【文章內(nèi)容簡介】 ，并將這些信息進行提取，形成對某一問題的專門知識，并作為決策的依據(jù)?？蛻艄芾淼哪康脑谟趨f(xié)助企業(yè)不斷的獲取、積累客戶知識并將這些知識運用在企業(yè)的市場、銷售、客戶服務等各個領域，并讓這些知識發(fā)揮出杠桿作用，以提升企業(yè)客戶的滿意度和忠誠度，從而降低生產(chǎn)和銷售成本，縮短銷售周期，擴大市場份額，提高企業(yè)的效率和效益。因此，客戶知識管理是客戶關(guān)系管理的本質(zhì)。企業(yè)必須將知識有效地運用到制定策略上，并讓這些知識發(fā)揮出杠桿作用，才能有效地進行客戶關(guān)系管理。 CRM 所需要的技術(shù)詳細的客戶信息，而并非僅僅是有關(guān)交易和財務支付的原始數(shù)據(jù)，是成功企業(yè)贏得和留住贏利性客戶的根本。將原始數(shù)據(jù)轉(zhuǎn)化為可操作的有效信息，對于營造一種有突破性的共同業(yè)務決策環(huán)境是十分必要的。凡是經(jīng)過分析處理且能夠“被理解 ”的知識，都有助于我們在營銷、銷售、服務、行政管理、資源管理以及各層次的決策和計劃上做出明智的選擇。具體所需的技術(shù)有：①數(shù)據(jù)庫技術(shù)數(shù)據(jù)庫是按一定的數(shù)據(jù)模型組織、描述和存儲的，有組織、可共享的數(shù)據(jù)集合，是構(gòu)成數(shù)據(jù)庫系統(tǒng)的重要部分。數(shù)據(jù)庫技術(shù)是在文件系統(tǒng)基礎上發(fā)展起來的計算機數(shù)據(jù)管理技術(shù)，它有效的解決了數(shù)據(jù)的獨立性問題，實現(xiàn)了數(shù)據(jù)的統(tǒng)一管理，達到數(shù)據(jù)共享的目的。數(shù)據(jù)庫系統(tǒng)則指引進數(shù)據(jù)庫技術(shù)后7 / 65的計算機系統(tǒng)，它實際上是由有組織的、動態(tài)存儲的有密切聯(lián)系的數(shù)據(jù)集合及對其進行統(tǒng)一管理的計算機軟件和配件資源所組成的系統(tǒng)。它將有關(guān)部門中反映客觀事物的大量信息進行記錄、分類整理等定量、規(guī)范化處理，并以記錄為單位存貯于數(shù)據(jù)庫中。在數(shù)據(jù)庫系統(tǒng)的統(tǒng)一作用下，用戶通過應用程序發(fā)出不同命令以得到滿足不同層次需要的各種信息 [1]。②數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)作為信息科學的一個重要研究領域，數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫技術(shù)發(fā)展到一定程度的產(chǎn)物。按 Inmon 的定義， “數(shù)據(jù)倉庫是一個面向主題的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理部門的決策過程”。而在數(shù)據(jù)倉庫基礎上的所謂數(shù)據(jù)挖掘，亦稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)，就是在海量數(shù)據(jù)中探索數(shù)據(jù)間的關(guān)系、并從中提取有效的、新穎的、有潛在價值的知識和規(guī)律的過程。它的作用是將數(shù)據(jù)轉(zhuǎn)換成信息和知識，以便做出正確的決策；提供將知識應用到操作系統(tǒng)中的機制，以便采取正確的行動。數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)的結(jié)合，不僅能提高數(shù)據(jù)倉庫對決策的支持能力，也能大大提高數(shù)據(jù)挖掘的工作效率 [2]。CRM 系統(tǒng)的建立和實現(xiàn)還涉及到其他許多技術(shù)，如通信技術(shù)、計算機網(wǎng)絡技術(shù)、信息技術(shù)、人工智能技術(shù)等。本文著重討論數(shù)據(jù)庫技術(shù)，因為數(shù)據(jù)庫技術(shù)是進行數(shù)據(jù)分析的基礎，沒有數(shù)據(jù)庫技術(shù)，也就沒有數(shù)據(jù)挖掘、數(shù)據(jù)倉庫等高級數(shù)據(jù)分析工具的應用。利用數(shù)據(jù)庫技術(shù)設計了一個 CRM 系統(tǒng)，待運行穩(wěn)定后逐步引入數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)，以便更好地分析客戶特征、了解客戶需求，更有效地進行客戶關(guān)系管理。 數(shù)據(jù)挖掘理論 數(shù)據(jù)挖掘概述數(shù)據(jù)挖掘，就是從數(shù)據(jù)集中提取隱含的、未知的、對決策有潛在價值的知識的過程。又稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Database，簡記為 KDD)，是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。還有很多和這一術(shù)語相近似的術(shù)語，如從數(shù)據(jù)庫中發(fā)現(xiàn)知識（KDD） 、數(shù)據(jù)分析、數(shù)據(jù)融合（Data Fusion）以及決策支持等。人們把原始數(shù)據(jù)看作是形成知識的源泉，就像從礦石中采礦一樣。原始數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)，也可以是半結(jié)構(gòu)化的，如文本、圖形、圖像數(shù)據(jù)，[1] , . 客戶關(guān)系管理. 中國金融出版社, 2022(1): 163182.[2] 管正, 魏冠明. 中國企業(yè) CRM 實施. 人民郵電出版社, 2022(3): 7079.8 / 65甚至是分布在網(wǎng)絡上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)知識的方法可以是數(shù)學的，也可以是非數(shù)學的；可以是演繹的，也可以是歸納的。發(fā)現(xiàn)了的知識可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等，還可以用于數(shù)據(jù)自身的維護。因此，數(shù)據(jù)挖掘是一門廣義的交叉學科，它匯聚了不同領域的研究者，尤其是數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計、可視化、并行計算等方面的學者和工程技術(shù)人員 [1]。①確定挖掘主題：在金融數(shù)據(jù)挖掘中，首先要清楚的明確數(shù)據(jù)挖掘的目的，這是至關(guān)重要的一步。因為挖掘的最后結(jié)果是不可預測的，但要探索的問題應是有預見性的，所以不能進行盲目的數(shù)據(jù)挖掘。②數(shù)據(jù)選擇：查找所有和業(yè)務相關(guān)的內(nèi)部和外部數(shù)據(jù)信息，從中選擇適用于數(shù)據(jù)挖掘的相關(guān)數(shù)據(jù)。③數(shù)據(jù)預處理：對選擇后的數(shù)據(jù)進一步處理，檢查數(shù)據(jù)完整性以及數(shù)據(jù)的一致性，并通過一些操作減少數(shù)據(jù)量，將數(shù)據(jù)變換和統(tǒng)一成適合挖掘的形式。④建立模型：讀入經(jīng)過預處理的數(shù)據(jù)，建立模型，進行數(shù)據(jù)挖掘。⑤評價和解釋：對模型得出的結(jié)果進行解釋，根據(jù)某種興趣度量，識別表示知識的真正有用的模式，并通過一致性檢查，以確信發(fā)現(xiàn)的知識不與以前發(fā)現(xiàn)的知識相抵觸，并用可視化技術(shù)展現(xiàn)給用戶。⑥預測：應用模型對未知數(shù)據(jù)進行預測。數(shù)據(jù)挖掘技術(shù)是人們長期對數(shù)據(jù)庫技術(shù)進行研究和開發(fā)的結(jié)果。起初各種商業(yè)數(shù)據(jù)是存儲在計算機的數(shù)據(jù)庫中的，然后發(fā)展到可對數(shù)據(jù)庫進行查詢和訪問，進而發(fā)展到對數(shù)據(jù)庫的即時遍歷。數(shù)據(jù)挖掘使數(shù)據(jù)庫技術(shù)進入了一個更高級的階段，他不但能對過去的數(shù)據(jù)進行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進信息的傳遞。商業(yè)數(shù)據(jù)庫正在以空前的速度增長，并且數(shù)據(jù)倉庫正在廣泛地應用于各種行業(yè)，數(shù)據(jù)挖掘經(jīng)過了十多年的發(fā)展已經(jīng)成為一種成熟、穩(wěn)定、易于理解和操作的技術(shù)。 數(shù)據(jù)挖掘的模式數(shù)據(jù)挖掘功能用于指定數(shù)據(jù)挖掘任務中要找的模式類型。數(shù)據(jù)挖掘任務一般可以分兩類描述和預測。描述性挖掘任務刻畫數(shù)據(jù)庫中數(shù)據(jù)的一般特性。預測性挖掘任務在當前數(shù)據(jù)上進行推斷，以進行預測 [2]。在某些情況下，用戶不知道他們的數(shù)據(jù)中有什么類型的模式是有趣的，因此可能想并行地搜索多種不同的模式。這樣，重要的是，數(shù)據(jù)挖掘系統(tǒng)要[1] 潘華, 項同德. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理,工具及應用. 中國電力出版社. 2022(12): 8384.[2] 袁玉波 , 楊傳勝, 黃延祝, 徐成賢. 數(shù)據(jù)挖掘與最優(yōu)化技術(shù)及應用, 2022(7):7778.9 / 65能夠挖掘多種類型的模式，以適應不同的用戶需求或不同的應用。此外，數(shù)據(jù)挖掘系統(tǒng)應當能夠發(fā)現(xiàn)各種粒度即（不同的抽象層）的模式。數(shù)據(jù)挖掘系統(tǒng)應當允許用戶給出提示，指導或聚焦有趣模式的搜索。由于有些模式并非對數(shù)據(jù)庫中的所有數(shù)據(jù)都成立，通常每個發(fā)現(xiàn)的模式帶上一個確定性或“可信性”度量。數(shù)據(jù)挖掘功能以及它們可以發(fā)現(xiàn)的模式類型介紹如下 [3]。①概念類描述特征化和區(qū)分數(shù)據(jù)可以與類或概念相關(guān)聯(lián)。類和概念的描述稱為類/概念（Class/concept description）描述。這種描述可以通過下述方法得到：1）數(shù)據(jù)特征化，一般地匯總所研究類（通常稱為目標類）的數(shù)據(jù)；2）數(shù)據(jù)區(qū)分，將目標類與一個或多個比較類（通常稱為對比類）進行比較數(shù)據(jù)特征化和比較；3）數(shù)據(jù)特征化和比較。數(shù)據(jù)特征化（Data Characterization）是目標類數(shù)據(jù)的一般特征或特性的匯總。通常，用戶在指定類的數(shù)據(jù)通過數(shù)據(jù)庫查詢收集。例如，為研究上一年銷售增加 10%的軟件產(chǎn)品的特征，可以通過執(zhí)行一個 SQL 查詢收集關(guān)于這些產(chǎn)品的數(shù)據(jù)。有許多有效的方法，將數(shù)據(jù)特征化匯總。例如，基于數(shù)據(jù)立方體的OLAP 上卷操作可以用來執(zhí)行用戶控制的、沿著指定維的數(shù)據(jù)匯總。一種面向?qū)傩缘臍w納技術(shù)可以用來進行數(shù)據(jù)的概化和特征化，而不必一步步地與用戶交互。數(shù)據(jù)特征的輸出可以用多種形式提供。包括餅圖、條圖、曲線、多維數(shù)據(jù)立方體和包括交叉表在內(nèi)的多維表。結(jié)果描述也可以用概化關(guān)系(generalized relation)或規(guī)則形式提供。數(shù)據(jù)區(qū)分(data discrimination)是將目標類對象的一般特征與一個或多個對比類對象的一般特征相比較。目標類和對比類由用戶指定，而對應的數(shù)據(jù)通過數(shù)據(jù)庫檢索。例如，可能希望將上一年銷售增加 10%的軟件產(chǎn)品與同一時期銷售至少下降 30%的那些產(chǎn)品進行比較。用于數(shù)據(jù)區(qū)分的方法與用于數(shù)據(jù)特征化的類似。②關(guān)聯(lián)分析關(guān)聯(lián)分析，即利用關(guān)聯(lián)規(guī)則進行數(shù)據(jù)挖掘。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。有時并不知道數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。[3] 張喆. 數(shù)據(jù)挖掘及其在客戶關(guān)系管理中的應用. 復旦大學出版社, 2022: 7375.10 / 65③分類和預測分類(classification)是這樣一個過程，它找出描述并區(qū)分數(shù)據(jù)類或概念的模型( 或函數(shù) )，以便能夠使用模型預測類標記未知的對象類。導出模型是基于對訓練數(shù)據(jù)集( 即其類標記已知的數(shù)據(jù)對象)的分析。“如何提供導出模型？ ”導出模式可以用多種形式表示，如分類(IFTHEN)規(guī)則、判定樹、數(shù)學公式或神經(jīng)網(wǎng)絡。判定樹是一個類似于流程圖的樹結(jié)構(gòu)，每個節(jié)點代表一個屬性值上的測試，每個分支代表測試的一個輸出，樹葉代表類或類分布。判定樹容易轉(zhuǎn)換成分類規(guī)則。當用于分類時，神經(jīng)網(wǎng)絡是一組類似于神經(jīng)元的處理單元，單元之間加權(quán)連接。分類可以用于預測數(shù)據(jù)對象的類標記。然而，在某些應用中，人們可能希望預測某些空缺的或不知道的數(shù)據(jù)值，而不是類標記。當被預測的值是數(shù)值數(shù)據(jù)時，通常稱之為預測(prediction)。盡管預測可以涉及數(shù)據(jù)值預測和類標識預測，通常預測限于值預測，并因此不同于分類。