第九講 客戶信息的整合與運用

1、第九講第九講 客戶信息的整合與運用客戶信息的整合與運用9.1 客戶信息、信息技術(shù)與客戶信息、信息技術(shù)與CRM9.2 CRM系統(tǒng)和數(shù)據(jù)倉庫系統(tǒng)和數(shù)據(jù)倉庫9.3 CRM系統(tǒng)中的數(shù)據(jù)挖掘系統(tǒng)中的數(shù)據(jù)挖掘9.4 知識發(fā)現(xiàn)與知識發(fā)現(xiàn)與CRM9.5 聯(lián)機信息分析處理與聯(lián)機信息分析處理與CRM9.1 客戶信息、信息技術(shù)與客戶信息、信息技術(shù)與CRM9.1.1 客戶信息概述客戶信息概述1.客戶信息、客戶數(shù)據(jù)與客戶知識客戶信息、客戶數(shù)據(jù)與客戶知識信息信息知識知識加工過的數(shù)據(jù)簡單給出事實、清晰明了的、簡單的、結(jié)構(gòu)化的、方便的、以正式方式書寫的通過精簡、校正、整理、計算相關(guān)數(shù)據(jù)獲得不具有所有者獨立性，由信息系統(tǒng)掌握，

2、大量數(shù)據(jù)處理的主要來源從數(shù)據(jù)演化而來，形成數(shù)據(jù)庫、手冊和文件等正式的、點滴積累的、說明性的、易于形成、可重復(fù)應(yīng)用的形式動態(tài)數(shù)據(jù)可隨意組合并用于預(yù)測性決策，沒有完全結(jié)構(gòu)化，模糊的、直覺的、難以溝通和表達的存在于人們之間的聯(lián)系、談話及基于經(jīng)歷與體驗的直覺中，反映在人們的比較情境和處理問題的能力之中取決于所有者和需要信息渠道等預(yù)測、設(shè)計、計劃、診斷和直覺判斷的主要資源在集體智慧中形成并在集體中共享，隨著經(jīng)歷與成敗而演化，需要日積月累地通過經(jīng)歷積淀而成2.客戶信息的類型客戶信息的類型在在CRM中，按照客戶信息來源的不同，可以將中，按照客戶信息來源的不同，可以將客戶信息分為客戶信息分為3種類型：種類型：

3、描述客戶是誰的信息。描述客戶是誰的信息。描述對客戶進行營銷或者促銷活動的信息，主描述對客戶進行營銷或者促銷活動的信息，主要包括市場活動的類型、預(yù)算或描述等。要包括市場活動的類型、預(yù)算或描述等。描述客戶與企業(yè)交易的信息，主要是過程信息描述客戶與企業(yè)交易的信息，主要是過程信息與結(jié)果信息的結(jié)合。與結(jié)果信息的結(jié)合。3.客戶信息的重要性說明客戶信息的重要性說明（1）客戶信息質(zhì)量低下的危害性）客戶信息質(zhì)量低下的危害性儲存和管理重復(fù)資料的高額成本儲存和管理重復(fù)資料的高額成本無法有效地、準(zhǔn)確地處理客戶聯(lián)系和活動無法有效地、準(zhǔn)確地處理客戶聯(lián)系和活動對客戶目前和潛在的價值，以及過去已經(jīng)發(fā)生對客戶目前和潛在的價值，

4、以及過去已經(jīng)發(fā)生和未來可能發(fā)生的行為和要求無法進行深刻分析和未來可能發(fā)生的行為和要求無法進行深刻分析無法適當(dāng)?shù)貏澐趾兔枋隹蛻?，從而也就無法針無法適當(dāng)?shù)貏澐趾兔枋隹蛻?，從而也就無法針對不同的客戶群提供不同的服務(wù)對不同的客戶群提供不同的服務(wù)（2）客戶信息對客戶管理系統(tǒng)的重要性）客戶信息對客戶管理系統(tǒng)的重要性（3）受客戶信息水平影響最大的）受客戶信息水平影響最大的4個領(lǐng)域（麥凱恩）個領(lǐng)域（麥凱恩）一是開辟新的分銷渠道、關(guān)閉舊的分銷渠道及重新一是開辟新的分銷渠道、關(guān)閉舊的分銷渠道及重新部署現(xiàn)有的分銷渠道等決策。部署現(xiàn)有的分銷渠道等決策。二是事半功倍的能力二是事半功倍的能力用更少的員工為更多的客用更少的

