论文部分内容阅读
随着我国经济的发展和住房消费市场的不断发育成熟,房地产行业的竞争也越来越激烈。房地产企业要想在竞争中制胜,就必须重视市场和客户的需求,对市场的各种变化有充分的信息支持和准确的市场判断。因此,信息资源的分析和整合在竞争中的作用也越来越明显。众所周知,房地产行业拥有大量的数据积累,包括行业信息、经济环境信息、客户信息等。这些数据是房地产企业市场运作的重要参考。面对快速增长的海量数据收集,企业必须要有有力的数据分析工具将“丰富的数据”转换成“有价值的知识”,否则大量的数据将成为“数据丰富,但信息贫乏”的“数据坟墓”。 目前,数据库技术在各行各业都已经得到广泛应用。在存储于数据库中的大量数据背后,隐藏着许多重要信息,这些信息是关于数据的整体特征的描述及对发展趋势的预测,在决策生成的过程中具有重要的参考价值,可以很好地支持人们的决策。目前对于获得这些信息运用比较多的是知识发现技术。数据库中知识发现是从数据中识别出有效的、新颖的、潜在有用的乃至最终可理解的模式的非平凡过程。它不但能够学习已有的知识,而且能够发现未知的知识,且得到的知识是显式的,既能为人所理解,又便于存储和应用。用知识发现的方法对房地产企业的客户信息进行数据挖掘,有助于发现业务发展的趋势,揭示已知的事实,预测未知的结果,并帮助企业分析出解决问题所需要的关键因素,使企亚处于更有利的竞争位置。 本文将知识发现与数据挖掘技术引入房地产企业客户信息的研究中,综合运用知识发现的技术手段、客户研究的理论以及房地产行业研究的背景和基础,着重分析了知识发现方法在基于客户价值的客户细分分析、基于聚类分析的客户价值分析和基于模糊层次分析的客户满意度分析方面的应用,构建了基于知识发现的房地产企业客户信息分析系统模型与具体流程。 希望本文的研究能为房地产企业提供一些有实际意义的帮助,使其决策者们能够更准确的定量分析一些客户信息,提高决策的科学性,从而提高其市场竞争能力。