第八章 数据管理与客户关系管理

第二节 数据挖掘
构造决策树的关键是拆分，要从三以下个方面进行考虑： （1）拆分的规则；（2）拆分的数目；（3）拆分的控制
Leabharlann Baidu
3）遗传算法
遗传算法（Genetic Algorithms，GA）是J.H.Holland根据生物进化模型提出的一种优 化算法。
首先在解空间中取一群点，作为遗传开始的第一代。
每一点（基因）用一个二进制数字串表示，其优劣程度用目标函数来衡量。
第一节 数据仓库
二、客户数据
（一）客户数据来源
1.内部来源
内部来源指从企业内部经营中获得的，最真实、最重要的数据来源。 2.外部来源 外部来源指从企业之外获取，但与企业密切相关的信息来源，主要包括市场需求 信息、竞争对手信息、宏观环境信息等。
第一节 数据仓库
二、客户数据
（二）有效处理客户数据
客户关系管理系统中的数据处理流程包括五个阶段：
第一节 数据仓库
三、客户知识
（一）客户知识概述
客户知识是以客户数据为基础，利用数据分析技术推断和预测出对决策有价值的知识。 客户知识包括客户需求和反应，例如客户分类、客户关联购买模式、客户购物顺序等。
（二）客户知识应用
客户知识应用覆盖在客户关系管理的各个方面。
（三）客户隐私与保护
企业可以采取以下措施来保护客户数据： 1.构建匿名信息系统；2.尊重客户隐私；3. 基于角色的权限管理 4.技术安全措施；5.管理制度建设；6. 挖掘汇总数据
的回答，建立决策树，如下图所示。
第二节 数据挖掘
年收入高于4万
是
否
负债高于8万
工作时间长于5年
是 客户1 （高风险）
否 客户2 （低风险）
是 客户3 （低风险）
否 客户4 （高风险）
决策树结构示意图
银行工作人员可利用上面这棵决策树来判断贷款风险的大小，决定支持哪些贷款、拒
绝哪些贷款。假如当“年收入＞￥4 000”和“高负债”的用户被认为是“高风险”，同时 “收入＜￥40 000”但“工作时间＞5年”的用户，则被认为“低风险”而建议贷款给他。
5.客户满意度分析
• 数据挖掘可以帮助企业进行客户满意度分析。 • 利用数据挖掘分析客户对企业产品或服务的满意度，可以帮助企业了解客户需 求和期望，发现企业在产品、服务和管理上的不足，为企业改善经营策略、提 高客户忠诚度指明方向。
谢谢！
分析性：能在无需编程的情况下进行逻辑分析和统计分析，并给出报告；
多维性：支持多维视图和多重层次的数据分析； 信息性：联机分析处理系统能及时获得信息，并且能够管理大容量信息； 共享性：联机分析处理能够为用户安全地提供数据共享。
第一节 数据仓库
（二）联机分析处理技术的分类
1.基于关系数据库的联机分析处理（ROLAP） ROLAP（Relational OLAP）是基于关系数据库的联机分析处理，以关系数据库为核 心，通过关系型结构进行多维数据标示和存储。 2.基于多维数据库的联机分析处理（MOLAP） MOLAP（Multidimensional OLAP）是基于多维数据库的联机分析处理，以多维数 据组织方式为核心。 3.基于混合数据组织的联机分析处理（HOLAP） HOLAP（Hybrid OLAP）表示基于混合数据组织的联机分析处理。
第一节 数据仓库
• 是描述客户的数据，包括客户基本信息、客户属性、 客户消费行为等信息
具有描述性 质的数据
具有营销性 质的数据
• 是企业市场营销活动过程中的数据，包括促销活动、广 告、消费者使用情况等信息
• 是企业在与客户交易过程中产生的数据，包括消费者
具有交易性 质的数据
购买中产生的数据、消费者购买后的售后服务等信息。
第二节 数据挖掘
3.客户信用分析
• 数据挖掘技术可以有效分析出客户的信用状况，预测出可能发生的欺诈风险。 • 客户信用数据挖掘主要应用于银行和保险等行业的客户关系管理系统中。
4.客户获得和保持
• 数据挖掘可以帮助企业识别出潜在客户，提高客户对营销活动的响应。 • 在进行客户获得和保持的数据挖掘时，一定要对企业服务和产品的市场有清晰 认识。
３ W13 １ W15 W24 ２ W25 ５ W56 W23 W14 ４ W36 W46
６
带权重Wxy 的神经网络
第二节 数据挖掘
（五）数据挖掘方法
2）决策树 决策树是对数据样本进行识别和归类的方法。
决策树在一系列的拆分点把数据空间分割成树型结构，每个拆分点代表一个测试，每 个测试结果都产生分支，画成图像很像一棵树的枝干，所以称为决策树。 根据不同的建树过程，可以划分出不同的决策树算法。应用比较广泛的决策树算法有： 分类回归树（classification and regression tree，CART）； 卡方自检测树（chi-square automatic interaction detector，CHAID）； 信息熵算法树（ID3及其后继C4.5，D5.0）等。 例如，在贷款申请中，对申请的风险的大小做出判断，建立决策树。将收入大于4万作 为根节点，工作年限和负债高低（这里将负债高于8万看作高负债）作为分节点，做出是否
