您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于数据挖掘客户细分方法在电信业应用.pdf49页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：170 &&
你可能关注的文档：
··········
··········
广东商学院
硕士学位论文
基于数据挖掘的客户细分方法在电信业的应用
姓名：邬美兰
申请学位级别：硕士
专业：企业管理
指导教师：钟育赣
随着市场竞争越来越激烈 电信运营商的ARPU 值和利润空间都面临着巨大的挑战
客户需求也变得多样化 差异化 对电信业务 服务的要求日趋理性和严格 运营商
只有精确识别和细分用户 针对不同层次用户进行服务营销 方能使得各方利益发挥
到最大 实现共赢
本文首先介绍了客户细分和数据挖掘的相关理论基础 并分析了电信行业客户细
分的现状以及应用数据挖掘技术进行客户细分的必要性 接着介绍了本文的基础模型
并在模型的基础上提出了基于数据挖掘的电信客户细分流程 对流程的各
个方面结合电信业务进行了详细阐述 最后通过实际的案例分析 将一家移动公司的
客户数据纳入流程 得出相应的细分结果
基于数据挖掘技术的电信客户细分方法的应用 不仅使电信运营商的客户细分更
加精细 而且还能清楚地看到客户当前的需求状况 对电信运营商开展客户细分的实
施具有很好的借鉴意义
关键词 客户细分 数据挖掘 聚类算法 电信
Nowadays, because the Market competition
is becoming more and more ferocious, so
tremendous
challenges.
Customer's
become diversified, differentiation and requirements of service quality beco
正在加载中，请稍后...基于数据挖掘的客户细分具有哪些主要优点_百度知道
基于数据挖掘的客户细分具有哪些主要优点
基于数据挖掘的客户细分具有哪些主要优点
提问者采纳
，而不是抽样. 是对全体的数据的分析. 基于行为的细分，不是基于特征的细分2。抽样总是有误差的
其他类似问题
按默认排序
其他2条回答
发现客户规律，防止客户流失，提供方便客户且创造利润的服务。
针对性强，方便实施个性化服务。
客户细分的相关知识
为您推荐：
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁数据挖掘技术的证券客户分析系统50
上亿文档资料，等你来发现
数据挖掘技术的证券客户分析系统50
第２８卷２００８年６月；文章编号：１００１―９０８１（２００８）Ｓ１―０；计算机应用；ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ；Ｖ０１．２８Ｊｕｎｅ２００８；基于数据挖掘技术的证券客户分析系统；张效严１，齐春莹２；（１．华南师范大学教育信息技术中心，广州５１０６；（ｚｘｙｄｈ＠２１ｃｎ．ｅｏｍ）；摘要：基于数据挖掘技术研究并实现了证券客户分析系；关键词：数据
第２８卷２００８年６月文章编号：１００１―９０８１（２００８）Ｓ１―０３６９―０３计算机应用ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶ０１．２８Ｊｕｎｅ２００８基于数据挖掘技术的证券客户分析系统张效严１，齐春莹２（１．华南师范大学教育信息技术中心，广州５１０６３１；２．徐州广播电视大学经济贸易系，江苏徐州２２１００６）（ｚｘｙｄｈ＠２１ｃｎ．ｅｏｍ）摘要：基于数据挖掘技术研究并实现了证券客户分析系统，通过对数据进行详细的分析和顸处理，通过数据挖掘工具ＳＰＳＳＣＬＥＭＥＮＴＩＮＥ８．０中的Ｋ一平均值、Ｃ５．