第一篇：電商網站設計中網絡數據挖掘技術的運用論文

在經濟全球化的時代背景下，信息經濟早已成為世界范圍內的新的經濟增長點，而且隨著我國逐漸加強了與國際經濟的交流合作，使得企業的綜合競爭力得到了增強，以此才能更好地應對全球市場中日趨激烈的競爭，同時我國還需要加強對電子商務所具有的眾多優勢的充分發揮，為企業的產品提供展現的舞臺。

一、網絡數據挖掘的重要性

電子商務的開展與完善的電子商務平臺是密切相連的，作為電子商務平臺之一的電子商務網站也應該在創新中不斷的完善，而且與傳統商務相比，電子商務網站具有獨特的優勢。在進行電子商務的過程中，進行電子商務網站的設計和建立是必不可少的，而建立一個電子商務網站還是比較簡單的，但是唯一需要注重的問題就是對其經濟和社會效益的提高。同時還要考慮網站在運行中。會有大量的記錄以及日志文件等再相應服務器中生成，這些數據包含了很多客戶信息，因此需要充分分析和挖掘這些數據，進而讓所設計出來的網站基本滿足客戶的需求，以此才能使得自身的競爭力得到有效加強，進而獲取更多的效益。

二、網絡數據挖掘在電子商務網站設計的應用

在設計電子商務網站的時候，首選就需要幫助銷售商對客戶行為的了解，這樣才能使得站點的使用效率得到有效提高，此時就需要應用數據挖掘技術，這樣網絡管理員就可以根據客戶在上網過程中所瀏覽的網站頁面及其數據信息歸納分析經常訪問該站點的用戶類型，及其訪問途徑和通過怎樣的方式完成交易等內容，這樣才能讓建立的網站更吸引客戶，同時也為網站結構的進一步優化、站點訪問量和效果的提升提供有利的依據。整個電子商務網站的設計包括三個步驟，分別為數據信息的采集、分析以及提供個性化服務。

1.數據信息的采集

因為只有將客戶相關的數據信息收集起來，才能在分析之后，將個性化的服務提供給客戶，也就是說電子商務網站向客戶提供個性化服務是基于說數據信息采集的。銷售商能夠得到客戶在注冊過程中保存的信息，即客戶的基本信息，包括姓名、籍貫、家庭住址、出生日期以及愛好等，同時還能根據客戶所瀏覽的網頁和商品等信息，對客戶關注和傾向的商品進行判斷，進而為客戶建立相應的服務檔案。而且客戶人員還能在計算機的數據庫中存儲客戶與自身交流時的數據信息。當客戶完成訂單和付款之后，可以對其收貨地址信息加以確定，進而掌握客戶的所在地等信息，進而進一步完善客戶對應的信息數據庫。同時還能夠對客戶的投訴和評價進行分類整理，使客戶的服務檔案得到不斷的完善，以此為網站的優化提供更加有利的數據資料。與此同時還會將數據挖掘技術引入到網絡服務器中，進行一個可以對客戶瀏覽途徑和頁面以及點擊產品信息加以記載的數據庫系統，實現各企業資源共享的目標，并且還不會對網絡服務器的訪問速度產生影響。

2.數據信息的分析

想要設計出一個成功的電子商務網站，就應該在保持對客戶完全透明的基礎上，及時、快速、準確的分析客戶資料及其訪問行為，進而保證客戶訪問頁面的處理時間不被占用的條件下，為客戶提供一個可以更方便、快捷的進行網購、網上交易等商務活動環境。首先，就要分析客戶行為和登錄方式，對網站客戶群進行劃分歸類；其次在進行內容設計的時候重點考慮客戶群的年齡、愛好和特點等方面，將網站內容加以歸類，并針對不同類別的客戶群，展示客戶感興趣的商品信息，最后再根據客戶的訪問、瀏覽信息以及訂單信息，為客戶的行為資料進行及時修改和完善。

3.個性化服務

這就是通過挖掘網絡數據信息，了解和掌握客戶的需求和興趣，準確的向客戶提供個性化的產品推薦，這不但要根據客戶的諸多方面對其提供滿足其需求的信息，而且還是主動為客戶提供所需信息，使網站的個性化服務的特點更為突出，進而吸引更多的客戶。并且為了使得客戶類型更加穩定和準確，就需要優先臭氧統計具有較長注冊時間、較多瀏覽記錄以及產品購買數量大的客戶。

三、結束語

總而言之，對于電子商務網站的設計，因其頁面較多，是動態的，并且較為復雜，很難找到完整的結構模型，因此很難在網絡中快速的找到人們所需的商業數據信息，這就需要在網站設計中應用網絡數據挖掘，進而為銷售商帶去更多效益。

參考文獻：

[1]黃玲。在電子商務中應用 Web數據挖掘的研究[D].湖南大學，2014.[2]馬宗亞，張會彥。Web 數據挖掘技術在電子商務中的應用研究[J].現代經濟信息，2014,06:395.[3]杜芳芳。淺析基于 Web 數據挖掘的電子商務網站架構[J].電子商務，2010,02:69-70.[4]申云鳳。基于 Web 數據挖掘的電子商務網站個性化服務的研究[J].中國管理信息化，2011,08:61-64.

