《基于数据挖掘的edpcrm系统设计及实现毕业论文》由会员分享，可在线阅读，更多相关《基于数据挖掘的edpcrm系统设计及实现毕业论文（47页珍藏版）》请在金锄头文库上搜索。
1、毕业设计论文基于数据挖掘的EDP-CRM系统设计及实现摘要CRM ( Customer Relationship Management)系统的目的在于建立一个整合客户服务、市场竞争、销售以及技术支持的系统，为企业带来长久的竞争优势。作为一种典型的交互式系统，CRM系统是企业管理中信息技术和应用解决方案的集成。它既是管理客户关系的一系列信息技术、方法和措施，又是运用信息技术将企业涉及的销售、客户服务、内部管理等业务流程自动化的软件及硬件系统。而随着企业对CRM系统的长期使用，会积累大量的数据，他们迫切需要从现有大量数据中提取出数据中潜在的知识，因此对CRM系统进行数据挖掘的需求已经必不可少。本文
2、以某高校EDP-CRM项目为背景，介绍了CRM系统中客户管理模块和数据挖掘模块的设计与实现。通过该EDP-CRM系统，既可以方便地对客户开展基本的客户管理、产品管理、售后管理等客户管理功能，又可以在此基础上对现有数据进行聚类、分类、关联、时间序列分析等数据挖掘操作。本文主要研究在数据挖掘的基础上构建CRM系统的技术。围绕某高校EDP-CRM系统的客户关系管理和数据挖掘两大功能模块进行了详细的研究分析。文中详细介绍了客户关系管理系统和数据挖掘技术。首先，客户管理模块着重介绍了模块的软硬件架构，流程设计和功能实现，从而保证CRM系统的基本功能的实现。而数据挖掘模块描述了模块实现的流程和技术，并在系
3、统现有功能情况基础上，作者研究了数据挖掘的建模方案，主要重点讨论了数据仓库的构建模型和构建过程，从操作型环境抽取数据并导入数据仓库方法，对数据进行综合处理的实现技术，以及后期数据如何追加到数据仓库的机制，并详细介绍了关联规则挖掘模型，聚类挖掘模型和分类挖掘模型的实现技术。在确定了系统的关键技术后，完成了其CRM的系统的设计和实现。最后作者总结全文，并提出了进一步工作的方向。第一章 绪论一、研究背景及研究意义随着市场对知识要求的提高，越来越多的企业高层对知识在企业竞争发挥的作用有了深刻认识，EDP教育也逐步发展起来。但是，当前EDP教育产业在国内由于发展时间较短，也存在一些问题影响EDP教育的进
4、一步发展，其中，如何在激烈的市场竞争环境下开发和占领市场以使EDP教育产业获得生存和发展是决定一个EDP教育产业能否良性发展的关键问题。为了解决这个问题，客户资源的有效利用是一个关键。对于现代企业来说，客户资源正成为最具价值的资产，建立客户信息数据库，对这些最有价值的资产进行有效管理，成为企业的核心任务之一。EDP教育产业也是如此。因此，在解决客户资源管理环节，EDP教育产业也可以借鉴其他产业的经验，将CRM(Customer Relationship Management，客户关系管理)引入到EDP教育的客户资源管理之中。CRM是90年代西方发展起来的新型的管理策略，它在国外的应用己经取得了
5、极大的成功，而我国对它的认识和应用才刚刚起步。当今许多企业的CRM数据库或数据仓库中都搜集和存储大量关于客户的宝贵数据，这些数据涵盖了从客户基本数据、购买记录及客户反馈的个个环节。充分利用这些数据，深入分析、挖掘隐含在这些数据中的有用信息，将有助于企业更好地管理客户关系，实现CRM的功能和目标。然而，由于缺乏在大量数据中发现深层次信息的能力，许多企业对于这些数据的利用还只是停留在基础层的浏览、检索、查询和应用层的继承、组合、整理等方面，而无法将这些数据转化为更加有用的知识。因此，如何更加有效地管理企业数据库中快速增长的海量数据，将数据资源的利用提高到知识创新的高级阶段，己经成为企业当前需要迫切