預測也包含基于可用數(shù)據(jù)的分類趨勢識別。相關(guān)分析(Relevance Analysis)可能需要在分類和預測之前進行，它試圖識別對于分類和預測無用的屬性。這些屬性應該排除。④聚類分析與分類和預測不同，聚類(clustering)分析數(shù)據(jù)對象，而不考慮已知的類標記。一般情況下，訓練數(shù)據(jù)中不提供類標記，因為不知道從何開始。聚類，可以用于產(chǎn)生這種標記。對象根據(jù)最大化類內(nèi)的相似性、最小化類間的相似性的原則進行聚類或分組。即對象的簇（聚類）這樣形成，使得在一個簇中的一個對象具有很高的相似性，而與其它簇中的對象很不相似。所形成的每個簇可以看作一個對象類，由它可以導出規(guī)則。聚類也便于分類編制，將觀察的內(nèi)容組織成類分層結(jié)構(gòu)，把類似的對象組織在一起 [1]。⑤孤立點分析數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對象，它們與數(shù)據(jù)的一般行為或模型不一致。這些數(shù)據(jù)對象是孤立點(outlier) 。大部分數(shù)據(jù)挖掘方法將孤立點視為噪聲或異常而丟棄。然而，在一些應用中(如欺騙檢測)，罕見的事件可能比正常出現(xiàn)的那些更有趣。孤立點數(shù)據(jù)分析稱作為孤立點挖掘(Outlier Mining)。孤立點可以使用統(tǒng)計試驗檢測。它假定一個數(shù)據(jù)分布概率模型，并使用距離度量，到其他聚類的距離很大的對象被視為孤立點?；谄畹姆椒ㄍㄟ^考察一群對象主要特征的差別識別孤立點，而不是使用統(tǒng)計或距離度量。⑥演變分析數(shù)據(jù)演變分析(Evolution Analysis)描述行為隨時間變化的對象的規(guī)律或趨[1] 羅洪群 , 王情華, 田義江. 統(tǒng)計學基礎. 清華大學出版社, 2022(3): 9899.11 / 65勢，并對其建模。盡管這可能包括時間相關(guān)數(shù)據(jù)的特征化、區(qū)分、關(guān)聯(lián)、分類或聚類，這類分析的不同特點包括時間序列數(shù)據(jù)分析、序列或周期模式匹配和基于類似性的數(shù)據(jù)分析。 數(shù)據(jù)挖掘在銀行客戶關(guān)系管理中的應用本論文是以銀行客戶為基礎進行分析研究，銀行系統(tǒng)的核心是構(gòu)建全行的大型數(shù)據(jù)庫系統(tǒng)，然而，成功構(gòu)建數(shù)據(jù)庫系統(tǒng)還只是基礎，為了實現(xiàn)其輔助決策的目的，必須能夠有效利用數(shù)據(jù)挖掘技術(shù)對數(shù)據(jù)庫中的數(shù)據(jù)進行分析和預測。對于銀行而言，數(shù)據(jù)挖掘在其客戶關(guān)系管理系統(tǒng)中可以起到的主要作用如下：①客戶分類近年來，特別是在市場細分環(huán)境下一對一個性化服務正在受到銀行業(yè)的青睞。這意味著銀行要了解每一個客戶，并同其建立起持久的關(guān)系。利用數(shù)據(jù)挖掘技術(shù)可對大量的客戶分類，提供針對性的產(chǎn)品和服務。②交叉服務現(xiàn)代銀行企業(yè)和客戶之間的關(guān)系是經(jīng)常變動的，一旦擁有了新的客戶，就要竭力完善這種關(guān)系。需要對其進行交叉銷售，為原有客戶提供新的銀行產(chǎn)品或服務。數(shù)據(jù)挖掘可以幫助銀行分析出最優(yōu)的合理的服務匹配。③客戶保持客戶保持是留住老客戶、防止客戶流失的過程。由于銀行對老客戶的信息掌握的比較詳細，而對潛在客戶的信息掌握得很少，所以對于銀行來說獲取一個新客戶遠比保留一個老客戶的成本高得多。而且在目前開放的商業(yè)環(huán)境下，商業(yè)銀行之間的競爭越來越激烈，客戶保持也就成為銀行面臨的一個重要難題。在客戶保持過程中，首先要對已經(jīng)流失的客戶數(shù)據(jù)進行分析，找到流失客戶的行為模式，同時分析流失客戶流失的原因。根據(jù)已經(jīng)流失的客戶的特點還可以預測現(xiàn)在客戶中有流失傾向的客戶。對于這些客戶，銀行應該及時調(diào)整服務策略，針對用戶分類時得到的用戶特點采取相應的措施挽留客戶。挽留一個老客戶，競爭對手就減少了一個新客戶，同時流失一個客戶就為競爭對手帶來一個新客戶。因此，客戶保持是客戶關(guān)系管理中最為重要的一個部分。數(shù)據(jù)挖掘可以幫助銀行識別出潛在的客戶群，提高市場活動的響應率，使銀行決策人員做到心中有數(shù)，有的放矢。④客戶信用分析分析客戶信用對銀行信用管理很有意義，對不同信用級別的客戶，采取不同的信貸方案等。數(shù)據(jù)挖掘可從大量歷史數(shù)據(jù)中分析出具體客戶的信用等12 / 65級。⑤客戶盈利能力分析和預測很顯然，不同客戶對于銀行來