電子商務(wù)環(huán)境下的crm-資料下載頁(yè)
2025-08-23 10:39本頁(yè)面
【正文】 或者其本身是Web數(shù)據(jù)、這些數(shù)據(jù)存在著重復(fù)、不一致、互相矛盾或者異構(gòu)，因此必須進(jìn)行預(yù)處理、轉(zhuǎn)換等技術(shù)處理，形成數(shù)據(jù)庫(kù)和基于主題的多維數(shù)據(jù)庫(kù)。數(shù)據(jù)整合步驟主要包括： 數(shù)據(jù)清洗 數(shù)據(jù)集成、轉(zhuǎn)換 數(shù)據(jù)抽取、遷移、加載 數(shù)據(jù)存儲(chǔ) 4 分析型CRM中數(shù)據(jù)挖掘應(yīng)用 著名數(shù)據(jù)倉(cāng)庫(kù)專家Ralph Kimball說(shuō)：“我們花了20多年的時(shí)間將數(shù)據(jù)放入數(shù)據(jù)庫(kù)，如今是該將他們拿出來(lái)的時(shí)候了?！边@句話很貼切的形容了當(dāng)前企業(yè)的現(xiàn)實(shí)，我們有大量的數(shù)據(jù)，但卻沒(méi)有得到有效利用，而幾目前也沒(méi)有1套有效的利用方法。隨著科技的發(fā)展，計(jì)算機(jī)科學(xué)為這一問(wèn)題提供了最新的答案：數(shù)據(jù)挖掘(Data Mining，DM)。數(shù)據(jù)挖掘是一種利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)之間隱含的關(guān)系或者某種模型的過(guò)程，企業(yè)可以利用這些關(guān)系或模型做出預(yù)測(cè)或決策，實(shí)際上數(shù)據(jù)挖掘就是一類(lèi)深層次的數(shù)據(jù)分析方法。 分析型CRM中數(shù)據(jù)挖掘流程如圖3所示。企業(yè)源數(shù)據(jù)經(jīng)過(guò)清洗、集成、轉(zhuǎn)換與約簡(jiǎn)，得到中心數(shù)據(jù)倉(cāng)庫(kù)和扣關(guān)主題數(shù)據(jù)庫(kù)，為數(shù)據(jù)挖掘提供整合的數(shù)據(jù)源。數(shù)據(jù)挖掘主要分為以下幾類(lèi)：分類(lèi)、關(guān)聯(lián)分析、聚類(lèi)分析、時(shí)間序列、孤立點(diǎn)分析等。數(shù)據(jù)挖掘所能解決的最典型商業(yè)問(wèn)題包括：數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)( Database Marketing)、客戶分類(lèi)(Customer Classification)、背景分析(Profile Analysis)、交叉銷(xiāo)售(Crossselling)、客戶流失分析(Churn Analysis)客戶信用計(jì)分(Credit Scoring)、客戶欺詐發(fā)現(xiàn)(Customer Fraud Detection)等。 5 結(jié) 論 作為CRM的核心，分析型CRM在企業(yè)以“客戶滿意為中心”的經(jīng)營(yíng)理念貫徹過(guò)程當(dāng)中有著重要的作用，為企業(yè)實(shí)施“一對(duì)一”戰(zhàn)略、個(gè)性化服務(wù)提供決策依據(jù)。電子商務(wù)環(huán)境下的CRM必將隨著市場(chǎng)競(jìng)爭(zhēng)的加劇而越來(lái)越受到人們的重視，而分析型CRM則更會(huì)成為人們關(guān)注的中心。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1