客户关系管理与数据挖掘

客户关系管理与数据挖掘（精选8篇）

1.客户关系管理与数据挖掘 篇一

客户关系管理论文：基于关联规则的零售业CRM的设计和实现

【中文摘要】随着我国零售行业竞争日益激烈,尤其是大型超市越来越多,传统的营销模式已经不适应现代的新形势了。客户关系管理(CRM)作为一种“以客户为核心”的支持有效市场推广、营销和服务过程的重要经营策略,越来越受到企业重视,有效做好客户关系管理对于企业提升竞争力起着很重要的作用。而在客户关系管理系统的基础上加入数据挖掘技术,可以透过数理模式来分析商家在营销过程中产生的大量资料,划分出不同类型的客户或不同的市场,分析出消费者的爱好和行为的方法,帮助商家保住原有客户,开发新客户,进一步提升客户的满意度。本文在传统客户关系管理系统的基础上,整合了数据挖掘(关联规则)及手机平台的应用,使得系统能够更有效地完成数据分析,更深度地挖掘潜在客户,更及时地为使用者反馈信息。本论文从以下几个方面进行了研究：(1)针对大型超市的工作流程,设计开发了一个大型超市零售业务的CRM,包括客户管理和智能分析等子系统,包含有客户资料查询、商品销量分析、商品销售关联分析和客户消费关联分析等等功能。(2)在客户消费关联分析中,使用数据挖掘中的关联规则Apriori算法对客户消费的商品进行了挖掘,建立了客户消费方式模型,根据客户选择规...【英文摘要】With the increasingly fierce competition of China’s retail industry, especially the wide spread of large

supermarket, the traditional marketing mode cannot adapt to the new situation today.Customer Relationship Management(CRM), an important kind of management tactic, are now attached great importance to which means take the customer as the core to support effective market promotion, marketing and service process.Effecting the CRM effectively plays a very important role in enhancing enterprise’s competiti...【关键词】客户关系管理 零售业 数据挖掘 关联规则

【英文关键词】CRM Retail Industry Data mining Association rules 【索购全文】联系Q1：138113721 Q2：139938848 【目录】基于关联规则的零售业CRM的设计和实现6-71113-1614-16ABSTRACT7-8

第1章 绪论11-17

摘要1.1 引论1.2 系统开发背景11-131.3.1 国外现况13-14

1.3 国内外研究状况1.3.2 国内现况

第2章 客户1.4 本文的内容和组织结构16-17关系管理与数据挖掘理论17-2517-19

2.1 客户关系管理

2.1.2 2.1.1 客户关系管理的基本内涵17-18零售业客户关系管理的特点18-1919-212.2.1 数据挖掘的定义19

2.2 数据挖掘技术

2.2.2 数据挖掘与知

2.3 基于识发现19-202.2.3 数据挖掘的方法20-21关联规则的数据挖掘21-242.3.1 关联规则的概述

21-2224-252.3.2 关联规则挖掘22-242.4 本章小结

3.1 3.1.2 3.2.1 第3章 零售业CRM系统的分析与设计25-47

3.1.1 功能性需求分析25-26

3.2 总体设计27-36需求分析25-27非功能性需求分析26-27设计思想27-31框架结构33-35台的选择36-3936-37

3.2.2 算法模型31-333.2.4 业务数据流35-363.3.1 ADO.NET开发技术

3.2.3 系统的3.3 开发平3.3.2.NET Framework开发技术37-39

3.4.1 操作型数据与分析型数据

3.4 数据设计39-4539-413.4.2 数据库设计41-453.5 零售业CRM系统

第4章 零售

4.2 4.4 进4.6 系功能模块设计45-46业CRM系统的实现47-58短信平台模块49-50销存管理模块54-55统管理模块57望58-6059-60项目63-64

3.6 本章小结46-47

4.1 客户管理模块47-494.3 智能分析模块50-544.5 报表打印模块55-57

4.7 本章小结57-58第5章 总结与展5.1 总结58-59参考文献60-63

致谢64

5.2 今后工作展望攻读硕士学位期间参加的科研

2.客户关系管理与数据挖掘 篇二

企业在不断成长的过程中，会逐渐积累起来相对稳定的客户群体，这一群体将是企业发展的核心助力。因此，对于一个处在上升期的企业，分析维护好属于自己的“自留地”是十分重要的。快递公司的客户相对分散，系统的客户关系管理以及客户维护对于业务员业绩量的提升有很重要的作用，也有助于减少“新老员工”交接时的客户流失。因此建立客户数据库，在进行分析处理的基础上，研究客户消费的倾向性，当然有助于发现现有业务的客户群体，从而有针对性的向客户提出各种建议，使其在需要时第一时间想起本公司。

2 目标客户数据库建立的意义

快递市场竞争的激烈程度与日俱增，企业自己的客户群体已经成为其赖以生存的基础。不能很好的跟踪客户的变化，不能提前研究出客户的发展态势，就很难把握好向已有客户销售的时机。比如，客户今天在你手里收到了一个包裹，那么下一次这个客户很有可能想寄送一个包裹出去，如果没有随时跟踪的数据库，那么，最好的结果是客户存了你的联系方式在手机上，糟糕的结果是客户将包裹交给了其他的快递业务供应商。而如果建立了数据库提醒，在客户有寄送需要之前发出问候，从而使客户感动于售后客服贴心的同时，愉快的跟企业再一次合作。

建立客户数据库可以帮助快递公司准确地找到目标消费群体，判定消费者和潜在消费者的消费标准;帮助企业在最合适的时机以最合适的产品或服务满足客户的需要，从而降低成本、提高销售效率;帮助企业结合最新信息和结果制定出新策略，以增强企业的环境适应性;发展新的服务项目促进企业发展，并促成购买过程简单化，提高客户重复购买的几率;运用数据库建立企业与消费者的紧密联系，从而建立稳定、忠实的客户群体。

3 快递公司目标客户数据库的来源

3.1 记录和积累有过合作经历的客户资料

一线业务员可以采取客户容易接受的方法，请客户留下资料。对于快递公司而言，客户的姓名、电话、联系地址等基本信息是可以在服务同时直接获取的，而客户喜好、工作性质等辅助信息则需要询问才能获得，这时获取客户的信任是关键。

这种数据来源建立起来的客户列表，会随着客户情况的变化，而价值大打折扣。所以，企业应该利用数据库管理工具，在固定的时间间隔内更新数据库，保持数据库信息质量的稳定。

3.2 通过举办展会、营销活动等收集资料

快递公司可以通过举办公司年会、纪念会等营销活动来收集参加者的资料，或者举办与自己业务有关的一些娱乐性的营销活动，通过回收答卷来收集参赛者的资料。通过回收答卷收集资料是一种非常易于操作的方法。因为，在问卷上设有住址、姓名、年龄、职业等栏，收集这些问卷自然就可以获取客户列表建立数据库。当然，这种方式更加适合于对待企业性质的业务量较大的客户。

3.3 通过合作伙伴企业收集相关资料

例如，肯德基和宅急送开展“肯德基宅急送”业务时，相互的客户是部分重叠的，交换各自的客户名单，各自向双方的客户销售产品和服务。这种互换客户的方法，分别建立数据列表，而又不引起双方的竞争，达到双营销效果。

