān)聯(lián)購買哪些商品。聚類分析能夠發(fā)現(xiàn)對特定產(chǎn)品感興趣的用戶群，神經(jīng)網(wǎng)絡(luò)、回歸等方法能夠預(yù)測顧客購買該新產(chǎn)品的可能性。

　　客戶流失分析。分類等技術(shù)能夠判斷具備哪些特性的客戶群體最容易流失，建立客戶流失預(yù)測模型。從而幫助企業(yè)對有流失風(fēng)險的顧客提前采取相應(yīng)營銷措施。利用數(shù)據(jù)挖掘技術(shù)，可以通過挖掘大量的客戶信息來構(gòu)建預(yù)測模型，較準確地找出易流失客戶群，并制定相應(yīng)的方案，最大程度地保持住老客戶。通過研究，認為數(shù)據(jù)挖掘技術(shù)中的決策樹技術(shù)(Decision Tree)能夠較好地應(yīng)用在這一方面。

　　性能評估。以客戶所提供的市場反饋為基礎(chǔ)，通過數(shù)據(jù)倉庫的數(shù)據(jù)清潔與集中過程，將客戶對市場的反饋自動地輸入到數(shù)據(jù)倉庫中，從而進行客戶行為跟蹤。性能分析與客戶行為分析和重點客戶發(fā)現(xiàn)是相互交迭的過程，這樣才能保證企業(yè)的客戶關(guān)系管理能夠達到既定的目標，建立良好的客戶關(guān)系。

　　對不同信譽度用戶給予不同的服務(wù)及優(yōu)惠。

　　五、小結(jié)

　　數(shù)據(jù)挖掘的出現(xiàn)只有短短的幾年時間，而它所表現(xiàn)出的廣闊應(yīng)用前景令人矚目。CRM作為一個涉及知識管理、業(yè)務(wù)流程再造和企業(yè)信息化的概念正以前所未有的速度發(fā)展，并且迅速擴大著用戶群體。隨著市場經(jīng)濟的推動和信息技術(shù)的發(fā)展，尤其是網(wǎng)絡(luò)通信和數(shù)據(jù)倉庫技術(shù)，廣大用戶也越來越注重CRM的實用價值。

　　CRM的良好應(yīng)用前景會進一步加快數(shù)據(jù)挖掘技術(shù)的成熟和發(fā)展。在CRM中有效利用數(shù)據(jù)挖掘，可以指導(dǎo)企業(yè)高層決策者制定最優(yōu)的企業(yè)營銷策略，降低企業(yè)運營成本，增加利潤，加速企業(yè)的發(fā)展。只有融合了數(shù)據(jù)挖掘技術(shù)的高效的客戶關(guān)系管理才能更好地適應(yīng)當(dāng)今信息時代及其網(wǎng)絡(luò)化特征，成為現(xiàn)代企業(yè)在激烈的市場競爭中生存的根本和制勝的關(guān)鍵。

服務(wù)器租用/服務(wù)器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]