信息社會中數(shù)據的爆炸性增長，“豐富的數(shù)據與貧乏的知識”問題的日漸突出，產生了對強有力的數(shù)據分析工具的需求。決策者迫切需要將海量數(shù)據轉換成有價值的信息和知識。數(shù)據挖掘為這一需求提供了強有力的技術支持。客戶關系管理（CRM）是現(xiàn)代電子商務活動的核心部分，對CRM 的重視是現(xiàn)代市場營銷理念和商業(yè)運作方式轉變的結果。CRM是數(shù)據挖掘的重要應用領域。數(shù)據挖掘及其在CRM中的應用研究已經成為學術界和企業(yè)界共同關注的領域。本著作在對數(shù)據挖掘、CRM以及數(shù)據挖掘在CRM中的應用的研究現(xiàn)狀進行文獻綜述的基礎上，提出了數(shù)據挖掘技術及其在CRM中的應用研究的相關主題，主要完成了以下三個方面的研究工作：第一，數(shù)據挖掘中概念數(shù)據集成的模型研究。該研究描述了面向OLAP 集成XML數(shù)據和關系數(shù)據的概念數(shù)據集成結構體系框架，并提出了面向OLAP 的一個多維數(shù)據概念模型UML星系模式。最后通過一個B2B的電子商務中的 2-根UML星系模式的構建實例來說明了n-根UML星系模式的構造過程 模型的建立為電子商務中多數(shù)據源基礎上多主題OLAP分析、描述和建模提供了一種方法。第二，數(shù)據挖掘中的組合分類方法研究。該研究從數(shù)據挖掘優(yōu)化的技術角度出發(fā)，依據并行組合分類方法的思想，采用基于遺傳算法的組合算法，提出一種基于遺傳算法的多重決策樹并行組合分類方法以提高分類精度，并在保持分類結果良好可解釋性的基礎上優(yōu)化分類規(guī)則。第三，組合分類方法在CRM中的應用研究。該研究針對CRM中客戶風險分析和客戶獲取策略問題，以客戶風險分析中的客戶信用等級評定問題和客戶獲取策略中的客戶反應行為模式問題為研究對象，采用本文提出的基于遺傳算法的多重決策樹并行組合分類方法進行研究分析。通過這種組合分類方法的運用，在客戶信用等級評定問題中進一步提高了客戶信用的定位水平，減少了企業(yè)運營的風險;在客戶反應行為模式的分類分析中，通過分類定位模型輔助決策人 員進行客戶細分，定位他們的最佳客戶和潛在客戶。同時通過進一步的仿真分析得出，基于遺傳算法的多重決策樹組合分類方法比單個決策樹具有更高的分類精度，并在保持分類結果良好的可解釋性的基礎上優(yōu)化了分類規(guī)則。隨著數(shù)據挖掘技術的進一步發(fā)展，這一研究領域研究價值越來越大。同時，隨著數(shù)據挖掘技術在電子商務時代CRM中的應用進一步深入，CRM必然具有更廣泛的市場價值和更廣闊的應用前景。因此，本書關于數(shù)據挖掘及其在CRM中的應用的研究主題具有重要的學術價值和實踐意義。
鄂公網安備 42010302001612號 