3.4 从专业数据公司购买相关资料

客户列表的一个最重要的来源是专业提供各行业、各类别列表的公司。在购买或租借列表时，一定要根据企业的实际情况，选择最合乎企业要求的列表。列表中那些已有过接触的客户通常比其他数据更有价值。同样的，企业自己建立的列表中的客户要比来自别处的客户列表上的人交易成功率高出三倍甚至三倍以上。

3.5 客户推荐客户，建立更有效的数据库

客户之间互相推荐，本身会带有一定的信任度，建立的数据列表会更为有效。如快递公司可以准备一些吸引人的礼物赠送给那些介绍新客户的老客户，这种经由已有客户介绍的潜在客户，一般是效率最高的潜在客户。

4 快递公司目标客户数据库的建设与管理

4.1 目标客户数据库的建立

以前，建立客户数据库是一件费时费力的事，而且需要投入的财力较大而让一般中小企业望而却步。现在有了快递系统管理软件和互联网，企业可以非常方便、经济地建立自己的客户数据库。

快递公司自建客户数据库有三种方法：电话预约的顾客资料可以立刻输入到管理软件的客户数据库中去;一般快递公司还拥有自己的独立网站，通过在网站上订单的方式要求顾客留下相关的资料;另一种方法是在公司网站上提供更多促销优惠活动信息等以便吸引消费者来本网站注册，通过注册会员的方法可以获取更加详细的顾客资料。

4.2 目标客户数据内容

我们分析目标客户的时候要注意那些相关性，比如目标客户某些特征会对业务开展有直接关系，比如消费能力、职业、快递习惯、时间性等，这些特性描述出来以后，针对目标群体进行持续反复的营销，也可以各种营销手段交叉性的来做，比如发电子邮件、短信等。为了使客户数据库具有必要的完整性，应该在客户数据库中存放四种类型的数据信息：

(1)身份数据。如果客户是个人，则应包括姓名、年龄、就业状况、收入状况、生活方式、工作性质等;如果是商业客户则应包括企业名称、工作描述、部门或分公司、经营领域、主要产品或服务、雇员人数、年营业额级别等。

(2)地址数据。它是与客户或潜在客户开展业务的关键。个人客户应包括详细的通信地址、邮编等，公司还可以按照对自己最有用的方法自行设计代码便于分类比对。

(3)快捷联系方式。快递特点就体现在“快”字上面，因此对客户和潜在客户开展营销活动应该使用快捷联系方式。其中应当包括电话、电子邮件、QQ、微信等时尚联络方式。

(4)行为数据。这是跟消费者的快递习惯有关的十分重要的数据。如快递类型主要是家庭型还是业务型、对送件与接件时间的要求、接件地点、紧迫程度等。

4.3 目标客户数据分析与使用

4.3.1 确定数据来源

客户列表的来源很广，但不论用什么方式，都应事先清楚企业到底需要包括哪些必须字段的数据，然后根据这个要求进行小规模的测试，尽量挑选准确率高的数据来源。

4.3.2 数据格式化

从不同来源获取的数据，可能数据的格式存在差异，就必须在进入正式的数据库之前，先按要求统一设计好格式。其中包括必要的字段设置、挑选的数据库软件(EXCEL,ACCESS,SQL)，数据库的查询设置等等。当然也可以将这部分工作交由外部的数据公司，让其根据要求来增加或减少一些字段的设置，然后利用软件自带的导入/导出功能即可。

4.3.3 去重比对

在实际操作中，客户数据可能有很多批次，时间上都会有先后之分，并且新数据会和已有的数据冲突，所以每当新进一批客户列表，必须与已有列表进行比对，利用软件自带的函数命令(如excel里常用的函数是vlookup)，进行新旧客户列表在关键字的比对，比对都有一个标准，这个标准通常是新旧表格里都用的通用字段，比如数据的编码，具体可根据公司的实际情况来设计，比对后删除重复数据。

4.3.4 信息更新

用专业的程序和命令检查名单重复情况，并进行资料更新与准确率查询。如遇到重复情况，最好是把重复的数据拿到一边，专门进行核实，以获得最准确的信息更新。

4.3.5 分配前的准备

一般到了更新信息的步骤之后，就可以分配给业务员了。但分配之前，最好根据公司的实际情况进行分类和分级。可按区域、收入等来进行分类，然后再交给相应片区的业务员;重点客户应重点培养。

5 小结

在信息技术高度发达的今天，建立客户数据库可使企业与客户之间的交流沟通更加高效、便捷，帮助其在信息时代抢占市场竞争的战略制高点。因此，国内快递公司应重视开展目标客户数据库营销，加大力度建立与使用客户数据库。

摘要：文中旨在帮助快递公司更好地管理客户信息、保留客户以及提升客户价值。通过对客户信息的完整挖掘与记录,可以让新进销售人员在前人的基础上跟进,维护与客户的联系,最终使快递公司在信息时代占据竞争的制高点。

关键词：目标客户,数据库,客户关系管理

参考文献

[1]陈中.通信业客户分析系统数据库建立[J].电脑编程技巧与维护,2011.

[2]王爱君.浅议数据库在客户关系管理中的价值应用[J].大家,2008.

[3]冯英健.网络营销基础与实践[M].北京清华大学出版社,2009.

[4]胡卿,林凤.汽车行业关键客户维护策略研究[J].管理观察,2008.

[5]张娟.论CRM与数据库营销[J].长春理工大学学报(社会科学版),2006.

[6]何恒波.浅论服务业营销的顾客关系管理[J].价值工程,2011.

3.客户关系管理与数据挖掘 篇三

关键词 数据挖掘 客户关系管理 关联算法 粗糙集方法 聚类

中图分类号：TP311.13 文献标识码：A

对于企业而言，“以客户为中心”的最终目的是企业自身利润的最大化。因此，企业还需进一步对真正的客户的价值进行挖掘。客户的价值挖掘工作要求企业通过数据分析，掌握客户的行为规律，运用于企业决策中。随着数据仓库、数据挖掘技术的发展和成熟，客户的价值挖掘工作得到了必要的技术支持。

1数据挖掘技术

数据挖掘是从大量的、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、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘常用的分析方法包括分类和预测、聚类分析、关联规则、序列模式、孤立点分析等。本文分别从关联算法、粗糙集方法和聚类等角度阐述数据挖掘技术在客户价值管理中的应用。

2数据挖掘技术在客户价值管理中的应用

2.1发现新客户

2.1.1 数据挖掘应用需求

“以客户为中心”的CVM，客户是企业的生命，不断获取新客户是企业生存和发展的必要条件。发展新客户的目的是将潜在的客户转变成消费企业的产品或服务的现实客户。针对不同的消费者需要采用不同的策略才能有效的获取到需要的新客户。另外，客户也分优劣，选择优质客户进行获取是企业获取新客户的先决条件。采用数据挖掘可以辅助新客户开发活动。