5、員工為更多的客戶服務(wù)。戶服務(wù)。三是提高銷售和營銷活動的效率，并以較低的成本三是提高銷售和營銷活動的效率，并以較低的成本實現(xiàn)相同的市場效率。實現(xiàn)相同的市場效率。四是如何依據(jù)客戶需求分配寶貴的客戶服務(wù)資源，四是如何依據(jù)客戶需求分配寶貴的客戶服務(wù)資源，從而提高客戶服務(wù)水平。從而提高客戶服務(wù)水平。4.客戶信息對其他管理活動的影響客戶信息對其他管理活動的影響（1）減少外部采購的需求）減少外部采購的需求（2）對不斷變化的經(jīng)營環(huán)境的反應(yīng)）對不斷變化的經(jīng)營環(huán)境的反應(yīng)5.客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識客戶知識呼叫中心呼叫中心網(wǎng)上交流網(wǎng)上交流電子郵件電子郵件傳真?zhèn)髡嬷苯咏佑|直接接觸OLAP數(shù)據(jù)挖掘數(shù)據(jù)挖

6、掘運營分析運營分析市場專家市場專家知識發(fā)現(xiàn)知識發(fā)現(xiàn)數(shù)據(jù)倉庫數(shù)據(jù)倉庫客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識客戶知識圖圖9-1 客戶數(shù)據(jù)客戶數(shù)據(jù)客戶信息客戶信息客戶知識過程圖客戶知識過程圖9.1.2 CRM中的信息技術(shù)介紹中的信息技術(shù)介紹（1）數(shù)據(jù)庫管理系統(tǒng)（）數(shù)據(jù)庫管理系統(tǒng)（DBMS）（2）數(shù)據(jù)倉庫）數(shù)據(jù)倉庫（3）數(shù)據(jù)挖掘）數(shù)據(jù)挖掘（4）決策支持）決策支持（5）電子郵件）電子郵件9.1.3 CRM系統(tǒng)中的信息技術(shù)的應(yīng)用系統(tǒng)中的信息技術(shù)的應(yīng)用1.數(shù)據(jù)倉庫的應(yīng)用數(shù)據(jù)倉庫的應(yīng)用數(shù)據(jù)倉庫技術(shù)能比較好地解決來自銷售、市場、制造、庫存和客戶服務(wù)等部門的分散數(shù)據(jù)提取和問題處理，從而達到更好地了解客戶，更方便

7、地提供服務(wù)的目的。2.數(shù)據(jù)挖掘技術(shù)的應(yīng)用數(shù)據(jù)挖掘技術(shù)的應(yīng)用數(shù)據(jù)挖掘是一門廣義的交叉科學(xué)，包括了數(shù)據(jù)庫、人工智能、數(shù)據(jù)統(tǒng)計和并行計算等方面的技術(shù)。數(shù)據(jù)挖掘能夠幫助企業(yè)確定客戶的特點，從而可以為客戶提供有針對性的服務(wù)。9.2 CRM系統(tǒng)和數(shù)據(jù)倉庫系統(tǒng)和數(shù)據(jù)倉庫9.2.1 數(shù)據(jù)倉庫概述數(shù)據(jù)倉庫概述1.數(shù)據(jù)庫技術(shù)的發(fā)展數(shù)據(jù)庫技術(shù)的發(fā)展數(shù)據(jù)庫系統(tǒng)是數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)的總稱。數(shù)據(jù)庫系統(tǒng)是數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)的總稱。1968年，年，IBM研制出信息管理系統(tǒng)。研制出信息管理系統(tǒng)。1969年，美國數(shù)據(jù)系統(tǒng)語言委員會的數(shù)據(jù)庫任務(wù)組提出了網(wǎng)年，美國數(shù)據(jù)系統(tǒng)語言委員會的數(shù)據(jù)庫任務(wù)組提出了網(wǎng)絡(luò)數(shù)據(jù)庫模型的數(shù)據(jù)規(guī)范

8、，于絡(luò)數(shù)據(jù)庫模型的數(shù)據(jù)規(guī)范，于1971年發(fā)表了年發(fā)表了DBTG報告，正報告，正式確定了數(shù)據(jù)庫設(shè)計的網(wǎng)絡(luò)方法。式確定了數(shù)據(jù)庫設(shè)計的網(wǎng)絡(luò)方法。1970年，年，Codd提出了數(shù)據(jù)庫關(guān)系模型，開創(chuàng)了數(shù)據(jù)庫的關(guān)系提出了數(shù)據(jù)庫關(guān)系模型，開創(chuàng)了數(shù)據(jù)庫的關(guān)系方法和數(shù)據(jù)庫規(guī)范化理論的研究。方法和數(shù)據(jù)庫規(guī)范化理論的研究。80年代后，關(guān)系型數(shù)據(jù)庫理論得到空前廣泛的應(yīng)用。年代后，關(guān)系型數(shù)據(jù)庫理論得到空前廣泛的應(yīng)用。90年代數(shù)據(jù)庫技術(shù)并沒有出現(xiàn)革命性的創(chuàng)新。年代數(shù)據(jù)庫技術(shù)并沒有出現(xiàn)革命性的創(chuàng)新。2.數(shù)據(jù)倉庫的提出、發(fā)展與興起數(shù)據(jù)倉庫的提出、發(fā)展與興起20世紀(jì)世紀(jì)80年代中后期出現(xiàn)數(shù)據(jù)倉庫思想的萌芽，從而為年代中后期出現(xiàn)

