数据挖掘在客户关系管理中的应用（修改)分析报告.pptVIP

　　三、数据挖掘在应用中面临的问题 　　　1、数据挖掘分析变量的选择 　　　2、数据抽取的方法的选择 　　　3、数据趋势的预测 　　　4、数据模型的可靠性 　　　5、数据挖掘涉及到数据的私有性和安全性 　　　6、数据挖掘结果的不确定性 三、　数据挖掘在应用中面临的问题 1、数据挖掘分析变量的选择 数据挖掘的基本问题：数据的数量和维数。 数据分析变量：在数据挖掘中技术应用中产生的，选择合适的分析变量，将提高数据挖掘的效率，特别适用于电子商务中大量商品以及用户信息的处理。 方法：可以用分类的方法，分析出不同信息的属性以及出现频率进而抽象出变量，运用到所选模型中，进行分析。 2、数据抽取的方法的选择 数据抽取的目的：对数据进行浓缩，给出它的紧凑描述。 在电子商务活动中，采用多维数据分析方法进行数据抽取，他针对的是电子商务活动中的客户数据仓库。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大，可把汇集操作结果预先计算并存储起来，以便用于决策支持系统使用 三、　数据挖掘在应用中面临的问题 3、数据趋势的预测 重要性：对客户信息以及商品信息合理的预测，有利于企业有效的决策，获得更多的利润。 方法：在电子商务中可以应用聚类分析的方法，把具有相似浏览模式的用户集中起来，对其进行详细的分析，从而提供更适合、更令用户满意的服务。 三、　数据挖掘在应用中面临的问题 4、数据模型的可靠性 数据模型：概念数据模型、逻辑数据模型、物理模型。 数据挖掘的模型：采集模型、处理模型及其他模型，但无论哪种模型都不是很成熟存在缺陷，对数据模型采用不同的方式应用，可能产生不同的结果，甚至差异很大，因此这就涉及到数据可靠性的问题。 做法：尽量全面的分析问题，避免片面，而且分析结果要由多人进行评价，从而最大限度的保证数据的可靠性。 三、　数据挖掘在应用中面临的问题 5、涉及到数据的私有性和安全性 　 大量的数据存在着私有性与安全性的问题，特别是电子商务中的各种信息，这就给数据挖掘造成了一定的阻碍，如何解决这一问题成为了技术在应用中的关键。 相关人员在进行数据挖掘过程中一定要遵守职业道德，保障信息的机密性。 三、　数据挖掘在应用中面临的问题 6、数据挖掘结果的不确定性 原因：因为挖掘的目的不同所以最后挖掘的结果自然也会千差万别。 方法：需要我们与所要挖掘的目的相结合，做出合理判断，得出企业所需要的信息，便于企业的决策选择。进而达到提高企业经济效益，获得更多利润的目的。 三、　数据挖掘在应用中面临的问题 谢谢大家！ 感谢您的观看！ 数据挖掘在客户关系管理中的应用 数据挖掘在客户关系管理中的应用 一、数据挖掘技术在客户关系管理中的主要应用领域 二、数据挖掘在保险业中的应用 三、数据挖掘在应用中面临的问题 一、数据挖掘技术在客户关系管理中的主要应用领域 1、客户关系管理中常用的数据挖掘方法 （1）分类（2） 聚类（3）关联规则 （4）回归分析（5）偏差分析 2、数据挖掘在客户关系管理中的具体运用 (1)获得客户特性 （2）获得客户 （3）保持客户 （4)获得客户忠诚度 （5）客户欺诈行为预测 3、从行业角度分析数据挖掘技术的应用 (1)零售业ＣＲＭ中数据挖掘的应用 （2）金融业ＣＲＭ中的数据挖掘 （3）电信业ＣＲＭ中的数据挖掘 一、数据挖掘技术在客户关系管理中的主要应用领域 1、客户关系管理中常用的数据挖掘方法 常用的数据挖掘方法主要包括：分类、聚类、关联规则、统计回归、偏差分析等等。 （1）分类：分类的目的是通过统计方法、机器学习方法（包括决策树法和规则归纳法）、神经网络方法等构造一个分类模型，然后把数据库中的数据映射到给定类别中的某一个。 1、客户关系管理中常用的数据挖掘方法 （2） 聚类 　　　聚类是把一组个体按照相似性归成若干类别。即“物以类聚”。它的目的是使同一类别之内的相似性尽可能大，而类别之间的相似性尽可能小。这种方法可以用来对客户进行细分，根据客户的特征和属性把客户分成不同客户群，根据其不同需求，制订针对不同客户群的营销策略。 一、数据挖掘技术在客户关系管理中的主要应用领域 1、客户关系管理中常用的数据挖掘方法 （3）关联规则 它是描述数据库中数据项之间存在关联的规则，即根据一个事物中某些项的出现可导出另一项在同一事物中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业客户数据库里大量数据进行挖掘，可以从中发现有趣的关联关系。 一、数据挖掘技术在客户关系管理中的主要应用领域 1、客户关系管理中常用的数据挖掘方法 （4）回归分析 　　　回归分析反映的是事务数据库中属性值在时间上的特征．主要用于预测，即利用历史数据自动推出对给定数据的推广描述．从而对未来数据进