第二篇：網站設計技術I-教學大綱(電商)

網站設計技術Ⅰ

Fundamental of Web Design

課程編碼：05205150

學分：2.課程類別： 專業課

計劃學時：48

其中講課：32

實驗或實踐：16

上機：0 適用專業：電子商務

推薦教材：鐵軍主編，網站設計技術，中央廣播電視大學出版社；第1版(2004年)參考書目：1.姜韡、吳濤主編，網站全程設計技術(修訂本)清華大學出版社(2006出版)2.耿霞, 鄒婷婷主編，網站設計與開發技術教程，人民郵電出版社;第1版(2009年)3．教育部推薦教材?數字媒體技術專業系列規劃教材?專題網站創意設計與實現 吳倩、沙景榮 北京師范大學出版集團，北京師范大學出版社(2009-08出版)

課程的教學目的與任務

本課程是電子商務專業的專業課。本課程的教學目的和任務是讓學生通過本課程的學習，學習從事網頁設計、網站開發、網站維護、網頁美工等方面知識與技能，為進一步的學習制作中小型企業的電子商務網站打下堅實的基礎。學會如何根據電子商務企業的特點和企業的需求，進行網站設計規劃，并配合開發人員全過程參與網站設計的研制、運行與維護過程，為企業電子商務管理服務。

課程的基本要求

學生通過學習網站設計技術方面的基本理論和基本知識，接受系統工程方法以及信息管理方法的基本訓練，獲得以下幾方面的知識和能力：(1)掌握網站設計的基本概念，了解網站技術系統在電子商務管理中的地位和作用、管理信息系統的種類和應用領域；(2)理解網站設計的系統分析方法、設計方法和實現技術；(3)掌握網站設計的系統規劃和開發方法以及網站項目管理和運行及維護管理的基本知識；(4)掌握html、css、javascript語言和Dreamveaver、flash軟件，具有綜合運用各種網絡開發語言和設計軟件的基本能力；(5)了解課程相關領域的最新技術和發展動態等。

各章節授課內容、教學方法及學時分配建議（含課內實驗）

第一章

網站設計概述

建議學時：6 [教學目的與要求] 認識什么是網頁、網頁中的基本元素、網站的分類，了解常用網頁制作與美化工具，學習網頁藝術設計基礎知識，掌握網頁制作基本流程。[教學重點與難點] 網站設計流程。

[授

課

方

法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 第一節 基本概念

一、網站的特點

二、網站的分類 第二節 網站的設計

一、網站主題、名稱和CI形象的定位

二、網站的整體風格和創意設計

三、網站設計的主要工具

四、網站設計流程

第二章

網站設計基礎語言HTML

建議學時：12 [教學目的與要求] 理解什么是HTML，掌握HTML基本語法，掌握常見的HTML標記，學習使用reamweaver編輯HTML，學習查找和替換HTML代碼，學習使用Dreamweaver優化HTML代碼，定制HTML的代碼格式。[教學重點與難點] HTML的基本標識符和基本語法、表格和表單制作。[授

課

方

法] 以課堂講授為主，課堂討論和課下自學為輔。[授

課

內

容] 第一節 HTML簡介

一、HTML的發展

二、HTML的結構 第二節 HTML語法

一、HTML的語法

二、HTML的標簽定義

三、創建HTML文檔 第三節 HTML基礎標簽

一、文件標簽

二、排片標簽

三、框架標簽

四、字體標簽

五、表格與清單標簽

六、表單標簽

七、超鏈接標簽

八、多媒體標答

第四節 綜合案例

第三章

CSS樣式在網頁中的應用

建議學時：12 [教學目的與要求]理解CSS樣式，認識“層疊樣式表－CSS”，CSS選擇器，創建CSS樣式，設置CSS樣式，使用CSS創建網頁。

[授

課

方

法] 以課堂講授為主，課堂討論和課下自學為輔。[授

課

內

容] 第一節 CSS語言

一、CSS簡介

二、CSS與HTML文檔的結合方法 第二節 CSS基礎

一、理解和使用CSS的屬性

二、CSS語法規則 第三節 CSS基礎應用

一、CSS樣式的單位

二、CSS樣式在網頁中的應用

三、用CSS樣式制作一些特殊效果 綜合案例：CSS濾鏡

第四章

JavaScript語言

建議學時：6 [教學目的與要求] 了解JavaScript是一種基于對象和事件驅動并具有相對安全性的客戶端腳本語言。同時也是一種因特網上最流行的腳本語言，掌握JavaScript可在所有主要的瀏覽器中運行的原理與功能；掌握JavaScript 被用來改進設計、驗證表單、檢測瀏覽器、創建cookies等用法。[教學重點與難點] JavaScript的運行機理、用法。