6、解决的问题，数据挖掘(Data Mining，简称DM)技术的运用就可以帮助企业很好地解决这个问题。所谓数据挖掘，简单地说，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。数据挖掘作为一门交叉学科，受到多门学科的影响，包括数据库系统、统计学、机器学习、可视化和信息科学。需要特别指出的是，数据挖掘从一开始就是面向应用的，因此如何利用数据挖掘技术解决特定领域的问题，是研究数据挖掘应用的核心问题1234。近年来，该技术已经在商务管理，生产控制，市场分析，工程设计和科学探索等领域得到广泛的应用。综上所述，为了解决ED
7、P教育中存在的客户关系管理混乱无序的现状，本文将根数EDP教育的特点设计EDP-CRM系统并将其实现，并为了进一步开发客户关系中的潜在的价值，将数据挖掘技术引入到EDP-CRM系统之后，通过对客户资源进一步进行细分，提高客户开发的效率，并对客户资源进行进一步的有效开发，从而达到有效利用客户的价值目的。二、国内外研究综述（一）国外研究现状1、数据挖掘研究现状随着信息技术的迅猛发展，数据库的规模不断扩大，从而产生了大量的数据。这些数据背后隐藏着许多重要的信息，人们希望通过对这些信息进行更高层次的分析，以便更好地利用这些数据。但大量复杂的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息，而传
8、统的查询、报表工具无法满足挖掘这些信息的需求。因此，需要一种新的数据分析技术处理大量数据，并从中抽取有价值的潜在知识，数据挖掘（Data Mining）技术由此应运而生。数据挖掘技术也正是伴随着数据仓库技术的发展而逐步完善起来的5，6。数据挖掘最早出现在20世纪80年代后期，它是在计算机信息技术的基础上发展而来的，而数据挖掘的概念是1989年在美国底特律召开的第十一届国际联合人工智能学术会议上最早被正式提出来。此次会议首次正式提出了KDD（Knowledge Discovery in Database）这个术语。并且在后来的1991年、1993年和1994年都举行了关于KDD的专题讨论会，汇集
9、来自各个领域的研究人员和应用开发者，集中讨论数据统计、海量数据分析算法、知识表示、知识运用等问题。随着与会人员的不断增多，KDD国际会议发展成为年会。1998年在美国纽约举行的第四届知识发现与数据挖掘国际学术会议21不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。经历十多年的发展，数据挖掘已经成为一个自成体系的应用学科。目前，国外数据挖掘的发展趋势及其研究主要有以下方面：Berry和Linoff7主要侧重于基于数据挖掘的商务应用对数据挖掘进行了介绍；Fayyad等8介绍了数据挖掘以及如何将数据挖掘与整个知识发现过程协调；Lambert
10、9考察统计学在大型数据集上的应用，并对数据挖掘与统计学各自的角色提出一些评论；Glymour等10考虑统计学可能为数据挖掘提供的教训；Smyth等11讨论诸如数据流、图形和文本等新的数据类型和应用如何推动数据挖掘演变。在数据挖掘的应用方面，数据挖掘技术使得KDD商业软件工具不断完善和发展，使得KDD更注重建立解决问题的整体系统，而不是孤立的过程。数据挖掘的用户主要集中在大型银行、保险公司、电信公司和销售业。国外很多计算机公司非常重视数据挖掘的开发应用，IBM和微软都成立了相应的研究中心进行这方面的工作，此外，一些公司的相关软件也开始在国内销售，如Platinum、BO以及IBM12。2、CRM
11、研究现状客户关系管理（CRM）的理论基础来源于西方的市场营销理论，它是在关系营销和数据库营销基础上诞生的一种全新的管理模式。和客户关系管理相关联最早的理论应该算是20世纪80年代初的“接触管理”（Contact Management），即专门收集整理客户与公司联系的所有信息。到20世纪90年代初期这一理论则演变成为包括电话服务中心与支持资料分析的客户关怀（Customer Care），后来又从重视赢得新客户和处理基础营销工作逐渐转移到对客户关系进行有效管理的客户保持工作上来13。客户关系管理这个名词首先从北美传出，但是一般认为把客户关系管理理论最早概念化的是美国的计算机咨询集团Gartner
