数据挖掘在中小企业CRM中应用.docVIP

数据挖掘在中小企业CRM中应用 　　[摘要] 本文阐述了在CRM中应用数据挖掘的必要性，给出了CRM的体系结构，介绍了应用SQLServer2005数据挖掘工具的流程，最后总结了目前存在的主要问题。 　　[关键词] CRM 数据挖掘 SQLServer2005 　　 　　一、前言 　　 　　中小企业要想在激烈的市场竞争中谋生存求发展，就要努力提升自己的核心竞争力，从以往的“以产品为中心”的管理模式转变为“以客户为中心”的管理模式，这就需要构建客户关系管理系统（CRM）。数据库技术的成熟应用已使企业积累了大量的数据，管理层渴望从数据海洋里获得关于客户的准确的有价值的“知识”，利用这些“知识”实现客户细分，保持老客户，获得新客户。但是传统的数据库管理系统是面向应用的，只处理日常的经营业务，不具备智能数据处理的功能，如何获得这些“知识”就促成了数据挖掘技术的产生。反过来，数据挖掘技术的发展使构建智能化CRM系统成为可能。概括地讲，数据挖掘的任务是从数据仓库中提取人们感兴趣的，事先未知的，有用的或潜在有用的信息。 　　目前，国际上主流的数据挖掘工具有：SAS的Enterprise Miner；SPSS的Clementine；IBM的Intelligent Miner；Oracle的Darwin；Cognos的4Thought以及微软的SQLServer2005挖掘平台。选择什么样的数据挖掘工具，应该视企业的实际情况来定，功能最强的不一定是最合适的。考虑到中小企业CRM系统的以下特点：软件开发和维护成本相对低；功能不是很复杂；数据量不是很大；容易与其他系统集成等，SQLServer2005挖掘平台是最佳的选择。 　　 　　二、CRM的体系结构 　　 　　基础层为CRM系统提供Internet，Intranet，以及数据库，数据仓库，数据挖掘，联机分析处理(OLAP)和Web服务等软硬件技术支持。 　　操作层主要是提供以客户为中心的市场、销售、服务与支持等业务流程的自动化及扩展。包括销售力量自动化（Sales force Automation,SFA）、企业营销自动化（Enterprise Marketing Automation,EMA）、客户服务与支持（Customer ServiceSupport）三个基本模块。 　　 　　分析层主要是利用数据挖掘技术，从共享的客户数据仓库中，提取有价值的信息，准确地了解客户行为、期望、需要、历史和与企业全面关系，为企业的战略决策服务。 　　协同层基于协同产品商务，协同性不仅体现在对客户信息的获得和跟踪方面，还强调在与客户进行的一系列业务中，内部人员之间及内部与外部之间的高效互通及协作。 　　 　　三、SQLServer2005数据挖掘的流程 　　 　　1.定义企业问题 　　?定目前企业遇到的问题。例如分析客户的流失情况，就要考虑这些问题：现有的客户哪些客户即将流失？现有客户他们的流失概率如何？哪些因素造成了客户的流失？不同类别之间客户的流失情况有什么差别？如果某个客户将要流失，他会在多长时间内流失？ 　　 　　2.数据准备 　　在企业信息化建设中，“三分技术，七分管理，十二分基础数据”，所以数据准备是最关键的一个环节。CRM在整个生命周期中，都以客户为中心，准确全面的客户信息是构建CRM系统的基石。为了进行有效的客户分析，这些信息必须在整个企业范围都是一致的，可靠的，并且具有统一的，便于使用的编码。然而，来源于历史上各个数据库的数据往往是异构的，不一致的，分散的，同时企业在收集客户信息的过程中，存在局部，片面，重复的现象，因此，建立一个企业范围内全局一致的客户数据仓库就非常必要，这是CRM成功的基础。 　　SQLServer2005提供了数据平台整合性服务，即SSIS（SQLServer2000称之为DTS）。这是一个全新的企业级的数据抽取、转换和加载（ETL）平台，SSIS 使得企业能更容易地集成和分析来自多个异类数据源的数据，并且实现了对非传统数据（Web Services，XML）的支持。 　　 　　3.建立模型及评估 　　SQLServer2005提供了9种数据挖掘算法。用于预测的算法包括线性回归，罗吉斯回归，时间序列，人工神经网络，用于分类的算法包括决策树，贝叶斯概率分类，此外，还有关联规则，聚集，文本挖掘。同一个商业问题，可以用几种算法解决，通过调整参数再从中选择一个最优方案。模型建立后，必须对模型检测和评估。在数据挖掘过程中，通常将数据集分为三部分： 　　(1)训练集:主要用来建立最初的挖掘模型。 　　(2)评估集: 对同一数据集可以建立不同挖掘模型，当各个模型建立后，则需要针对不同模型效果进行比较，评估集则是用来评估不同模