分类和聚类在分析型CRM中的应用

重庆大学硕士学位论文分类和聚类在分析型CRM中的应用姓名：潘妮娅申请学位级别：硕士专业：计算机技术指导教师：郭平;肖传正20050801重庆大学硕士学位论文中文摘要I摘要在过去几十年中，数据采集技术和存储技术的快速进步大大推动了数据库和信息产业的发展，大规模数据仓库日益增多。但是，传统的数据分析方法和技术面对快速增长的海量数据和比较复杂的高层分析任务，却显得无能为力。在这种情况下，数据挖掘应运而生，基于数据挖掘的客户关系管理(CustomerRelationshipManagement，CRM)也随之应运而生。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。被称为下一代CRM的分析型CRM，最近几年成为数据挖掘应用中研究的热点问题。全文的研究主要内容有：分析型CRM的基本功能、数据预处理和数据初步分析的实现方式、研究了分类技术和聚类技术及其在分析型CRM中的应用、开发分析型CRM系统原型。全文关注数据挖掘中的分类和聚类问题，研究分类和聚类在分析型CRM中的应用，并介绍我们设计和实现的一个分析型CRM系统-KDACRM。通过全文的研究，阐明了分析型CRM的核心作用：其一，使用准确、易用的报表工具来分析和理解有关客户的数据；其二，在这些数据的基础上来定制产品、服务以及相应的交互方式，从而以合适的方式、在合适时间并通过合适的渠道满足客户的需求。关键词：数据挖掘，客户关系管理，分类，聚类，分析型CRM重庆大学硕士学位论文英文摘要IIABSTRACTInthepastyears,thehighdevelopmentofdatagatheringandsavinghasderivedtherapiddevelopmentofdatabaseandinformationindustry.Theextensivedatabasescomeinincreasingnumbers.However,traditionaldataanalysisseemstobedisabledinthefaceoftherapiddatagrowthandtheadvancedanalysis,whichismorecomplex.Inthatcase,dataminingemergesasthetimesrequire,whichtheCRM(CustomerRelationshipManagement)isbasedon.Itcombinesthebestbusinesspracticeanddatamining,database,singlemarketing,saleautomation,andotherinformationtechnologies,whichprovidesbusinessautomaticsolutionforsale,customerservice,decisionsupportandsoon.Itbringsaforemostpositionsfacingtocustomersbasedonelectroniccommerceand,thenconsequentlycarriesoutthetransformfromthetraditionalenterpriseschematomodernschemabasedonelectroniccommerce.AnalyticalCustomerRelationshipManagement,whichiscallednextgenerationCRM,hasbecomethestudyfocusinapplicationofdatamininginrecentyears.Thisthesisiscomposedofsuchcontent:thebasicfunctionofAnalyticalCRM,theimplementmethodsofpreprocessandprimaryanalysesofdata,researchaboutapplicationofclassificationandclusteringinAnalyticalCRM,theexploitationoftheAnalyticalCRM.Thisthesisfocusesontheclassificationandclusteringindatamining,applicationofclassificationandclusteringinAnalyticalCRM,thendesignsanddevelopsanAnalyticalCRM—KDACRM.ItexpoundsthecoreeffectofAnalyticalCRM.Firstly,itanalysesandapprehendsthedataofrelativecustomerthroughreportformtoolthatareeasytouse.Secondly,customizesproduct,serviceandrelevantinteractionbasedonthosedatatoconsequentlysatisfytherequirementofthecustomerthroughappropriatewayorchannelattheappropriatetime.Keywords:Datamining,CustomerRelationshipManagement,Classification,Clustering,AnalyticalCRM重庆大学硕士学位论文1引言11引言1.1客户关系管理1.1.1客户关系管理产生的背景随着电子商务的出现，电子客户也自然而然地出现了。电子客户希望通过电子邮件、呼叫中心、传真和Web站点与企业保持不间断的联系，客户要求企业对其需求做出即时的回答，这给企业提出了新的要求。