9、數(shù)據(jù)倉庫思想的萌芽，從而為數(shù)據(jù)倉庫概念的最終提出和發(fā)展打下了基礎(chǔ)。數(shù)據(jù)倉庫概念的最終提出和發(fā)展打下了基礎(chǔ)。1992年，年，W.H.Inmon在其里程碑式的在其里程碑式的建立數(shù)據(jù)倉庫建立數(shù)據(jù)倉庫一書中提出了一書中提出了“數(shù)據(jù)倉庫（數(shù)據(jù)倉庫（Data Warehouse）”的概念，的概念，數(shù)據(jù)倉庫的研究和應(yīng)用從此得到了廣泛的關(guān)注。數(shù)據(jù)倉庫的研究和應(yīng)用從此得到了廣泛的關(guān)注。9.2.2 數(shù)據(jù)倉庫的定義、特征與類型數(shù)據(jù)倉庫的定義、特征與類型1.定義定義Inmon認為，數(shù)據(jù)倉庫是面向主題的、集成的，是隨時認為，數(shù)據(jù)倉庫是面向主題的、集成的，是隨時間推移而發(fā)生變化的數(shù)據(jù)集合，可用來支持管理決策。間推移而發(fā)生

10、變化的數(shù)據(jù)集合，可用來支持管理決策。其他定義：其他定義：Infomix公司：數(shù)據(jù)倉庫把分布在企業(yè)網(wǎng)絡(luò)中的不同公司：數(shù)據(jù)倉庫把分布在企業(yè)網(wǎng)絡(luò)中的不同“信信息孤島息孤島”中的業(yè)務(wù)數(shù)據(jù)集成到一起，存儲在單一的集成中的業(yè)務(wù)數(shù)據(jù)集成到一起，存儲在單一的集成關(guān)關(guān)系型數(shù)據(jù)庫中；利用這種集成信息，可方便用戶對信息系型數(shù)據(jù)庫中；利用這種集成信息，可方便用戶對信息的訪問，更可使決策人員對一段時間內(nèi)的歷史數(shù)據(jù)進行的訪問，更可使決策人員對一段時間內(nèi)的歷史數(shù)據(jù)進行分析，研究事物發(fā)展趨勢。分析，研究事物發(fā)展趨勢。SAS：一種管理技術(shù)，旨在通過通暢、合理、全面的信：一種管理技術(shù)，旨在通過通暢、合理、全面的信息管理，達到有效

11、的決策支持。息管理，達到有效的決策支持。各種數(shù)據(jù)倉庫的定義具有以下共同特征：各種數(shù)據(jù)倉庫的定義具有以下共同特征：數(shù)據(jù)倉庫中包含大量數(shù)據(jù)，這些數(shù)據(jù)可能來自數(shù)據(jù)倉庫中包含大量數(shù)據(jù)，這些數(shù)據(jù)可能來自企業(yè)或組織內(nèi)部，也可能來自外部；企業(yè)或組織內(nèi)部，也可能來自外部；以數(shù)據(jù)倉庫方式進行組織的目的是為了能夠更以數(shù)據(jù)倉庫方式進行組織的目的是為了能夠更好地支持決策；好地支持決策；數(shù)據(jù)倉庫為最終使用者提供了用于存取、分析數(shù)據(jù)倉庫為最終使用者提供了用于存取、分析數(shù)據(jù)的工具。數(shù)據(jù)的工具。2.數(shù)據(jù)倉庫的類型數(shù)據(jù)倉庫的類型根據(jù)數(shù)據(jù)倉庫所管理的類型和它們所解決的企業(yè)根據(jù)數(shù)據(jù)倉庫所管理的類型和它們所解決的企業(yè)問題范圍，一般可