[授

課

方

法] 以課堂講授為主，課堂討論和課下自學為輔。[授

課

內

容] 第一節 JavaScript簡介

一、什么是 JavaScript？

二、Java 和 JavaScript區別

三、JavaScript 能做什么？ 第二節 JavaScript 基礎

一、JavaScript的語法

二、JavaScript的語句

三、JavaScript的變量

四、如何把 JavaScript 放入 HTML 頁面 第三節 JavaScript 對象

一、JavaScript 對象簡介

二、面向對象編程的概念

三、JavaScript 字符串(String)對象

四、JavaScript Date（日期）對象

五、JavaScript Array（數組）對象

第四節 綜合案例

第五章

網頁二維動畫設計基礎

建議學時：12 [教學目的與要求] 了解什么是動畫？什么是Flash動畫制作?學習逐幀動畫、運動動畫、變形動畫、遮罩動畫、導向動畫、音響動畫等網頁二維動畫的設計方法。[教學重點與難點] 決策支持系統和商務智能的原理。

[授

課

方

法] 以課堂講授為主，課堂討論和課下自學為輔。[授

課

內

容] 第一節 動畫基本理論

一、什么是動畫？

二、幀和運動

三、動態動畫 VS 靜態動畫

第二節 FLASH簡介

一、傳統動畫及制作過程

二、什么是FLASH

三、為什么用FLASH

四、FLASH的特點 第三節 FLASH基礎

一、FLASH動畫基礎知識

二、時間軸

三、關鍵幀

四、過渡幀

五、工具箱與面板

六、元件、實例與庫

七、圖層的使用 綜合案例

撰稿人：杜培林

審核人：

第三篇：高校管理中數據挖掘技術的研究論文

摘要：近年來，數據庫挖掘技術的普遍應用，使數據價值實現最大化，在我國金融、商業、市場營銷等領域得到廣泛應用。然而在我國高校管理中并沒有得到推廣，為使高校管理系統中的數據充分發揮應有價值，在該系統中使用數據庫挖掘技術意義深遠。本文首先介紹了數據挖掘技術的流程，然后在教師教學質量評估中應用數據庫挖掘技術，充分證明數據庫挖掘技術在高校管理中能發揮重大作用。

關鍵詞：管理；決策樹；數據挖掘技術

當前，大部分高校都擁有配套的管理系統，該系統具備海量數據儲存和管理功能，徹底告別了手工記錄信息和數據的年代。不但節約了紙張，更有效提高了高校管理數據和信息的效率。然而我國高校沒有有效利用應用數據挖掘技術，因此研究數據庫挖掘技術在高校管理中的應用十分必要。

1數據挖掘技術的流程

數據挖掘技術能夠將海量數據展開分析和處理，再把整體數據庫中存在規律的數據整合起來，實施該技術主要包括以下五個環節。目標定義：該環節中要與有關領域的背景知識相結合，清晰、精確的定義出數據挖掘目標。數據準備：在該環節中要搜集、選取數據源中的數據，處理已選數據，將其轉換為適合數據挖掘的形態。數據挖掘：該環節是數據挖掘技術的核心，即采用關聯規則法、分類分析法等各種數據挖掘方法把數據中隱藏的知識和規律發掘出來。結果表示：在該環節中可以以用戶需求為依據，將挖掘出來的知識和規律轉變為用戶能接受和理解的形態。知識吸收：該環節中，主要是把挖掘結果與指定領域中的需求相結合，在該領域中應用發掘出來的結果，為決策者提供知識，是數據挖掘的終極目標。

