《客户关系管理——第九章——数据挖掘与客户关系 管理》由会员分享,可在线阅读,更多相关《客户关系管理——第九章——数据挖掘与客户关系 管理(112页珍藏版)》请在金锄头文库上搜索。
1、河北科技师范学院* 客户关系管理软件 与数据挖掘 河北科技师范学院* 案例 卓越亚马逊的推荐系统 河北科技师范学院* 学习目标 通过本章的学习,将能够: 理解数据挖掘的含义 熟悉数据挖掘的功能 熟悉数据挖掘的主要技术 掌握数据挖掘的业务流程 了解客户关系管理对数据挖掘的需求 理解数据挖掘在客户关系管理中的作用 河北科技师范学院* 第9章 CRM与数据挖掘 9.1 数据挖掘概述 9.2 数据挖掘的任务、技术和实施过程 9.3 数据挖掘在CRM中应用 9.4 CRM数据挖掘应用实例 9.5 数据挖掘软件在CRM中的应用示例 河北科技师范学院* 9.1.1 数据挖掘的产生 数据爆炸但知识贫乏 支持数
2、据挖掘技术的基础 数据挖掘逐渐演变的过程 河北科技师范学院* 数据挖掘 数据库越来越大 有价值的知识 可怕的数据 数据爆炸但知识贫乏 河北科技师范学院* 数据挖掘的出现数据挖掘的出现 数据爆炸,知识贫乏 苦恼: 淹没在数据中 ; 不能制定合适的决策! 数据 知识知识 决策决策 n模式 n趋势 n事实 n关系 n模型 n关联规则 n序列 n目标市场 n资金分配 n贸易选择 n在哪儿做广告 n销售的地理位置 n金融 n经济 n政府 nPOS. n人口统计 n生命周期 河北科技师范学院* 更大,更便宜的存储器 - 磁盘密度以Moores law增长 - 存储器价格飞快 下降更快,更便宜的信息处理器
3、- 分析更多的数据 - 适应更多复杂的模型 - 引起更多查询技术 - 激起更强的可视化技术 数据挖掘处理技术 - 数理统计 - 人工智能 - 机器学习 支持数据挖掘技术的基础 河北科技师范学院* 数据挖掘的演化 机器学习 数据库中的知识发现 数据挖掘 河北科技师范学院* 9.1.2 数据挖掘的定义 SAS研究所(19910):“在大量相关数据基础之 上进行数据探索和建立相关模型的先进方法” 。 Bhavani(1999):“使用模式识别技术、统计和 数学技术,在大量的数据中发现有意义的新关 系、模式和趋势的过程”。 Hand et al(2000):“数据挖掘就是在大型数据库 中寻找有意义、有
4、价值信息的过程”。 河北科技师范学院* 数据挖掘的定义 技术角度的含义 商业角度的含义 与传统方法的区别 河北科技师范学院* 数据挖掘的技术上的定义 数据挖掘(Data Mining)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。 这个定义包括好几层含义(1)数据源必须是真 实的、大量的、含噪声的;(2)发现的是用户 感兴趣的知识;(3)发现的知识要可接受、可 理解、可运用;(4)并不要求发现放之四海皆 准的知识,仅支持特定的发现问题。 河北科技师范学院* 数据挖掘的商业角度的定义 按企业既定业务目标
5、,对大量的企业数据进行 探索和分析,揭示隐藏的、未知的或验证已知 的规律性,并进一步将其模型化的先进有效的 方法。 河北科技师范学院* 客户接触 客户信息 客户数据库 统计分析与数据挖掘 客户知识发现客户管理 知识发现:从数据中深入抽取隐含的、未知的和有 潜在用途的信息 从商业数据到商业智能 河北科技师范学院* 数据挖掘与传统分析方法的区别 数据挖掘与传统的数据分析(如查询、报表、联 机应用分析)的本质区别是数据挖掘是在没有明 确假设的前提下去挖掘信息、发现知识.。数据 挖掘所得到的信息应具有先未知,有效和可实用 三个特征. 先前未知的信息是指该信息是预先未曾预料到的 ,既数据挖掘是要发现那些
