遼寧對外經(jīng)貿(mào)學(xué)院 欒 陽

1.數(shù)據(jù)挖掘技術(shù)概述

1.1 數(shù)據(jù)挖掘技術(shù)的分析方式

在當(dāng)今的人工智能領(lǐng)域之中，數(shù)據(jù)挖掘技術(shù)被稱為知識發(fā)現(xiàn)或數(shù)據(jù)庫中知識發(fā)現(xiàn)(Knowledge Discovery in Databases，KDD)，也有人把數(shù)據(jù)挖掘技術(shù)視為是從數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。數(shù)據(jù)挖掘技術(shù)是一個從大量數(shù)據(jù)中抽取挖掘出未知的、有價值的模式或規(guī)律等知識的非平凡過程，因此它與數(shù)據(jù)倉庫有著密切的聯(lián)系。

圖1 數(shù)據(jù)挖掘系統(tǒng)原型

數(shù)據(jù)挖掘的分析方法大致有兩大種類。一類是直接數(shù)據(jù)挖掘，其目標(biāo)是利用可用的數(shù)據(jù)建立一個模型，這個模型對一個特定的變量(可以理解成數(shù)據(jù)庫中表的屬性，即列)進行描述；另一類是間接數(shù)據(jù)挖掘，其目標(biāo)中沒有選出某一具體的變量來用模型進行描述，而是在所有的變量中建立起某種關(guān)系。上面的分類、估值、預(yù)言屬于直接數(shù)據(jù)挖掘，后三種屬于間接數(shù)據(jù)挖掘。數(shù)據(jù)挖掘的分析方法大致可分為以下幾種：

分類(Classification)。從數(shù)據(jù)中選出已經(jīng)分好類的訓(xùn)練集，在該訓(xùn)練集上運用數(shù)據(jù)挖掘分類的技術(shù)，建立分類模型，對于沒有分類的數(shù)據(jù)進行分類。

例子：信用卡申請者，分類為低、中、高風(fēng)險。

估值(Estimation)。估值與分類十分相似，不同之處在于，分類描述的是離散型變量的輸出，而估值處理連續(xù)值的輸出；分類的類別是確定數(shù)目的，估值的量是不確定的。

例子：

a.根據(jù)購買模式，估計一個家庭孩子個數(shù)。

b.根據(jù)購買模式，估計一個家庭的收入。

c.估計real estate的價值。

預(yù)言(Prediction)。預(yù)言是通過分類或估值起作用的。及先通過分類或估值得出模型，然后再用該模型對未知變量的預(yù)言。

例子：海南航空引入領(lǐng)先的數(shù)據(jù)挖掘工具馬克威分析系統(tǒng)，分析客流、燃油等變化趨勢，以航線收益為主題進行數(shù)據(jù)挖掘，制定精細的銷售策略，有效提高了企業(yè)收益。

相關(guān)性分組或關(guān)聯(lián)規(guī)則(Affinity grouping or association rules)。決定哪些事情將一起發(fā)生。

例子：

a.超市中客戶在購買A的同時，經(jīng)常會購買B，即A=＞B(關(guān)聯(lián)規(guī)則)。

b.客戶在購買A后，隔一段時間，會購買B(序列分析)。

聚集(Clustering)。聚集是對記錄分組，把相似的記錄在一個聚集里。聚集和分類的區(qū)別是聚集不依賴于預(yù)先定義好的類，不需要訓(xùn)練集。

例子：

a.一些特定癥狀的聚集可能預(yù)示了一個特定的疾病。

b.租VCD類型不相似的客戶聚集，可能暗示成員屬于不同的亞文化群。

描述和可視化(Description and Visualization)。是對數(shù)據(jù)挖掘結(jié)果的表示方式。

1.2 數(shù)據(jù)挖掘技術(shù)的實現(xiàn)方法

在技術(shù)方面，根據(jù)數(shù)據(jù)挖掘的工作過程可分為數(shù)據(jù)的抽取、數(shù)據(jù)的存儲和管理、數(shù)據(jù)的展現(xiàn)。

數(shù)據(jù)的抽取：數(shù)據(jù)的抽取是數(shù)據(jù)進入倉庫的入口。數(shù)據(jù)的存儲和管理：數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫的特性，也決定了其對外部數(shù)據(jù)的表現(xiàn)形式。數(shù)據(jù)的展現(xiàn)：在數(shù)據(jù)展現(xiàn)方面主要的方式有：

查詢：實現(xiàn)預(yù)定義查詢、動態(tài)查詢、OLAP查詢與決策支持智能查詢。

報表：產(chǎn)生關(guān)系數(shù)據(jù)表格、復(fù)雜表格、OLAP表格、報告以及各種綜合報表。

可視化：用易于理解的點線圖、直方圖、餅圖、網(wǎng)狀圖、交互式可視化、動態(tài)模擬、計算機動畫技術(shù)表現(xiàn)復(fù)雜數(shù)據(jù)及其相互關(guān)系。

