客户关系管理第七讲CRM中数据挖掘.ppt

数据挖掘的流程-数据挖掘 对所得到的经过转换的数据进行挖掘.除了完善选择合适的挖掘算法外，其余一切工作都能自动地完成。 数据挖掘的流程-结果分析 结果分析：解释并评估结果，其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。 知识的同化：将分析所得到的知识集成到业务信息系统的组织结构中去。 * 7.4 数据挖掘在客户关系管理中的应用 * 在客户关系管理生命周期的各个阶段都会用到数据挖掘技术，例如： 潜在客户阶段：通过数据挖掘，可以发现购买某一商品的客户的特征，从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品； 新客户、老客户阶段：数据挖掘能够帮助企业确定客户的特点，从而可以为客户提供有针对性的服务； 流失客户阶段：若找到流失的客户的特征，就可以在那些具有相似特征的客户还未流失之前，采取针对性的措施。 * 可以说,数据挖掘在客户关系管理中的作用主要体现在以下几个方面: 市场 销售 客户服务 客户保持 风险评估和诈骗检查 * （1）数据挖掘对 “市场”的影响 市场在很大程度上依赖于正确的客户信息。这些信息可用于客户保持、趋势预测和有针对性的促销活动等等。 只有充分了解客户,才能正确定位促销活动 ,才能提高响应率 ,降低活动成本。 * （2）数据挖掘对 “销售”的影响 通过数据挖掘中关联分析功能，可以进行业务的相关性分析，即分析出哪几种业务具有比较强的关联性，并自动向客户推荐产品 这种分析功能的利用已经在改善交叉销售比、楼层和货架安排、货物布置以及ＷＥＢ页面的目录层次安排等方面取得了显著效果。 * （3）数据挖掘对 “客户服务”的影响 通过数据挖掘技术，可以根据客户的消费行为进行分类，找出该类客户的消费特征，然后向客户提供更具个性化的服务，从而改进企业的服务水平，提高企业的社会效益和经济效益。 * （4）数据挖掘对 “客户保持”的影响 网络经济给了客户更多的选择 , 这就要求企业更多地了解客户,及早发现并在最短的时间里响应他们的要求，如果等到客户感到强烈不满时才采取行动就为时己晚。 运用数据仓库技术可以先为己流失的客户建模 ,识别导致他们流失的模式。然后就可以用这些模式找出当前客户中相似的背叛者 ,以便采取预防措施。 * （5）数据挖掘对 “风险评估和诈骗检查”的影响 通过模式识别的方法，发现交易中的欺诈行为 例如 ,一个企业可以通过客户数据仓库区分或对比来自同一地区的不同客户的付款方式 ,从中发现潜在的诈骗行为。 银行在贷款给公司之前 ,可以通过数据仓库查明这家公司是否处于财政危机之中 ,从而降低了贷款风险。 * * 第七讲 CRM中的数据挖掘 * 内 容 7.1 数据挖掘的定义 7.2 数据挖掘的功能 7.3 数据挖掘的流程 7.4 数据挖掘在CRM中的应用 7.5 两个常见数据挖掘工具软件 7.6 数据挖掘软件在CRM中的应用示例 * 7.1 数据挖掘的定义---技术角度 数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，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。 这个定义包括以下几层含义： 数据源必须是真实的、大量的、含噪声的； 发现的是用户感兴趣的知识； 发现的知识要可接受、可理解、可运用； 并不要求发现放之四海皆准的知识，仅支持特定的发现问题。 * 数据挖掘的定义----商业角度 按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。 * OLAP与数据挖掘的区别 OLAP是一个演绎推理的过程，而数据挖掘是一个归纳的过程。 OLAP OLAP分析师是建立一系列的假设，然后通过OLAP来证实或推翻这些假设来最终得到自己的结论,因此说，OLAP分析过程在本质上是一个演绎推理的过程。 但是如果分析的变量达到几十或上百个，那么再用OLAP手动分析验证这些假设将是一件非常困难和痛苦的事情。 * 数据挖掘 与OLAP不同的地方是：数据挖掘不是用于验证某假定的模式（模型）的正确性，而是在数据库中自己寻找模型，因此说它在本质上是一个归纳的过程。 比如，一个用数据挖掘工具的分析师想找到引起贷款拖欠的风险因素。数据挖掘工具可能帮他找到高负债和低收入是引起这个问题的因素，甚至还可能发现一些分析师从来没有想过或试过的其他因素，比如年龄。 * 也就是说,数据挖掘与联机分析处理的本质区别是,数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先前未知,有效和可实用三个特征。 先前未知的信息是指该信息是预先未曾预料到的,既数据挖掘是要发现那些不能靠直觉发现的信息或知识,甚至是违背直