- 1、本文档共11页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于数据挖掘技术的企业CRM系统的挖掘的可行性分析
而且为了适应业务发展的需要,公司先后在上海、天津、匈牙利设立了办事处和分支机构,拉近公司与客户之间的距离,从而更加方便快捷的将国际领先的产品和优质规范的服务源源不断的呈现给广大客户。另外,当公司管理者需要对公司的贸易策略进行修改,对公司的进货量进行调整的时候,往往需要对以前的数据进行分析,而对于海量数据人们根本无从下手,分析数据只能凭借决策者的直觉,这样对数据是一种无形的浪费。
在公司实行数据挖掘的目的就是从日积月累的海量数据中发现隐藏在数据中的潜在规则,根据这些规则,将客户合理分类,进而根据其特点制定“一对一”的个性化贸易策略。
3.天鹏进出口公司CRM系统需求分析
一个企业业务流程是系统设计的关键,要实施开发CRM系统,必须确定系统的功能需求,这就必须先了解企业的业务流程,从业务流程中分析系统的需求。
(1)客户信息管理
客户信息包括客户名称、所属国家地区、详细地址、电话传真、电子邮箱、开户银行、银行账号、增值税信息等。
(2)活动信息管理
活动管理系统模块主要记录与客户之间的联系计划信息,以便及时和客户取得联系,随时了解客户的情况,保证稳定的客户来源。
(3)销售信息管理
销售管理系统模块主要是对与客户之间的销售进行管理,包括销售和销售列表两部分。销售部分用于记录与客户进行的销售事件,销售列表部分用于对与客户发生的销售进行统计。
(4)服务信息管理
服务管理系统模块主要是记录客户的反馈事件信息及其处理方式,并对服务信息进行统计,帮助企业更好的把握服务的动态趋势。
(5)费用信息管理
与客户联系就必然会产生费用,费用管理系统模块主要记录与客户之间发生的费用信息,以控制和客户发生的费用。
(6)分析管理
分析管理系统主要用于对系统中的数据进行列表分析与图表分析,在该模块中始终贯穿着数据挖掘的思想。
(7)报表管理
报表管理系统主要用于对系统中的数据进行报表显示与数据文件生成,方便用户打印和下载,可以更快捷的将数字信息变为实际纸张上的信息。
(8)库存管理
库存管理模块主要是对销售的产品进行有效的管理及其相应的进货,可分为库存管理、库存详表、进货管理和进货详表几部分。
(9)E-mail管理
E-mail管理系统是为了使用户能够方便的联系客户,也是CRM的一个重要组成部分,使得用户可以方便的管理所属客户的电子邮件地址,并具有分类群发的功能。
(10)后台管理
后台管理是对负责系统管理和维护的用户进行授权,对系统部门进行管理;对客户、销售、服务等信息进行实时查询和汇总,提供分析数据列表和图表,并生成便于打印和下载的数据报表和数据文件,提供给管理高层进行分析和决策。
天鹏进出口公司CRM系统设计
1.系统结构设计
2.系统数据挖掘模型的设计
(1)用于分类的训练数据源组
在本文研究的企业数据中,首先是将不同部分的数据进行集成,然后是对数据进行概化处理,将低层次的原始数据概化为高层次的概念,以便于进行数据挖掘。将具体的客户年龄概化为=30、31-50、50三个年龄段,分别代表青年、中年和老年客户,将产品价格分为高、中、低三档等,具体见表1,将企业CRM系统数据库中销售及客户信息经汇总后得到的信息资料。它有4个属性:客户年龄段、文化程度、销售地区、产品档次,类别是销售业绩,分为好和差两类。
表1训练样本集合
表训练数据中各属性的说明
,所以初始信息熵为:
I(s1,s2) = I(18,8)=
0.8905
下一步,需要计算每个属性的熵,即客户年龄、文化程度、产品档次和销售区域。先看age属性,观察age的每个样本值的good、bad分布,对每个分布分别计算信息熵:
当age=30:s11=9 s21=2时, I(s11,s21)= -
当age在 31-50间:s12=8 s22=4时,I(s12,s22)= -
当age=50:s13=1 s23=2时,I(s13,s23)= -
如果样本按age划分,对一个给定的样本分类所需的信息熵为:
E(age)==0.8192 类似的,可以得到:
E(education)=
=0.7669
E(production)=
=0.853
E(area)=
利用上述属性对当前分支节点进行相应样本集合划分所获得的信息增益分别为:Gain(age) = I(s1,s2)- E(age) =0.8905-0.8192=0.0713
Gain(education) = I(s1,s2)- E(education) =0.8905-0.7769=0.1236
Gain(production) = I(s1,s2)- E(production) =0.8905-0.853=0.0375
Gain(area) = I(s1,s2)- E(ar
文档评论(0)