数据挖掘在crm中的应用

《数据挖掘在crm中的应用》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、数据挖掘在CRM中的应用作者：赵纪元出处：yesky摘要：本文简要的阐述了数据挖掘的基本概念，探讨了数据挖掘在CRM中的应用，论述了SAS数据挖掘的方法，最后通过案例分析说明数据挖掘是企业决策分析的有效工具。引言　　随着计算机技术、网络技术、通讯技术和Internet技术的发展，各行各业业务操作流程的自动化，企业内产生了数以几十或上百GB计的大量业务数据。这些数据和由此产生的信息是企业的财富。它如实的记录着企业运作的本质状况，但是面对如此海量的数据，迫使人们不断寻找新的工具，来对企业的运营规律进行探索，为商业决策提供有价值的知识，使

2、企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。　　一、基本概念　　那么什么是数据挖掘呢？简单地说，数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识、模型或规则的过程。对于企业而言，数据挖掘有助于发现业务的趋势，揭示已知的事实、预测未知的结果。从这个意义上讲，知识是力量，数据挖掘是财富。　　二、数据挖掘在CRM中的应用　　数据挖掘按照其功能以及应用来划分，主要有：分类、关联、时间模式和聚类。它们可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。在客户关系管理（CRM）中，它可以应用在以下几个方面：　

3、　－客户群体分类分析；　　－客户效益分类分析和预测；　　　　－客户背景分析；　　－客户满意度分析；　　－交叉销售；　　－客户信用分析；　　－客户流失分析；　　－客户的获得与保持等。　　1.客户群体分类分析　　近年来，一对一营销正在被众多的企业所青睐。一对一营销是指了解每一个客户，并同其建立起持久的关系。数据挖掘可以把大量的客户分成不同的类，在每一个类里的客户具有相似的属性，而不同类里的客户的属性也不同。正所谓的“物以类聚，人以群分”。例如，化装品企业的客户分为：少儿、青年、中年和老年或者按性别分为男、女，通过数据挖掘知其不同客户的爱

4、好，提供有针对性的产品和服务，来提高不同类客户对企业和产品的满意度。　　2.交叉销售　　现代企业和客户之间的关系是经常变动的，一旦一个人或一个团体成为企业的客户，就要竭力使这种客户关系趋于完善，需要对现有的客户进行交叉销售，为原有客户销售新的产品和／或服务。交叉销售是建立在win-win原则上的，对客户来讲，要得到更多更好满足他需求的服务且从中受益，对企业来讲，也会因销售额的增长而获益。数据挖掘可以帮助你分析出最优的合理的销售匹配。　　3.新客户的获得和老客户的保留　　企业的增长和发展壮大需要不断维持老的客户，不断获得新的客户。不论

5、企业希望得到的是哪类客户，数据挖掘都能帮助你识别出这些潜在的客户群，并提高市场活动的响应率，使你做到心中有数，有的放矢。　三、SAS数据挖掘的方法(SEMMA)　　　1.Sample──数据取样　　当进行数据挖掘时，首先要从企业大量数据中取出一个与你要探索问题相关的样板数据子集，而不是动用全部企业数据。通过数据取样，要把好数据的质量关，一定要保证取样的代表性、真实性、完整性和有效性。这样才能通过此后的分析研究得出反映本质规律性的结果。　　2.Explore──数据特征探索、分析和予处理　　当我们拿到了一个样本数据集后，它是否达到我们

6、原来设想的要求；其中有没有什么明显的规律和趋势；有没有出现你所从未设想过的数据状态；因素之间有什么相关性；它们可区分成怎样一些类别……这都是要首先探索的内容。　　进行数据特征的探索、分析，最好是能进行可视化的操作，如SAS的SAS/INSIGHT和SAS/SPECTRAVIEW。这两个产品给你提供了可视化数据操作的最强有力的工具、方法和图形。它们不仅能做各种不同类型统计分析显示，而且可做多维、动态、甚至旋转的显示。　　应用这两个工具对样本数据进行预分析、推测主要的数据、异常趋势和规律性。　　3.Modify──问题明确化、数据调整和

7、技术选择　　通过Sample和explore两步之后，对原来要解决的问题可能会有了进一步的明确，这时要尽可能对问题解决的要求能进一步的量化。在问题进一步明确化的基础上，你就可以按照问题的具体要求来审视你的数据集了，看它是否适应你的问题的需要。针对问题的需要，可能要对数据进行增删，也可能按照你对整个数据挖掘过程的新认识，要组合或者生成一些新的变量，以体现对状态的有效的描述。SAS对数据强有力的存取、管理和操作的能力保证了对数据的调整、修改和变动的可能性。　　4.Model──模型的研发、知识的发现　　数理统计方法是数据挖掘工作中最常用

8、的主流技术手段。SAS/STAT软件包中就覆盖了所有的实用数理统计方法，提供了十多个过程可进行各种不同类型模型、不同特点数据的回归分析，如正交回归、响应面回归、Logistic回归、非线性回归等，且有多种形式模型化的方法选择。可处理的