搜索
11数据挖掘概述1.1数据挖掘的概念数据挖掘(DataMining)是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程,这些模型和关系可以用来做出预测。它是一个多步骤的对大量数据进行分析的过程,它在自身发展的过程中,吸收了数据库、数理统计和人工智能中的大量技术，是一种利用信息资源的有效方法。数据挖掘的功能用于指定数据挖掘任务中要找的模式类型。一般来说数据挖掘任务可被分成描述和预测两类：“描述性挖掘任务刻划数据库中数据的一般特性；预测性任务则在当前数据上进行推断，以进行预测。”一般通过概念分类描述、关联分析、分类和预测、聚类分析等方法去实现。1.2数据挖掘的方法利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不同的角度对数据进行挖掘。1.2.1分类分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。1.2.2回归分析回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。1.2.3聚类分析2聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。1.2.4关联规则关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。1.2.5特征分析特征分析是从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。1.2.6变化和偏差分析偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。1.2.7Web挖掘随着Internet的迅速发展及Web的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，以便识别、分析、评价和管理危机。32数据挖掘在企业中的应用2.1数据挖掘技术在营销管理中的应用根据数据挖掘在企业营销管理中的现实与到目前为止的理论研究成果，认为数据挖掘在营销管理中的应用已渗透到从产品销售关联、潜在客户分析、客户关系管理到广告投放决策等等方面，主要应用介绍如下：2.1.1寻找潜在客户数据挖掘在寻找替在客户主要工作是识别好的潜在客户、为接近潜在客户选择沟通渠道、信息简档的匹配等。不像传统的仅靠营销部门的经验去选择一部分人群，数据挖掘技术提供了许多效果显著的更为精确的定量方法。如在利用简档匹配定义替在客户时，我们可以用距离度量评价替在客户的得分、计算匹配度等，从而更为精准地知道那些人有可能是企业或公司的客户。2.1.2定向市场营销活动企业在选择了一部分人群作为替在客户后，要使这部队部人群成为企业的人现实客户，需要开展许多营销活动。如何开展营销活动、合理安排预算等都是企业迫切需要知道的情报，否则容易造成预算分配不合理、强度与止目标群错位等。数据挖掘在改进市场营活动时主要是采取响应度建模，进而计算固定预算的响应率、从而达到优化营销活的收益。例如，公司想给大量的替在客户发邮件，但每客户的响应度不一样，在不同的普及底线、穿透度要求下利用数据挖掘技术我们可以计算出响应度的排位，从而为合理安排定向营销活动提供决策。2.1.3产品关联分析数据挖掘在零售企业对于产品关联的分析大大地促进产品的销售，传统的做法是按产品分类摆放，但这样企只能获得简单的销量数据并不能获得如购买习惯、捆邦销售等信息。通过关联规则挖掘可经挖掘到所有支持度和轩信度分别大于等于预定的最小支持度和最小置信度的规则，并找出其中的规律。在做此类分析时，常用APRIORI算法去实现。目前，大部分大超市都开始使用关联规则挖掘帮助其决策，为企业的交叉售销、提升销售、销售推荐提供支持，更好地为顾客的服务，实现企业与顾客双赢。2.1.4客户关系管理4在产品高度同质化、客户需求多样化的今天，如何进行有效地客户关系管理已是企业竞争能力提升的的重要基础。