2數據挖掘技術在教學質量評估中的應用

2.1運用關聯規則法挖掘數據庫中的信息

評估老師教學質量不但是評定教學效果的重要部分，也是評定教師職稱的重要根據，因此是高校管理工作中不可或缺的部分。目前評估教學質量的主要措施是搜集、統計學生的成績和以及對老師的評價，然后加權算出老師的總得分，作為評估該老師教學質量指標。這種方法非但不科學，其權威性也較低，因此需要深挖數據的相關性，本文采用了數據挖掘技術中的關聯規法挖掘數據中的規律和知識，為評估老師教學質量提供有力根據。運用關聯規則法挖掘數據，其規則方法為“XY，置信度為c%，支持度為s%”。關聯規則中置信度為c%：在整體事件D集合中，如果既能夠符合事件X中擁有c%的需求，也能夠符合Y的要求。那么就用置信度來表示關聯規則的強度，被記錄為confidence（XY），置信度最小值用minConf來表示，通常置信度最小數值由客戶提供。關聯規則中置信度為s%：在整體事件D集合中，如果既能夠符合事件Y中的s%的需求，又能夠符合X要求。用支持度來表示關聯規則的頻度，把支持度的最小數記錄用minsup（X）來表示，通常支持度最小數值由客戶提供。頻繁項集合：當X項集的支持度大于等于用戶設定好的最小支持度時，那么頻繁項集是X。通常關聯規則包含兩個環節：①把全部頻繁項集從整體事件集中選出；②運用頻繁項集產生關聯規則。在這兩個環節中關聯規則效果和性能是否良好取決于第一個環節。

2.2關聯規則分析在評估教學質量中的運用

第一步是準備數據期，在某大學的教學管理系統中將五百條與教學評價有關的記錄從數據庫中隨機抽取，并挑選出老師編號、學歷、性別、教齡、評估分和職稱這六個屬性，并將相關數據從數據庫中提取。比如把講師、副教授和教授等職稱轉化成11、01、00等編碼，表1就是制定的評價教師教學記錄表。第二步采用關聯規則分析法把90分以上評價分數作為檢索目標和判斷標準，也就是將≥90分作為判斷是否是高教學質量闕值。通過檢索有143條記錄符合標準，即設定最小的支持度為10%，置信度則為15%，得出下表2的關聯規則。最后一步評價本次實驗的結果。由上表得知，學生喜歡男老師和女老師的程度大致相同；學歷愈高的老師，給予他們的教學評價也就愈高，即學歷和教學評價成正比，這也說明了學歷高的老師其基本功與學歷低的老師相比，前者基本功更為穩固，也有較高的科學研究水平；有較長教齡和較高職稱的老師，其教學質量也越高；此外，在支持度中可以看出，高校教授和高學歷人才越多，說明其辦學能力也就越高。

3結語

高校管理系統作為教學信息化的重要舉措，只是起到搜集和儲存海量教學信息的作用，并沒有挖掘出海量數據之間的相關性，而在本文中把關聯規則法運用在教師教學質量評估中，在數據中挖掘有價值的知識和規律，使評估教師教學質量更具有科學性，因此在高校管理中全面應用數據挖掘技術，能為高校深化教學改革提供新的契機。

參考文獻

[1]江敏，徐艷。數據挖掘技術在高校教學管理中的應用[J]。電腦知識與技術，2012，（24）：541—545+560。

[2]楊雪霞。數據挖掘技術在高校圖書館管理系統中的應用研究[J]。軟件，2011（04）：16—18。

第四篇：大數據時代數據挖掘技術教學研究論文

摘要:隨著大數據時代的到來，在大數據觀念不斷提出的今天，加強數據大數據挖掘及時的應用已成為大勢所趨。那么在大數據教學過程中，我們必須掌握大數據與數據挖掘的內涵，并對數據挖掘技術進行分析，從而明確大數據時代下數據挖掘技術的應用領域，促進各項數據的處理，提高大數據處理能力。

關鍵詞:大數據時代；數據挖掘技術；應用

大數據是對全球的數據量較大的一個概括，且每年的數據增長速度較快。而數據挖掘，主要是從多種模糊而又隨機、大量而又復雜且不規則的數據中，獲得有用的信息知識，從數據庫中抽絲剝繭、轉換分析，從而掌握其潛在價值與規律。所以大數據時代下的數據處理技術要求更高，要想確保數據處理成效得到提升，就必須切實加強數據挖掘技術教學工作的開展，才能更好地促進數據處理職能的轉變，提高數據處理效率，優化學生的學習成效。以下就大數據時代下的數據挖掘技術教學做出如下分析。