０算法建立模型，并运用模型预测最有潜力的客户，实际应用验证了其准确性。关键词：数据挖掘；ＣＲＭ；决策树；数据挖掘工具；Ｋ―ｍＰ奠ｔｎ￥；Ｃ５．０中图分类号：唧１Ｉ．１３２．３文献标志码：ＡｏｎＳｅｃｕｒｉｔｉｅｓｃｌｉｅｎｔｓａｎａｌｙｓｉｓｓｙｓｔｅｍｂａｓｅｄＺＨＡＮＧｄａｔａｍｉｎｉｎｇＸｉａｏ―ｙａｈｌ，ＱＸＣｈｕｎ―ｙｉｎ９２（１．ＥｄｕｃａｔｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｅｎｔｅｒ，ＳｏｕｔｈＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，ＧｎａｎｇｚｈｏｕＧｔｔａｎｇｄｏｎｇ５１０６３１，Ｃｈｉｎａ；２．ＤｅｐａｒｔｍｅｎｔｏｆＥｃｏｎｏｍｙａｎｄＴｒａｄｅ，ＸｕｚｈｏｕＴＶＵｎｉｖｅｒｓｉｔｙ，ＸｕｒｈｏｕＪｉａｎｇｓｕ２２１００６，Ｃｈ／ｎａ）Ａｂｓｔｒａｃｔ：Ｓｅｃｕｒｉｔｉｅｓｏｒｉｅｎｔｓａｎａｌｙｓｉｓｓｙｓｔｅｍｗａｓｓｔｕｄｉｅｄａｎｄｒｅａｌｉｚｅｄｂａｓｅｄｏｎｄａｔａｍｉｎｉｎｇ．Ｂａｓｅｄｏｎｄｅｔａｉｌｅｄａｎａｌｙｓｉｓｔｏａｎｄｐｒｅｔｒｅａｔｍｅｎｔｏｆｄａｔａ，ａｎｄｕｓｉｎｇＫ－ｍｅａｎｓａｎｄＣ５．０ａｌｇｏｒｉｔｈｍｏｆＳＰＳＳＣｌｅｍｅｎｔｉｎｅ８．０，ａｍｏｄｅｌｍｏｓｔｐｏｔｅｎｔｉａｌｃｕｓｔｏｍｅｒｓ．ＴｈｅｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓｖｅｒｉｆｉｅｄｉｔｓＫｅｙｗｏｒｄｓ：ｄａｔａａｃｃｕｒａｃｙ．Ｗａｓｂｕｉｌｔｕｐｐｒｅｄｉｃｔｔｈｅｍｉｎｉｎｇ；ＣＲＭ；ｄｅｃｉｓｉｏｎｔｘｅｃ；ｄａｔａｍｉｎｉｎｇｔｏｏｌ；Ｋ―ｍｅａｎｓ；Ｃ５．００引言随着证券市场的开放、浮动佣金制的实施、券商竞争的加决策支持、过程控制等，还可以进行数据自身的维护。数据挖掘借助了多年来数理统计技术和人工智能以及知识工程等领域的研究成果构建自己的理论体系，是一个交叉学科领域，可以集成数据库、人工智能、数理统计、可视化、并行计算等技术。１．２数据挖掘的主要步骤、任务、方法和应用数据挖掘一般有以下几个主要步骤：数据收集、数据整理、数据挖掘、对数据挖掘结果的评估以及最终的分析决策。数据挖掘过程需要多次循环反复，才有可能达到预期的效果。数据挖掘技术的目标就是从大量数据中，发现隐藏于其后的规律或数据间的关系，从而服务于决策。数据挖掘主要任务有：数据总结、分类、关联分析和聚类分析。数据挖掘工具采用的主要方法包括决策树、相关规则、神经元网络、遗传算法，以及可视化、ＯＬＡＰ联机分析处理等，另外也采用了传统的统计方法。目前，数据挖掘的研究和应用非常热门，应用主要集中在以下几个领域：金融、市场业、工程与科学研究、产品制造业、司法和证券业。剧，证券行业的利润空间会越来越小，各券商也在不停地寻求经纪券商生存之道。经过多年的不懈探索，各大券商已经普遍认识到：证券业的核心是客户，原来通过人际关系和降低佣金来吸引客户的做法已经越来越得不到客户的认同，而完善、及时、准确的客户服务才能真正吸引客户、留住客户。因此，券商纷纷将证券业务的中心转移到客户服务上。数据分析和数据挖掘对证券公司具有以下意义：提升客户服务、提高资产质量以及降低成本。证券客户数据分析的目标是：通过对现有数据的深入分析，重新划分客户，从而发现最有价值客户群，为客户服务部门和业务部门提供强有力的客户分析工具，帮助他们准确地锁定最有价值客户群，并为之提供有针对性的服务，同时提高公司的盈利水平。其内容主要涉及客户分析、咨询服务、风险防范和经营状况分析等方面。１数据挖掘技术及其现状１．１数据挖掘的概念数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这些数据可以是结构化的，如关系数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的，可以是演绎的，也可以是归纳的。