CRM试用热线:400-600-7912
>>>

数据挖掘的几项关键技术

大多数据 仓库都采用星形模式来表现多维数据,星形模型由事实表和维 表组成,多个维表之问形成数据结构。数据表现的功能主要棠 中于多维分析、数理统计和数据挖掘。

数据仓库在CRM中的主要作用可概括为客户行为分析、重 点客户发现和市场性能评估三个方面。

3.2. 1.3数据挖掘技术

数据挖掘又称数据库中的知识发现,即从大型的数据库或 数据仓库中提取隐含的、未知的、非平凡的、有潜在应用价值 的信息或模式,融合了数据库、人工智能、机器学习及统计学 等多学科理论和技术。在CRM系统中,数据挖掘就是对大la的 客户数据借助各种分析方法,透过无序的、表层的数据挖掘出 内在的信息,并根据信息设计模型,对未发生行为做出预测。 根据采用的技术分类,最常用的数据挖掘技术包括:决策树方 法、统计分析方法、神经网络方法、粗集方法、模糊逻辑方法、 遗传算法、聚类分析和模式识别、最临近技术等。

3.2.2.1决策树方法

数据挖掘的决策树方法是目前最有效且应用最广泛的方法 之一,它被应用于商业研究和应用过程之中,如信用卡客户流 失预测、不同国家货吊间的汇率变化的时间序列分析预测。决 策树方法着眼于从一组无序的、无规则的_例中推理出以决策 树形式表示的分类规则。决策树采用自上向下的递归方式,在 内部节点进行厲性值的比较,并据此判断该节点向下的分支, 在决策树的叶节点得到结论。