1大數據時代下數據挖掘技術的基礎教學方法分析

數據挖掘的過程實際就是對數據進行分析和處理，所以其基礎就在于數據的分析方法。要想確保分析方法的科學性，就必須確保所采用算法的科學性和可靠性，獲取數據潛在規律，并采取多元化的分析方法促進問題的解決和優化。以下就幾種常見的數據分析教學方法做出簡要的說明。一是歸類法，主要是將沒有指向和不確定且抽象的數據信息予以集中，并對集中后的數據實施分類整理和編輯處理，從而確保所形成的數據源具有特征一致、表現相同的特點，從而為加強對其的研究提供便利。所以這一分析方法能有效的滿足各種數據信息處理。二是關聯法，由于不同數據間存在的關聯性較為隱蔽，采取人力往往難以找出其信息特征，所以需要預先結合信息關聯的表現，對數據關聯管理方案進行制定，從而完成基于某種目的的前提下對信息進行處理，所以其主要是在一些信息處理要求高和任務較為復雜的信息處理工作之中。三是特征法，由于數據資源的應用范圍較廣，所以需要對其特征進行挖掘。也就是采用某一種技術，將具有相同特征的數據進行集中。例如采用人工神經網絡技術時，主要是對大批量復雜的數據分析，對非常復雜的模式進行抽取或者對其趨勢進行分析。而采取遺傳算法，則主要是對其他評估算法的適合度進行評估，并結合生物進化的原理，對信息數據的成長過程進行虛擬和假設，從而組建出半虛擬、半真實的信息資源。再如可視化技術則是為數據挖掘提供輔助，采取多種方式對數據的挖掘進行指導和表達[1]。

2大數據時代數據挖掘技術教學要點的分析

2.1數據挖掘技術流程分析

在數據挖掘教學過程中，其流程主要是以下幾點：首先做好數據準備工作，主要是在挖掘數據之前，就引導學生對目標數據進行準確的定位，在尋找和挖掘數據之前，必須知道所需數據類型，才能避免數據挖掘的盲目性。在數據準備時，應根據系統的提示進行操作，在數據庫中輸入檢索條件和目標，對數據信息資源進行分類和清理，以及編輯和預處理。其次是在數據挖掘過程中，由于目標數據信息已經被預處理，所以就需要在挖掘處理過程中將其高效正確的應用到管理機制之中，因而數據挖掘的過程十分重要，所以必須加強對其的處理。例如在數據挖掘中，引導學生結合數據挖掘目標要求，針對性的選取科學而又合適的計算和分析方法，對數據信息特征與應用價值等進行尋找和歸納。當然，也可以結合程序應用的需要，對數據區域進行固定，并在固定的數據區域內分類的挖掘數據，從而得到更具深度和內涵以及價值的數據信息資源，并就挖掘到的數據結果進行分析和解釋，從結果中將具有使用價值和意義的規律進行提取，并還原成便于理解的數據語言。最后是切實加強管理和計算等專業知識的應用，將數據挖掘技術實施中進行的總結和提取所獲得的數據信息與評估結果在現實之中應用，從而對某個思想、決策是否正確和科學進行判斷，最終體現出數據挖掘及時的應用價值，在激發學生學習興趣的同時促進教學成效的提升。

2.2挖掘后的數據信息資源分析

數據信息資源在挖掘后，其自身的職能作用將變得更加豐富，所以在信息技術環節下的數據挖掘技術隨著限定條件的變化，而將數據挖掘信息應用于技術管理和決策管理之中，從而更好地彰顯數據在經濟活動中的物質性質與價值變化趨勢，并結合數據變化特點和具體的表現規律，從而將數據信息的基本要素、質量特點、管理要求等展示出來，所以其表現的形式十分豐富。因而在數據挖掘之后的信息在職能范圍和表現形式方式均得到了豐富和拓展，而這也在一定程度上體現了網絡擬定目標服務具有較強的完整性，且屬于特殊的個體物品，同時也是對傳統數據挖掘技術的創新和發展，從而更好地滿足當前大數據時代對信息進行數據化的處理，并對不同種類業務進行整合和優化，從而促進數據挖掘技術服務的一體化水平。

2.3大數據背景下的數據挖掘技術的應用必須注重信息失真的控制

數據挖掘技術的信息主要是源于大數據和社會，所以在當前數據挖掘技術需求不斷加大的今天，為了更好地促進所挖掘數據信息的真實性，促進其個性化職能的發揮，必須在大數據背景下注重信息失真的控制，切實做好數據挖掘技術管理的各項工作。這就需要引導學生考慮如何確保數據挖掘技術在大數據背景下的職能得到有效的發揮，盡可能地促進數據挖掘技術信息資源的升級和轉型，以大數據背景為載體，促進整個業務和技術操作流程的一體化，從而更好地將所有數據資源的消耗和變化以及管理的科學性和有效性，這樣我們就能及時的找到資源的消耗源頭，從而更好地對數據資源的消耗效益進行評價，最終促進業務流程的優化，并結合大數據背景對數據挖掘技術的職能進行拓展，促進其外部信息與內部信息的合作，對數據挖掘技術信息的職能進行有效的控制，才能更好地促進信息失真的控制[2]。