2.1.2 Apriori算法

APr1ori算法是最著名的关联算法。此算法利用一种逐层搜索的迭代方法：k项集用于探索（k+1）项集。具体方法是：首先找出频繁1-项集，记为L1；然后利用L1来挖掘L2，即频繁2-项集；不断循环下去直到无法发现更多的频繁K-项集为止。

Apriori算法利用了两个重要性质。

性质1：k维数据项目集x是频繁项集的必要条件是它的所有k-1维子集均是频繁项集。

性质2：若k维数据项目集x的任一k-1维子集不是频繁项集，则x不是频繁项集。

对于新客户的发展而言，得到了新客户的市场反馈并收集之后，就可以使用Apriori算法对客户数据提取特征。

2.2 客户保留

2.2.1 数据挖掘应用需求

随着市场竞争的日益激烈，大部分市场己趋于饱和状态。获得一个新客户的成本越来越高，因此，保留原有客户的价值也显得越来越重要了。对于客户保留，企业可通过数据挖掘对客户数据库中大量的客户信息作针对性研究，根据分析结果制定使潜在离开者留下来计划和方案，改善客户关系，争取保持客户并提高收益。

2.2.2 粗糙集算法

粗糙集是由波兰学者Z.Pawlak在1982年提出的一种研究不精确、不确定性问题的数学工具，其基本思想是，将数据库中的属性划分为条件属性和结论属性，把数据库中的元组根据各个属性不同的属性值分成相应的子集，然后根据条件属性划分的子集和结论属性划分的子集之间的上下近似关系生成判定规则。其中下近似是指所有对象都一定被包含，上近似是指所有对象可能被包含。

设{X1，X2，X3，…}是基于条件属性的划分，{Y1，Y2，Y3，…}是基于结论属性的划分，则有：

定义1：Yj最小包含（下近似）X，是指等价类X，中的所有元素都包含在Yj中；

定义2：Yj最大包含（上近似）X，是指等价类X，中的所有元素可能包含在Yj中。

2.3 客户分类

聚类已经被广泛地应用于许多领域，聚类分析根据在数据中发现的描述对象及其关系的信息，将数据划分成有意义或有用的簇（也可以称为组）。其目标是，簇内的对象之间是相似的（相关的），而不同簇中的对象是不同的（不相关的）。簇内的相似性（同质性）越大，聚类就越好。

K-均值算法是一种迭代算法，也是一种最古老的、最广泛使用的聚类算法。

利用K-均值聚类算法所得到的组，组内成员间的相似程度很高，同时不同组中成员的相异度也很高。给定组K={t1，t2，…，tm}，则其均值定义为：

M=（t1+t2+…+tm）/m。

其基本算法如下：

（1）选择K个点作为初始均值，K是用户指定的参数，即所期望簇的个数；

（2）repeat；

（3）将每个点指派到最近的均值，形成K个组；

（4）重新计算每个组的均值；

（5）until均值不发生变化。

3结语

客户关系管理是企业保持市场竞争力的重要手段和不可缺少的重要环节。数据挖掘作为一种先进的数据分析的方法，是实现对客户数据进行深入分析的有效工具。对于管理人员来说，掌握这方面的知识是必要的，可以为公司管理客户提供有价值的信息。

参考文献

[1] 李蕾.数据挖掘技术在客户关系管理中的运用[J].企业活力，2006.03.

[2] 顾桂芳，何有世.数据挖掘在客户关系管理中的应用研究[J].江苏商论，2007.07.

[3] 黄洁.基于数据挖掘技术的客户关系管理：以电信企业为例[A].中国企业运筹学学术交流大会论文集[C]，2007.

[4] 庄小将.数据挖掘在客户关系管理中的应用[J].广东财经职业学院学报，2008.02.

4.客户关系管理的数据采集过程分析 篇四

要使CRM产生效益首要任务就是数据采集。所谓数据采集即对大量数据中的新奇、隐含和可控的知识进行重要提取并且可利用其做出准确的预测，找到好的顾客，提出合适的附加产品等。一般数据采集包含以下六步：企业定义→数据储存→数据选择→数据建模→数据评估→部署，如图1所示。

图1 数据采集步骤

企业定义

数据采集本身就是解决实际的业务问题。首先数据采集的目标应该根据公司的商业需求以及对原始数据和实际操作的分析来定义。企业必须清楚自己的目的才能最好的利用数据采集。例如，根据 “提高反应速度”或“增加反应价值”的特定目标，企业就需要建立一个截然不同的模型以加强服务中心的反应。

数据采集在客户关系管理中通常应用于以下四个领域：保留客户;客户服务与支持;市场研究;提高客户忠诚度。

数据储存与选择

在数据储存阶段的主要任务是收集数据，同时应该注意：数据不可以储存在数据库管理系统中，而是储存在xml文件和excel里。

为了CRM的应用，数据通常通过客户、产品、市场来收集。客户的资料通常包含名字、年龄、性别、收入、工作、信用等级、是否结婚、是否有孩子等等。

数据选择是数据采集六步骤中最重要的阶段之一，

前一个阶段收集的数据当然不是全部有效的，它可能包含噪声数据、不一致的数据和模棱两可的数据。如果要得到精确的结果，数据选择是必须的。它通常由下列三个步骤组成：数据提取、数据处理、数据集成和转换。

数据提取。解决一个具体的业务问题，我们不需要所有的数据。应该保留相关数据并且剔除无用数据。例如，为了增加服务中心的反应速度，客户的性别应该被提取。

数据处理 。在数据处理阶段，应该用平均值填充噪声数据，改正不一致的数据，并且除去模棱两可的数据等等。

数据集成和转换。收集的数据通常存放于不同类型的数据库管理系统或文件中，这就需要将其输出到统一的数据集中，这也就是数据集成和转换的重要任务。

数据建模

数据建模是一个重复的过程。我们需要探究许多模型从而找到一个最适当的模型来解决实际存在的业务问题。在搜索模型时，有时需要重新对先前的数据进行改动。在决定所做预测的类型以后，必须选择一种模型类型做预测。

在建立模型之前，应将收集的数据分成两组。一组用于建立和训练模型，另一组用于评估之后建立的模型。目前已经存在许多成熟的模型。但是要应用CRM软件解决业务问题，究竟哪种模型最适用于解决具体的业务问题呢?主要有以下三种：

分类和聚类。根据客户不同的购买模式和个人资料，可对客户进行分组。对客户进行分类在CRM中发挥着重要作用，特别是当实施营销战略或决定价格灵敏度时。对客户分类可以将目标市场定义为片段的集合，每段具有不同的特征。我们采取不同的策略来满足每个片段的不同需要从而保持与各户的有利可图的长期关系。决策树是用于该领域的最有代表性的算法。

回归分析。回归分析主要用于分析市场趋势。市场分析包括新产品趋势分析，通过趋势分析从而提出紧密联系市场和不同地区不同需求的反映季节趋势的产品。决策树也是该领域的算法。k-mean是用于该领域的最有代表性的算法。

5.浪潮主数据管理产品典型客户案例 篇五

浪潮集团有限公司 2015年1月

目录

1.中储粮油脂主数据管理..........................................3

1.1.项目背景................................................3 1.2.建设内容................................................4 1.3.项目成效................................................6 2.中国中铁物资主数据管理.......................................8

