基于数据挖掘的客户分析研究

• 作 者: 吕婧
• 机 构: 北京工业大学
• 出 处: 北京工业大学
• 发表日期: 2010年期

随着企业的信息化程度不断提高，企业的数据不断累计、ERP日益成熟。传统的数据库系统高效的实现了数据的录入、查询、统计等功能，但是无法发现海量数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。数据仓库提供了支持决策分析的环境，数据挖掘用于从数据库中发现知识。数据仓库和数据挖掘的结合为决策支持系统（DSS）开辟了新方向，帮助企业管理者制定更科学合理的决策。　　
客户是企业的重要资源与财富，是企业生存与发展的基础。目前企业数据库存储的大量历史数据，并没有得到充分利用。如何通过数据挖掘技术，从少量的业务数据中挖掘出有价值的客户信息，从而优化资源配置，建立与客广沟通的便利渠道，更好地为客户提供高质量的服务，为客户创造更高价值，提高客户的满意度和忠诚度，已经引起人们的广泛关注。　　
本文分析了国内外相关研究与应用现状，通过数据挖掘这一关键技术的研究对客户管理中的客户群体分类和客户满意度评估的客户分析挖掘模型构建问题提出了解决方案。本文针对客户数据进行面向主题、面向决策分析的数据仓库多维数据建模，在传统的客户信息管理功能的基础上，建立基于决策树算法的客户分类模型和基于神经网络算法的客户满意度分析模型，实现了数据挖掘技术在客户信息管理中的应用。然后开发实现了一个B/S模式下应用了数据挖掘解决方案的可视化在线客户分析系统，海量的业务数据为数据挖掘的应用提供了良好的数据平台。　　
本文的研究对数据挖掘技术的推广和应用有一定的意义。数据挖掘功能在客户信息管理中的应用，对管理者进行市场营销和资源配置改善的决策具有一定的参考价值。