統(tǒng)計：進行平均值、最大值、最小值、期望、方差、匯總、排序等各種統(tǒng)計分析。

挖掘：利用數(shù)據(jù)挖掘等方法，從數(shù)據(jù)中得到關(guān)于數(shù)據(jù)關(guān)系和模式的識。

2.數(shù)據(jù)挖掘技術(shù)在客戶訂單管理中的應(yīng)用

2.1 進行客戶識別和保留

首先應(yīng)識別潛在客戶，然后將他們轉(zhuǎn)化為客戶這時可以采用DM中的分類方法。首先是通過對數(shù)據(jù)庫中各數(shù)據(jù)進行分析，從而建立一個描述已知數(shù)據(jù)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(xué)習(xí)所獲模型的預(yù)測類別做比較，如果一個學(xué)習(xí)所獲模型的準(zhǔn)確率經(jīng)測試被認可，就可以用這個模型對未來對象進行分類。客戶保留則是留住老顧客，防止客戶流失的過程。對企業(yè)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。

2.2 數(shù)據(jù)挖掘技術(shù)在客戶管理中的應(yīng)用

客戶的忠誠意味著客戶不斷地購買公司的產(chǎn)品或服務(wù)。數(shù)據(jù)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(wěn)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(biāo)對數(shù)據(jù)進行分析，可以預(yù)測出顧客忠誠度的變化，據(jù)此對價格、商品的種類以及銷售策略加以調(diào)整和更新，以便留住老顧客，吸引新顧客。

數(shù)據(jù)挖掘技術(shù)可以用來分析和預(yù)測不同市場活動情況下客戶盈利能力的變化，幫助企業(yè)制定合適的市場策略。商業(yè)銀行一般會利用數(shù)據(jù)挖掘技術(shù)對客戶的資料進行分析。找出對提高企業(yè)盈利能力最重要的客戶。進而進行針對性的服務(wù)和營銷。

3.基于數(shù)據(jù)挖掘技術(shù)的客戶訂單管理

3.1 客戶訂單管理系統(tǒng)需求分析

隨著社會的不斷進步，信息技術(shù)的不斷發(fā)展，企業(yè)將面臨越來越多的挑戰(zhàn)，而傳統(tǒng)的訂單管理系統(tǒng)已經(jīng)不能滿足現(xiàn)在飛速發(fā)展的社會的需要。在這種壓力之下，各個企業(yè)都希望有一個更好的系統(tǒng)來對企業(yè)的客戶和訂單進行管理，并且盡可能的發(fā)揮出數(shù)據(jù)的有用價值。從而，我們的基于數(shù)據(jù)挖掘技術(shù)的客戶訂單管理系統(tǒng)應(yīng)運而生。作為一個客戶訂單管理系統(tǒng)，它首先要有客戶管理模塊來對企業(yè)的客戶進行管理，還需要一個訂單管理模塊來對客戶下的訂單進行管理。在這基礎(chǔ)上，系統(tǒng)中數(shù)據(jù)挖掘模塊，來對企業(yè)的客戶數(shù)據(jù)進行數(shù)據(jù)挖掘，從未知的數(shù)據(jù)當(dāng)中發(fā)掘出有用的數(shù)據(jù)，從而盡可能的提高企業(yè)在當(dāng)今社會中的生存能力。

在系統(tǒng)中包含了四個功能模塊，它們分別是：客戶管理模塊、訂單管理模塊、數(shù)據(jù)挖掘模塊和系統(tǒng)管理模塊，以及密碼修改、軟件鎖定和退出系統(tǒng)三個快捷按鈕。

其中文件菜單下包括數(shù)據(jù)庫連接、注銷和退出三個子菜單；客戶管理菜單下包括客戶信息的添加、修改、查詢和刪除四個子菜單；訂單管理菜單下包括訂單的查詢、添加、修改、刪除和維護五個子菜單；系統(tǒng)管理菜單下面包括數(shù)據(jù)導(dǎo)出和用戶管理兩個子菜單；密碼修改、軟件鎖定和退出系統(tǒng)三個按鈕分別可以進行當(dāng)前用戶的密碼修改，軟件的臨時鎖定和退出系統(tǒng)。

3.2 客戶訂單管理系統(tǒng)—客戶盈利能力分析和預(yù)測

系統(tǒng)利用數(shù)據(jù)挖掘進行客戶盈利能力分析和預(yù)測，所采用的工具是著名的SAS Enterprise Miner 9.2，這是一種在我國的企業(yè)中廣泛使用的數(shù)據(jù)挖掘工具。SAS Enterprise Miner是一種通用的數(shù)據(jù)挖掘工具，按照“抽樣—探索—轉(zhuǎn)換—建?！u估”的方法進行數(shù)據(jù)挖掘?？梢耘cSAS數(shù)據(jù)倉庫和OLAP集成，實現(xiàn)從提出數(shù)據(jù)、抓住數(shù)據(jù)到得到解答的“端到端”知識發(fā)現(xiàn)。SAS軟件是模塊式結(jié)構(gòu)，最常用的3個模塊分別是SAS/BASE(基礎(chǔ))、SAS/STAT(統(tǒng)計)和SAS/GRAPH(圖形)，還有SAS/ETS(預(yù)測)、SAS/IML(矩陣運算)和SAS/QC(質(zhì)量控制)等約20個模塊。這些模塊可單獨使用、也可互相配合起來使用。