2.1.项目背景................................................8 2.2.建设内容................................................9 2.3.项目成效...............................................10 3.中交天津航道局数据整合......................................12 3.1.项目背景...............................................12 3.2.建设内容...............................................14 3.3.项目成效...............................................14 4.上海建工财务主数据管理.......................................16 4.1.项目背景...............................................16 4.2.信息化建设情况.........................................17 4.3.项目成效...............................................19

1.中储粮油脂主数据管理 1.1.项目背景

中国储备粮管理总公司是中央直接管理的涉及国民经济命脉和国家经济安全的重要国有骨干企业，注册资本166.8亿元人民币。其主要任务是受国务院委托，具体负责中央储备粮的经营管理。中国储备粮管理总公司是目前中国最大的粮油企业之一，拥有强大的粮油收购、仓储、物流、加工和销售能力。

中储粮油脂有限公司是中国储备粮管理总公司设立的专门负责油脂油料经营管理的专业化公司，其主要任务：一是管理中央储备油脂油料，确保中央储备油脂油料数量真实、质量完好，确保国家急需时调得动、用得上；二是执行国家对油脂油料市场的宏观调控任务，维护市场稳定，维护农民利益；三是搞好中央储备油脂油料轮换，开展油脂油料经营，提高市场占有率；四是发展油脂加工产业和物流体系，延伸产业链条，逐步将公司发展成为集仓储、贸易、加工和进出口为一体的大型专业化油脂油料公司。

中储粮油脂有限公司经营范围为：中央储备油脂油料的收购、储存、加工、销售及相关业务；粮油收购、储存、加工、销售、检验及相关设备、材料、包装物销售；进出口业务。中储粮油脂有限公司目前直接管理的储备油脂油料储备库遍布全国各地，并全资或控股拥有各类油脂油料加工厂、粮油中转、贸易、期货经纪公司等多家企业。

企业在启动ERP项目之初，就意识到建立数据标准规范的重要性并首先启动了基础数据管理规范及主数据系统建设项目。1.2.建设内容

浪潮为中储粮油脂公司规划设计了基础数据标准编码规范和主数据系统构建工作。1.基础数据编码规范

基础数据编码规范共包括公共基础数据、财务管理、统计管理、计划管理、仓储管理、资材管理、进出口管理七个大类、五十三个小类的基础数据编码规范工作。

2.主数据系统构建

MDM系统的核心功能是对基础数据（标准编码）进行管理。系统功能包含：基础数据（标准编码）管理框架，支持随时增加基础数据种类的管理功能；基础数据（标准编码）的申请、审核、确认

的流程管理功能；分布部署下的基础数据（标准编码）申请、下发、同步功能。

1.3.项目成效

该项目成果用于中储粮油脂公司各直属企业的编码规范以及用于中储粮总公司、分（子）公司及各承储库的信息处理和信息交换。通过该项目实施，中储粮油脂公司实现了： 1.集团管控一体化

有助于在集团层面建立起统一标准的信息管控平台。2.集团经营业务透明化、过程可视化、可控化

系统通过统一的信息管理平台，实现经营过程透明化，业务过程可视化、可控化，有效提高集团监控能力，减低集团经营风险，3.集团资源集中管理，有效利用

系统通过统一的信息管控平台，对企业人、财、物、计划、质量等核心资源进行集中管控，有效提高集团的资源利用效率。包括：

集团客户、供应商统一管理；集团内物资资源集中管理；集团内各制造单元，各环节的质量信息全程可视化跟踪；集团内人力资源统一管理；集团资金集中管理，统一使用。

2.中国中铁物资主数据管理 2.1.项目背景

中国中铁股份有限公司（中文简称中国中铁，英文缩写CRECG，股票代码：601390）前身是成立于1950年3月的中华人民共和国铁道部工程总局和设计总局，1958年合并为铁道部基本建设总局，1989年7月1日，组建为中国铁路工程总公司，2003年5月起隶属国务院国资委管理，为中央特大型骨干企业。2007年9月，整体重组创立中国中铁股份有限公司，于当年12月3日和7日分别在上海、香港两地上市。

中国中铁业务覆盖勘察设计、施工安装、工业制造、房地产开发、资源矿产、金融投资等多个领域，总资产4687亿元，净资产813.5亿元，是全球第二大建筑工程承包商，连续七年进入中国建筑500强，2011年排名榜首。目前，中国中铁在中国企业500强中排名9位，在中央企业排名第6位。在“2011中国企业500强”中，以营业收入4736.63亿元人民币列第4位。目前公司现拥有46家二级公司，其中特大型施工企业16家，大型特大型勘察设计咨询企业6家，大型工业制造和科研开发企业3家，以及多家国际业务、房地产开发、矿产资源开发、投资建设管理、信托投资公司。

自2008年以来中国中铁股份公司提出了“一个中心、两个加强、四个集中”的总体发展思路，其中大力推行资金、物资、设备和分包的“四个集中”管理，在加强资金、物资和设备集中管理、采购

和调配的基础上，积极探索对工程分包进行集中管理的方式方法，规范分包行为，建立健全分包准入、合同、考核管理体系，加强单价定额和验工计价管理，降低企业成本。2013年，公司提出在股份公司建设电子商务云平台项目。2.2.建设内容

中国中铁当前并没有制定统一的物资编码标准，在各下级单位建设的物资管理和项目管理等系统中，物资编码信息都是按照各自的需求和标准进行编码的，同种物资在不同的系统中编码不唯

一、不统一，甚至同一物资在同一系统中也会出现多个编码。对后期的数据集成、信息分析造成了很大困难，无法为集团和企业领导的决策提供更有效的数据支撑。同时，随着中国中铁的发展，采购物资种类的增加，目前的物资编码也无法满足扩展的需要。因此，需要建立一套标准化、可扩展的编码体系，形成可供中国中铁多层体系使用的标准数据中心。

主数据中心（编码平台）物料、供应商、工号等基础数据下发物料、供应商、工号等基础数据下发采购计划采购合同要货计划电子商务平台发货记录收货反馈结算协同项目物资管理系统

主数据中心维护物料、供应商、工程项目（工号）等基础数据编码并进行编码下发，同步到电子商务及项目物资管理系统中。为了适应市场需求，提高物资管理效率，股份公司正在建设电子商务平台。此项目是一项艰巨而又复杂的管理改善和管理变革工程，而物资编码是这项工程的基石，它的好坏会直接影响电子商务系统是否能成功上线、使用。因此项目组着手建立一套标准的物资编码体系，满足易用和高效的要求。物资编码的原则是先整理物资的特征项与特征值，然后根据需要在编码平台中生成物资目录。2.3.项目成效

基础数据是一个信息系统的基础，所有的业务都是依赖于基础数据，建立一套完善的物资采购基础数据，直接影响着信息系统的可持续性和可扩展性。浪潮为中国中铁规划的标准数据中心主要内

容是制定各类编码和标准，比如：物料编码、单位编码、物料卡片、供应商字典、模板、专家等等，实现编码规范化、标准化管理。

 业务流程：

1.集团根据划分好的类别和现有信息建立标准数据中心，并发布。2.下级单位使用标准数据时，首先看正式发布的数据中是否有，如果有的话可以直接使用，如果无法满足要求，可以提交新增标准数据申请；