然而传统的企业资源规划(EnterpriseResourcePlanning，ERP)并不包括客户管理方面。因此，客户关系管理(CustomerRelationshipManagement，CRM)就应运而生，早在1992年就有相关的系统得到开发和应用了，典型的代表是Vntive。美国波士顿大学的ThomasH.Davenport教授认为，两种因素把CRM推向了最前端：一是全球竞争的加剧和企业产品的相似性，企业必须从以产品为中心转移到以客户为中心，生产出满足客户个性化需求的产品；二是技术的成熟，使得把客户的信息从一个或多个企业的各个部门放进一个单一的系统成为可能。由于网络和Internet的相对成熟，CRM软件在世界的各个角落找到了它的用武之地。1.1.2客户关系管理的定义及特征客户关系管理(CRM)首先是一种管理理念，起源于西方的市场营销理论，产生和发展在美国。其核心思想是将企业的客户(包括最终客户、分销商和合作伙伴)作为最重要的企业资源，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。CRM旨在改善企业与客户之间关系，它实施于企业的市场营销、销售、服务与技术支持等与客户相关的领域，要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。CRM同时也是一种管理软件和技术，它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有了一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转化。CRM具有以下特征：1)一对一营销。指企业根据客户的特殊需求来相应调整自己的经营行为，它要求企业与每一个客户建立一种学习型关系。企业每一次与客户的交往都使企业对该客户增长一份了解，客户不断地提出需求，而企业按此需求不断地改善产品和服务，从而不断提高客户对企业的满意度[2]。重庆大学硕士学位论文1引言22)高度集成的交流渠道。CRM将多种与客户交流的渠道，如面对面、电话接洽、E－mail、Fax或信函以及Web访问集成为一体，这样企业就可以按客户的喜好使用适当的渠道与之进行交流。但无论通过哪种渠道，客户与企业的交流都必须是无缝的、连贯的，而且是有效率的[7]。3)统一共享的信息资源。CRM解决方案的全部数据应集中存储和管理，不同部门接触客户后的经验要能立即给其它部门分享。这样，当前的客户信息就可以实时地供所有面对客户的雇员使用，而不致产生客户在电话中询问A方案，但客户上网时企业却建议B方案的现象。集中式的客户信息库还能保证在不同的业务部门、不同的应用软件功能模块之间数据的连贯性。4)商业智能化的数据分析和处理。CRM将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其它信息技术紧密结合在一起，通过充分挖掘客户商业行为中的个性和规律，来不断寻找和拓展企业的赢利点和赢利空间；另一方面，智能化的数据分析和处理本身也是企业向客户学习的一种高效过程。随着CRM软件的成熟，将来的CRM软件不仅能帮助商业流程的自动化，而是能为管理者的决策提供支持。5)对基于Web的功能的支持。Web在企业内部和外部交流及交易方面日益广泛的使用，使得Web功能成为CRM解决方案中的关键因素。Web不仅对于电子商务渠道是不可缺少的，它在基础架构方面也是十分重要的。而CRM应用软件的用户，包括客户和雇员，都能随时随地访问企业的应用程序。这种访问应当通过易于使用的标准Web浏览器来实现[7]。CRM的以上特征并不是彼此孤立的，而是相互支持、高度融合的一个整体，共同组成了CRM的强大功能。1.2数据挖掘技术1.2.1数据挖掘产生的背景在过去几十年中数据采集技术和存储技术的快速进步大大推动了数据库和信息产业的发展。大规模数据库，尤其是数据仓库日益增多[3，4]。无论是政府部门，还是商业企业都积累了海量的业务处理数据、市场变化数据，并且都迫切需要将这些数据转换成有用的信息和知识，以便将所获得的知识应用于包括商务管理、生产控制、市场分析和工程设计等领域。但是，传统的数据分析方法和技术只适用于对小规模数据库作一些简单的分析，面对快速增长的海量数据和比较复杂的高层分析任务，过去所采用的数据分析方法显得无能为力，这就导致了我们虽然重庆大学硕士学位论文1引言3拥有丰富的数据，却对数据中知识的掌握仍停留在过去的水平，即所谓的“数据丰富但信息贫乏”现象[5，6]。比如，银行怎样利用大量的信用历史数据来评估贷款客户的信用？企业经理如何从丰富的数据中了解顾客的喜好和购买习惯，从而制定更好的销售方案？这些都是传统的数据分析方法解决不好、甚至根本无法解决的问题，这就带来了对强有力的数据分析工具的需求，在这种情况下，数据挖掘应运而生[7]。1.2.2数据挖掘的定义及功能数据挖掘的定义很多，虽然这些定义的表达方式不同，但本质都是一样的。这里从技术角度和商业角度给出数据挖掘的定义[7]。从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程[4，6]。这里的知识指概念、规则、模式、规律和约束等，它们具有特定前提和约束条件，并且在特定领域中具有实际应用价值，同时还要能够易于被用户理解。从商业角度看，数据挖掘可以描述成：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、未知的商业规律或验证已有的商业规律，并且进一步将其模式化的数据处理方法[4]。数据挖掘功能用于指定数据挖掘任务中要找的模式类型。数据挖掘任务一般可以分两类：描述和预测。描述性挖掘任务刻画数据库中数据的一般特性。预测性挖掘任务在当前数据上进行推断，以进行预测。数据挖掘的功能及它们可以发现的模式类型[6]如下：1)