发现了的知识可以被用于信息管理、查询优化、收稿日期：２００７―０９―２１；修回日期：２００８―０３―２０。２基于数据挖掘技术的证券客户数据分析系统２．１数据分析及数据预处理２．１．１客户数据分析和准备提取客户在某段时间的换手率、持仓比及其他信息，主要步骤如下：１）查询从２００４．０６．０１至２００４．０９．３０之间所有的交易流作者简介：张效严（１９７０一），男，江苏徐州人，工程师，硕士，主要研究方向：网络信息系统、数据挖掘；齐春莹（１９７２一），女，江苏徐州人，讲师，硕士，主要研究方向：经济管理、证券投资。３７０计算机应用２００８生水。如：ｓｅｌｅｃｔ木ｆｒｏｍｊｚ２５ｂａｓｅ．．ｚｊｌｓｗｈｅｒｅｈｂｄｍ＝’０’ａｎｄ据）ｏ７ｑｓｒｑ＞＝’２００４０６０１ａｎｄｑｓｒｑ＜＝’２００４０９３０’ａｎｄ（ｚｙｄｍ＝表１客户初始信息表７１４０００’ｏｒｚｙｄｍ＝’１４１００’、说明：ｚｊｌｓ：资金流水表；ｈｂｄｍ：货币代码，…０’表示“人民币”，ｚｙｄｍ：摘要代码，根据该字段可判断该笔流水是怎样产生的，“１４０００”表示“买入成交”、“１４１００”表示“卖出成交”。２）总成交金额、总手续费统计和相应视图的建立。主要查询语句如：ｓｅｌｅｃｔｚｊｚｈ，ｓ啪（ｅｊｊｅ）ｚｃｊｊｅ，ｓｕｍ（ｓｘｆ）ｓｘｆｆｒｏｍｊｚ２５ｂａｓｅ．ｚｊｌ８ｗｈｅｒｅｈｂｄｍ＝’０’ａｎｄ７ｑｓｒｑ＞＝’２００４０６０１ａｎｄｑｓ丐＜２７２００４０９３０’ａｎｄ（ｚｙｄｍ＝’１４０００’ｏｒｚｙｄｍ＝’１４１００’）ｇｒｏｕｐｂｙｚｊｚｌｌ３）提取和计算资金可用数，证券市值、资产总值、持仓比。４）提取和计算客户当前的资金可用数、证券市值、资产总值、持仓比、总成交金额、总手续费。２）数据预处理。通过预处理得到广义关系表，从中随机５）计算换手率。抽取若干元组组成训练数据集。数据预处理的结果是得到离６）将结果引入中间表ｈｓｌ中，表中字段包括：ｚｊｚｈ（资金账散化的数据样本集。户）、ｚｊｋｙｓ（资金可用数）、ｚｑｓｚ（证券市值）、ＺＣＺＺ（资产总值）、３）建立相关属性集。类标号属性价值度有两个不同值ｃｃｂ（持仓比）、ｚｃｊｊｅ（总成交金额）、ｓｄ（总手续费）以及ｈｓｌ（换｛Ｃ。、ｑ｝，因此有２个不同类ｍ＝２，Ｃ。有１０个样本，ｃ２有１７手率）等。个样本，使用式（Ｉ）：７）计算盈亏率。说明：盈亏率的计算是一个复杂的过，（ｓｌ，ｓ２）＝ｌ（１０，１７）＝０．９５１（１）程，它主要涉及：资金转出、资金转入、起始日期资金余额、终计算每个属性的熵：频率：止日期资金余额、起始日期的股票市值、终止日期的股票市，ｌ：ＳＩ＝３，是ｌ＝０，ｔ（Ｓｌｌ，Ｓ２１）＝０值、资金转出转入等信息（因篇幅限制，这里不再对盈亏率的疋：Ｓ１２＝２，＆＝３，，（Ｓ１２，＆）＝０．９７１计算过程详细列出）。乃：ｓ１３＝５，＆＝１４，，（ｓ１３’＆）＝０．８３１最终结果表中包含如下内容：资金账户、资金可用数、证使用式（２），如果样本按频率划分，对一个给定样本分类券市值、资产总值、持仓比、总成交金额、手续费、换手率、盈亏所需的期望信息为：额、盈亏率等，根据需求分析，最有潜力客户主要涉及以下内容：换手率、持仓比、盈亏率、资金总值Ｅ（Ｆ）＝３／２７１（ｓｌＩ＇是１）＋５／２７１（Ｓ１２，＆）＋最有潜力客户：换手率、盈亏率、总成交金额越高越好、持１９／２７１（Ｓ１３，昆）＝０．７６５（２）仓比应保持在５０％～７０％，资产总值也是越高越好，但不能因此这种划分的信息增益是：将其绝对值作为衡量一个客户是否具有潜力的标志。Ｇａｉｎ（持仓率）＝ｌ（Ｓ。，是）一Ｅ（Ｆ）＝０．１８６２．１．２数据预处理类似计算出Ｇａｉｎ（换手率）＝０．４３７，Ｇａｉｎ（盈亏率）＝数据挖掘技术是通过数据库或数据仓库发现并提取隐藏０．２１。