3.申请新数据时，集团先进行审批，审批通过后，进行发布；  业务要求：

1.支持编码模板功能，允许用户根据模板生成新编码； 2.支持编码的申请、审核、发布、冻结功能； 3.支持编码扩展；

4.标准数据中心支持按照数据内容的不同进行拆分，支持独立部署；

3.中交天津航道局数据整合 3.1.项目背景

中交天津航道局有限公司（简称天航局）是中国第一家专业疏浚机构，由1897年成立的海河工程局发展而来，为中国交通建设股份有限公司的全资子公司。天航局以港口航道疏浚、吹填造地、水工及基础工程、勘察设计咨询、环保疏浚为主营业务，同时兼营装备制造、投资、房地产开发、国际航运、码头仓储等业务。目前，天航局具备港口与航道工程施工总承包一级资质，建立了国家级技术中心，拥有种类齐全的现代化挖泥船队。挖泥船及辅助船舶达100余艘，包括生产能力雄踞亚洲首位的自航绞吸挖泥船“天鲸号”，亚洲最大耙吸挖泥船“通途轮”等一批重型装备，船队总装机功率近50万千瓦。其中，绞吸挖泥船实力稳居中国第一、世界前列。这些船舶可进行中风化硬质岩、软质岩、珊瑚礁及砾砂、卵石、密实砂等土质的疏浚和吹填造地施工。

一直以来，中交天津航道局为了满足企业经营运行需要，先后自行开发和建设了：船舶设备管理系统、工程管理系统、经营管理系统、合同及成本管理系统、财务核算系统、物资供应链管理系统、人力资源管理、审计信息系统和协同办公。业务涵盖了集团内部多个组织和部门，构成了“一横八纵”的信息化格局。由于各系统建设周期、供应商、实现技术等不同，整个信息系统前期没有整体布

局，在企业内部形成了一个个的信息竖井和孤岛，主要存在以下问题：

1.缺乏统一的编码标准

整个集团对项目信息、合同信息、供应商和业主信息、物料编码信息、人员信息、成本科目信息等这类数据没有制定统一的编码标准。在系统实施过程中，各个业务系统都按照需求和标准进行编码，例如造成了同一个项目在不同业务系统的中编码不统一更有甚者在同一个系统中出现了不同的编码。重要的数据在各个业务管理部门和系统内没有统一的标准规范，直接造成各系统之间的数据不能有效地利用和共享。2.基础数据重复维护

天航局同时使用多个信息系统，每个系统都需要维护类似数据信息，因此要增加或修改一个数据时，需要在多个系统中都增加或修改，同一数据重复维护，无形中给系统维护人员或使用人员增加了工作量，降低了工作效率。3.数据集成困难

由于基础数据编码的不唯一，这对后期的数据集成造成了很大困难，或者说无法实现真正的数据集成。信息系统无法为集团和企业领导的决策提供更有效的数据支撑，无法发挥其真正的价值。

为强化信息化使用深度，实现各个信息系统地集成，天航局决定于浪潮再度合作，为企业打造主数据管理平台。

3.2.建设内容

天航局主数据管理的建设目标：通过信息资源的整合和调度、信息共享平台的建设与使用，实现各个业务系统之间互联互通和信息共享。

信息共享是信息化深入发展的关键，为了解决信息化发展中的突出问题。浪潮协助天航局对“OA、经营、工程、成本、合同、船机设备、物资、财务、资金和人力资源”业务进行梳理，依据主标准编码规则，利用浪潮主数据管理系统对企业数据统一编码、统一管理，进行有效的数据整合。

3.3.项目成效

通过浪潮主数据管理系统，为天航局在数据管理和企业管理方面带来了以下成效：

1.制定数据规范，建立主数据统一标准

公司层面对核心信息资源建立统一的编码标准、管理流程及相应的保障制度。在集团范围内保持核心信息资源的一致性、完整性和可控性，在各系统间保持共享的基础数据，并建立集团统一的主数据中心。

2.采用数出一门的管理手段，实现主数据全过程管理，为系统间的数据集成做铺垫

数字天航主数据管理平台将人力资源、综合项目管理（含工程管理、经营管理、合同、成本等）、船舶管理、物资管理、财务管理、审计管理、档案管理等主数据进行归集、清洗、规范后形成基础编码，实现主数据从申请、审批、批复、系统间数据交换的全过程管理，实现主数据在各系统间的互联互通、数出一门，为业务系统集成、决策分析奠定了基础。

4.上海建工财务主数据管理 4.1.项目背景

上海建工集团股份有限公司（简称上海建工集团）是国务院和上海市政府重点扶持的大型企业集团，下辖全资、控股企业300余家，拥有总资产238亿元，国家所有者权益48亿元，具有建设部核发的国内最高等级的房屋建筑和市政公用工程总承包双特级资质；同时还具有商务部核准的进出口经营权和外交部授权的因公外事审批权；集团形成了建安主业、工业、房产、投资四大发展板块。全资子公司有21家，公司投资组建及参股的投资企业有7家，其中控股企业2家，参股企业5家。

上海建工集团主要从事境内外各类建设工程总承包、设计、施工、咨询及配套设备、材料、构件的生产、经营、销售，从事各类货物及技术的进出口业务，建筑技术开发与转让，机械设备租赁，房地产开发经营及咨询，城市基础设施的投资建设，实业投资，国内贸易。

2012年浪潮集团协助上海建工集团实现财务信息化工作，完成财务集中管控工作。在财务集中管控工作中，由于上海建工集团组织架构复杂，各二级集团地域分布较广、规模较大，相互间业务类型存在较大差异，直接由总部进行财务数据集中，容易造成以下问题：

 数据编码混乱、不准确、不完整、不一致、有冗余；  各集团间存在大量重复工作量；  不同组织间无法进行业务协同；  集团总部无法进行快速并帐查询。

为此，浪潮集团与上海建工集团合作，为其设计和打造了财务主数据管理系统。4.2.信息化建设情况

上海建工集团的主数据管理实现统一管理、分级部署、自动同步，具体实现的财务主数据类别有：

 往来单位：实现集团数据中心中的往来单位编码与二级部署点的往来单位编码统一，各级系统中同一单位保证只有一个，在各组织间自动同步、共享。

 核算类别：核算类别统一由上海建工集团增加，集团数据中心定义后将核算类别实时分发到各二级部署点。

 核算项目：实现统一的编码规则，进行全集团标准化管理。日常工作中的数据增加、维护由各二级单位自行管理，并实时同步到集团数据中心。

 财务科目：实现集团数据中心增加的公有科目实时分发到二级集团的数据中心；严格控制数据增加权限，各二级部署点不能增加、修改一级科目。

整个项目历时两个月，成功上线并顺利实施。4.3.项目成效

主数据管理不仅帮助上海建工集团实现主数据统一管理，提升数据质量、提高业务数据的一致性、降低数据管理成本，更为企业管理带来了以下价值：

1.减少数据维护工作量，确保主数据的唯一性

在进行主数据管理前，上海建工集团的财务基础数据由各个单位分别录入，上海建工集团只能通过集团内部规范，以实现数据的统一。但是由于涉及业务人员数量众多，企业的规范执行情况一直不佳。通过浪潮主数据管理，数据维护工作有专人进行专项管理，业务人员不再需要进行财务基础数据的新增与维护，只需要进行业务数据的使用。不同组织间的数据，根据需要进行实时更新与数据共享，保证了集团内部主数据的惟一性，减少了不必要的数据维护工作量。