12、將數(shù)據(jù)倉庫分為下列問題范圍，一般可將數(shù)據(jù)倉庫分為下列3種類型：種類型：企業(yè)數(shù)據(jù)倉庫（企業(yè)數(shù)據(jù)倉庫（Enterprise DataWarehouse,EDW）操作型數(shù)據(jù)庫（操作型數(shù)據(jù)庫（Operational Data System,ODS）數(shù)據(jù)集市（數(shù)據(jù)集市（Data Mart）9.2.3 數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)設(shè)計模塊設(shè)計模塊：是由數(shù)據(jù)倉庫的設(shè)計者和管理者來設(shè)計和定義：是由數(shù)據(jù)倉庫的設(shè)計者和管理者來設(shè)計和定義數(shù)據(jù)倉庫數(shù)據(jù)庫。數(shù)據(jù)倉庫數(shù)據(jù)庫。數(shù)據(jù)獲取模塊數(shù)據(jù)獲取模塊：用于開發(fā)和運行數(shù)據(jù)獲取應(yīng)用程序，從源：用于開發(fā)和運行數(shù)據(jù)獲取應(yīng)用程序，從源系統(tǒng)中獲取數(shù)據(jù)，并整合到數(shù)據(jù)倉庫的數(shù)據(jù)庫

13、中去。系統(tǒng)中獲取數(shù)據(jù)，并整合到數(shù)據(jù)倉庫的數(shù)據(jù)庫中去。數(shù)據(jù)管理員模塊數(shù)據(jù)管理員模塊：用來生成、管理和訪問數(shù)據(jù)倉庫中數(shù)據(jù)。：用來生成、管理和訪問數(shù)據(jù)倉庫中數(shù)據(jù)。管理模塊管理模塊：包括一整套用于維護數(shù)據(jù)倉庫環(huán)境的系統(tǒng)管理：包括一整套用于維護數(shù)據(jù)倉庫環(huán)境的系統(tǒng)管理服務(wù)。服務(wù)。信息目錄模塊信息目錄模塊：能幫助技術(shù)用戶和業(yè)務(wù)用戶訪問數(shù)據(jù)倉庫：能幫助技術(shù)用戶和業(yè)務(wù)用戶訪問數(shù)據(jù)倉庫系統(tǒng)。系統(tǒng)。數(shù)據(jù)訪問模塊數(shù)據(jù)訪問模塊：所提供的數(shù)據(jù)訪問工具使最終用戶能夠訪：所提供的數(shù)據(jù)訪問工具使最終用戶能夠訪問和分析數(shù)據(jù)倉庫中的數(shù)據(jù)。問和分析數(shù)據(jù)倉庫中的數(shù)據(jù)。中間件模塊中間件模塊：將倉庫數(shù)據(jù)庫與最終用戶工具連接起來。：將倉庫數(shù)

14、據(jù)庫與最終用戶工具連接起來。數(shù)據(jù)獲取模塊數(shù)據(jù)管理員 模塊數(shù)據(jù)倉庫 數(shù)據(jù)元數(shù)據(jù)數(shù)據(jù)傳遞模塊中間件模塊信息目錄 模塊元數(shù)據(jù)外部元數(shù)據(jù)數(shù)據(jù)訪問模塊外部數(shù)據(jù)設(shè)計模塊管理模塊圖圖9-2 數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)數(shù)據(jù)倉庫的技術(shù)結(jié)構(gòu)9.2.4 面向面向CRM系統(tǒng)的數(shù)據(jù)倉庫設(shè)計與開發(fā)系統(tǒng)的數(shù)據(jù)倉庫設(shè)計與開發(fā)1.任務(wù)和環(huán)境的評估任務(wù)和環(huán)境的評估2.需求的收集和分析需求的收集和分析3.構(gòu)造數(shù)據(jù)倉庫構(gòu)造數(shù)據(jù)倉庫4.數(shù)據(jù)倉庫技術(shù)的培訓(xùn)數(shù)據(jù)倉庫技術(shù)的培訓(xùn)5.回顧、總結(jié)與再開發(fā)回顧、總結(jié)與再開發(fā)9.2.5 數(shù)據(jù)倉庫解決方案數(shù)據(jù)倉庫解決方案1.Sybase提供的數(shù)據(jù)倉庫解決方案提供的數(shù)據(jù)倉庫解決方案2.SAS提供的數(shù)據(jù)倉庫解決方