在其中的信息，由于高质量的决策依赖于高质量的数据，因此４）建立模型。模型的建立过程如图１所示。数据预处理是知识发现过程的重要步骤。数据预处理包括如下几个方面：１）数据清理；２）数据集成与转换，数据转换主要涉及规范化、平滑、聚集和泛化，其目的是将数据转换成适合挖掘的形式；３）数据化简。数据化简包括维化简、数据压缩和ｎｕｍｅｒｏｓｉｔｙ化简。图１模型的建立过程２．２基于数据挖掘技术求最有潜力客户的方法２．２．１基本思路①用Ｋ一平均值（Ｋ－ｎｌｅａｎ￥）算法进行客户分类利用数据挖掘技术对企业数据仓库中客户的历史数据进基于Ｋ－平均值模型算法。对于所得到的试验数据，针对行分析，用分类判定树归纳出客户的各种属性特征与其价值模型的Ｈｓｌ（换手率）、Ｃｏｂ（持仓比）、Ｙｌ【１（盈亏率）字段来做度大小的关系的分类规则，这样建立了客户价值度的评价模Ｋ一平均值的聚类分析。型。再把价值度未知的客户的数据输入模型，运用已归纳出按５种类别的Ｋ?平均聚类后的类别分布结果如图２。的分类规则对这些客户分类，即得到对这些客户价值度的评对各类客户群的相关字段进行统计，结果如表２。价结果。由统计结果可以得出以下结论：２．２．２主要步骤ｃｌｕｓｔｅｒ－４：很少交易且成交量也很少，亏损较多的客户，是１）建立主题数据集市。客户初始信息如表１（部分数无价值客户；６月张效严等：基于数据挖掘技术的证券客户分析系统３７１ｃｌｕｓｔｅｒ－３：有少量交易且成交量较少，亏损较多的客户，是普通客户；ｃｌｕｓｔｅｒ－２：有大量的交易且成交量较少，盈利较高的客户，是一般价值客户；ｃｌｕｓｔｅｒ－１：有大量的交易且成交量较高，盈利较高的客户，是有价值客户；ｃｌｕｓｔｅｒ－５：成交量很大且成交量也很大且有盈利的客户，是最有价值客户。②由于换手率在属性中有最高的信息增益，它作为判定树根节点的测试属性，并对于每个属性值引出一个分支，选择信息增益次高的属性为下一级节点的测试属性，用决策树算法ｃ５．０构造判定树，最终判定树如图３所示。序号噍ｈＰｒｖｐｏｒｔｉｏｎ％Ｃｏｕｎｔｃｋｔｏｔｅｒ－■强懿鞠煳黼麟鼯圈霸髓＿３４．∞１４２ｌｃｈｌｓｔｅｒ．：！髓嘲姆掰搠镉绷黼２１．８０３ｄｕｓｔｅｒ－３豳姘９．９６４１０４ｃ］ｖｓｔｅｒ－４翻黼翻硼猫瞳２０．６８５ｃｋ∞ｔｅｒ－５翻豳邪ｌ１３．∞蹦图２聚类后的类别分布表２客户类别的统计裹图３客户价值度最终判定树５）使用模型分类。用测试集中的数据评估分类规则的准确率，达到要求后，输人类标号未知的客户数据，得到客户价值度的评价结果。本文在一个有３００６９条有效记录的客户数据集上测试了该方法。经过处理，客户属性集包括：价值度、换手率、持仓率、盈亏率作为用于分类的类标志属性。随机抽取７０％即２１０４８条记录作为训练数据集，另外２０％即６０１４条作为测试集，测试结果为：将客户按照价值度分为五类时准确率约为９１．８６％；将客户按照价值度分为六类时准确率约为８５．８１％；将客户按照价值度分为七类时准确率约为７８．７５％；将客户按照价值度分为八类时准确率约为７０．９４％；将客户按照价值度分为九类时准确率约为５４．６３％。当客户分类数在五类以下时，其准确率可以被用户接受，但是超过八类准确率较差，但对于一般规模的证券营业部，很难同时为超过八个具有不同利润贡献能力的客户群分别制定不同的客户关系战略并完全贯彻实施，所以对于这一数据集来说，该方法的结果还是有实用价值的。如果用更多的数据训练会提高该方法在分类数较多时的准确性。３用统计方法分析客户数据１）客户价值分析指标。ＣＲＭ理论有一条经典的２／８原则，即８０％利润来自２０％客户，ＣＲＭ的目标就是找出界定客户质量的客户贡献率的客观计算标准，根据效益最大、信用优先的原则，区别服务重心，制定实施客户差别服务的最佳方案。证券营业部一般按客户资产额的大小区分为大、中、小、散户，这种区分方法能真正反映客户对营业部利润的贡献吗？答案是否定的。