6、不能靠直觉发现的信 息或知识,甚至是违背直觉的信息或知识,挖掘 出的信息越是出乎意料,就可能越有价值。在商 业应用中最典型的例子就是一家连锁店通过数据 挖掘发现了小孩尿布和啤酒之间有着惊人的联系 河北科技师范学院* 9.1.3 数据挖掘的功能 自动预测趋势和行为 关联分析 对象分类 聚类分析 概念描述 偏差检测 河北科技师范学院* 数据挖掘功能预测 数据挖掘自动在大型数据库中寻找预测 性信息,以往需要进行大量手工分析的 问题如今可以迅速直接由数据本身得出 结论。一个典型的例子是市场预测问题 ,数据挖掘使用过去有关促销的数据来 寻找未来投资中回报最大的用户,其它 可预测的问题包括预报破产以及认定
7、对 指定事件最可能作出反应的群体。 河北科技师范学院* 数据挖掘功能关联分析 数据关联是数据库中存在的一类重要的可被发现的知识。 若两个或多个变量的取值之间存在某种规律性,就称为关联。 关联可分为简单关联、时序关联、因果关联。 关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数 据库中数据的关联函数,即使知道也是不确定的,因此关联分析 生成的规则带有可信度。 关联是某种事物发生时其他事物会发生的这样一种联系。例如: 每天购买啤酒的人也有可能购买香烟,比重有多大,可以通过关 联的支持度和可信度来描述。 时序关联是一种纵向的联系。例如:今天银行调整利率,明天股 市的变化。 河北科技师范学院*
8、 数据挖掘功能分类 按照分析对象的属性、特征,建立不同的组类 来描述事物。例如:银行部门根据以前的数据 将客户分成了不同的类别,现在就可以根据这 些来区分新申请贷款的客户,以采取相应的贷 款方案。 河北科技师范学院* 数据挖掘功能聚类 数据库中的记录可被化分为一系列有意义的子 集,即聚类。聚类增强了人们对客观现实的认 识,是概念描述和偏差分析的先决条件。聚类 技术主要包括传统的模式识别方法和数学分类 学。聚类技术在划分对象时不仅考虑对象之间 的距离,还要求划分出的类具有某种内涵描述 ,从而避免了传统技术的某些片面性。 河北科技师范学院* 数据挖掘功能概念描述 概念描述就是对某类对象的内涵进行描
9、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。生 成一个类的特征性描述只涉及该类对象中所有 对象的共性。生成区别性描述的方法很多,如 决策树方法、遗传算法等。 河北科技师范学院* 数据挖掘功能偏差检测 数据库中的数据常有一些异常记录,从数据库 中检测这些偏差很有意义。偏差包括很多潜在 的知识,如分类中的反常实例、不满足规则的 特例、观测结果与模型预测值的偏差、量值随 时间的变化等。偏差检测的基本方法是,寻找 观测结果与参照值之间有意义的差别。 偏差检测对分析对象的少数的、极端的特例的 描述,揭示内在的原因。例如
10、:在银行的100 万笔交易中有500例的欺诈行为,银行为了稳 健经营,就要发现这500例的内在因素,减小 以后经营的风险。 河北科技师范学院* 9.1.4 数据挖掘应用 应用领域:银行、电信、保险、交通、零售等商业领域 能解决的典型商业问题包括: 数据库营销(Database Marketing) 客户群体划分(Customer Segmentation&Classification) 背景分析(Profile Analysis) 交叉销售(Cross-selling) 客户流失性分析(Churn Analysis) 客户信用记分(Credit Scoring) 欺诈发现(Fraud Dete
11、ction) 河北科技师范学院* 各行业电子商务网站 算 法 层 商 业 逻 辑 层 行 业 应 用 层 商业应 用 商业模 型 挖掘算 法 CRM 产品推荐 客户细分 客户流失 客户利润 客户响应 关联规则、序列模式、分类、聚集、神经元网络、偏差分析 WEB挖掘 网站结构优化 网页推荐 商品推荐 。 基因挖掘 基因表达路径分析 基因表达相似性分析 基因表达共发生分析 。 银行 电信 零售 保险 制药 生物信息 科学研究 。 相关行 业 数据挖掘的应用 河北科技师范学院* Debt$40K Q Q Q Q II12 34 56 factor 1 factor 2 factor n 神经网络 N