15、案提供的數(shù)據(jù)倉庫解決方案3.Platinum提供的數(shù)據(jù)倉庫解決方案提供的數(shù)據(jù)倉庫解決方案4.HP提供的數(shù)據(jù)倉庫解決方案提供的數(shù)據(jù)倉庫解決方案5.IBM公司提供的數(shù)據(jù)倉庫解決方案公司提供的數(shù)據(jù)倉庫解決方案6.Informix公司提供的數(shù)據(jù)倉庫解決方案公司提供的數(shù)據(jù)倉庫解決方案7.Oracle公司提供的數(shù)據(jù)倉庫解決方案公司提供的數(shù)據(jù)倉庫解決方案9.2.6 Eddie Bauer的客戶數(shù)據(jù)倉庫的客戶數(shù)據(jù)倉庫1.新的觀點新的觀點2.信息決定商業(yè)決策信息決定商業(yè)決策3.跟蹤客戶跟蹤客戶4.了解客戶了解客戶5.客戶忠誠度客戶忠誠度9.2.7 如何避免數(shù)據(jù)倉庫建設(shè)項目的失敗如何避免數(shù)據(jù)倉庫建設(shè)項目的失敗1.

16、缺少領(lǐng)導(dǎo)的大力支持和積極參與缺少領(lǐng)導(dǎo)的大力支持和積極參與2.過高的期望值過高的期望值3.沒有以決策支持為核心沒有以決策支持為核心4.人員配備不夠充分人員配備不夠充分5.低估了數(shù)據(jù)清潔、轉(zhuǎn)換、載入的工作量低估了數(shù)據(jù)清潔、轉(zhuǎn)換、載入的工作量6.低估了用戶對系統(tǒng)擴充的需要低估了用戶對系統(tǒng)擴充的需要7.對用戶界面和前端工具的重視對用戶界面和前端工具的重視9.3 CRM系統(tǒng)中的數(shù)據(jù)挖掘系統(tǒng)中的數(shù)據(jù)挖掘9.3.1 數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘概述1.從與數(shù)據(jù)倉庫、從與數(shù)據(jù)倉庫、OLAP和統(tǒng)計分析的聯(lián)系中定和統(tǒng)計分析的聯(lián)系中定義數(shù)據(jù)挖掘義數(shù)據(jù)挖掘數(shù)據(jù)挖掘：從大量的、不完全的、有噪聲的、模數(shù)據(jù)挖掘：從大量的、不完全的

17、、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取隱含于其中的、糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取隱含于其中的、人們事先不知道但又具有潛在用途的信息和知識人們事先不知道但又具有潛在用途的信息和知識的過程。的過程。進化階段商業(yè)問題支持技術(shù)產(chǎn)品廠家產(chǎn)品特點數(shù)據(jù)搜集（20世紀(jì)60年代）過去5年中，總收入是多少？計算機、磁帶和磁盤IBM和CDC提供歷史性的、靜態(tài)的數(shù)據(jù)信息數(shù)據(jù)訪問（20世紀(jì)80年代）在新英格蘭的分部，去年三月的銷售額是多少？關(guān)系數(shù)據(jù)庫、結(jié)構(gòu)化查詢語言（SQL）、ODBCOracle、Sybase、Informix、IBM和Microsoft提供歷史性的、動態(tài)的數(shù)據(jù)信息數(shù)據(jù)倉庫決策支持（20世紀(jì)9

18、0年代）在新英格蘭的分部，去年三月的銷售額是多少？波士頓可以據(jù)此得出什么結(jié)論？聯(lián)機分析處理、多維數(shù)據(jù)庫、數(shù)據(jù)倉庫Pilot、Comshare、Arbor、Cognos和Microstrategy在各種層次上提供回溯性的、動態(tài)的數(shù)據(jù)信息數(shù)據(jù)挖掘（正在流行）下個月波士頓的銷售會怎么樣？為什么？高級算法、多處理器計算機和“海量”數(shù)據(jù)庫Pilot、Lockheed、 IBM、SGI和其他新創(chuàng)企業(yè)提供預(yù)測性信息表表9-2 數(shù)據(jù)挖掘的進化歷程數(shù)據(jù)挖掘的進化歷程2.數(shù)據(jù)挖掘的主要特征數(shù)據(jù)挖掘的主要特征數(shù)據(jù)挖掘面對的是海量數(shù)據(jù)；數(shù)據(jù)可能是不完全的、有噪聲的、隨機的、又復(fù)雜的數(shù)據(jù)結(jié)構(gòu)且維數(shù)較大；數(shù)據(jù)挖掘是多學(xué)科

