數(shù)據(jù)挖掘及其在客戶關(guān)系管理中的應(yīng)用

　　信息社會(huì)中數(shù)據(jù)的爆炸性增長(zhǎng)，“豐富的數(shù)據(jù)與貧乏的知識(shí)”問題的日漸突出，產(chǎn)生了對(duì)強(qiáng)有力的數(shù)據(jù)分析工具的需求。決策者迫切需要將海量數(shù)據(jù)轉(zhuǎn)換成有價(jià)值的信息和知識(shí)。數(shù)據(jù)挖掘?yàn)檫@一需求提供了強(qiáng)有力的技術(shù)支持?？蛻絷P(guān)系管理（CRM）是現(xiàn)代電子商務(wù)活動(dòng)的核心部分，對(duì)CRM 的重視是現(xiàn)代市場(chǎng)營銷理念和商業(yè)運(yùn)作方式轉(zhuǎn)變的結(jié)果。CRM是數(shù)據(jù)挖掘的重要應(yīng)用領(lǐng)域。數(shù)據(jù)挖掘及其在CRM中的應(yīng)用研究已經(jīng)成為學(xué)術(shù)界和企業(yè)界共同關(guān)注的領(lǐng)域。本著作在對(duì)數(shù)據(jù)挖掘、CRM以及數(shù)據(jù)挖掘在CRM中的應(yīng)用的研究現(xiàn)狀進(jìn)行文獻(xiàn)綜述的基礎(chǔ)上，提出了數(shù)據(jù)挖掘技術(shù)及其在CRM中的應(yīng)用研究的相關(guān)主題，主要完成了以下三個(gè)方面的研究工作：第一，數(shù)據(jù)挖掘中概念數(shù)據(jù)集成的模型研究。該研究描述了面向OLAP 集成XML數(shù)據(jù)和關(guān)系數(shù)據(jù)的概念數(shù)據(jù)集成結(jié)構(gòu)體系框架，并提出了面向OLAP 的一個(gè)多維數(shù)據(jù)概念模型UML星系模式。最后通過一個(gè)B2B的電子商務(wù)中的 2-根UML星系模式的構(gòu)建實(shí)例來說明了n-根UML星系模式的構(gòu)造過程 模型的建立為電子商務(wù)中多數(shù)據(jù)源基礎(chǔ)上多主題OLAP分析、描述和建模提供了一種方法。第二，數(shù)據(jù)挖掘中的組合分類方法研究。該研究從數(shù)據(jù)挖掘優(yōu)化的技術(shù)角度出發(fā)，依據(jù)并行組合分類方法的思想，采用基于遺傳算法的組合算法，提出一種基于遺傳算法的多重決策樹并行組合分類方法以提高分類精度，并在保持分類結(jié)果良好可解釋性的基礎(chǔ)上優(yōu)化分類規(guī)則。第三，組合分類方法在CRM中的應(yīng)用研究。該研究針對(duì)CRM中客戶風(fēng)險(xiǎn)分析和客戶獲取策略問題，以客戶風(fēng)險(xiǎn)分析中的客戶信用等級(jí)評(píng)定問題和客戶獲取策略中的客戶反應(yīng)行為模式問題為研究對(duì)象，采用本文提出的基于遺傳算法的多重決策樹并行組合分類方法進(jìn)行研究分析。通過這種組合分類方法的運(yùn)用，在客戶信用等級(jí)評(píng)定問題中進(jìn)一步提高了客戶信用的定位水平，減少了企業(yè)運(yùn)營的風(fēng)險(xiǎn);在客戶反應(yīng)行為模式的分類分析中，通過分類定位模型輔助決策人 員進(jìn)行客戶細(xì)分，定位他們的最佳客戶和潛在客戶。同時(shí)通過進(jìn)一步的仿真分析得出，基于遺傳算法的多重決策樹組合分類方法比單個(gè)決策樹具有更高的分類精度，并在保持分類結(jié)果良好的可解釋性的基礎(chǔ)上優(yōu)化了分類規(guī)則。隨著數(shù)據(jù)挖掘技術(shù)的進(jìn)一步發(fā)展，這一研究領(lǐng)域研究?jī)r(jià)值越來越大。同時(shí)，隨著數(shù)據(jù)挖掘技術(shù)在電子商務(wù)時(shí)代CRM中的應(yīng)用進(jìn)一步深入，CRM必然具有更廣泛的市場(chǎng)價(jià)值和更廣闊的應(yīng)用前景。因此，本書關(guān)于數(shù)據(jù)挖掘及其在CRM中的應(yīng)用的研究主題具有重要的學(xué)術(shù)價(jià)值和實(shí)踐意義。

暫缺《數(shù)據(jù)挖掘及其在客戶關(guān)系管理中的應(yīng)用》作者簡(jiǎn)介