论文部分内容阅读
客户关系管理是最近几年管理界热烈讨论的话题。技术的进步、经济的发展以及生活水平的提高，使得原先以产品为导向的企业经营模式已日益不能满足消费者多样化、个性化的需求，客户关系管理就成为企业界关注的领域。尽管客户关系管理从本质讲是一种管理而不是技术进步的结果，但技术进步确实为它的发展提供了最佳契机。如果企业把利润作为自己的目标，客户关系管理则是达到这个目标的最有用的工具，而数据挖掘则是这个工具的最佳引擎。 数据挖掘是一项较新的数据库技术，它基于从日常积累的大量数据所构成的数据库中发现潜在的、有价值的信息——知识，用于支持决策，存在着广泛的实际商业应用需求。关联规则挖掘是数据挖掘的一个重要分支。由于关联规则挖掘涉及的事务数据库都非常大，提出有效的挖掘算法成了研究的热点。此外，关联规则挖掘是基于事务数据库的，但大量的现实数据库都是关系数据库，如何将关系数据库转换为事务数据库，以及关联规则挖掘算法在实际应用中怎样具体实现，目前尚无统一的方法。 本论文主要研究了客户关系管理中的数据挖掘的技术、方法及应用，所做的主要工作如下： 1．论述了客户关系管理的产生、基本概念和客户关系管理系统，提出了客户关系管理的SCOPE模型； 2．介绍了数据挖掘的由来、定义、特点及分类，并着重阐述了关联规则挖掘的基本方法； 3．分析了传统的关联规则挖掘算法Apriori算法，指出其不足之处，提出一个有效的关联规则挖掘算法BVAG算法，并用C语言编程实现了这两个算法，进行性能比较分析； 4．探讨了数据挖掘在CRM的应用及实施步骤。针对所选的应用实例，进行实证分析，包括：进行数据预处理实现关系数据库到事务数据库的转换，寻找频繁项集、输出关联规则、建立预测模型，并对结果进行了商业分析。以此发现和总结在实际商业应用中实现关联规则挖掘的一些问题及解决方法。