e-works数字化企业网  »  文章频道  »  管理信息化  »  CRM

基于数据挖掘技术的CRM在石油化工企业的应用

2010/3/23    来源:万方数据    特约撰稿人:王正阳  刘旸  张杰  于辰云  周金枝      
关键字:客户关系管理  数据挖掘技术  数据库  石油化工企业  
数据挖掘技术在客户关系管理(CRM)中的应用是近年的热点。CRM指的是企业通过富有意义的交流沟通,理解并影响客户行为,最终实现提高客户获得、客户保留、客户忠诚和客户盈利的目的。对不同的客户采取有差别的服务,其根据就是企业积累的海量数据,如何将这些数据转化为知识,就要借助数据挖掘技术,为领导者的决策提供依据,并实现CRM的目标。主要论述了客户关系管理和数据挖掘技术的基本理论,以及数据挖掘技术在石油化工企业客户关系管理中的应用。

    石油化工企业客户关系管理是为适应企业从“以产品为中心”到“以客户为中心”经营模式的战略转移而发展起来的一种新的管理技术,它已经成为企业获得竞争优势的一种手段,以客户为中心的CRM(Customer Relationship Management,即客户关系管理)成为信息时代环境下企业取胜的关键因素之。其中,如何把海量的客户数据转化为适用的客户知识,是决定CRM绩效的关键。基于数据挖掘技术的石油化工企业CRM,能够有效地帮助企业从海量的数据中发现潜在的知识,支持企业制定高效的CRM策略,从而大幅提升石油化工企业CRM的运行效率。

1 数据挖掘技术

    数据挖掘(data mining)是从大量的、不完全的、有噪声的、模糊的、随机的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。随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急。数据挖掘是知识发现(knowledge discovery in database)的关键步骤。数据挖掘的系统结构包括用户界面、数据准备、挖掘、模式的解释和评价4个模块,如图1所示。

图1 数据挖掘的系统结构
图1 数据挖掘的系统结构


    数据挖掘的主要任务是关联分析、聚类分析、分类、预测、时序模式和偏差分析等。

    1.1 聚类分析

    聚类分析是数据挖掘领域中的一个重要研究课题,它是根据数据间的相似程度自动地进行分类,使得各个类间的相似性尽量小,而类内的相似性尽量大。经典的聚类方法包括分层算法、划分算法如K均值法、模糊C-均值算法、图论聚类法、神经网络法以及基于统计的方法等。近来随着数据挖掘研究的深入,涌现了大量新的聚类算法,包括基于遗传算法和蚁群算法的聚类方法。

    1.2 分类

    分类是数据挖掘中应用最多的任务。分类就是找出一个类别的概念描述,它代表了这类数据的整体信息,即该类的内涵描述,并用这种描述来构造模型,一般用规则或决策树模式表示。主要的分类方法包括决策树、KNN法(即K最近邻法)、SVM法(支持向量机法)、VSM法(向量空间模型法)、Bayes法和神经网络算法。

责任编辑:殷爽
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