2.强化总部财务管控力度，增加财务标准化、提高财务数据准确性

财务基础数据由集团统一设定、权限分级下放。下级单位必须严格执行集团的财务核算规定，例如不能私自修改会计科目、科目属性等。强行规定业务人员按照企业的财务规范进行操作，同时相关的业务错误也更容易被识别，实现上海建工集团财务集中化管控。3.提高债权债务的准确性，深化了财务管理工作

使用主数据管理后，往来单位的数据进行了统一。集团查询与相关往来单位债权债务信息时，避免了因为命名规范不同、人员操作失误等情况，导致关键信息的遗漏。作为建筑企业也能够加强对企业债权债务的管理，在未来的信息化工作中，能与资金系统等共享数据，提高资金支付的安全。4.提高集团总部并帐业务处理效率

上海建工集团的组织机构复杂，各下级单位由于业务类型的差异，各自的帐务处理方式存在差异，因此集团总部的并帐工作难度非常大，涉及调整的项目过多，并帐工作一直缺乏时效性。主数据管理统一了企业财务主数据，使得企业的财务处理方式得以标准化。集团企业可以通过浪潮的财务系统进行实时集团财务数据的查询，集团总部并帐业务可以实现自动化。5.为企业领导者提供决策支持

6.客户关系管理与数据挖掘 篇六

一、设计问题情境，经历统计过程，体会数据分析

教学中教师应注重设计贴近学生生活的问题情境，使他们在经历简单收集数据的过程中，逐步体会到现代社会里，充满着大量的数据，了解许多问题解决应当先做调查研究，收集数据，通过数据的收集管理和分析断做出问题解决的合理决策。设计学生所熟悉如：组织体育比赛活动,为了更好地组织比赛，需要调查全班同学最喜欢的体育活动和活动方式。鼓励学生用收集到的数据作出决定：你认为班级最好组织什么体育比赛，比赛采用什么形式进行，从而确定班级如何进行体育比赛。

二、解决实际，理解数据分析的必要性

虽然我们都在提学生的主体作用，强调让学生主动参与到学生中去。但是，学生如果不知道学生这一知识的必要性时，更多的时候是在盲目被动地接受。所以，在学习时，让学生明确对数据进行分析的必要性是建立学生数据分析观念很重要的一个环节。如，在教学《中位数和众数》时，教师出示某超市的工资表，在学生阅读信息之后，教师出示两张招聘广告，教师出示两份招聘广告：

招聘职员广告 A公司

本公司待遇较高，平均月薪1600元。

招聘广告 B公司

本公司招聘职员，月薪1000元。

教师对孩子们说：如果这两个公司都是这家超市的商户，他们的工资都是参照上面的工资表来执行的，谁来说一说你选择哪家公司?为什么?

在学生的选择中会出现不同的选择与理由，这时，教师注意引导学生进行数据分析，让学生体会到生活中得到的数据是需要进行分析的。进而通过怎么修改A公司的广告更合理，引出中位数与众数的概念，同时渗透数据分析的观念，让学生体会到分析数据能帮助人们做些什么。

三、借助活动实践，培养数据分析观念

建立数据分析观念，提高数据分析能力。首先要让学生自己投入到具体的实践中去，在实践中检测，具体问题具体引导。要培养学生有意识地从统计角度思考有关问题，当遇到问题时能想到去收集数据和分析数据。

观念的建立需要人们亲身的经历。要使学生逐步建立统计观念，最有效的方法是让他们真正投入到统计活动的全过程中去：提出问题，收集数据，整理数据，分析数据，做出决策，进行交流、评价与改进。我在教学中设计了“我来当老板”的活动，让学生能过数学实践活动，体会数据分析的观念，提高数据分析的能力。

假如你是一家鞋店的老板，在开店前，你需要确定进哪一种品牌的鞋?如果你已经确定了买哪一种品牌的鞋，你要确定进货是什么样的鞋子最受消费者欢迎，可以多进一点?如果你确定了鞋子的样子，你要确定哪一个号码的鞋可能买的最多，也就是需要进货最多?

假如你是文具店的老板，你要确定哪一种品牌的文具最受学生喜爱，可以多进一点货?等等。

通过这样的实践活动，学生要去调查了解一些数据，并后分析数据，从面做出决定，他们就经历了这样的过程，在这个过程中，他们也体会到了统计的重要性以及数据分析的重要作用，有利于培养他们对数据的理解，建立数据分析观念。

总之，统计与学生的生活联系很紧密，我们的教学就是使学生体会数据统计的过程，了解发现数据统计分析在日常生活中的重要作用，产生对数据的亲切感，愿意去分析数据提取信息，遇到问题时愿意去收集数据来帮助解决问题，从而培养统计中的数据分析观念，提高数据分析能力

7.客户关系管理与数据挖掘 篇七

在2002年国家施行电力体制改革以来, 实现了厂网分离、电力行业重组之后, 电价机制改革、电网企业主辅分离、输配分开等方面的改革进程均在逐步推进, 相关的市场化改革也在紧锣密鼓的开展, 国内电力市场化格局基本形成。

随着国内电力市场的不断壮大和繁荣, 人们对电力的需求不断提高, 虽然给各家电力企业提供了前所未有的发展空间和机会, 但也使得各家电力企业都不得不直接面对以下两方面问题:

1、电力改革压力大

随着中国市场经济进程的推进, 中国国电公司适时而动, 通过一系列具体措施逐步构筑现代供电服务机制, 从体制、机制等深层次问题入手, 以服务年活动为载体和开端, 努力构筑现代服务机制。其中尤以建立客户满意度评价体系为核心目标, 通过建立企业与社会的双向互动机制, 正确把握客户需求, 努力贴近客户需求, 及时满足客户需求, 实现与客户的“零距离”, 获得最高的客户满意度, 从而在竞争中赢得先机。从现代营销管理体系的入手, 推进职能分工重构、业务流程整合、管理体系再造, 建立配套联动、规范高效的智能化客户关系管理模式。这既是当前供电行业经营管理的迫切需要, 同时也符合当代国际营销前沿理论规律。