19、的交叉，綜合運用了統(tǒng)計學(xué)、計算機和數(shù)學(xué)等學(xué)科的技術(shù)。3.數(shù)據(jù)挖掘的未來發(fā)展方向數(shù)據(jù)挖掘的未來發(fā)展方向（1）與專家系統(tǒng)結(jié)合的數(shù)據(jù)挖掘（2）網(wǎng)絡(luò)數(shù)據(jù)挖掘（3）數(shù)據(jù)挖掘的時序性（4）對非結(jié)構(gòu)化數(shù)據(jù)的挖掘（5）引入新的數(shù)據(jù)挖掘算法9.3.2 數(shù)據(jù)挖掘的基本任務(wù)數(shù)據(jù)挖掘的基本任務(wù)1.自動預(yù)測趨勢和行為自動預(yù)測趨勢和行為2.關(guān)聯(lián)分析關(guān)聯(lián)分析若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)和因果關(guān)聯(lián)等多種類型。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。3.聚類分析聚類分析數(shù)據(jù)庫中的記錄可被劃分為一系列有意義的子集，即聚類。4.概念描述概念描述是對某類對象的內(nèi)涵進行描述，并概

20、括這類對象的有關(guān)特征。5.偏差檢測偏差檢測基本方法是尋找觀測結(jié)果與參照值之間有意義的差別。9.3.3 數(shù)據(jù)挖掘的技術(shù)與算法簡介數(shù)據(jù)挖掘的技術(shù)與算法簡介1.數(shù)據(jù)挖掘的集合論技術(shù)數(shù)據(jù)挖掘的集合論技術(shù)（1）粗糙集技術(shù)）粗糙集技術(shù)是一種處理含糊和不精確數(shù)學(xué)問題的新型數(shù)學(xué)工具。是一種處理含糊和不精確數(shù)學(xué)問題的新型數(shù)學(xué)工具。（2）概念樹技術(shù)）概念樹技術(shù)中國江蘇臺灣其他省份淡水 基隆 南京 蘇州 籍貫概念樹圖9-3 籍貫概念樹2.數(shù)據(jù)挖掘中的仿生物技術(shù)數(shù)據(jù)挖掘中的仿生物技術(shù)（1）神經(jīng)網(wǎng)絡(luò)技術(shù)（）神經(jīng)網(wǎng)絡(luò)技術(shù)（Neutral Network）123456輸入層隱含層輸出層圖9-4 簡單的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖（2

21、）遺傳算法）遺傳算法生物進化遺傳算法適者生存在算法停止時，獲得最優(yōu)解個體解染色體解的編碼（字符串、向量等）基因解中每個分量的特征（如數(shù)值）適應(yīng)度適應(yīng)性函數(shù)值種群根據(jù)適應(yīng)度函數(shù)值進取的一組解雜交通過變換兩個解的對應(yīng)分量產(chǎn)生新的解的過程 變異通過變換一個解得某些分量產(chǎn)生一個新解的過程表9-3 遺傳算法與生物進化的比較3.統(tǒng)計分析方法統(tǒng)計分析方法（1）相關(guān)分析和回歸分析（2）差異分析（3）因子分析（4）聚類分析（5）判別分析4.關(guān)聯(lián)規(guī)則算法關(guān)聯(lián)規(guī)則算法關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項之間存在潛在關(guān)系的規(guī)則，形式為“A1 A2 Am B1 B2 Bn”，其Ai（i=1，2，m）， Bj（j=1，2，n）是

22、數(shù)據(jù)庫中的數(shù)據(jù)項。數(shù)據(jù)項之間的關(guān)聯(lián)就是根據(jù)一個事務(wù)中某些項的出現(xiàn)，可推導(dǎo)出另一些項在同類事務(wù)中也出現(xiàn)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)。關(guān)聯(lián)規(guī)則算法分為兩個步驟：求支持度大于用戶指定的最小支持的數(shù)據(jù)項集，即大數(shù)據(jù)項集，對于語義約束的規(guī)則，僅求得滿足約束的大數(shù)據(jù)項集；利用大數(shù)據(jù)項集產(chǎn)生關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則是挖掘算法的核心。9.3.4 數(shù)據(jù)挖掘的流程數(shù)據(jù)挖掘的流程技術(shù)視角技術(shù)視角邏輯數(shù)據(jù)庫被選擇的數(shù)據(jù)預(yù)處理后的數(shù)據(jù)被轉(zhuǎn)換的數(shù)據(jù)邏輯數(shù)據(jù)庫邏輯數(shù)據(jù)庫選擇預(yù)處理轉(zhuǎn)換挖掘分析和 簡化圖圖9-6 數(shù)據(jù)挖掘流程圖數(shù)據(jù)挖掘流程圖9.3.5 用數(shù)據(jù)挖掘優(yōu)化用數(shù)據(jù)挖掘優(yōu)化CRM系統(tǒng)系統(tǒng)1.什么是優(yōu)化？優(yōu)化是對結(jié)

