客户信息系统(数据挖掘)

客户信息管理系统目次1绪论12理论背景及开发方法介绍23系统分析84系统设计395系统实现54结论60致谢61参考文献62附录：系统的配置与运行说明63本设计来自：完美毕业设计网登陆网站联系客服远程截图或者远程控观看完整全套论文图纸设计客服QQ：81910401绪论近几年，随着全球经济一体化进程的不断加快，信息化潮流席卷全球，其程度高低已成为衡量一个国家综合国力的重要标志，成为21世纪不可抗拒的必然选择。IT技术和现代管2.1客户关系管理理论22.2数据挖掘技术32.3开发方法52.4系统框架63.1公司背景介绍83.2系统需求分析83.3系统功能分析103.4业务流程分析113.5数据流程分析133.6系统信息建模374.1信息分类394.2体系结构设计404.3代码设计424.4数据库的设计434.5输入输出设计464.6处理流程设计484.7界面设计515.1系统编程与测试545.2系统实施555.3系统维护59理思想的引入，为竞争压力下的中国企业注入勃勃生机。进入WTO以后，我国企业将直接面对全球竞争，从表面上看是企业之间的竞争，但其实质是不同国家政府之间的管理体制、管理方式、管理职能与管理效率的竞争。企业只有为客户提供良好的服务，才能使企业在严酷的国际竞争中获取竞争优势。客户关系管理作为一种全新的战略思维和工作方法，正以前所未有的速度在各个企业中迅速普及，给企业带来新的管理技术和管理思想，并对企业原有的企业文化带来一次全新的革命。CRM可以帮助企业充分利用客户关系资源，扩展新的市场和业务渠道，提高顾客满意度和企业的盈利能力，使企业在激烈的竞争中得以立足和发展。本文正是在该理论基础上对一个特定企业的客户信息系统进行开发和设计，分为四个部分进行。第一部分从客户关系管理的基本理论出发，阐述了客户关系管理的产生背景、发展历程、基本概念和作用，接着介绍了和客户关系管理紧密相关的数据挖掘的理论，数据技术的发展。同时说明了系统开发涉及到的开发内容和方法等。第二部分从对JH_BOOK公司销售部门现状入手对其客户信息系统作需求分析。分别从需求分析、业务流程分析、功能分析、数据流程分析和信息建模几个方面进行。第三部分主要对客户的信息管理系统的设计。按照系统设计的步骤展开。最后通过系统的测试、实施和维护来实现系统，实现对销售部门的业务流程的优化。在系统实施中对于客户类型的划分的模块实现上采用了传统数据挖掘技术，即以JH_BOOK公司的销售部门的部分客户数据为案例，通过统计分析软件SAS对客户的类型划分。2理论背景及开发方法介绍2.1客户关系管理理论客户关系管理CustomerRelationshipManagement，CRM），从管理科学的角度来考察，CRM是一种“以客户关系一对一理论”为基础，以客户为中心的市场营销理论和战略，旨在改善企业与客户之间关系的新型管理机制，同时也是包括一个组织机构判断、选择、争取、发展和保持客户所要实施的全部商业过程。“客户关系一对一理论”认为，每个客户的需求是不同的，只有尽可能地满足每个客户的特殊需求，进行一对一个性化服务，企业才能提高竞争力。每个客户对企业的价值也是不同的，通过满足每个客户的特殊需求，特别是满足重要客户的特殊需求，企业可与每个客户建立起长期稳定的关系，客户同企业之间的每一次交易都使得这种关系更加稳固，从而使企业在同客户的长期交往中获得更多的利润。因此，CRM的实质就是企业基于客户知识的获取、存储、传递、转化、整合、创造等管理过程。从解决方案的角度考察，它是将市场营销的科学管理理念通过信息技术集成在软件上，在网络时代的客户关系管理应该是利用现代信息技术手段，借助IT系统可以对业务流程和管理结构进行调整，把业务流程、管理结构和IT系统三者结合起来考虑，在企业和客户之间建立一种数字的、实时的、互动的交流管理系统。所以，CRM的内涵是企业利用IT技术和Internet技术实现对客户的整合营销，是以客户为核心的企业营销的技术和管理实现。