RD立项报告模板1

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。