数据挖掘技术在客户关系管理中的应用(3)
2014-12-28 01:16
导读：在数据探索过程中，通过多维分析和可视化展现探索数据的特征，通过对数据进行增删操作或者根据现有变量重新组合生成一些新的变量来更加有效地描述
在数据探索过程中，通过多维分析和可视化展现探索数据的特征，通过对数据进行增删操作或者根据现有变量重新组合生成一些新的变量来更加有效地描述数据特征，其中，对数据统计特性的分析在数据探索过程中起着十分重要的作用。建立数学模型是数据挖掘工作的核心环节，目前比较常用的建模方法有神经元网络模型、决策树模型和回归模型。数据挖掘中具体使用哪一种方法，取决于数据集市的特征和需要实现的目标，在实际应用中，往往是对多种建模方法的比较和综合。在建模过程中，把数据分层为训练数据和校验数据，训练数据主要使用于建模过程中求解模型参数，而校验数据主要用于模型检验。因此模型检验阶段的主要工作是把检验数据代入已经建立的模型中，观察模型的响应，通过比较模型的响应和真实的数据，从而评估模型的准确程度，如果模型的准确性比较差，就需要重新进行数据探索、建立新的模型，直至新模型检验。因此，在实际应用中，数据探索、建立模型、模型检验是反复迭代的过程，如图2。
数据挖掘的过程就是一个不断探索数据特征、建立和检验模型、发现客户消费行为特征的过程，企业只有把模型的结果应用到市场营销和客户服务过程中，才能真正发挥数据挖掘的作用。
四、结语
在信息时代，要充分利用企业的信息资源，从以产品为中心的管理模式转变为以客户为中心的管理模式上来，利用数据挖掘技术，分析客户的特征，探索企业和所对应市场的运营规律，不断提高企业的经济效益是企业发展的必由之路。
主要参考文献
[1]上海现代物流人材
培训中心.企业资源计划(ERP)与SCM、CRM[M].北京：电子工业出版社，2002.
本文来自中国科教评价网 [2]朱明.数据挖掘[M].合肥：
中国科学技术大学出版社，2002.
[3]毛国君，段立娟，王实，石云. 数据挖掘原理与算法[M].北京：
清华大学出版社，2005.