2、恶意欠费比例偏高

另一方面, 值得关注的是我国各供电公司客户拖欠电费、违章用电、窃电等现象相对比较严重。2004年2月10日, 在福州召开的“国家电网公司2004年工作会议”上, 国家电网公司公布截至2005年底, 整个国网系统电费拖欠高达200多亿, 相当于2003全年利润额的两倍。而且窃电行为已经具有多发、主体多元、手段隐蔽而且窃电手段日趋隐蔽并向高科技发展趋势。据国家电业部门统计, 每年的电能损失高达二十亿元。面对如此严重的局面已引起各方的高度重视。基于已有的客户信息和有关数据, 如何利用科学的数据挖掘分析系统有效地评估客户关于用电和盗电的潜在风险?如何了解哪些用电客户缴纳电费最准时?不良客户的特征是什么?更进一步, 如何准确细分客户群体, 从而制定精细的营销计划?如何预测电费拖欠、盗电等恶意行为, 从而提高对恶意拖欠电费、违章用电、窃电等行为的防范?这些都是有效降低供电公司的经营风险, 保护企业合法利益, 为地方电力事业可持续发展创造有利条件所迫切需要解决的问题。因此, 建立一套完整的理论分析模型和成熟的计算机管理系统已经引起各供电公司注意并逐步提上了议事日程。

这些方面问题的存在, 迫使电力企业必须改变原有经营模式, 必须更深入了解和识别客户, 实行全面的以客户为中心的经营方针, 培育和创造出新的差异化的竞争优势。电力企业这种迫切的需求必然促进了数据挖掘技术在电力行业的广泛应用和推广。

二、数据挖掘技术在电力行业的应用

计算机技术的迅速发展使得处理这些大量的数据成为可能, 这就推动了数据库技术的极大发展。但是面对如潮水般不断增加的数据, 人们不再满足于数据库的查询功能, 提出了深层次问题:能不能从数据中提取信息或者知识为决策服务。就数据库技术而言已经显得无能为力了, 同样, 传统的统计技术也面临了极大的挑战。这就急需有新的方法来处理这些海量数据。于是, 融合数据库技术、统计学、机器学习、信息科学等多学科的数据挖掘技术应运而生。

数据挖掘 (Data Mining) , 也叫知识发现、数据开采等, 是指是从大量数据中, 提取正确的、新颖的、潜在有用的并能够被理解的知识的过程。数据挖掘能进行分类预测、聚类分析、关联规则和序列模式的发现、相关分析、异常监测和趋势分析。

作为信息化方面一直处于领先地位的电力行业, 一方面在长期的经营中积累了海量的客户数据, 同时业务经营迫切需要从浩如烟海的数据中获得更多的、更有价值的客户特征信息。因此, 数据挖掘在电力行业得到了广泛重视和大力发展。

国外知名的电力企业都已经建立了基于数据挖掘的商业智能系统:如包括美国供电公司、法国电网公司 (EDF) 等, 并且得到了广泛的应用。

国内电力企业前几年的发展目标主要是硬件系统的架构和铺设, 技术领域主要是业务运营支撑系统BOSS的更新换代, 但是近年来, 上海、江苏等经济发达地区等电力企业也意识到挖掘历史数据对于降低坏帐损失, 识别和防范恶意欠费行为的重要性, 已经着手建立对自己所掌握的客户信息进行挖掘的智能化信息平台。

国外实践证明:建立用电客户欠费风险防范体系, 根据用电企业欠费结构, 可以使供电公司减少15-40%的欠费损失。

三、建立电力客户风险预警系统

客户信用风险管理系统提供符合国际国内标准的客户信用评价体系和模型;提供欠费风险预警机制;在客户用电情况分析的基础上, 提供窃电行为检测手段, 并将窃电行为的查处与客户信用评级联系起来, 形成强大社会监督和威慑作用;利用用电力企业的信用数据和网上公开信息, 将产业政策、经济形势、经营状况、市场环境等外部因数纳入电量的预测中, 建立更加准确的预测方法, 提高用电预测的精度。

客户信用风险管理系统主要包括由四个功能模块构成。四个功能模块包括:信用评价模型、欠费预警模型、窃电检测模型和用电预测模型。 (见图1)

下面我们仅以电力客户信用评级模型为例, 说明模型的运行情况;建立电力客户信用评级体系首先需要建立一套科学的、实用的、精确的和权威的信用评级模型。同时更为重要的是在现行法律法规体系下和供电局现有的数据准备条件基础上具有可操作性。用户信用信息难以征集一直是制约信用评价工作开展的瓶颈。因此, 全面吸收国际著名评级机构的信用风险评价和管理核心技术, 结合中国电力行业实际情况, 运用长期积累的丰富经验和先进方法, 利用现有的营销数据提炼出客户信用信息, 提供既满足中国实际又符合国际惯例的用户信用状况评级方法显得尤为重要。

信用评级模型将客户的个人资料信息、缴费情况、缴费能力、经济实力、资本结构、经营效益、发展前景和社会信用记录等信息纳入信用评级模型。导出客户的违约概率, 并转化成信用积分, 从而根据积分分布制定相应的业务策略。 (见图2)

实施电力客户风险管理系统, 提高用电营销辅助决策水平, 探索电力客户信用评价和窃电检测手段, 具有相当的学术价值, 而且具有较高的经济效益, 符合供电公司的现实和长远利益。该项目的实施将为供电公司电费回收管理工作、反窃电管理工作和用电营销决策带来重大的革新。

1、通过客户信用风险管理系统, 改善电费回收环境

供电公司可以根据不同信用等级, 采用限时缓缴、上门促缴、停电催缴和电费预缴等灵活多样的办法。建立客户信用等级并公示于众, 形成社会监督, 可以帮助企业转变成本观念, 将电费作为一项重要的预算成本, 从而防止电费拖欠和呆死账发生。供电公司在审批申请用电、增容报装、优惠电价时, 优先安排信用等级高的客户, 使企业为了得到优惠的服务, 努力提高自身的信用等级。在电网电力负荷紧张需要采取停、限电措施时按客户信誉等级优先确保信誉高的客户用电安全。

根据国外的应用经验和国内有的省份已经开始试行客户信用评级的供电公司的经验来看, 可以使大部分有意拖欠和恶意欠费的用电单位及时主动交纳电费。

2、通过欠费预警系统, 改善企业经营环境

建立欠费预警系统, 可以及时发现可能欠费或正在实施欠费的用电客户, 提前建立欠费预警机制, 及时采取有效措施, 减少欠费事后清缴的难度和呆帐、坏帐的产生, 最大限度的保护供电公司的经济利益。欠费风险的评价可以给防范和处理用电客户恶意拖欠或拒交电费的防范和处理工作提供科学依据和决策指导。国外实践证明:建立用电客户欠费预警系统, 根据用电客户欠费结构, 可以使供电公司减少15-40%的欠费损失。

3、通过窃电检测系统, 改善用电环境

据国家权威部门统计, 窃电给供电公司带来的直接经济损失已经高达2 0 0亿, 同时带来一系列的安全隐患和社会问题, 危害巨大。基层电管人员普遍感到反窃电管理难度较大, 大家都希望掌握一套切实可行的办法, 打击窃电犯罪行为。大量事实表明, 20%的"电耗子"造成了80%的窃电损失, 能够对这20%的用户检测出来, 有的放矢, 无疑会节省我局大量的人力物力。对解决目前反窃电工作中存在的资金和人力不足的问题将起到积极的作用。