CRM的核心管理思想包括以下三个方面：客户是企业发展的最重要资源之一；对企业与客户发生的各种关系进行全面管理；进一步延伸企业供应链管理。1）CRM的发展经历客户关系管理理念的出现与美国企业的管理体系和信息技术40多年来的发展历程密切相关。20世纪80年代中期，信息技术和IT产业开始进入飞速发展的阶段，许多企业为了降低成本、提高效率、增强竞争力，纷纷重新设计业务流程，MRPII、ERP等信息系统的实施大大提高了企业内部业务流程的自动化程度，效率得到明显改善，企业可以有更多的精力关注与外部相关利益者的互动，以便抓住更多的商业机会。随着日益激烈的市场竞争，企业所处的市场环境从卖方市场过渡到买方市场，赢得客户长久的信任和支持对于企业的重要性空前提高，一些可以帮助企业从各个方面进行客户管理的技术和管理思想相继出现，CRM系统应运而生。客户关系管理起源于20世纪80年代初提出的“接触管理”ContactManagement），即专门收集整理客户与公司联系的所有信息。到90年代初期，则演变成为包括电话服务中心与支援资料分析的“客户关怀”CustomerCare）。1990年前后，许多美国企业为了满足日益竞争的市场需要，开始开发销售力自动化系统和发展客户服务系统，虽然增强了特定的商务功能，但却未能提供完整的加强越个体客户间关系的手段。1996年后，一些公司开始推出整合交叉功能的CRM解决方案，把内部数据处理、销售跟踪、客户服务请求融合一体，不仅包括软件，还包括硬件、专业服务和培训，为公司雇员提供全面的及时的数据，然他们清晰了解每位客户的需求和购买历史，从而提供相应的服务。20世纪90年代后期，Internet技术的迅猛发展加速了CRM的应用和发展。WEB站点、在线客户自助服务和基于销售自动化的电子邮件让每一个CRM解决方案的采纳者进一步拓展了服务能力。2）应用现状CRM与ERP，SCM并称作提高企业竞争力的三大法宝。CRM是ERP、SCM、电子商务等系统与客户交互的平台，在企业与客户间提供一个统一高效的平台。CRM系统的主要功能包括：客户信息管理、市场营销管理、销售管理和服务管理与客户关怀。虽然CRM的功能涵盖了以上的方方面面，但是根本的作用为了改善服务，提高效率和降低成本，最终达到提高客户满意度的效果。客户关系管理系统也成为了管理软件厂商追逐的热点之一，以Oracle、Siebel、IBM等为代表的一批顶级IT企业都表现出对CRM前景坚定的信心，己开始在此领域部署解决方案。Oracle、Siebel等软件巨头业己视CRM为未来的重要发展方向，成为CRM应用中的主流厂商。连传统IT产业的代表IBM公司也表示将为CRM的发展增砖添瓦，IBM公司全球产业部总经理LindaSanford称：“IBM公司已经将CRM作为一个主要领域，它将为CRM提供专门的技术。”而众多的CRM渠道和咨询公司也在力争占领新市场的份额，五大咨询公司中安盛、德勤、普华永道都己开始提供CRM咨询，此外还迅速崛起了很多提供CRM服务咨询的公司。对他们来说，这一潜在市场的服务收入将发展成其收入增长的重要来源。2.2数据挖掘技术2.2.1数据挖掘概述1989年8月，在第11届国际人工智能联合会议的专题研讨会上首次提出了基于数据库的知识发现KDD,KnowledgeDiscoveryDatabase）技术。该技术涉及到机器的学习、模式识别、统计学、智能数据库、知识获取、专家系统、数据可视化、高性能计算等领域，技术难度较大，一时难以满足应付信息爆炸的实际需要。到了1995年，在美国计算机年会上ACM）提出了数据挖掘DMDataMining）的概念，即通过从数据库中抽取隐含的、未知的、具有潜在使用价值的信息的过程。因为数据挖掘是KDD过程中最为关键的步骤，因此，在实际应用中对数据挖掘和KDD这两个术语的应用往往不加以区别。