周俊颖zhoujunyiny@163.com6CRM数据挖掘及应用沃尔玛公司发现“啤酒+尿布”的案例**案例点评 点评：CRM运用的成功必须依靠客户数据，对客户数据进行科学地分析，往往会带来意想不到的商机：对客户数据进行初级处理，可以完成基本业务过程；对数据进行高级处理(如数据挖掘)，可以提供企业决策。所以说，客户数据是整个CRM运用的灵魂。**第6章数据挖掘及应用学习目标主要内容321学习目标 掌握数据仓库的概念及结构 掌握数据挖掘的定义及应用 了解数据挖掘的流程 掌握数据挖掘在CRM中的应用4434主要内容1数据仓库介绍2数据挖掘概述3数据挖掘的具体应用（1）数据仓库概念 （2）CRM中的数据仓库的应用（3）CRM中数据仓库的体系结构（4）CRM数据仓库的建设与管理CRM数据仓库介绍什么是数据仓库？数据仓库（DataWarehouse）：通常是一个面向主
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
的、集成的、随时间变化的、但信息本身是相对稳定的数据集合，用于对管理决策过程的支持。 面向主题 集成的数据 相对稳定性 时间序列性 分析应用性CRM数据仓库介绍数据仓库的本质数据仓库实际上是一个“以大型数据管理信息系统为基础的、附加在这个数据库系统之上的、存储了从企业所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统”。数据仓库的产生CRM数据仓库介绍 早期的数据库主要支持联机事务处理 决策支持对数据分析的需求 传统数据库系统不适宜DSS（DecisionSupportSystem)数据库与数据仓库的比较CRM数据仓库介绍数据仓库的相关概念CRM数据仓库介绍数据集市DM（DataMart）操作数据存储ODS（OperationDataStore）抽取转换装载ETL（Extract/Transformation/Load）元数据—关于数据的数据粒度联机事务处理系统和分析系统（OLTP、OLAP）数据仓库的应用CRM的业务整合需要数据仓库数据清洁与集中需要数据仓库数据分析需要数据仓库CRM数据仓库介绍数据仓库的模型CRM数据仓库介绍源数据源数据源数据监视器监视器监视器集成器数据仓库应用CRM数据仓库的逻辑结构CRM数据仓库介绍数据集市数据仓库管理监控数据挖掘分析元数据存储输出OLAP服务器OLAP服务器外部数据源数据提取清理变换装入刷新底层：数据仓库服务器中间层：OLAP服务器顶层：前端工具查询/报
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
��������������������������������������������������数据仓库系统有源数据、数据仓库系统、分析系统三部分组成。数据仓库的工具主要有：数据预处理工具，数据分析（OLAP）工具，数据挖掘工具，OLAP服务器。CRM数据仓库介绍数据仓库组成与实现CRM数据仓库的建设与管理CRM数据仓库介绍（1）确定需求范围阶段（2）环境评估阶段—硬件软件（3）分析阶段—源数据、主题域（4）数据仓库设计—操作系统接口、本身（5）开发阶段—建模、数据处理、访问、应用（6）测试阶段（7）运行阶段CRM数据仓库的建设与管理CRM数据仓库介绍应用程序统一系统的可用性保证高性能加强监控管理（1）数据挖掘概念 （2）CRM中的数据挖掘的应用（3）CRM中数据挖掘流程（4）CRM数据挖掘技术数据爆炸但知识贫乏CRM数据挖掘概述苦恼:淹没在数据中;不能制定合适的决策!数据知识决策CRM数据挖掘概述 更大,更便宜的存储器--磁盘内存飞快增长--存储器价格下降 下降更快,更便宜的信息处理器--分析更多的数据--适应更多复杂的模型--引起更多查询技术--激起更强的可视化技术 数据挖掘处理技术--数理统计--人工智能--机器学习支持数据挖掘技术的基础CRM数据挖掘概述（1）数据挖掘概念 SAS研究所（1997）：“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”。Bhavani（1999）：“使用模式识别技术、统计和
数学
数学高考答题卡模板高考数学答题卡模板三年级数学混合运算测试卷数学作业设计案例新人教版八年级上数学教学计划
技术，在大量的数据中发现有意义的新关系、模式和趋势的过程”。Handetal（2000）：“数据挖掘就是在大型数据库中寻找有意义、有价值信息的过程”。【数据挖掘（DataMining）】CRM数据挖掘概述 数据挖掘作为研究工具 数据挖掘提高过程控制 数据挖掘作为业务工具数据挖掘的概念的理解商业角度挖掘挖掘是从商业环境中收据数据、找出有价值的知识CRM数据挖掘概述 机器学习 数据统计—回归、抽样、检验 决策支持系统—数据仓库、OLAP数据挖掘的概念的理解技术角度挖掘挖掘的技术内涵是数据、算法、建模能力。CRM数据挖掘概述1.关联分析2.描述和可视化3.分类与估值4.聚类5.偏差分析6.预言CRM数据挖掘（2）CRM中的数据挖掘的应用 客户多维分析 开拓新市场 挖掘客户群的潜力 保持现有客户群 预测趋势和行为 新客户获取 重点客户发现 交叉销售 客户个性化服务 重点客户发现CRM数据挖掘概述CRM中数据挖掘基本步骤CRM数据挖掘概述确定目标（3）CRM中数据挖掘流程CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述CRM数据挖掘概述（4）CRM中数据挖掘技术CRM数据挖掘概述CRM数据挖掘概述决策树法主要思想：此方法检验所有的特征，选择互信息最大的特征点A为产生决策树节点，由该特征的不同取值建立分支，对各分支的实例子集递归，用该方法建立决策树节点和分支，直到某一子集中的例子属于同一类。CRM数据挖掘概述神经网络法主要思想：以神经生理学为基础，模拟人的神经元功能，经过输入层、隐藏层、输出层等，对数据进行调整，计算，最后得到结果，用于分类和回归。CRM数据挖掘概述遗传算法（1）客户细分分析 （2）客户满意度分析（3）客户忠诚度分析（4）交叉销售分析CRM系统的类型客户细分 划分客户群 采取不同对策 聚类分析 决策树CRM数据挖掘概述CRM系统的类型客户满意度分析 客户期望 客户感知 客户满意 客户忠诚 客户抱怨比较CRM系统的类型交叉销售分析 建模阶段 评分阶段 优化阶段
浙公网安备 33021202002483