数据挖掘技术在CRM中的应用

1 数据挖掘

    数据挖掘(data mining，DM)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。数据挖掘功能用于指定数据挖掘任务中要寻找的模式类型。数据挖掘任务一般可以分为两类：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。

    数据挖掘系统能够挖掘多种类型和各种粒度的模式，以适应不同的用户需求或不同的应用。工程行业crm其功能主要如下：

    (1)概念描述：概念描述就是对某类对象的内涵进行描述，并概括这类对象的有关特征。概念描述分为特征性描述和区别性描述，前者描述某类对象的共同特征，后者描述不同类对象之间的区别。

    (2)关联分析：关联分析发现关联规则，这些规则展示属性-值频繁的在给定数据集中一起出现的条件。关联分析的目的是挖掘隐藏在数据间的相互关系，它能够发现如“90％的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。它广泛用于购物或事务数据分析。

    (3)分类和预测：它用于找出描述并区分数据类或概念的模型(或函数)，以便使用此模型预测类标记未知的对象类。它通常使用类标记己知的数据对象作为训练数据集，通过对该数据集的分析，导出数据的分类模型，然后使用模型预测未知数据。

    (4)聚类：聚类是将物理或抽象对象的集合划分为由类似的对象组成的多个类的过程。聚类与分类和预测不同，它没有类标记作为指导，类标记由它本身产生。对象根据最大化类内的相似性、最小化类间的相似性的原则进行聚类或分组。

    (5)孤立点分析：数据库中可能包含一些数据对象，它们与数据的一般行为或模型不一致。这些数据对象称为孤立点。对这些数据的挖掘分析可以用于处理一些罕见事件，比如信用卡欺诈等。

    (6)演变分析：数据演变分析描述行为随时间变化的对象的规律或趋势，并对其建模。包括趋势分析、相似性搜索、时间有关的序列模式挖掘和周期模式挖掘。

2 CRM

    2.1 CRM的含义

    目前，对于客户关系管理还没有一个统一的定义。许多研究机构、学者和行业组织从不同的角度阐述了自己对客户关系管理的理解。

    最早提出客户关系管理(customer relationship management，CRM)概念的GartnetGroup认为，所谓的客户关系管理是为企业提供全方位的管理视角，赋予企业更完善的客户交流能力，从而实现客户收益率的最大化。

    德勤咨询有限公司认为，客户关系管理是用来提高客户与公司之间的关系价值的一个旅程。客户关系管理的成果意味着客户对企业更有价值，企业对客户也更有价值。

    Hurwitz Group认为，CRM的焦点是自动化，同时也是改善与销售、市场营销、客户服务和支持等领域的客户关系有关的商业流程；CRM既是一套原则制度，也是一套软件和技术它的目标是缩减销售周期和销售成本、增加收入、寻找扩展业务所需的新的市场和渠道以及提高客户的价值、满意度、赢利性和忠实度。

    综合各种观点，CRM的含义还可以从以下3方面进行理解：

    CRM首先是一种管理理念。它起源于西方的市场营销理论，产生于美国，并得到了迅速发展。理念的核心是将企业的客户(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，保证客户终生价值的实现。

    CRM又是一种新型管理机制。它要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。也就是说，企业关注的焦点应从内部运作转向客户关系，企业的业务流程和组织流程重点应从“产品”转向“客户”。

    CRM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，为企业的营销、销售、客户服务和决策支持等领域提供一个业务自动化的解决方案，使企业拥有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。