关于构建面向ＣＲＭ的数据挖掘探讨|数据挖掘模型的构建

　　摘要：介绍了CRM的研究内容和数据挖掘的基本原理，主要讲解如何构建面向CRM的数据挖掘应用，并用一个具体的案例来表示如何用数据挖掘来预测客户的保持。 　　关键词：客户保持；CRM；数据挖掘
　　中国分类号：TP311文献标识码：A 文章编号：1009-3044(2007)18-31493-02
　　Construction of CRM-oriented Data Mining
　　SUN Jin,SEN Gan
　　(Medical engineering&technologycollege, Xinjiangmedicaluniversity, Xinjiang, 830054, China)
　　Abstract:The primary content of the CRM, and the principle of data mining is introduced briefly. “How to construct an CRM-oriented application of data mining is explained. Examples show that the maintain of client which usng data mining.
　　Key words:Client maintain; CRM; data mining
　　
　　1 引言
　　
　　伴随着供应链管理的产生和发展，供应链的不断延伸和发展就是面向最终客户，随着服务的要求的不断细化，客户在生产的整个流程中越来越重要，这就产生了又一个管理信息系统―客户关系管理，也就是现在最流行的CRM。客户关系管理的产生是市场竞争的需求推动的结果，它主要是为解决以下的几个问题而设计的：那些客户最有利，为什么；什么样的促销手段对那些客户最有效；什么样的客户会对公司的新产品有兴趣；产品的最有利的发展方向是什么……总的说来，CRM的最终目标就是面向客户，以客户为驱动，以客户为中心从中获取最大的利益。
　　
　　2 客户关系管理
　　
　　客户关系管理的真正意义也就是：管理理念+信息技术。从前面所描述的客户关系管理的思想可以看出，要实现客户关系管理，一方面要在经营管理上进行变革，对客户关系管理的相关流程进行重组；另一方面，利用信息管理技术提供这种管理的信息平台，保证其流程畅通。管理观念的更新、业务流程的重组是实现客户关系管理的基础，而信息技术的利用是客户关系管理的思想得以落实的保证。两者从根本上说并无先后顺序，是相互依存，相互促进的关系。下面从技术的角度，谈谈如何实现客户关系管理。
　　从所实现功能上来说，一个好的CRM应该包括如下基本功能：客户和联系人管理、潜在客户管理、时间管理、销售管理、电话销售和电话营销、营销管理、客户服务与支持、呼叫中心、合作伙伴关系管理、商业智能和网上运销等。从分析可以知道，CRM是一种全新的商业战略，而不是单一的信息系统的IT解决方案，它要求重新设计提供客户服务的方式，全面的认识与提高客户关系管理水平。企业全面的信息集成，信息充分共享，与企业ERP的良好集成，这样才能实现对事务处理的支持能力，实现企业的管理目标，因此信息的集成是CRM的关键所在。从CRM的三大模块来说，客户信息的分析和预测是最为突出的。如何从海量般，表面上看似毫无关联的数据中，得到对企业有用的信息，这就是CRM所面临的问题。
　　因此在引入集成大量数据的数据仓库后，如何有效的利用数据进行分析，这也就引入了数据挖掘技术。什么是数据挖掘技术呢？
　　
　　3 数据挖掘
　　
　　数据挖掘就是对观测到的数据集（一般是海量）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对其有价值的新颖方式来总结数据。数据挖掘的主要过程就是三个阶段：数据准备：包括数据的选择，数据的集成和数据的预处理；数据挖掘：完成具体的挖掘过程；数据的表达和解释。数据挖掘的算法很多，在大体上可以分为以下5类：探索性数据分析（ＥＤＡ）；描述建模；预测建模；寻找模式和规则；根据内容检索。
　　数据挖掘的过程中是以算法组件的形式实现，一个完整的数据挖掘算法包括以下四个方面：模型或模式结构；评分函数；优化和探索方法；数据管理策略。在这采用的是算法是预测建模中的分类算法：CART算法（分类回归树算法）。CART算法思想就是决策树的方法，利用树结构产生分类和回归，利用已知的数据作为训练数据，从某些分类的规则中，找到数据隐含的关联，从而得出某种结论。其结构具体如下：
　　(1)任务＝预测（分类）
　　(4)探索方法＝贪婪局部搜索。用贪婪局部探索方法来确定好的候选树结构：从根节点递归地扩展树，然后再逐渐地修剪掉这个树的特定分枝。贪心算法的本质也就是这样的一个思想，只看眼前的局部，设法取得最大的利益。
　　(5)数据管理方法＝未指定，都假定数据都在主存中。
　　
　　4 构建面向CRM的数据挖掘
　　
　　下面以某移动公司的客户保持为例，结合上述的１０个步骤，利用数据挖掘技术对客户服务功能中潜在客户分析模块进行应用，具体实现用上述ＣＡＲＴ算法的数据挖掘，以分析客户的保持为例：
　　(1)数据定义：包括的是私人用户，数据包括客户的基本信息，地理分布，同时也包括从客户服务中心得到的客户拨打服务热线的情况（这也就包括客户对服务质量的不满，对某种新业务的咨询等）
　　(2)定义预测目标：用2004年12个月份的数据来建立预测模型，以预测2005年客户的迁移情况.
　　(3)采用CART算法，实现数据挖掘。根据销售，市场部门的业务人员的分析，得出２９个细分群的市场模型，也就是算法中的叶节点。在计算过程中为每个细分群赋予一个编号，每个分类点都有一个市场特征，由于太多，只列出部分决策树图，如图1：
　　图1部分决策树图
　　如图所示，对每个细分群，其转移的客户树可用整个细分群的客户树乘以细分群的转移倾向值得出。从而得出以下结论：在5.2％的客户中有27.7％的客户转移，在10.5％的客户中有41.5％的客户转移，在19.7％的客户中有55.8％的客户转移。于是得出市场的目标锁定在5.2％即14581个客户，这里有7848个客户的迁移者，即5.4％的提升率。
　　从以上的例子可以看出给出的步骤对成功实施数据挖掘系统非常有用，尤其是利用数据挖掘技术优化原有的CRM流程时，在此要强调几个以前不常被人注意的步骤，但是如果忽视的话会给项目带来很大的风险，如理解数据和用户培训等。
　　
　　5 结束语
　　
　　放眼望去，随着数据挖掘技术的不断完善，与数据仓库组件技术的无缝集成，数据挖掘将在CRM的系统中扮演更重要的角色，成为CRM的推动力。有理由相信随着企业的不断的重视数据挖掘技术，在企业的CRM中实施有效的数据挖掘必然能真正实现CRM的管理理念+信息技术的意义，实现获得最大客户盈利能力的目的。
　　
　　参考文献：
　　[1]罗鸿,ERP原理设计实现[M].电子工业出版社.
　　[2]Alex Berson,Stephen Smith等著，贺奇,郑岩,等译.构建面向CRM的数据挖掘应用[M].人民邮电出版社.
　　[3]David hand,Heikki manila,Padhraic Smyth,著,张银奎,廖丽,等译.数据挖掘原理[M].机械工业出版社.
　　[4]Abraham Siberschartz,Henry E,Korth,S Sudarsham,著,杨冬青,唐世渭,译.数据库系统概念[M].机械工业出版社.
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文