对于以手续费收人为主的营业部来说，应以客户贡献的手续费（绝对指标）或客户的成交活跃度（相对指标）来衡量其对营业部的价值。按客户贡献的手续费大小及比重，可设计如下两指标：客户＇，的收入贡献额＝客户，贡献的手续费＋客户．，贡献的利差客户＿，的收入贡献率＝客户．，的收入贡献额／营业部手续费和利差收入总额把客户的交易活跃度和投资收益率结合起来判断客户的潜在价值，可设计如下指标：某一客户ｒ时期资产周转率＝（ｒ时期总成交金额一新股申购引起的成交额）÷ｒ时期平均资产该指标反映客户的交易活跃程度。对营业部而言客户越活跃越好，但若客户的交易不能带来收益，他就无法进行持久交易。我们设计如下的指标来衡量客户的投资收益率。ｒ时期客户，的资产收益率（ａＯＡ）＝（期末资产一期初资产一资金净流入）÷期初资产该指标反映客户总体收益状况，计算简便，但未剔除持仓影响，对于轻仓客户会产生误差。客户的收益率是客户交易能力的某种体现，只有正的收益率才能保证客户资产不会萎缩，才能持续地进行交易。若将这两个指标结合起来，可以判断客户的潜在价值。２）根据以上指标，进行数据处理，可以得到客户潜在利润贡献额一潜在价值表，如表３（部分数据）所示。４两种方法的对比经统计分析共选出５３６个最有潜力客户，并将这５３６个最有潜力客户与运用客户价值度评价方法找出的５３６个最有潜力客户进行比较，其中有２７９个相同的客户，２５７个不同的客户，对不同的客户对其指标（包括换手率、盈亏率、持仓率的３个字段平均值）进行比较分析，按业务的标准（即换手率、盈亏率越大越好，持仓率在５０％一７０％最合理），不同客户指标分析表如表４。（下转第３７５页）６月关彦强：基于ＷｅｂＧＩＳ的电信客服支撑系统的设计与实现３７５的信息，供客服座席在地图查询时使用。能够在前台得以应用。本系统虽然增加了一些客服前台完成５）信息滚动显示。信息以窗帘全屏幕或滚动窗口显示，网络投诉的时间，但却有效地减少了运维人员网络投诉处理提供筛选条件，如时间选择（昨天、今天、当前信息）和地市选的时间，在提高了客服前台一次截单率的同时，提升了用户的择（含全省），以方便用户查看。满意度。此外，对后续网络规划和建设提供了坚实的数据依４结语据。本系统利用比较成熟的ＷｅｂＧＩＳ技术，基于地图，在电信基于ＷｅｂＧＩＳ的电信客服系统与移动网管信息交互平台客服领域进行了大胆的尝试，并且取得了一定的成功。但由已经在本企业成功应用。本系统平台建设有几个关键点。于初次涉足所限，目前系统的模型还不完善，对于较为复杂的１）系统必需满足大并发量和快速响应需求。系统在前ＷｅｂＧＩＳ应用，本系统还只实现了一些基本的功能，在ＷｅｂＧＩＳ台大范围使用的先决条件是解决并发能力和处理速度两个问和客服的功能切入点上，还可以开发出更多更符合实际的增题。客户基于网络投诉的特点是突发、集中。出现网络问题时，用户会在一段时间内集中拨打投诉热线。另外，客户服务值应用，使客服部门在电信业内从成本中心转化为盈利中心。参考文献：前台对服务效率有着极高的要求，往往是考核客服人员的一项指标。在系统建设初期，系统不能满足大并发量的需求，导【１】刘南，刘仁义．ＷｅｂＧＩＳ原理及其应用――主要ＷｅｂＧＩＳ平台开发实例【Ｍ】．北京：科学出版社，２００２．致系统只能满足客服后台几个坐席，而无法广泛使用。后来，【２】黎夏，刘凯．ＧＩＳ与空间分析――原理与方法【Ｍ】．北京：科学出调整了技术方案，才走出性能问题的死胡同。版社，２００６．２）地图的基础地理数据要完备。基础地理数据对客服【３】马林兵，张新长，伍少坤．ＷｅｂＧＩＳ原理与方法教程【Ｍ】．北京：前台人员十分重要，信息点丰富，有助于客服前台能够及时找科学出版社，２００６．到客户投诉的地点，从而进一步通过系统发布的网管、网优资【４】刘湘南，黄方，王平，等．Ｇ１￥空间分析原理与方法【Ｍ】．北京：科源来应答用户的投诉。因此，地图质量的好坏也是本系统成学出版社，２００５．功推行的关键之一。为了解决这一问题，地图信息点的发布【５】孔云峰．