利用数据仓库／数据挖掘技术构建dc-crm模型_crm_管理信息化_196

《利用数据仓库／数据挖掘技术构建dc-crm模型_crm_管理信息化_196》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、利用数据仓库／数据挖掘技术构建DC-CRM模型_CRM_管理信息化1引言   随着“集中交易”在证券行业的逐步普及，交易数据的集中程度也日益提高。目前，在中等规模的集中交易系统中，股东开户数一般为10的五次方量级，而在规模较大的系统中，这一数字可高达1的六次方量级，交易记录数更是十分惊人。传统CRM系统的开发条件与工作环境与现实情况间的差距不断增大，在处理速度、功能种类、分析深度等方面，均难以满足实际工作的需要。因此，构造适应证券业数据集中环境的CRM系统的需求就显得十分迫切。   作为信息科学的一个重要研究领域，数据仓库和数据挖掘技术是数据库技术发展

2、到一定程度的产物。按Inmon的定义，“数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程”。而在数据仓库基础上的所谓数据挖掘，亦称数据库中的知识发现，就是在海量数据中探索数据间的关系、并从中提取有效的、新颖的、有潜在价值的知识和规律的过程。数据仓库与数据挖掘技术的结合，不仅能提高数据仓库对决策的支持能力，也能大大提高数据挖掘的工作效率。本文借助数据仓库／数据挖掘技术，设计了一个证券业数据集中环境下的CRM系统模型：DC-CRM(DataConcentriltedClientRelationshipManagement)

3、和传统CRM系统相比，DC-CRM模型具有以下特点：   ·数据来源更广泛：除客户资料外，还包括交易、行情和证券基本资料等方面的数据；   ·系统运行更高效：借助数据仓库技术，可以高效管理海量的数据内容；   ·揭示隐藏的知识：运用数据挖掘技术，能揭示隐藏在数据背后的知识，对实际工作具有更强的指导意义。2DC-CRM中数据仓库的构建   DC-CRM的核心部分，就是针对数据集中环境而设计的数据仓库，用于统一存放并有效管理集中后的客户数据、交易数据与行情数据，为开展数据挖掘作好准备。   2.1数据仓库/数据挖掘系统的构成   DC-CRM中完整的数据仓

4、库/数据挖掘系统的结构，主要由以下6个模块构成：   ·数据获取引擎：DC-CRM中，数据仓库的数据源包括多个方面，见表1所示。表1DC-CRM中数据仓库的数据源   数据获取引擎的任务，就是按知识库中规则的要求，从多个导构的数据源中提取构建数据仓库所需的内容，并对其进行转换、清洗等预处理工作，再将预处理后的数据导入数据仓库进行存储；   ·数据仓库模块：设立事实表和维表，有效存储并管理由数据获取模块获取，并经预处理后的多维数据，供挖掘引擎使用；   ·知识库模块：用于存储并有效管理以下内容：(1)经挖掘引擎产生的、并经过评估模块确认的知识，(2)用于

5、指导数据仓库/数据挖掘系统有效工作的控制规则，(3)数据仓库的元数据；   ·挖掘引擎模块：在规则的指导下，综合运用多种数据挖掘工具，对数据仓库的内容进行综合分析和深度挖掘，提取出有用的模式，并提交评估模块进行评估；   ·系统维护模块：对整个数据仓库/数据挖掘系统进行维护，对控制规则进行手工维护和调整，对数据挖掘引擎产生的知识进行评估，并在数据仓库内容更新后对原有的知识进行重新评估；   ·结果揭示/用户界面：为系统用户提供友好的操作界面，和挖掘结果揭示工具。   DC-CRM中数据仓库/数据挖掘系统的总体结构见图1所示。图1数据仓库l数据挖掘系统的

6、结构   2.2多维数据库的设计   数据库依照共享维度的星型模型而建立，其中包含了2个事实表和5个维表，事实表分别记录了客户的资金变动(成交、存取款)情况(t_fund)和大盘变动情况(t_total)，维表分别记录了客户信息(t_client)、日期(t_date)、客户类别(t_type)、委托信息(t_order)、以及证券基本资料(t_stock)等方面的信息。这样，数据库中存储的多维数据就基本涵盖了DC-CRM所关心的所有信息内容。   多维数据的星形模型结构见图2所示。图2多维数据的星形模型3数据获取处理的要点   和一般的数据仓库不同，

7、DC-CRM系统数据仓库的数据获取和预处理工作比较复杂，这主要表现在：(1)数据来源的多重性与复杂性；(2)源数据格式的多样性；(3)部分源数据需要解密；(4)有些源数据是非结构化的，需要采用专门的信息处理技术进行结构化处理。因此，本系统的数据获取与预处理过程，需要采用专门的数据获取引擎来实现，而处理引擎的运作依据，是置于知识库模块中的控制规则。控制规则相对固定，并由专门人员通过系统维护模块进行维护。   下面着重说明三类数据的获取与预处理。   3.1客户资料的清洗   交易系统中，设有记录客户资料的表。由于历史的原因，这些表内容的完整性和真实性并不

8、理想，存在着大量的空缺值和噪声数据，必需在导入数据仓库之前予以清洗。数据获取引擎对该类数据的清