3數據挖掘技術在不同行業中的應用實踐

學習的最終目的是為了更好的應用，隨著時代的發展，數據挖掘技術將在越來越多的行業中得以應用。這就需要高校教師引導學生結合實際需要強化對其的應用。例如在市場營銷行業中數據挖掘技術的應用這主要是因為數據挖掘能有效的解析消費者的消費行為和消費習慣，從而利用其將銷售方式改進和優化，最終促進產品銷量的提升。與此同時，通過對購物消費行為的分析，掌握客戶的忠誠度和消費意識等，從而針對性的改變營銷策略，同時還能找到更多潛在的客戶。再如在制造業中數據挖掘技術的應用，其目的就在于對產品質量進行檢驗。引導學生深入某企業實際，對所制造產品的數據進行研究，從而找出其存在的規則，并對其生產流程進行分析之后，對其生產的過程進行分析，從而更好地對生產質量的影響因素進行分析，并促進其效率的提升。換言之，主要就是對各種生產數據進行篩選，從而得出有用的數據和知識，再采取決策樹算法進行統計決策，并從中選取正確決策，從而更好地對產品在市場中的流行程度，決定生產和轉型的方向。再如在教育行業中數據挖掘技術的應用，主要是為了更好地對學習情況、教學評估和心里動向等數據進行分類和篩選，從而為學校的教學改革提供參考和支持。比如為了更好地對教學質量進行評估，就需要對教學質量有關項目進行整合與存儲，從而更好地促進其對教學質量的評估，而這一過程中，就需要采取數據挖掘技術對有關教學項目中的數據進行挖掘和處理，促進其應用成效的提升[3]。

4結語

綜上所述，在大數據背景下，數據挖掘技術已經在各行各業中得到了廣泛的應用，所以為了更好地滿足應用的需要，在實際教學工作中，我們必須引導學生切實加強對其特點的分析，并結合實際需要，切實注重數據挖掘技術的應用，才能促進其應用成效的提升，最終達到學以致用的目的。

參考文獻：

[1]李平榮.大數據時代的數據挖掘技術與應用[J].重慶三峽學院學報,2014,03:45-47.[2]歐陽柏成.大數據時代的數據挖掘技術探究[J].電腦知識與技術,2015,15:3-4+9.[3]孔志文.大數據時代的數據挖掘技術與應用[J].電子技術與軟件工程,2015,23:195.

第五篇：公共管理論文--將數據挖掘技術應用在客戶關系管理中

[摘要] 在客戶關系管理中，企業將面臨大量的來自于客戶和市場的數據和信息，這些數據是大量的、不完全的、有噪聲的、模糊的、隨機的，但同時又是非常有用的。數據挖掘技術可以將這些數據有效的分析、整理，從而給數據使用者提供有效、及時的信息。本文就數據挖掘技術在客戶關系管理中如何應用做了粗淺的探討。

[關鍵詞] 數據挖掘 客戶關系管理 應用 步驟

根據波特的影響企業的利益相關者理論，企業有五個利益相關者，分別是客戶、競爭對手、供應商、分銷商和政府等其他利益相關者。其中，最重要的利益相關者就是客戶。現代企業的競爭優勢不僅體現在產品上，還體現在市場上，誰能獲得更大的市場份額，誰就能在競爭中占據優勢和主動。而對市場份額的爭奪實質上是對客戶的爭奪，因此，企業必須完成從“產品”導向向“客戶”導向的轉變，對企業與客戶發生的各種關系進行管理。進行有效的客戶關系管理，就要通過有效的途徑，從儲存大量客戶信息的數據倉庫中經過深層分析，獲得有利于商業運作，提高企業市場競爭力的有效信息。而實現這些有效性的關鍵技術支持就是數據挖掘，即從海量數據中挖掘出更有價值的潛在信息。正是有了數據挖掘技術的支持，才使得客戶關系管理的理念和目標得以實現，滿足現代電子商務時代的需求和挑戰。

一、客戶關系管理（CRM）

CRM是一種旨在改善企業與客戶之間關系的新型管理方法。它是企業通過富有意義的交流和溝通,理解并影響客戶行為,最終實現提高客戶獲取、客戶保留、客戶忠誠和客戶創利的目的。它包括的主要內容有客戶識別、客戶關系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關系管理能夠提高企業銷售收入，改善企業的服務，提高客戶滿意度，同時能提高員工的生產能力。

二、數據挖掘（DM）

數據挖掘（Data Mining，簡稱DM），簡單的講就是從大量數據中挖掘或抽取出知識。數據挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。

