crm数据挖掘及应用

《crm数据挖掘及应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、周俊颖zhoujunyiny@163.com6CRM数据挖掘及应用沃尔玛公司发现“啤酒+尿布”的案例2021/9/32案例点评点评：CRM运用的成功必须依靠客户数据，对客户数据进行科学地分析，往往会带来意想不到的商机：对客户数据进行初级处理，可以完成基本业务过程；对数据进行高级处理(如数据挖掘)，可以提供企业决策。所以说，客户数据是整个CRM运用的灵魂。2021/9/33第6章数据挖掘及应用学习目标主要内容ProductRegionMonth321学习目标掌握数据仓库的概念及结构掌握数据挖掘的定义及应用了解数据挖掘的流程掌握数据挖掘在CRM中的应用4434主要内容1数

2、据仓库介绍2数据挖掘概述3数据挖掘的具体应用DateProductsumsumTVVCRPC1Qtr2Qtr3Qtr4Qtr（1）数据仓库概念（2）CRM中的数据仓库的应用（3）CRM中数据仓库的体系结构（4）CRM数据仓库的建设与管理数据仓库介绍1CRM数据仓库介绍什么是数据仓库？数据仓库（DataWarehouse）：通常是一个面向主题的、集成的、随时间变化的、但信息本身是相对稳定的数据集合，用于对管理决策过程的支持。面向主题集成的数据相对稳定性时间序列性分析应用性CRM数据仓库介绍数据仓库的本质数据仓库实际上是一个“以大型数据管理信息系统为基础的、附加在这个数据

3、库系统之上的、存储了从企业所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统”。CRM数据仓库介绍数据仓库的产生早期的数据库主要支持联机事务处理决策支持对数据分析的需求传统数据库系统不适宜DSS（DecisionSupportSystem)数据库细节的综合的或派生的当前的历史的可更新不可更新需求事先可知道需求事先不知道符合系统生命周期完全不同的生命周期对性能要求高对性能要求相对宽松事务驱动数据驱动面向应用面向分析一次操作数据量小一次操作数据量大支持日常事务支持管理需求数据仓库CRM数据

4、仓库介绍数据库与数据仓库的比较CRM数据仓库介绍数据仓库的相关概念数据集市DM（DataMart）操作数据存储ODS（OperationDataStore）抽取转换装载ETL（Extract/Transformation/Load）元数据—关于数据的数据粒度联机事务处理系统和分析系统（OLTP、OLAP）数据仓库的应用CRM数据仓库介绍CRM的业务整合需要数据仓库数据清洁与集中需要数据仓库数据分析需要数据仓库数据仓库的模型CRM数据仓库介绍源数据源数据源数据监视器监视器监视器集成器数据仓库应用CRM数据仓库的逻辑结构CRM数据仓库介绍数据仓库系统有源数据、数据仓库系统

5、、分析系统三部分组成。数据仓库的工具主要有：数据预处理工具，数据分析（OLAP）工具，数据挖掘工具，OLAP服务器。CRM数据仓库介绍数据仓库组成与实现CRM数据仓库介绍CRM数据仓库的建设与管理（1）确定需求范围阶段（2）环境评估阶段—硬件软件（3）分析阶段—源数据、主题域（4）数据仓库设计—操作系统接口、本身（5）开发阶段—建模、数据处理、访问、应用（6）测试阶段（7）运行阶段CRM数据仓库介绍CRM数据仓库的建设与管理应用程序统一系统的可用性保证高性能加强监控管理（1）数据挖掘概念（2）CRM中的数据挖掘的应用（3）CRM中数据挖掘流程（4）CRM数据挖掘技术数

6、据挖掘概述2数据挖掘有价值的知识数据库越来越大可怕的数据数据爆炸但知识贫乏CRM数据挖掘概述苦恼:淹没在数据中;不能制定合适的决策!数据知识决策模式趋势事实关系模型关联规则序列目标市场资金分配贸易选择在哪儿做广告销售的地理位置金融经济政府POS.人口统计生命周期CRM数据挖掘概述更大,更便宜的存储器--磁盘内存飞快增长--存储器价格下降下降更快,更便宜的信息处理器--分析更多的数据--适应更多复杂的模型--引起更多查询技术--激起更强的可视化技术数据挖掘处理技术--数理统计--人工智能--机器学习支持数据挖掘技术的基础CRM数据挖掘概述（1）数据挖掘概念SAS研究所（

7、1997）：“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”。Bhavani（1999）：“使用模式识别技术、统计和数学技术，在大量的数据中发现有意义的新关系、模式和趋势的过程”。Handetal（2000）：“数据挖掘就是在大型数据库中寻找有意义、有价值信息的过程”。【数据挖掘（DataMining）】CRM数据挖掘概述数据挖掘的概念的理解商业角度数据挖掘作为研究工具数据挖掘提高过程控制数据挖掘作为业务工具挖掘挖掘是从商业环境中收据数据、找出有价值的知识CRM数据挖掘概述数据挖掘的概念的理解技术角度机器学习数据统计—回归、抽样、检验决