1、第四部分（2） 数据挖掘与客户关系管理,5.1数据挖掘概述,5.1.1数据挖掘技术的由来 5.1.2数据挖掘的定义 5.1.3数据挖掘的功能 5.1.4数据挖掘应用 5.1.5数据挖掘未来研究方向,5.1.1数据挖掘技术的由来,数据爆炸但知识贫乏 它的目标是将大量数据转化为有用的知识和信息。 支持数据挖掘技术的基础海量数据搜集、强大的多处理器计算机和数据挖掘算法 数据挖掘逐渐演变的过程数据挖掘作为知识发现过程中的一个特定步骤,5.1.2数据挖掘的定义,技术上的定义及含义数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不
2、知道的但又是潜在有用的信息和知识的过程。 商业角度的定义 数据挖掘是一种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、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。 数据挖掘与传统分析方法的区别 数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识,5.1.3数据挖掘的功能,自动预测趋势和行为 关联分析 聚类 概念描述 偏差检测,5.1.4数据挖掘应用,数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等。,5.1.5数据挖掘未来研究方向,发现语言的形式化描述 寻
3、求数据挖掘过程中的可视化方法 研究在网络环境下的数据挖掘技术 加强对各种非结构化数据的开采 处理的数据将会涉及到更多的数据类型 交互式发现和知识的维护更新,5.2数据挖掘的任务、技术与实施过程,5.2.1数据挖掘任务 5.2.2数据挖掘技术 5.2.3数据挖掘的流程,5.2.1数据挖掘任务,数据总结 分类发现 聚类 关联规则发现,5.2.2 数挖掘技术,人工神经网络 决策树 覆盖正例排斥反例方法 粗集(Rough Set)方法 遗传算法 公式发现 统计分析方法 模糊论方法 可视化技术,5.2.3数据挖掘的流程,5.3 数据挖掘在CRM中的应用,5.3.1从客户生命周期角度分析数据挖掘技术的应用
4、 5.3.2 从行业角度分析数据挖掘技术的应用,5.3.1从客户生命周期角度分析数据挖掘技术的应用,客户生命周期分析 不同客户生命周期阶段出现的数据,客户生命周期分析,不同客户生命周期阶段出现的数据,5.3.2 从行业角度分析数据挖掘技术的应用,零售业中的数据挖掘 ：（1）使用多特征数据立方体进行销售、客户、产品、时间和地区的多维分析；（2）使用多维分析和关联分析进行促销活动的有效性分析；（3）序列模式挖掘可用于客户忠诚分（4）利用关联分析挖掘关联信息进行购买推荐和商品参照。,5.3.2 从行业角度分析数据挖掘技术的应用,电信业中的数据挖掘 ： 电信数据的多维分析有助于识别和比较数据通信情况、系统负载、资源使用、用户组行为、利润等； 通过多维分析、聚类分析和孤立点分析进行盗用模式分析和异常模式识别； 通过多维关联和序列模式分析进行电信服务组合和个性化服务； 电信数据分析中可视化工具的使用。,5.3.2 从行业角度分析数据挖掘技术的应用,金融业中的数据挖掘 为多维数据分析和数据挖掘设计和构造数据仓库； 特征选择和属性相关性计算有助于贷款偿还预测和客户信用政策分析； 分类和聚类的方法可用于客户群体的识别和目标市场的分析； 通过数据可视化、链接分析、分类、聚类分析、孤立点分析、序列分析等分析工具帮助进行洗黑钱和其他金融犯罪的侦破。,