12、eural Networks 聚类分析 Clustering Open Accnt Add New Product Decrease Usage ? Time 序列分析 Sequence Analysis 决策树 Decision Trees 倾向性分析 客户保留 客户生命周期管理 目标市场 价格弹性分析 客户细分 市场细分 倾向性分析 客户保留 目标市场 欺诈检测 关联分析 Association 市场组合分析 套装产品分析 目录设计 交叉销售 数据挖掘的应用 河北科技师范学院* 9.1.5 数据挖掘未来研究方向 发现语言的形式化描述,即研究专门用于知识发现的数据挖掘语言, 也许会像SQL语
13、言一样走向形式化和标准化; 寻求数据挖掘过程中的可视化方法,使知识发现的过程能够被用户理 解,也便于在知识发现的过程中进行人机交互; 研究在网络环境下的数据挖掘技术(WebMining),特别是在因特网上 建立DMKD服务器,并且与数据库服务器配合,实现WebMining; 加强对各种非结构化数据的开采(DataMiningforAudioVideo),如对 文本数据、图形数据、视频图像数据、声音数据乃至综合多媒体数据 的开采; 处理的数据将会涉及到更多的数据类型,这些数据类型或者比较复杂 ,或者是结构比较独特。为了处理这些复杂的数据,就需要一些新的 和更好的分析和建立模型的方法,同时还会涉及
14、到为处理这些复杂或 独特数据所做的费时和复杂数据准备的一些工具和软件。 交互式发现和知识的维护更新。 河北科技师范学院* 9.2 数据挖掘的任务、技术、 方法和实施过程 9.2.1 数据挖掘任务 数据总结 分类发现 聚类分析 关联规则发现 河北科技师范学院* 9.2.2 数据挖掘技术 数据挖掘的方法很多,大致可分为:统计方法、机器学习 方法、神经网络方法和数据库方法。 统计方法可细分为:回归分析、判别分析、聚类分析、探 索性分析以及模糊集、粗糙集、支持向量机等。 机器学习中,可细分为:归纳学习方法、基于范例的推理 CBR、遗传算法、贝叶斯信念网络等。 神经网络方法,可细分为前向神经网络(BP算
15、法等)、自组织 神经网络(自组织特征映射、竞争学习等)等。 数据库方法主要是基于可视化的多维数据分析或OLAP方法 ,另外还有面向属性的归纳方法。 河北科技师范学院* 数据挖掘技术的分类 回顾分析:注重解决过去和现在的问题 如:两年来不同地区、人口和产品情况下的各销售部门 销售业绩分析 预测分析:在历史信息的基础上预测某些事件和行为 如:建立预测模型来描述客户的流失率 分类:根据某种标准将数据库记录分类到许多预先定 义好的类别 如:信用卡公司将客户记录分为好、中、差三类 分类可以产生规则:如果一个客户收入超过5000万元,年龄 在4555岁之间,居住在某地区,那么他的信用等级为好。 数据挖掘技
16、术 河北科技师范学院* 数据挖掘技术的分类 聚类:根据某些属性将数据库分割为一些子集和簇 如:在了解客户的过程中,尝试使用从未使用过的属性分割人群以发 现潜在客户的簇 关联:通过考察记录来识别数据间的密切关系 关联关系常常表现为规则,常用于超市购物篮分析 如:所有包含A和B的记录中有60同时包含C。 时间序列:用于帮助识别与时间有关的模式 如:通过对客户多次购物行为的分析可以发现购物行为在时间上的关 系 常用于产品目录营销的分析 数据挖掘的一般目的就是检测、解释和预测数据中定性的和或定量的模式 数据挖掘技术 河北科技师范学院* 数据挖掘方法学 模式 数据库中一个事件或事件的结合,这些事件比预期