23、果進行明確評價的問題，是在一定的約束和限制條件下，得到最優(yōu)安排的過程。2.使用數(shù)據(jù)挖掘技術(shù)優(yōu)化CRM系統(tǒng)的一般步驟：評價，即檢測發(fā)生的結(jié)果；預(yù)測，即根據(jù)已發(fā)生的事情來進行預(yù)測；行動，即進行嘗試。3.優(yōu)化形式存在一種明確定義的數(shù)值有待優(yōu)化；對復(fù)雜的、因果關(guān)系不明確的問題進行優(yōu)化。9.3.6 在在CRM中利用數(shù)據(jù)挖掘所形成的商業(yè)中利用數(shù)據(jù)挖掘所形成的商業(yè)價值價值1.客戶盈利模型客戶盈利模型2.客戶獲取模型客戶獲取模型3.客戶挽留模型客戶挽留模型4.客戶細分模型客戶細分模型科學(xué)的客戶細分需滿足兩個基本條件：科學(xué)的客戶細分需滿足兩個基本條件：完整性；互斥性完整性；互斥性5.交叉銷售模型交叉銷售模型通過

24、數(shù)據(jù)挖掘中的聚類分析，鎖定交叉銷售所要面對的目標(biāo)客戶。通過關(guān)聯(lián)分析確定最優(yōu)的銷售組合，并向相應(yīng)的客戶展開交叉銷售。9.3.7 數(shù)據(jù)挖掘工具及其評估數(shù)據(jù)挖掘工具及其評估1.數(shù)據(jù)挖掘工具的類型（1）通用工具主要包括：SAS公司的Enterprise Miner、IBM的Intelligent Miner、SPSS公司的Clementine、Oracle公司的Darwin、Angoss的Knowledge Seeker。（2）綜合數(shù)據(jù)挖掘工具（3）面向特定應(yīng)用的數(shù)據(jù)挖掘工具主要工具包括KDI（主要在零售業(yè)）和Unica Modell（重點在市場領(lǐng)域）等。2.數(shù)據(jù)挖掘工具的評估標(biāo)準(zhǔn)數(shù)據(jù)挖掘工具的評估標(biāo)

25、準(zhǔn)（1）操作的數(shù)據(jù)類型（2）結(jié)果的有用性和確定性（3）知識的表達（4）多層次互動知識（5）并行分布的數(shù)據(jù)挖掘算法（6）私有保護和數(shù)據(jù)安全其他標(biāo)準(zhǔn)：產(chǎn)品成熟度和公司力量、產(chǎn)品的數(shù)據(jù)操作能力、產(chǎn)品的用戶界面，管理復(fù)雜程度等。9.4 知識發(fā)現(xiàn)與知識發(fā)現(xiàn)與CRM9.4.1 知識發(fā)現(xiàn)概述知識發(fā)現(xiàn)概述Fayyad等（等（1996）提出的觀點，認為：）提出的觀點，認為：知識發(fā)現(xiàn)（知識發(fā)現(xiàn)（Knowledge Discovery in Database，KDD）就是指在從大量數(shù)據(jù)中提取有效的、新）就是指在從大量數(shù)據(jù)中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平穎的、潛在有用的、最終可被理解的模式的

26、非平凡的過程。凡的過程。KDD具有自動性和一定的智能性。具有自動性和一定的智能性。9.4.2 知識發(fā)現(xiàn)的過程知識發(fā)現(xiàn)的過程數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備理解有關(guān)KDD的背景和用戶的具體需求。數(shù)據(jù)選取數(shù)據(jù)選取確定要選取的目標(biāo)數(shù)據(jù)，從原始數(shù)據(jù)庫中選取數(shù)據(jù)或者數(shù)據(jù)樣本。數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理對選取的數(shù)據(jù)和數(shù)據(jù)樣本進行一定的預(yù)處理，檢查數(shù)據(jù)的完整性、消除噪聲、清除多余數(shù)據(jù)。數(shù)據(jù)變換數(shù)據(jù)變換對進行過預(yù)處理后的數(shù)據(jù)再進一步進行相關(guān)的轉(zhuǎn)換操作，如轉(zhuǎn)換數(shù)據(jù)的類型等。確定確定KDD的目標(biāo)的目標(biāo)為下一步選擇算法做出準(zhǔn)備。選擇算法選擇算法根據(jù)KDD的目標(biāo)選擇合適的算法，使之與整個KDD過程的評價標(biāo)準(zhǔn)相一致。解釋解釋/評價評價對經(jīng)過