第一节 数据仓库
一、数据仓库概述
数据仓库
清洗 转换 整合 刷新 OLAP服务 器
查询工具 报表工具 数据挖掘 工具 PLAP数据 访问工具
数据集市 数据源
数据仓库体系结构
第一节 数据仓库
二、客户数据
客户数据是客户关系管理系统的灵魂，其必须准确、真实、可靠，才能够帮 助企业完成市场分析、目标确定、销售管理等一系列活动，是企业至关重要的一部 分。 客户数据包括：具有描述性质的数据 具有营销性质的数据 具有交易性质的数据
第一节 数据仓库
四、联机分析处理技术
（一）联机分析处理概述
1.定义：联机分析处理（OLAP）是一种多维查询和分析工具，是由多个多维数据集组 成，通过共享多维信息，从多种角度对信息进行快速、稳定、交互存取，对数据进行更深层 次观察、分析的一类软件。 2.特点：快速性：能在短时间内对大量数据进行处理操作，得出分析结果；
（三）数据挖掘技术
分类、关联分析、聚类分析 、预测、孤立点分析
第二节 数据挖掘
（四）数据挖掘过程
数据挖掘的一般过程主要分为三个阶段：数据准备、数据挖掘、结果评价
数据选择
预处理
转换
挖掘
模式评价
数据
目标数 据 数据准备
预处理 数据
转换数 据 数据挖掘
模式
知识
结果评价
数据挖掘一般过程
第二节 数据挖掘
（五）数据挖掘方法
第一节 数据仓库
（三）多维数据模型上的联机分析处理操作
1．关键术语 1）变量：变量是数据度量的指标，是分析数据时要考察的属性。
2）维：维是观察数据的特殊角度，可以在不同细节程度下进行描述和观察。
3）维的层次：维的层次是观察数据特殊角度的不同程度的细节描述。 4）维成员：维成员是维的一个取值，是不同层次维取值的组合。 2．多维分析操作 1）切片和切块； 2）钻取和卷取； 3）数据旋转
第八章 数据管理与客户关系管理
目录
第一节 数据仓库
第二节 数据挖掘
学习目标
1 2 3
掌握数据仓库的概念 熟悉如何有效处理客户数据
了解客户知识和联系分析处理
4 了解数据挖掘在客户关系管理中的应用
第一节 数据仓库
一、数据仓库概述
定义：数据仓库是一个面向主题的、集成的、相对稳定的、反应历史变化的 数据集合，用于支持管理决策。 分类：可分为企业数据仓库（EDW）、操作性数据仓库（ODS）和数据集市 （Data Mart）三类。 系统划分：数据源、数据仓库管理系统、联机分析处理（OLAP）服务器和分 析工具。
1）神经网络
神经网络常用于分类和回归两类问题上。 在结构上，可以把神经网络划分为输入层、输出层和隐含层：
３ １ ４ ２ ５
输出层
６
输入层
隐含层
神经网络示例
第二节 数据挖掘
神经网络的每个节点都与很多它前面的节点（称为此节点的输入节点）连接在一起， 每个连接对应一个权重Wxy，此节点值就是通过它所有输入节点值与对应连接权重乘积的和 作为函数的输入而得到，我们把这个函数称为活动函数或挤压函数。如图中，节点4输出到 节点6的值可通过如下计算得到：W14×节点1的值+W24×节点2的值。
第二节 数据挖掘
一、数据挖掘概述
（一）数据挖掘的定义
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中获取 有效的、新颖的、潜在的、有价值信息和知识的过程。
（二）数据挖掘与联机分析处理的关系
区别：分析方法不同、变量规模不同、数据对象不同 联系：互补性。联机分析处理的分析结果能够为数据挖掘提供分析依据，数据挖掘可 以拓展联机分析处理的分析深度。
4）统计分析方法
在数据库字段项之间存在两种关系：
（1）函数关系（能用函数公式表示的确定性关系）， （2）相关关系（不能用函数公式表示，但仍是相关确定性关系），
对它们的分析可采用回归分析、相关分析、主成分分析等方法。
第二节 数据挖掘
二、数据挖掘在客户关系管理中的应用
下面介绍五类数据挖掘在客户关系管理中的典型应用： 1.客户群体分类 • 数据挖掘能够完成客户群体分类工作。 • 数据挖掘应用到客户群体分类时，应全面结合企业战略目 标和规划。 2.交叉销售分析 • 数据挖掘可以帮助企业分析出最优的交叉销售匹配方式。 • 数据挖掘和交叉销售的结合要建立在客户和企业双赢的基 础上。
客户数据 收集
数据
数据
数据
商业
预处理
存储
分析
应用
第一节 数据仓库
客户关系管理系统的数据处理流程
客户
客户数据收集 数据仓库 数据预处理 联机数据库 数据存储
联机分析处理 数据挖掘
数据分析
商业应用
现 场 服 务
客 户 服 务
市 场 营 销
产 品 销 售
研 发 支 持
管 理 支 持
· · · · · ·