RD立项报告模板1

立项计划书
项目名称：
项目负责人：职务：
起止日期：年月日至年月日
有限公司
年月日
一、研发项目基本情况
1、研发项目名称：
2、研发项目所属领域：一、电子信息/（一）软件/11.云计算与移动互联网软件
3、研发方式：自主研发
二、项目研究的主要内容及技术方案
1、项目开发的研究背景
近年来，一个热门的新型课题便是大数据概念的提出，它的发展与进步在生活中方方面面影响着人们。

同时，对于企业来说也受到大数据到来的影响，无论从创新创业还是管理经营上都实施了采用大数据技术来进行管理与解决问题。

本项目的建立既是在大数据时代背景下提出的，大数据是一个权威的定义，一个超大的、难以用现有常规数据库管理技术和工具处理的数据集。

它具有规模巨大、多样性等诸多特点，因此在使用的过程中需要采用专有的技术工具对其进行处理，大数据还隐含了事件之间的潜在规律，反应了客观的事实，因此需要通过挖掘技术挖掘其潜在有高价值的知识，来处理咨询用户的满意度评价的设定，为企业提供可靠准确的参考数据。

基于满意度而建立的系统也可看做是一种客户关系的维护系统，咨询行业利用客户满意度评价系统可管理与客户之间的关系，利用计算机的自动分析、市场情况分析以及客户服务等流程系统而提高客户的满意度，提升客户的价值为咨询行业打开更广泛的市场。

2、项目研究的主要内容
2.1 基于大数据进行开发的主要内容：
基于大数据而进行的满意度评价系统的设计是针对企业中为提供优质的客户服务，对客户进行有序管理的一种手段，它的合理应用可以将客户转变为忠实的老客户，通过为客户提供有价值的服务资源，而提升客户的依附性。

项目的开发应用了互联网技术，整个体系内容包括了大数据技术的应用，并利用此技术来对咨询客户进行有序的管理，在设计中采用了多种客户关系分析工具，这些工具的描述及设计应用也是本项目开发的主要详细内容之一，包括RFM模型的建立、客户忠实度梯度的分析与管理、客户价值分析等。

同时，包括基于大数据挖掘技术对所有客户信息进行采集、分析与处理。

细分到具体的设计环节，系统将咨询客户的管理分为了客户需求知识的分析、信息的采集、数据仓库和数据信息的分析等，并最终结合了OLAP技术加以实现。

2.2 咨询用户满意度评价设计主要内容：
客户满意度的评价通过计算机技术的应用而设计，匹配了企业产品与客户期望值的应用，它的应用可
有效的对企业客户进行管理并提升客户对企业产品的满意度、提升客户价值为咨询行业开拓更广市场。

不同于传统的项目管理方式，利用先进技术设置特有的风险评估管理、咨询项目采用全生命周期管理模式对咨询客户的变化进行信息反馈及管理。

设计主要内容包括了客户满意度指标的设定、客户满意度评价体系模型的建立、以及评估体系算法的选择与运用数据库的建立和各数据表格的设计等。

同时，运用了UML技术，为软件开发所有阶段提供模型化和可视化的支持，它可以支持并发分布式系统，定义了软件设计过程中的定义、方法、图形和符号表示等基础要素。

但基于UML的自身特点，在此开发过程中需要结合企业自身的特点和项目需求设定不同的建模方式。

3、项目关键技术解决的措施
3.1满意度评价模型的应用：
对于评价模型的建立是以KPI、体验因素和满意度水平层层映射三方面的指标进行设计，选择神经网络算法作为评价算法，最终确定客户满意度评价的模型。

用户体验就是客户在接受了咨询服务之后对服务做出的服务评价，服务质量、服务态度、业务情况以及使用后的心理想法等方面，以客户体验为基础的客户满意度评价是为了提升咨询服务对客户所带来的更优质化的服务而进行，制定个性化的客户体验管理的目标，最终提高企业客户的忠实度。

3.2 UML技术的应用：
UML又称为统一建模语言，它是一个支持模型化和软件系统开发的图形化语言，为软件开发的所有阶段提供模型化和可视化支持，它不仅统一了Booch、Rumbaugh和Jacobson的表示方法，而且统一为大众所接受的标准建模语言。

它可以支持并发分布式系统，定义了软件设计过程中的定义、方法、图形和符号表示等基础要素，但在使用的过程中需要结合自身企业的特点和项目的需求选择不同的设计方法和建模过程。

3.3神经网络算法的应用：
神经网络具有强大的处理非确定信息的能力，在处理信息前并不需要确切的了解这个信息之间的关联性，通过大量的运算，神经网络内部就可以模拟出这些信息的关联性。

