客户关系管理第八章数据挖掘
·理解数据挖掘的定义。·掌握数据挖掘的任务和步骤。·掌握数据挖掘在客户关系管理中的价值。·掌握数据挖掘的方法。学习目标
数据挖掘挖掘任务挖掘步骤决策树遗传算法关键词
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。这个奇怪的举措使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁超市内的真实案例，并一直为商家津津乐道。沃尔玛拥有世界上最大的数据仓库系统。为了能够准确了解客户在其门店的购买习惯，沃尔玛对其客户的购物行为进行了购物篮分析，以了解客户经常一起购买的商品有哪些。沃尔玛数据仓库系统中集中了各门店详细的原始交易数据，沃尔玛利用数据挖掘技术对这些原始交易数据进行分析和挖掘。课前引例
一个意外的发现是，跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了隐藏在“尿布与啤酒”背后的美国人的一种行为模式：一些年轻的父亲下班后经常要到超市购买婴儿尿布，而他们中有30%—40%的人同时也为自己买一些啤酒。出现这一现象的原因是，美国的太太常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫在买尿布时又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量原始交易数据进行挖掘分析，沃尔玛是不可能发现数据内在的这一有价值的规律的。（资料来源：CSDN技术社区，有改动）课前引例
第一节数据挖掘概述1第二节数据挖掘的任务和步骤2第三节数据挖掘在客户关系管理中的价值3第四节数据挖掘的方法4
第一节数据挖掘概述数据挖掘从本质上说是一种新的商业信息处理技术。数据挖掘把人们对数据的应用，从低层次的联机查询操作提高到更高级的决策支持、分析预测等。通过数据挖掘，可以对数据进行微观、中观乃至宏观的统计、分析、综合和推理，发现数据间的关联性、未来趋势及一般性的概括知识等，进而指导高级商务活动的开展。在管理活动中，对客户数据的利用是必需的。如何将数据转化为信息是一个问题，因为没有信息，行动将是不可能的或者变成蛮干。客户信息的绝对容量增加和与客户的相互作用日益复杂，迫切需要一种新的趋势来迎合这种技术，数据挖掘应运而生。数据挖掘使客户关系更有意义，它通过使用数据分析和数据建模技术来发现数据之间的趋势和关系，以此了解客户希望获得什么，预测客户将要做什么，帮助企业选择恰当的客户并将注意力集中在他们身上，以便为其提供适当的产品。这样可以以最佳方式提高满足个性化需求的能力，并且可以通过优化资源分配来降低成本，提高收益。在数据仓库中进行数据挖掘正逐渐成为客户关系管理核心的部分。
第一节数据挖掘概述数据挖掘（DataMining，DM）是指从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。简单地说，数据挖掘就是从大量数据中提取或“挖掘”知识。数据挖掘是一种分析具体数据并萃取和展现可付诸行动的、隐含的和新颖的信息，以解决业务问题的流程。数据挖掘是一个反复的过程，它在与客户建立和保持关系的许多方面都会不断地被重复。数据挖掘还具有预测未来、观测结果的能力。例如，在金融领域，它被用于收集、处理和分析大量数据，发现潜在的客户群和评估客户的信用等。并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过互联网的搜索引擎查找特定的Web界面，这些都是信息检索（InformationRetrieval，IR）领域的任务。虽然这些任务是重要的，可能涉及复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来提高信息检索系统的能力。一、数据挖掘的含义
第一节数据挖掘概述（一）数据挖掘的学术定义数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中，人们事先不知道，但又是潜在有用的信息和知识的过程。还有很多和这一术语相近的术语，如数据分析、知识抽取、模式分析、数据考古、数据采集、商务智能、数据融合及决策支持等。人们把原始数据看作形成知识的源泉，就像从矿石中采矿一样。原始数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形、图像数据；甚至可以是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现的知识可以用于信息管理、查询优化、决策支持、过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门广义的交叉学科，它汇聚了不同领域的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技术人员。需要指出的是，这里所说的知识发现，不是放之四海而皆准的真理，也不是崭新的自然科学定理或纯数学