国际计算机与通信工程创新研究杂志
菜单在线刊号(2320-9801)印刷刊号(2320-9798)
在线刊号(2320-9801)印刷刊号(2320-9798)
| Kannan subramanian先生 巴拉特大学巴拉特科学技术学院MCA系，金奈- 73 |
| 有关文章载于Pubmed，谷歌学者 |
更多相关文章请访问国际计算机与通信工程创新研究杂志
在当今竞争激烈的技术进步世界中，几乎每一个实时过程都是自动化的。自动化已成为生命的生命线。数据挖掘是强大的自动化工具之一，因为它是从知识发现的概念发展而来的。知识发现是一个智能的过程，而数据挖掘是人工的，因此是人工智能的。通过修剪和其他隐式方法从大型数据库中提取数据并不是一个人的工作。数据挖掘对许多技术领域来说都是“来自火星的恩惠”。管理农田也不能幸免。客户关系管理(CRM)就是这样一个领域，一直是数据挖掘部署的重点。许多金融公司和商业组织通过数据挖掘解决营销问题，从老鼠变成了富翁。本文提出了客户关系的概念管理通过数据挖掘。
关键字 |
| CRM，数据挖掘。 |
介绍 |
| 数据挖掘是一种自动检测数据库中相关模式的工具。它是一种技术，它在其进步的道路上导致知识发现，从而使系统人工智能。在实际应用中，该系统是自可靠的。执行数据挖掘需要一定的先决条件。一个充满统计数据的数据库，以及某些高效的修剪算法来挖掘它们，形成核心区域。威廉·弗劳利和格雷戈里·夏皮罗将其定义为“……从数据中提取隐含的、以前未知的、可能有用的信息。” |
| 换句话说，它是通过挖掘存储在仓库(大型数据存储库)中的大量数据来发现有意义的相关性和隐藏模式的过程。它的主要优势是能够构建预测模型，而不是回溯模型。因此，数据挖掘是通过自动或半自动的方式进行探索和分析，大量的数据可以帮助发现有意义的模式和规则。 |
应用程序 |
| 数据挖掘不局限于任何领域。事实上，它现在已经成为每个面向数据库的应用程序中不可分割的一部分。然而，令人惊讶的是，以下领域从该工具中获益更多 |
| •市场营销 |
| •电子商务 |
| •医学 |
| •电信。 |
| •交通。 |
| •研究 |
| •法律和秩序 |
这个过程 |
| 数据挖掘使用简单的工具从海量数据中进行搅拌。执行如下操作:— |
| •发现知识 |
| •分割 |
| •分类 |
| •协会 |
| •引用 |
| •可视化数据 |
数据挖掘软件 |
| 任何私人公司或组织通常花费更多的钱来获得一个新客户，而不是留住现有的客户，但在他们离开后，赢回客户的成本远比在一开始就保持满意的成本高得多。因此，对于一个公司来说，保持与客户的良好关系，并以公司可能甚至会挖掘其金库的一切可能手段使他们满意是非常重要的。为了解决这些问题，出现了许多数据挖掘算法。 |
| 财务支出要有效处理，因为现金是首要商品，因此你需要一定的营销策略来管理现金。这些问题作为客户关系管理问题来处理。为了保持竞争力，公司制定战略，以客户为中心，客户驱动，以客户为中心。所有这些术语都定义了公司建立持久客户关系的愿望。CRM被视为一种解决方案，使这些努力对公司和客户都有价值。 |
数据挖掘和客户关系管理问题——它们的相互关系 |
| 由于数据挖掘是通过自动或半自动的方式进行探索和分析，大量的数据可以帮助发现有意义的模式和规则。这些模式和规则有助于企业改进营销、销售和客户支持操作，从而更好地了解客户。多年来，企业已经从企业资源规划(ERP)、客户关系管理(CRM)或其他操作系统等应用程序中积累了非常大的数据库。本文将讨论如何实现数据挖掘算法来解决一个典型的客户关系管理问题。 |
决策树 |
| 决策树可能是预测建模中最流行的技术。一个例子解释了决策树算法的一些基础知识。下表显示了一组可用于预测信用风险的训练数据。在这个例子中，生成了关于客户的虚构信息，包括他们的债务水平、收入水平、他们的就业类型以及他们的信用风险是好是坏。 |
用样本概率法生成决策树 |
| 构建决策树的算法有许多变种，并使用不同的分割方法:树的形状、修剪技术等等。有些人使用熵作为分割标准，微软决策树使用贝叶斯分数作为默认值。 |
| 然而，这些算法都是复杂的，并使用基于曲线分析的计算。这些可能是高公司基础组织所需要的，这些组织专注于高水平的准确性。但即使是小型营销公司也希望将采矿纳入其业务。客户关系管理问题本质上是软的，在各种预测方面可能会受到一个小因素的影响。以训练好的模型为输入，生成决策树是挖掘的核心问题。 |
| 因此，我们试图通过概率方法提出一种简单的决策树算法。在《正当程序》中，我们建立了一个概率分类树。 |
解决问题 |
| 上述算法用于在基于CRM的问题中生成决策树进行挖掘。在此之前，需要解决以下客户关系管理问题。 |
问题1:定义问题 |
| 以下是在定义问题时要记住的一些重要方面。项目的范围。精确程度，这是必须的。定义可交付成果。输出将能够生成。产出的时间和成本效益。选择一些明确且小的内容。以抽象问题为例。在定义问题之前要意识到你的局限性。了解现有的CRM流程。 Better understand marketing strategies and the practical CRM process. |
问题2:定义用户 |
| 为每个用户构建一个概要文件。尽量了解用户的兴趣和背景。向他提问以了解他的情况。使用快速入门程序员来讲述你的未来。把自己塑造成一家新兴公司。强调给用户带来的好处。 |
问题3:定义数据 |
| 定位数据字典。获取关于元数据的详细信息。获取数据的各种约束。定义指标。找到值的范围或数据可以取的可能值。 |
最终决策树 |
| 得到的决策树不一定总是完整的。在根据MSA生成的顺序进行拆分之后，并在称为叶子节点的节点上停止，在这里，对于特定的节点没有案例(或者)所有的案例都属于相同的状态(或者)案例分布在状态之间，这样就不可能进行进一步的拆分。 |
结论 |
| 因此，它展示了如何部署数据挖掘来解决CRM问题。本文概述的步骤和制定的算法在很大程度上成功地优化了现有的CRM流程。虽然该算法可能有一些局限性，但像CRM这样的软问题可以承受，因为通常不需要很高的精度。该算法的成功实施将有利于小型企业组织，因为他们中的一些人无力购买Clementine或任何其他数据挖掘软件，这将使他们失去数据挖掘。数据挖掘还可以为这种面向业务的组织提供显著的性能改进。 |
参考文献 |