常用的數據挖掘方法有：（1）關聯分析。即從給定的數據集中發現頻繁出現的項集模式知識。例如，某商場通過關聯分析，可以找出若干個客戶在本商場購買商品時，哪些商品被購置率較高，進而可以發現數據庫中不同商品的聯系，進而反映客戶的購買習慣。（2）序列模式分析。它與關聯分析相似，其目的也是為了控制挖掘出的數據間的聯系。但序列模式分析的側重點在于分析數據間的前后（因果）關系。例如，可以通過分析客戶在購買A商品后，必定（或大部分情況下）隨著購買B商品，來發現客戶潛在的購買模式。（3）分類分析。是找出一組能夠描述數據集合典型特征的模型，以便能夠分類識別未知數據的歸屬或類別。例如，銀行可以根據客戶的債務水平、收入水平和工作情況，可對給定用戶進行信用風險分析。（4）聚類分析。是從給定的數據集中搜索數據對象之間所存在的有價值聯系。在商業上，聚類可以通過顧客數據將顧客信息分組，并對顧客的購買模式進行描述，找出他們的特征，制定針對性的營銷方案。（5）孤立點分析。孤立點是數據庫中與數據的一般模式不一致的數據對象，它可能是收集數據的設備出現故障、人為輸入時的輸入錯誤等。孤立點分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點分析發現信用卡詐騙，電信部門可以利用孤立點分析發現電話盜用等。

三、數據挖掘在客戶關系管理中的應用

1.進行客戶分類

客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數據挖掘可以幫助企業進行客戶分類，針對不同類別的客戶，提供個性化的服務來提高客戶的滿意度，提高現有客戶的價值。細致而可行的客戶分類對企業的經營策略有很大益處。例如，保險公司在長期的保險服務中，積累了很多的數據信息，包括對客戶的服務歷史、對客戶的銷售歷史和收入，以及客戶的人口統計學資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來，以便在數據庫里建立起一個完整的客戶背景。在客戶背景信息中，大批客戶可能在保險種類、保險年份和保險金額上具有極高的相似性，因而形成了具有共性的客戶群體。經過數據挖掘的聚類分析，可以發現他們的共性，掌握他們的保險理念，提供有針對性的服務，提高保險公司的綜合服務水平，并可以降低業務服務成本，取得更高的收益。

2.進行客戶識別和保留

(1)在CRM中,首先應識別潛在客戶,然后將他們轉化為客戶

這時可以采用DM中的分類方法。首先是通過對數據庫中各數據進行分析，從而建立一個描述已知數據集類別或概念的模型，然后對每一個測試樣本，用其已知的類別與學習所獲模型的預測類別做比較，如果一個學習所獲模型的準確率經測試被認可，就可以用這個模型對未來對象進行分類。例如，圖書發行公司利用顧客郵件地址數據庫，給潛在顧客發送用于促銷的新書宣傳冊。該數據庫內容有客戶情況的描述，包括年齡、收入、職業、閱讀偏好、訂購習慣、購書資金、計劃等屬性的描述，顧客被分類為“是”或“否”會成為購買書籍的顧客。當新顧客的信息被輸入到數據庫中時，就對該新顧客的購買傾向進行分類，以決定是否給該顧客發送相應書籍的宣傳手冊。

(2)在客戶保留中的應用

客戶識別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對企業來說，獲取一個新顧客的成本要比保留一個老顧客的成本高。在保留客戶的過程中，非常重要的一個工作就是要找出顧客流失的原因。例如，某專科學校的招生人數在逐漸減少，那么就要找出減少的原因，經過廣泛的搜集信息，發現原因在于本學校對技能培訓不夠重視，學生只能學到書本知識，沒有實際的技能，在就業市場上找工作很難。針對這種情況，學校應果斷的抽取資金，購買先進的、有針對性的實驗實訓設備，同時修改教學計劃，加大實驗實訓課時和考核力度，培訓相關專業的教師。

(3)對客戶忠誠度進行分析

客戶的忠誠意味著客戶不斷地購買公司的產品或服務。數據挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩定性進行分析。比如大型超市通過會員的消費信息，如最近一次消費、消費頻率、消費金額三個指標對數據進行分析,可以預測出顧客忠誠度的變化，據此對價格、商品的種類以及銷售策略加以調整和更新，以便留住老顧客，吸引新顧客。

(4)對客戶盈利能力分析和預測

對于一個企業而言，如果不知道客戶的價值，就很難做出合適的市場策略。不同的客戶對于企業而言，其價值是不同的。研究表明，一個企業的80%的利潤是由只占客戶總數的20%的客戶創造的，這部分客戶就是有價值的優質客戶。為了弄清誰才是有價值的客戶，就需要按照客戶的創利能力來劃分客戶，進而改進客戶關系管理。數據挖掘技術可以用來分析和預測不同市場活動情況下客戶盈利能力的變化，幫助企業制定合適的市場策略。商業銀行一般會利用數據挖掘技術對客戶的資料進行分析，找出對提高企業盈利能力最重要的客戶，進而進行針對性的服務和營銷。