27、發(fā)掘所發(fā)現(xiàn)的知識進行解釋，并將知識以客戶能夠理解的方式描述出來，讓客戶進行評估。9.4.3 在在CRM中運用知識發(fā)現(xiàn)中運用知識發(fā)現(xiàn)對于許多實施CRM系統(tǒng)的企業(yè)來說，僅僅依靠CRM系統(tǒng)對數(shù)據(jù)的組織和存儲功能，并不能滿足企業(yè)對決策支持的需要。如果不能夠?qū)Υ罅康男畔⑦M行高級處理以便形成可理解的模式，那么企業(yè)花費高昂的成本所收集和積累的這些信息實際上就被浪費掉了。因此，發(fā)現(xiàn)隱藏于大量客戶信息背后的關(guān)聯(lián)性與規(guī)律性，就形成了CRM中的知識發(fā)現(xiàn)體系。9.5 聯(lián)機信息分析處理與聯(lián)機信息分析處理與CRM9.5.1 作為數(shù)據(jù)倉庫前端接口的作為數(shù)據(jù)倉庫前端接口的OLAPDB1DB2數(shù)據(jù)倉庫客戶客戶1客戶客戶2OLA

28、P服務(wù)器圖圖9-8 數(shù)據(jù)倉庫與數(shù)據(jù)倉庫與OLAP整合圖整合圖9.5.2 從從OLTP到到OLAP的轉(zhuǎn)變的轉(zhuǎn)變20世紀(jì)60年代，關(guān)系數(shù)據(jù)庫之父E.F.Codd提出了關(guān)系模型，促進了聯(lián)機事務(wù)處理（OLTP）的發(fā)展。1993年，Codd提出來OLAP概念（On Line Analytical Processing，OLAP）。OLTP數(shù)據(jù)OLAP數(shù)據(jù)原始數(shù)據(jù)細節(jié)性數(shù)據(jù)當(dāng)前值數(shù)據(jù)可更新一次處理的數(shù)據(jù)量小面向應(yīng)用，是事務(wù)驅(qū)動型的面向操作人員，支持日常操作導(dǎo)出數(shù)據(jù)綜合性和提煉性數(shù)據(jù)歷史數(shù)據(jù)不可更新，但周期性刷新一次處理的數(shù)據(jù)量大面向分析，是分析驅(qū)動型的面向決策人員，支持管理需要表9-4 OLTP與OLAP

29、的主要區(qū)別9.5.3 OLAP的定義與特征的定義與特征1.定義定義OLAP委員會把OLAP界定為具有下列功能的軟件技術(shù)：使分析人員、管理人員或執(zhí)行人員能夠從多種角使分析人員、管理人員或執(zhí)行人員能夠從多種角度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的信息（這些信息是度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的信息（這些信息是能夠真正為用戶所理解，并且能夠真實反映出企能夠真正為用戶所理解，并且能夠真實反映出企業(yè)特性的信息）進行快速、一致、互動地存取，業(yè)特性的信息）進行快速、一致、互動地存取，從而實現(xiàn)對數(shù)據(jù)的更深入理解。從而實現(xiàn)對數(shù)據(jù)的更深入理解。2.特征特征（1）OLAP的顯著特征是它能夠提供數(shù)據(jù)的多維視圖。（2）強大的分析功能。O

30、LAP的分析操作主要包括切片（Slice）、切塊（Dice）、下鉆（Drill-down）、上鉆（Roll-up）和旋轉(zhuǎn)（Rotate）。9.5.4 OLAP中的一些基本概念中的一些基本概念1.變量：數(shù)據(jù)的實際意義，描述數(shù)據(jù)是什么。2.維：是人們觀察數(shù)據(jù)的特定角度。每個不同的視角就叫做一個“維”。例：進行客戶細分可以從客戶與企業(yè)的互動的角度加以細分，也可以從客戶終身價值角度加以細分。3.維的層次性是指人們觀察數(shù)據(jù)的某個角度還可以存在細節(jié)差異的多個方面。例：客戶互動的層次包括“從不”、“偶爾”、“經(jīng)常”等。多維數(shù)組可以表示為（維1，維2，維n，變量）。9.5.5 OLAP結(jié)構(gòu)介紹結(jié)構(gòu)介紹數(shù)據(jù)庫服務(wù)器DBMS元數(shù)據(jù)請求處理OLAP服務(wù)器SQL結(jié)果設(shè)定前端工具結(jié)果設(shè)定信息請求圖圖9-9 OLAP系統(tǒng)的一般結(jié)構(gòu)系統(tǒng)的一般結(jié)構(gòu)9.5.6 OLA