ＧＩＳ分析、设计与项目管理ｆＭ】．北京：科学出版社，也是本系统的特色之一。信息点的发布、审核、展现有一套周２００５．密的流程，从而在地图信息不完善的情况下，提高了用户投诉【６】ＱＢ／ＣＵｘｘｘ－２００７．中国联通客服系统与移动网管信息交互用户位置匹配成功率。需求书Ｖ１［Ｓ】．２００７．３）系统功能切人点要切合实际。系统功能一定要对客ｆ７】ＱＢ／ＣＵｘｘｘ－２００７．中国联通客服系统与移动网管信息交互业务服前台有所帮助，能够为客服带来实际的好处，这样的系统才规范Ｖ１【Ｓ】．２００７．（上接第３７１页）１）运用Ｋ一平均值算法进行聚类处理，将客户划分成几表３客户潜在利润贡献额一潜在价值表类。因为在证券客户数据中我们不能以某项属性对其进行分类，无法对客户进行有效的分类标记，因此通过Ｋ．平均值算法将客户进行分类，并分析每类客户的特征。２）具有预测功能。传统的方法基本是根据历史的数据计算已实现的客户价值度，本文在此基础上，根据分类产生的规则中所描述的客户特征与其价值度的关系可以预测客户未来或潜在的价值度。３）分类结果易于理解，可以直接用于制定策略。判定树算法的一个优点是，在保证准确度的前提下，它的工作过程和结果更直观，易于理解。所以用户可以根据该方法评估的结果直接制定相应的客户关系策略。方法±塑篁４）模型有很强的适应性。在构造模型之前的数据预处换手率盈亏率持仓率理阶段，通过对属性和数据的概化，离散化等方法，不仅提高建模的速度和质量，而且使所建的模型可以根据不太精确的客户数据也能做出比较准确的评价结果。参考文献：由表４可知，运用数据挖掘技术所找出的最有潜力客户【１】ＨＡＮＪＩＡ―ＷＥＩ，ＫＡＭＢＥＲＭ．数据挖掘概念与技术【Ｍ１．范明，的各项指标均优于用统计分析方法得到的同类客户。孟小峰，等译．北京：机械工业出版社，２００１．５结语［２１朱明．数据挖掘【Ｍ】．合肥：中国科学技术大学出版社，２００２．［３１飞思科技产品研发中心．ＳＱＬＳｅｒｖｅｒ７．０ＯＬＡＰ服务设计与应用基于数据挖掘技术的证券客户数据分析系统通过运用客【Ｍ】．北京：电子工业出版社，２００２．户价值度评价方法找出最有潜力客户，其特点主要体现在它［４１单承戈．决策支持系统问题模型的可视化构造方法【Ｊ１．计算机的实用性：应用研究，２０００．２３（９）：２５一”．基于数据挖掘技术的证券客户分析系统作者：作者单位：刊名：英文刊名：年，卷(期)：引用次数：张效严， 齐春莹， ZHANG Xiao-yan， QI Chun-ying张效严,ZHANG Xiao-yan(华南师范大学,教育信息技术中心,广州,510631)， 齐春莹,QIChun-ying(徐州广播电视大学,经济贸易系,江苏,徐州,221006)计算机应用JOURNAL OF COMPUTER APPLICATIONS)0次 参考文献(4条) 1.HAN JIA-WEI.KAMBER M.范明.孟小峰 数据挖掘概念与技术 20012.朱明 数据挖掘 20023.飞思科技产品研发中心 SQL Server 7.0 OLAP服务设计与应用 20024.单承戈 决策支持系统问题模型的可视化构造方法[期刊论文]-计算机应用研究 2000(9) 相似文献(10条)1.学位论文 余永平 面向银行CRM的数据挖掘系统研究与应用 2004客户关系管理(CRM)是基于先进信息技术平台和支持体系上的业务处理和决策分析系统.数据挖掘技术是CRM系统的核心,是CRM中实现客户数据分析的技术基础.该文针对商业银行实施CRM过程中的具体需求,在深入地分析了银行CRM特点的基础上,重点研究了数据挖掘技术在银行CRM应用中所要解决的关键问题.首先研究了数据挖掘模型的表示,详细介绍了由DMG提出的基于XML的预言模型标记语言PMML的特点、表示方法及规则.其次,在参照文献[25]提出的数据挖掘应用平台框架的基础上,根据银行CRM的特点结合PMML设计了一个银行CRM数据挖掘应用系统.