1）这里主要从技术角度和商业角度给出数据挖掘的定义：数据挖掘的技术定义：从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、随机的实际数据中提取隐含在其中的、人们所不知道的但又是潜在有用的信息和知识的过程。数据挖掘的商业定义：从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和处理，从中提取辅助商业决策的关键知识，即从一个数据库中自动发现相关的商业模式。简而言之，数据挖掘是一类深层次的数据分析。2）数据挖掘的分类数据挖掘的发展受到数据库系统、统计学、机器学习、可视化技术、信息技术以及其他学科的影响，例如神经网络、模糊/粗糙集理论、知识表示、归纳技术、高性能计算等。如果从常用的数据挖掘技术来看可以分成三大类：传统的分析类、知识发现类、其他最新发展的一些数据挖掘技术。1）传统分析类传统的统计分析或称数据分析）技术中使用的数据挖掘模型有线性分析、非线性分析、回归分析、逻辑回归分析、但变量分析、多变量分析、时间序列分析、最近邻算法、聚类分析等。利用这些技术可以检查那些异常的形式的数据，然后利用各种统计模型和数学模型来解释这些数据，解释隐藏在这些数据背后的市场规律和商业机会。例如，对于图书行业来说，可以利用统计分析工具来区分出大、中、小三种类型的客户，从而更有针对性地对待不同类别的客户，即客户细分。2知识发现类知识发现类数据挖掘技术是与统计类数据挖掘技术完全不同的一种挖掘技术。它可以从数据仓库的大量数据中筛选信息，寻找市场可能出现的运营模式，发掘人们不知道的事实。技术包括：人工神经网络、决策树、遗传算法、粗燥集、规则发现、关联顺序等。2.2.2聚类挖掘聚类clustering）是一个将数据集划分为若干组class）或类cluster）的过程，并使得同一个组内的数据对象具有较高的相似度，而不同组中的数据对象则是不相似的。相似或不相似的度量是基于数据对象描述属性的取值来确定的。聚类分析就是从给定的数据集中搜索数据对象之间所存在的有价值联系。聚类分析在商业方面的典型应用就是可以帮助市场人员发现顾客群众所存在的不同特征的组群，并可以利用购买模式来描述这些具有不同特征的顾客组群。假设我们所研究的对象有n个样本，每个样本由P个变量来描述，则其聚类分析资料结构如下表所示:在聚类分析中为了把具有相似性质的个体聚为一类，具有不同性质的个体位其他不同的类，需要有一个描述变量的相似性或非相似性的尺度，通常这些尺度可分为定居尺度、定序尺度、定类尺度三种尺度。其中定距尺度的变量方法较为常用。定距尺度是利用连续量来表示描述变量；定序尺度是利用有序的登记来表示描述变量。定类尺度是利用一些类来表示描述变量。基本的距离定义有两种：1)Manhatan距离∑∣a-b∣2)欧氏距离∑a–b）2）1/2X1X2….Xp1X11X21….X1p2X21X22….X2p……..…..….….NXn1Xn2….Xnp表2-1聚类分析资料结构因为数据挖掘技术和客户关系管理是紧密相连的，所以在本文对客户信息系统的开发和设计当中，限于对数据挖掘的技术的了解和掌握，仅简单的应用了数据挖掘的知识，即利用一些算法对客户类型进行细分。对于算法的选择上，因为是对客户的数据进行分类，比较适用的算法是聚类算法，即采用聚类分析方法—CLUSTER；对于算法的实现上，采用了统计分析软件SAS来实现。对于该部分的介绍和应用在第五章的系统设计部分，系统客户分类模块的实现上，在该部分将对数据挖掘技术的应用作详细的说明。2.3开发方法本系统开发得主要内容是对该图书发行公司的销售部门所得到的客户信息的管理，并根据系统分析和设计的步骤，建立客户信息管理系统。本文是通过在该图书发行公司调研实习，主要对公司的销售部门在订单数据处理的基础上对客户信息的管理过程进行改造，从而更方便的对客户信息的查询、修改、记录等一系列的操作。提高该部门的内部数据处理效率。系统开发的方法，该系统的研究主要采用了结构化的系统分析与设计方法structuredsystemdevelopmentmeth