当有相似的信息通过神经网络时将会产生类似的结果，所以无需对所分析的问题模型有深入的了解就可以可到模型之间的关系。

利用神经网络算法我们可对客户的数据信息进行训练，神经网络将得到这些数据之间的关系，收敛形成一个稳定的神经网络结构，该结构当有与训练数据相似的信息输入系统，就会输出与训练数据相似的结果。

3.4、JDBC技术的应用：
对于系统数据层的开发，数据层为业务逻辑层提供基础数据，包括用户信息、资源信息、文件系统、邮件系统等。

数据层通常是使用Servlet来管理数据。

我们在数据层使用JDBC技术来完成数据库操作的更新、查询、添加及修改等。

系统应用时JSP专注于数据的展示，并且系统采用了DAO设计模式，由数据库连接类、VO、DAO接口，DAO实现类和DAO工厂类组成。

数据库连接类负责与SQL Server数据库进行连接。

3.5 OLAP技术的应用：
OLAP也称为联机分析处理技术，它是数据仓库系统中主要的应用，专门设计用于支持复杂的分析操作，侧重对策划人员和高层管理人员的决策支持。

可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业(公司)的经营状况，了解对象的需求，制定正确的方案。

本项目的数据挖掘中利用了OLAP技术，将多维数据模型和数据结合技术组织大量的数据，由此在在线分析和绘制工具的应用上体现更大价值。

选择Microsoft SQL 作为数据库服务系统，由MS-SQL服务器提供足够的技术和文件支持。

3.6数据挖掘技术的应用：
数据挖掘技术主要是将企业数据仓库中的业务数据、营销数据以及客户数据作为建模样本，利用各种数据挖掘方法对数据进行挖掘，通过数据挖掘从而对结果进行分析和建模并不断对模型进行优化最终来为企业的经营决策提供指导性意见。

3.7检索工具的应用：
本项目设计加入检索工具，把并联数据放入English Query应用软件，允许终端用户把自己的问题转变成SQL语言阐述，数据挖掘技术应用树形分析、聚类分析和递减分析。

在系统功能结构的设计上，将系统设计为两个部分，一是应用数据挖掘技术为企业提供分析报告和咨询服务预测，一个是利用ASP with VB Script Language而开放的网页应用。

为用户提供访问咨询服务。

4、目标和前景
4.1 项目开发的目的和意义：
本项目提出的大数据咨询用户满意度评价系统既是利用大数据技术，针对培训企业中咨询用户的安满意度实现全面的调查与分析。

将大数据融入到企业与客户关系管理中，实现数据的分享、通过信息网络既是的汇总和分析得出结论，以便客户管理与维护更加快捷具有效率，同时也指导着培训企业针对客户的反馈信息制定更加合理的客户维护策略方案，有利于培训企业的发展。

大数据是特点是不同应用特性的用户规模和数据存储规模的各种应用，大数据环境下的企业应用系统中海量数据的特点具有用户群体大、增长速度快的特点，同时数据总量也在增大，数据类型多样化程度加强，基于这些特征我们对于海量数据的处理和存储便提出了大数据技术，如大数据存储管理技术中的分布
式数据库的设计应用、Hadoop框架和云计算的MapReduce技术等，这些都实现了数据的并行计算和分布式存储，使得存储能够更好的适用于海量数据的存储。

采用了大数据技术而为服务提供便捷，满意度调查方式的应用是提升客户关系的主要手段和方法，它是企业活动面向长期客户关系维护的途径，可以提升企业的成功，进行满意度调查来招揽新客户，保留旧客户。

满意度的评价也可以称为对于数据质量的评价，它包括从数据质量的基本要素入手，从综合性的角度对数据的好坏进行评价，或者从实际入手基于用户的角度对数据质量进行评价。

满意度是用户使用某种对象服务之后的主观情感反应的量化指标，对于满意度的测量，可以分解为客户预期、感知质量、感知价值、客户抱怨、客户忠诚等方面进行衡量。

每个结构变量都需要通过多个可观测的变量来衡量，这些变量需要实际的调查才能做到，因此在满意度评价中需要加入调查问卷方式进行信息的采集。

对于调查问卷中问题的关系，我们提出了基于标记关系的多标记分类算法优化分类模型，这样可以提升用户的多维满意度评价的预测效果。

4.2 项目前景分析：
随着信息技术的发展，移动网络、多种高科技术设备的使用，各类虚拟服务、社交网络、协同创作等新型应用模式的扩展都提出了全面基于网络和信息全新的创造和生产模式的使用。

在此大数据发展背景下，如何将数据转换成产品、服务已成为企业未来发展及研究的主要方向，它将数据的分享、收集整合、分析以及结果融为一体，影响着企业的发展与经营管理的改善。

在培训行业中对于咨询用户服务以及客户关系的维护，采用的满意度调查方式也应用了大数据技术，它的前提是采用大数据为服务提供各种资源，针对培训咨询来说可提升对客户的有序管理以及其转换率，为其提供有价值的服务资源。