该系统分为数据访问层、算法层和模型层,具有较强的通用性和可扩展性.系统采用PMML标准来存储和管理数据挖掘模型,便于模型的使用和共享.最后详细阐述了华夏银行银行CRM系统的系统框架结构、系统环境、应用逻辑结构和功能模块等.重点介绍了数据挖掘部分的具体实施步骤、系统思想等.2.学位论文 朱喜梅 数据挖掘在CRM系统中的应用和实施 2007CRM(客户关系管理)是企业的一种商业策略，它在现代企业中扮演越来越重要的角色，是企业提升竞争力的必经之路。CRM整合了各种客户资源，对客户进行集中管理，并利用信息技术为分析决策提供帮助。而数据挖掘是从大量的数据中挖掘有用信息的工具，它作为一种重要的分析工具，势必在CRM中起到重要的作用。
随着公司积累数据量的增加，人们在面对海量的数据面前无从下手，而这些海量的数据之中往往隐含着某种重要的信息模式，而这些正是他们所想要的。数据挖掘是解决这一问题的有效工具，它能够从大量的数据中发现感兴趣的数据模式，从而为分析决策提供帮助。利用数据挖掘的分类技术构造CRM中的客户分类工具，是数据挖掘技术在商业领域中的应用之一，它在顾客区分、欺诈甄别、医学诊断、天气预测等领域都有广泛的用途。分类算法有很多种，包括决策树分类方法，关联规则分类方法、神经网络分类方法、贝叶斯分类方法、遗传算法等等，其中以决策树分类算法应用最为广泛，这是因为：决策树算法生成的规则易于理解，每个从根到叶子的节点对应一条规则，它的学习和归类步骤通常很快，适合处理大数据量的数据，而精确度往往也比较高。聚类挖掘也可以很好地对客户进行细分，聚类和分类不同，它是一种无指导的学习。
本文首先介绍了CRM的概念和管理理念，然后分析CRM的基本功能，并讨论数据挖掘相关的分类算法，选择一种适合本系统的算法，并在此基础上介绍这种算法的编程接口和挖掘模型，最后实现一个CRM的原型系统，添加相应的挖掘模块，预测和展现CRM的部分功能和挖掘成果。3.学位论文 谭军 基于数据挖掘的制造业CRM系统研究 2004随着计算机技术的发展,尤其是关系型数据库技术日益成熟,管理信息系统已经成为现代企业的运作基础,成为有效地管理企业在运营过程中产生的大量数据和信息的强有力工具.但是,以单一数据库为中心构成的管理信息系统往往满足不了现代企业数据处理多样化的要求,不具备复杂的决策分析功能.数据仓库和数据挖掘技术的出现使企业摆脱'信息孤岛'的窘境成为可能.研究数据挖掘技术在CRM中的应用是本文的立足点,通过对这些技术及其应用的研究,对提高企业的决策水平及决策效率有着很现实的意义.首先介绍了CRM和数据挖掘的基本内容,给出了一个基于数据挖掘的制造企业CRM系统的需求分析.然后,研究了如何用概念描述和概念对比的数据挖掘方法描述和评估客户细分,这一工作是对在数据挖掘模块中使用聚类算法进行客户细分的完善和补充.接下来,结合企业的实际情况,在数据仓库的基础上,提出了在数据立方体上进行记录加权的多维关联规则分析的方法.这一工作充实了CRM系统的数据挖掘模块的功能,是对单维的、记录无权重的经典关联规则算法的一种改进.最后,给出了一个基于数据挖掘的制造企业CRM系统的设计和实现,包括系统的应用逻辑结构、数据的采集、数据表的设计、数据的转换、数据仓库的建立等功能模块的设计以及数据可视化的初步实现.目前,CRM的应用主要集中在电信、银行、证券等行业,面向制造业的CRM应用还很少,面向占企业总数的90的中小制造企业的CRM应用更少,数据挖掘是CRM系统的核心技术,本文对如何在制造行业构建基于数据挖掘的CRM系统做了有意义的探索,这些探索性的工作为以后在企业中全面实施基于数据挖掘的CRM系统打下了良好的基础.4.