數(shù)據(jù)導(dǎo)入：常用的導(dǎo)入和導(dǎo)出數(shù)據(jù)格式包括：文本文件(txt格式)、純數(shù)據(jù)文件(dat格式)、EXCEL文件(xls格式)、ACCESS文件(mdb格式)。

數(shù)據(jù)分析：最簡單的SAS程序由一個SAS數(shù)據(jù)步(SAS DATA STEP)和一個SAS過程步(SAS PROCEDURESTEP)兩部分組成。數(shù)據(jù)步以DATA語句開頭，其作用是建立SAS數(shù)據(jù)集(SAS DATA SET)。具體地說，就是建立起變量與數(shù)據(jù)之間的聯(lián)系，使數(shù)據(jù)能方便地被SAS過程所利用；過程步以PROC語句開頭，其作用是激活SAS過程。

數(shù)據(jù)導(dǎo)出：分析完成后，選擇文件/導(dǎo)出數(shù)據(jù)，輸入要導(dǎo)出的文件邏輯名稱和數(shù)據(jù)文件名稱后選擇導(dǎo)出的格式，下一步輸入導(dǎo)出的路徑和文件的名稱。最后進入SAS Wizard界面，對輸出的table命名，點擊finish完成。通過“客戶分析”把SAS的分析結(jié)果導(dǎo)入到該系統(tǒng)中，客戶分析界面如圖2所示。

圖2 客戶分析圖

4.新型客戶訂單管理系統(tǒng)的發(fā)展

近年來，以互聯(lián)網(wǎng)為代表的計算機信息技術(shù)的迅速普及，使人們的生活條件和社會環(huán)境發(fā)生了巨大的變化。大量的數(shù)據(jù)庫被廣泛的應(yīng)用于企業(yè)管理，科學(xué)研究，電子商務(wù)，金融預(yù)測，商品零售，醫(yī)藥化工，政府辦公以及工程開發(fā)等社會生活的各個領(lǐng)域，并且這一趨勢仍將繼續(xù)。

運用數(shù)據(jù)挖掘技術(shù)和基于客戶訂單管理的相關(guān)理論，建立基于數(shù)據(jù)挖掘技術(shù)的客戶訂單管理框架，在客戶訂單管理系統(tǒng)的實現(xiàn)中融入數(shù)據(jù)挖掘技術(shù)，使得系統(tǒng)在對數(shù)據(jù)訪問、數(shù)據(jù)分析和制定決策方面為用戶提供更強大的服務(wù)，提高系統(tǒng)的可用性。鑒于客戶訂單系統(tǒng)解決方案建立在企業(yè)原有數(shù)據(jù)庫系統(tǒng)之上，通過分析各種數(shù)據(jù)之間的關(guān)聯(lián)，針對不同的客戶建立不同的聯(lián)系，最大化挖掘訂單價值，為企業(yè)管理層提供正確的決策支持，提升企業(yè)的競爭能力和盈利能力。因此，客戶訂單管理系統(tǒng)的建設(shè)對于企業(yè)的發(fā)展有重大意義。充分利用企業(yè)的訂單數(shù)據(jù)資源，與數(shù)據(jù)挖掘技術(shù)相結(jié)合，從大量的數(shù)據(jù)中抽取有用的商業(yè)信息，實現(xiàn)經(jīng)營管理中的決策支持，從而提高客戶訂單管理系統(tǒng)的時效性。

[1]金周銀.服裝企業(yè)度身定制的客戶訂單管理系統(tǒng)的設(shè)計與實現(xiàn)[J].工業(yè)控制計算機，2010(3)：15-18.

[2]段曉華.數(shù)據(jù)挖掘技術(shù)在電子商務(wù)客戶關(guān)系管理中的應(yīng)用研究[J].湖南文理學(xué)院學(xué)報(自然科學(xué)版)，2010(2)：35-38.

[3]戴宏欽.基于CRM的訂單管理系統(tǒng)[J].電腦開發(fā)與應(yīng)用，2008(11)：46-48.

[4]季明.客戶訂單項目的工作結(jié)構(gòu)及企業(yè)組織結(jié)構(gòu)[J].工業(yè)工程與管理.2007(增刊)：34-37.

[5]DaimlerChrysler Corporation.Cross Industry Standard Process for Data Mining，2007(7)：18-22.