12、Group，该机构在1997年提出：客户关系管理就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，最大化客户的收益率14。在“客户关系管理”被正式提出之后，国外涌现出了很多关于实施客户关系管理的研究著作。如Stanley A.Brown15Customer relationship management:a strategic in the world of e-business一书，对客户忠诚、客户关怀、客户获得等客户战略问题，网络、工作流管理、数据仓库、数据挖掘等技术问题进行论述。Jill Dyche16所著的The CRM handbook:a business guide
13、to customer relationship management是一本涉及到客户关系管理各个层面的著作。Joe Peppard17等提出了基于企业电子商务、渠道管理、关系管理和前后端办公室整合的客户关系管理框架，对金融服务业的客户关系管理进行了研究。国外很多学者根据实际的经验，针对实施客户关系管理的一些问题提出了自己的观点。这些研究成果对于成功地实施客户关系管理提供了很好的借鉴经验。商业战略家和演讲家弗列德威尔斯马在客户联盟中通过对大量国际上享有盛名的企业进行调查和细致研究，全面阐述了被这些成功企业大量运用并被证明是行之有效的新型商业运作模式客户联盟，同时对客户关系管理及客户联盟的概念及
14、关系做了深入的阐述。Lawrence认为客户关系管理并不只是收集、存储、处理客户信息，它应该对客户服务进行根本性的改变。客户关系管理需要的是由技术支持的商业战略，而不仅仅是削减营销成本或与客户更有效地进行交互。实施客户关系管理需要围绕关系战略重新设计和分配相关流程、技术和人力资源。Pauline A.Wilcox提出，一个高效的客户关系管理战略需要引入以客户为中心的企业文化。3、数据挖掘在CRM中的研究现状目前，学者们已经意识到客户是极为重要的商业资源，随着数据挖掘技术的发展并引入到CRM之中，大大提高了企业CRM系统的运作效率。国外一些学者对数据挖掘在CRM系统中的应用作了重要阐述。Till
15、ett.L.Scott 18认为数据挖掘优化了CRM的服务功能，可以为客户服务提供准确的参考信息，提高对客户事务处理的能力。Adam Rombe 19认为客户关系管理为客户与银行之间创建了一个沟通渠道，数据挖掘技术进一步优化银行内部的业务流程，使这一渠道变得更加高效与快捷，并且通过分析客户得交易行为，更好的了解客户和保留客户，挖掘客户的爱好和兴趣，从而以最快的速度响应客户的需求，为客户提供最优质的服务，极大地提高客户的忠诚度。Groth R 20认为集成有数据挖掘技术的营销辅助工具可以提供高精确度的模式识别和预测功能，使商业人员有效地策划和开展营销活动。除了研究数据挖掘在CRM领域的应用之外，
16、外国学者还研究了数据挖掘中的各种规则（如分类规则、聚类规则、关联规则等）在不同领域的CRM系统中的应用。Zengyou He 21向我们介绍了数据挖掘的概念、算法和应用，并将其应用到客户关系管理之中。接下来Iraj Mahdavi 22对用一种带自主机制的聚类算法对e-CRM上的文档数据进行分析，从而设计了一种客户利益导向型的客户关系管理模式，然后，Iraj Mahdavi 23进一步研究，着重研究一种自适应的遗传算法，通过遗传算法，将客户数据引导到以客户为中心上来进行客户关系管理。Beomsoo Shim 24研究了关联规则和序列分析在小规模电子购物网站的客户关系管理中的策略，通过关联规则对客户进行分类从而实施不同的营销策略。（二）国内研究现状1、数据挖掘研究现状与国外相比，国内对数据挖掘的研究起步稍晚且不成熟。1993