期刊论文 陈建辉.CHEN Jian-hui 一种基于数据挖掘的CRM系统框架的实现 -华北水利水电学院学报)介绍了当前CRM的解决方案,用J2EE构建了一种基于数据挖掘的CRM系统框架,分析系统的数据挖掘部分的结构及数据挖掘EJB模型、数据挖掘算法模型和WEB层的JSP类模型等主要模型的建模,最后通过对一个超市的数据库的客户购买模式采用关联规则进行分析,验证了CRM系统的有效性.5.学位论文 李常建 构建基于数据挖掘的CRM系统研究 2004IDC预测,未来5年内,全球CRM市场增长幅度将达到47,2004年,亚洲地区市场12亿美元,全球240亿美元,2007年,全球市场达到760亿美元.CCID发布的数据也表明:从年,中国CRM市场的年增长率将达到44.企业虽然投资很多,建立CRM系统,并收集了大量的客户数据,但是并没有完全释放CRM在客户增值方面的优势和潜力.来自欧美市场统计数据表明,CRM项目三年的ROI平均为300,然而这些只是用于优化客户业务流程所带来的利益,真正的金山还是客户数据.在国内,CRM应用还处在初级阶段.人们对客户关系管理的认识还停留在一般概念上,存在很多认识上的误区;客户关系管理系统的应用层次也还较低,仅限于自动化业务流程、提高运作效率、降低成本等方面,对于深层次的应用还处在探索阶段,比如客户互动渠道集成、支持网络应用、数据仓库建设和客户知识管理等,对客户知识的挖掘仅限于统计分析等.因此对CRM理论和应用深入研究,有利于促进中国企业信息化建设的步伐,也有利于进一步提高中国的CRM应用水平.该文针对目前国内CRM应用状况,首先对客户关系管理理论继续进行深入探讨,在提出客户关系管理三角概念模型的基础上,分析了当前CRM认识上的误区.而后,分析归纳了未来CRM系统的功能特征,并从CRM应用角度探讨相关信息技术,重点对数据仓库和数据挖掘的理论技术、数据挖掘在CRM应用等深入研究.最后在分析CRM功能、技术需求后,规划了一个具有客户互动渠道集成、业务流程自动化和优化、客户知识管理等功能,支持企业电子商务前端应用的平台性完整CRM系统业务模型.该文的最大特点就是从CRM功能需求和技术两个方面交叉阐述,探讨CRM应用规划的基本思路和设计方法.6.期刊论文 黄刚.Huang Gang 基于网格的电信CRM数据挖掘 -电脑与电信2007(8)包含各类专业文献、行业资料、文学作品欣赏、高等教育、中学教育、专业论文、幼儿教育、小学教育、数据挖掘技术的证券客户分析系统50等内容。　
　证券客户数据挖掘应用分析报告_互联网_IT/计算机_专业资料。证券客户数据挖掘应用...技术人员的职责包括:确定技术方案、完成系统搭建、识别数据源、收 集数据、转换... 　信息管理与信息系统 信息与安全工程学院 论文成绩 : 浅谈数据挖掘在证券业 CRM ...1.2 证券业客户关系管理对数据挖掘技术的市场需求分析客户关系管理,又称为 CRM... 　证券从业人员提供参考咨询服务、分析客户交易行为、掌握企业经营状况、 控制证券...仓库和数据挖掘系统,数据挖掘理论与技术的应用基本上是空白,全行业的数据挖 掘... 　数据挖掘技术在电信经营分析系统构建和大客户分析中的应用_工学_高等教育_教育专区。专业论文论文 题目:数据挖掘技术在电信经营分析系统构建 和大客户分析中的应用 数... 　整个运营系统产生的数据主要分为两大类:股票行情数据与客户交易数据。股票 行情...数据挖掘在此 过程中将发挥重要作用,其技术应用的方向主要有:客户分析、客户管理... 　从数据挖掘技术谈起,结合证券行业的特点和实际应用,提 出并分析证券行业需求,并针对“客户”这个主题,给出了证券行业数据仓库解 决方案,提出了数据挖掘在证券行业... 　本文首先阐述了以往分析股票价格的分析方法以及数据挖掘技术在证券市场中的应用 ...目前的数据库系统可以高效地 实现数据的录入、查询、统计等功能,但无法发现数据... 　数据挖掘技术分析与研究 学专研究学生学 院业方向...研究中心开发的一个多任务数据挖掘系统, 目的是为新...数据量是非常巨大的,银行、证券公司等交易数据和存储...