三、项目创新性、先进性
1、创新性
（1）、Random Forest算法的运用：
针对用户的满意度评价，不同分类用户之间存在不同的属性，他们的评分数值也各不同，我们需要从中找出用户属性与用户满意度评分的规律。

本项目中采用了Random Forest算法，它适用于多应用场景，综合考虑用户多维的属性，以及属性值的离散和连续性，Random Forest算法可以完成对每个标记分类用户进行训练，从中设置建立决策树，每个决策树又会随机采集特征值，训练完成后使用十折交叉验证法对
其进行验证。

（2）、信息增益率的运用：
基于大数据的咨询用户满意度评价，其先进性还表现在它采用了信息增益率的方式确定用户属性并对其进行选择，在属相的选择过程中，通过剔除一些明显与用户评价无关的属性，从而产生备选的属性集。

在此基础上设置一个阈值，通过对每个属性计算信息增益率，从中选取高信息增益率的属性，组成最终的属性集。

调查问卷便是采用了这种办法而构建，为了预测所有用户的满意度，在评价之前我们需要针对问卷中的问题进行合理的制定。

（3）、网络入侵检测的应用：
满意度的评价是集合了多样数据的集成，它不仅具有多样性同时具有复杂性，因此要对这些数据进行分类和分析，从方法上采用了网络入侵检测方法，利用多个小类样本来生成新样本，对于小众样本xi，它属于小类的K近邻中随机选取的一个样本点，生成一个新的小样本xnew，在此过程中为了避免不同类别错分的情况还需要进行加权，计算出错误代价，从而找到代价最小的分类方法来解决数据不均衡的问题。

（4）、OLAP技术的应用：
OLAP也称为联机分析处理技术，它是数据仓库系统中主要的应用，专门设计用于支持复杂的分析操作，侧重对策划人员和高层管理人员的决策支持。

可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业(公司)的经营状况，了解对象的需求，制定正确的方案。

本项目的数据挖掘中利用了OLAP技术，将多维数据模型和数据结合技术组织大量的数据，由此在在线分析和绘制工具的应用上体现更大价值。

选择Microsoft SQL 作为数据库服务系统，由MS-SQL服务器提供足够的技术和文件支持。

2、先进性
（1）、分类与预测技术的应用：
基于大数据的咨询用户满意度评价其先进性包括了，采用大数据数据挖掘技术的分类与预测，它是通过已知的样本数据集建立数据模型或函数，用来对未知类别或结果的数据进行归类或预测的过程，其目的是找出关于样本数据集X的一个目标函数y=f（X），对于每一个样本x都可以映射到某一个类标或者结果y上，通过这个特点运用到满意度调查评价中，我们就可以针对性的分析出客户的潜在需求情况，为企业针对客户需求提供出准确的服务定位，通过数据挖掘中分类与预测发掘潜在发展机遇，有利于咨询服务策略的制定。

（2）、基于大数据环境，评价系统具有可扩展性：
在如今信息网络化飞速发展的条件下，大数据生成的市场机制有望开展协同创新，赋予大数据环境下管理与决策相关研究与应用的新特征。

从企业发展与经济层面上来说，其大数据的发展可使得企业咨询服务得到更好的运行、帮助企业高层作出更准确的决策、评估系统数据的应用还可实现线下、线上企业服务的共同发展。

这些大数据特征都为数据的驱动和管理带来了巨大的研究和创新的基于，同时也使其面临着理论与实践的范式，更多支撑技术和价值的开发还有待我们进行进一步的研究。

3、技术指标
3.1（该指标是从使用者，具体功能使用角度分析）
3.2（该指标是从开发者，软件的性能角度分析）
4、经济指标
随着信息技术的发展，移动网络、多种高科技术设备的使用，各类虚拟服务、社交网络、协同创作等新型应用模式的扩展都提出了全面基于网络和信息全新的创造和生产模式的使用。

在此大数据发展背景下，如何将数据转换成产品、服务已成为企业未来发展及研究的主要方向，它将数据的分享、收集整合、分析以及结果融为一体，影响着企业的发展与经营管理的改善。

在培训行业中对于咨询用户服务以及客户关系的维护，采用的满意度调查方式应用了大数据技术，针对培训咨询来说可提升对客户的有序管理以及其转换率，为其提供有价值的服务资源。

以便客户管理与维护更加快捷具有效率，同时也指导着培训企业针对客户的反馈信息制定更加合理的客户维护策略方案，有利于培训企业的发展。

四、计划工作进度
2016年1月1日至1月15日：
需求征集
2016年1月16日至1月31日：
需求分析阶段和需求确认阶段
2016年2月1日至2月20日：
设计阶段，进行需求分解，并进行设计
2016年2月21日至3月31日
根据细分设计需求编码、测试。