以前，人们认为客户关系管理就是“以客户为中心”对客户进行管理，这种观点虽然有一定的道理，但只是概念性描述，没有具体的量化指导措施。只是片面强调表面现象，没有深层次的分析。如无法精准地辩别出那些客户最有价值，对如何保持客户和流失客户分析缺少令人信服的方案。2.2数据挖掘在人力资源管理中的应用2.2.1基于关联规则分析的应用关联规则是行如X→Y的蕴涵表达式，其中X和Y是不相交的项集。关联规则的强度可以用他的支持度和置信度度量。支持度确定规则可以用于给定数据集的频繁程度，而置信度确定Y包含X的事物中出现的频繁程度。最有名的简单的例子就是啤酒和尿布。而在人力资源管理的六大模块中，同样的可以使用到关联规则分析，例如人力资源规划可以与岗位的设计相联系，人员培训管理在一定程度上也影响效绩管理等等。有了这一系列的分析后，我们会得出企业需要招聘什么样的人才。2.2.2基于聚类分析的应用聚类分析师根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是，组内的对象相互之间是相似或相关的，而不同组中的对象是不同的。组内的相似性越大，组间差别就越大，聚类就越好。在人员招聘中，我们将人力资源看做是一个簇，则人员信息为多个子簇。对应聘者的不同信息将其进行分类，划分到某一个字簇，从而形成一个层次聚类。企业只需根据自己的职位需求在这个层次聚类中寻找自己所需的人才。2.3数据挖掘在客户关系管理中的应用通过使用数据挖掘技术，企业能从大量的客户信息中挖掘出有价值的信息，提供给决策者，为企业提供决策支持，也充分发挥了企业实施CRM的效用。2.3.1交叉销售交叉销售是指企业向老客户销售新的产品或服务的营销过程。通过对企业销售数据库中的数据进行关联分析，挖掘出客户的各种特征与购买的商品之间的联系，从而为企业制定合理的销售策略、提高客户的购买积极性。52.3.2客户流失分析分析客户行业，防止客户流失。随着市场竞争越来越激烈，获得一个新客户的开销越来越大，通常是设法留住一个老客户开销的几倍，因此保持老客户就显得更有价值。所以企业利用数据挖掘技术分析客户行为是十分有必要的。找出当前客户中可能流失的客户，采取相应的措施防止客户的流失，达到保持老客户的目的。2.3.3客户信用分析客户的信用分析是非常重要的，因为一旦发生信用风险和欺诈行为，企业将面临巨大的损失。采用数据挖掘技术，可以从客户数据库中的数据分析预测出客户欺诈发生的可能性，使得企业可以准确、及时地对各种欺诈风险进行监视和预警，尽可能的降低自己的风险成本。2.3.4客户类别分析在分析型CRM系统中，可以利用挖掘方法对客户群体进行分类，以便于企业及时地发现高价值的客户，或将现有的其他类型客户转化为高价值的客户。这样企业就可以针对有价值的客户提供更有特色的、个性化的服务，提高客户的满意度和企业的竞争力，为企业创造更多的利润。使用数据挖掘技术，企业可以从收集的大量的客户数据信息中，挖掘出隐藏在其中的，有价值的客户信息，从而更好地了解和洞察客户，并制定出相应的、有效的市场营销和客户服务等决策。数据挖掘技术在CRM中具有非常关键的作用，正是有了数据挖掘技术的支持，CRM的目标才可以更好的实现。63数据挖掘对企业发展的意义随着数据挖掘技术的不断发展和企业越来越重视从营销数据中获得知识，数据挖掘技术的在企业营销数据管理中将扮演着更为重要的角色。同时企业信息化的加强和营销定量分析的俱增，数据挖掘技在企业营销管理的中应用将越来越广。充分利用数据挖据技术为企业的营销管理服务，提高从营销数据库中发现知识的能力，从而使企业在竞争中处于有利位置。商业决策随着市场竞争的越来越激烈，商业环境中的信息越来越密集，企业必须能够深入灵活利用积累的大量数据挖掘潜在的规律，提高决策质量，把握和发现市场机遇，提升企业的竞争力。实施商务智能是一个十分复杂的过程，成功的商务智能应该具备三个要素：商业需求、大量的数据和实现商务智能的技术。因此，商务智能有其特定的实施方法，它包含对企业商务智能需求的明确、对企业现有信息化情况的了解和对各种商务智能技术的充分掌握三个方面。