(5)交叉銷售和增量銷售

交叉銷售是促使客戶購買尚未使用的產品和服務的營銷手段，目的是可以拓寬企業和客戶間的關系。增量銷售是促使客戶將現有產品和服務升級的銷售活動，目的在于增強企業和客戶的關系。這兩種銷售都是建立在雙贏的基礎上的，客戶因得到更多更好符合其需求的服務而獲益，公司也因銷售增長而獲益。數據挖掘可以采用關聯性模型或預測性模型來預測什么時間會發生什么事件，判斷哪些客戶對交叉銷售和增量銷售很有意向，以達到交叉銷售和增量銷售的目的。例如，保險公司的交叉營銷策略：保險公司對已經購買某險種的客戶推薦其它保險產品和服務。這種策略成功的關鍵是要確保推銷的保險險種是用戶所感興趣的，否則會造成用戶的反感。

四、客戶關系管理應用數據挖掘的步驟

1.需求分析

只有確定需求，才有分析和預測的目標，然后才能提取數據、選擇方法，因此，需求分析是數據挖掘的基礎條件。數據挖掘的實施過程也是圍繞著這個目標進行的。在確定用戶的需求后,應該明確所要解決的問題屬于哪種應用類型,是屬于關聯分析、分類、聚類及預測，還是其他應用。應對現有資源如已有的歷史數據進行評估，確定是否能夠通過數據挖掘技術來解決用戶的需求，然后將進一步確定數據挖掘的目標和制定數據挖掘的計劃。

2.建立數據庫

這是數據挖掘中非常重要也非常復雜的一步。首先,要進行數據收集和集成，其次,要對數據進行描述和整合。數據主要有四個方面的來源：客戶信息、客戶行為、生產系統和其他相關數據。這些數據通過抽取、轉換和裝載，形成數據倉庫，并通過OLAP和報表，將客戶的整體行為結果分析等數據傳遞給數據庫用戶。

3.選擇合適的數據挖掘工具

如果從上一步的分析中發現，所要解決的問題能用數據挖掘比較好地完成，那么需要做的第三步就是選擇合適的數據挖掘技術與方法。將所要解決的問題轉化成一系列數據挖掘的任務。數據挖掘主要有五種任務：分類，估值預測，關聯規則，聚集，描述。前三種屬于直接的數據挖掘。在直接數據挖掘中，目標是應用可得到的數據建立模型，用其它可得到的數據來描述感興趣的變量。后兩種屬于間接數據挖掘。在間接數據挖掘中，沒有單一的目標變量，目標是在所有變量中發現某些聯系。

4.建立模型

建立模型是選擇合適的方法和算法對數據進行分析，得到一個數據挖掘模型的過程。一個好的模型沒必要與已有數據完全相符，但模型對未來的數據應有較好的預測。需要仔細考察不同的模型以判斷哪個模型對所需解決的問題最有用。如決策樹模型、聚類模型都是分類模型，它們將一個事件或對象歸類。回歸是通過具有已知值的變量來預測其它變量的值。時間序列是用變量過去的值來預測未來的值。這一步是數據挖掘的核心環節。建立模型是一個反復進行的過程，它需要不斷地改進或更換算法以尋找對目標分析作用最明顯的模型，最后得到一個最合理、最適用的模型。

5.模型評估

為了驗證模型的有效性、可信性和可用性，從而選擇最優的模型，需要對模型進行評估。我們可以將數據中的一部分用于模型評估，來測試模型的準確性，模型是否容易被理解模型的運行速度、輸入結果的速度、實現代價、復雜度等。模型的建立和檢驗是一個反復的過程，通過這個階段階段的工作，能使數據以用戶能理解的方式出現，直至找到最優或較優的模型。

6.部署和應用

將數據挖掘的知識歸檔和報告給需要的群體，根據數據挖掘發現的知識采取必要的行動，以及消除與先前知識可能存在的沖突，并將挖掘的知識應用于應用系統。在模型的應用過程中，也需要不斷地對模型進行評估和檢驗，并做出適當的調整，以使模型適應不斷變化的環境。

參考文獻:

[1]羅納德．S．史威福特．客戶關系管理[M]．楊東龍譯．北京：中國經濟出版社，2002 [2]馬剛:客戶關系管理[M]大連：東北財經大學出版社，2008 [3]朱美珍:以數據挖掘提升客戶關系管理[J]．高科技產業技術與創新管理，2006，（27）[4]顧桂芳何世友:數據挖掘在客戶關系管理中的應用研究[J].企業管理，2007，（7）[5]蘇紅瀾:數據挖掘技術在客戶關系管理中的應用[J]．成都教育學院學報，2004（8）[6]李雄飛李軍:數據挖掘與知識發現[M].北京：高等教育出版社, 2005