4、通过准确的用电需求预测模型, 提高营销决策水平

准确的用电需求预测可以提供供电公司在安排电力调度和向发电单位购买电量时, 较为准确的科学数据。供电公司在签订向兄弟公司转售或购买电量合同时可以做到胸中有数。

提高用电需求预测的准确性和实时性, 便于供电公司合理安排供电和检修计划, 避免电量过剩或拉闸限电给供电公司带来经济损失和不良的社会影响。

摘要：本文针对当前供电行业经营管理过程中存在改革压力和恶意欠费问题进行深入分析, 引入当前流行的数据挖掘技术监建立电力客户信用风险管理系统, 该系统主要包括信用评价模型、欠费预警模型、窃电检测模型和用电预测模型等四个功能模块。该系统的实施将为供电公司电费回收管理工作、反窃电管理工作和用电营销决策带来重大的意义。

关键词：数据挖掘,客户关系管理,信用风险管理

参考文献

[1]、王芳, 杨奕.论数据挖掘技术在客户关系管理 (CRM) 中的应用[J].现代商贸工业, 2009, (01)

[2]、刘思强, 李湘祁.供电企业客户关系管理探讨[J].电力技术经济, 2005, (01)

[3]、范方.数据挖掘技术在CRM中的分析应用[J].大众科技, 2008, (07)

[4]、郭凯明.基于贝叶斯分类算法的客户流失分析模型研究[J].电脑知识与技术, 2008, (35)

[5]、王森勋, 陈旭东, 付淑文.数据挖掘技术在企业客户关系管理中的应用, 湖南医科大学学报 (社会科学版) , 2009, (01)

8.客户关系管理与数据挖掘 篇八

[关键词] 数据挖掘 客户關系管理 数据库

客户关系管理系统中的商业数据，不但来源于企业的内部，更多的来自于企业的外部。这些数据与企业的客户关系密切，可以帮助企业更加清晰地分辨潜在客户、进行更有效的交叉销售，更容易地扩展客户关系。但关于企业客户数据的质量，就象齿轮中的沙子，它不会完全阻挡前进的步伐，但会让企业越走越慢，不断消耗掉企业努力的成果。所以，企业的客户关系管理系统能否有效运行、实现预期目标，很大程度上取决于企业是否进行了有效的数据挖掘，从而获得了可靠、有意义的商业数据。

一、数据挖掘的内涵

数据挖掘（Data Mining），又称数据库中的知识发现（Knowledge Discovery in Database，KDD)，是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式的过程。数据挖掘是数据库研究中的一个很有应用价值的新领域，融合了数据(仓)库、人工智能、机器学习、统计学等多个领域的理论和技术。

从客户关系管理（Customer Relationship Management,CRM)系统所搜集的数据，是最能帮助企业了解客户的。数据挖掘技术正是为完成这一使命而诞生的。它能够根据现有数据对将来的发展趋势和行为进行预测，从而很好地支持人们的决策。同时，数据挖掘工具还能够解决一些很消耗人工时间的传统问题，因为它们能够快速地浏览整个数据库，找出一些专家们不易察觉的极有用的信息。因此可以说，客户关系管理的成功主要在于它成功进行了数据挖掘、数据仓库等技术的有效运用。

二、数据挖掘在企业客户关系管理中的作用与功能

数据挖掘技术是客户关系管理深层次应用的核心技术，在客户关系管理中具有非常重要的商业价值。其作用与功能主要体现在:

1.数据挖掘有助于提高企业决策质量。对客户数据所做的挖掘与分析，其目的不单单是为了研究的需要，站在企业层面上，更是为获得并加工有利于商业运作、提高竞争力的信息，为商业决策提供真正有价值的参考和依据，进而获得利润的过程。

2.数据挖掘有助于企业对客户生命周期进行分阶段的管理。它能够帮助企业明确：处于不同生命周期阶段的客户需求和特点。使企业能够为客户提供更有针对性的服务，包括更好地服务新客户、让已有客户获取更多服务并创造更多利润、进一步保持和提升客户价值等。

3.数据挖掘有助于企业预测业务发展的趋势。数据挖掘是从大量数据中，抽取出潜在的、有价值知识、模型或规则的过程。对于企业而言，通过数据挖掘可以揭示已知事实与未知的结果间的关系，实现有效的预测，并帮助企业分析完成任务所需的关键因素，实现增加收入、降低成本、使企业处于更有利竞争地位的目的。

4.数据挖掘有助于企业对客户进行有效的市场细分。数据挖掘可以把大量的客户分成不同的类别，并确保在每个类别中的客户都拥有相似的属性,而不同类别中的客户属性不同,从而实现市场细分有效。企业进而可以为这几类不同的客户,提供不同的、特定的服务,以提高服务的针对性和客户的满意度。通过数据挖掘对客户进行细致而切实可行的分类,对企业的经营决策有大有益处。

三、在客户关系管理中应用数据挖掘技术的策略要求

1.需确立合理的数据挖掘目标。为保证数据挖掘能够正常、有效地开展和进行，其实施过程中必须有明确的远景规划和近期实现目标。管理者制定规划和目标时，既要考虑企业内部的现状和实际技术水平，同时也要看到外部市场对企业的要求与挑战。企业必须将已经形成并得到企业内部认同的、明确的数据挖掘项目远景规划和近期实现目标落实成文字，明确任务目标、进度和预期作用等内容。

2.需寻求高层管理者的理解与支持。高层管理者对客户关系管理中数据挖掘的支持、理解和承诺，是数据挖掘成功的关键因素之一。缺乏管理者支持与承诺，会对数据挖掘的实施带来很大的负面影响，甚至可以使项目在启动时就已经举步维艰。要得到管理者的支持与承诺，既可要求管理者对项目有相当的参与程度，进而能够对项目实施有一定理解；也可将实施过程中所影响到的部门的高层领导，设为数据挖掘项目的发起人或发起的主要参与者。

3.需全面掌握客户的数据。在接通客户关系管理系统并将原始数据导入新系统之前，数据挖掘人员要全面考察数据来源，获取数据的内容、质量和可靠性等情况信息。当采用适当的数据挖掘工具，执行这些枯燥而易出错的程序时，可使数据挖掘工作所花费的时间减少到相当于初次手工作业所需时间的10%左右，并可及早发现和纠正数据问题，大大降低成本和失败的风险。

4.要建立数据标准。进行数据挖掘和分析时，需将客户姓名、联系地址、识别方法和产品信息等客户数据标准化，以确保一致性并将记录与统计逻辑相匹配，从而减少查看客户全景视图的数据重复。同时，要建立保证数据质量的相关流程和程序，以确保数据的适用性和质量。

5.要明确相关的奖惩制度。数据挖掘实施过程中也会发生人员流动、工作人员的效率不高、情绪不积极等情况。针对上述情况，要求在建立实施小组和人员定位时，一定要在企业内部达成共识，防止在实施其间对人员的随意抽调。同时，还必须对实施小组成员的职责分工有明确定义，将每项任务落实到人，明确对个人的考核目标，对优秀人员予以奖励，不能完成任务的予以处罚。

参考文献:

[1]李琪:《客户关系管理》,重庆大学出版社,2004

[2]王广宇:《客户关系管理方法论》,清华大学出版社,2004

[3]MBA职业经理人论坛网