一、绪论
随着市场经济的发展，全球化市场竞争日趋白热化，企业管理模式也在发生着深刻的变化。以生产为中心、以销售为目的的市场战略逐渐趋于势微，而以客户为中心、以服务为目的的市场战略已经占据重要位置。谁能掌握客户的需求趋势、加强与客户的关系，有效发掘和管理客户资源，谁就可能发现新市场，获得竞争优势。这种通过管理与客户间的互动，提高客户价值、客户满意度、客户忠诚度，并发现市场和销售渠道，发现新的客户，最终实现企业经济效益提高的理念，就是以客户为中心的客户关系管理(Cusotmer Relationship Mnagaemnet，CRM)。
目前许多企业对于这些数据只限于浏览、查询和检索等浅层次的应用，而无法进一步的整合、挖掘这些数据内含的知识，也就无法供管理层做为决策依据。究其原因，我认为是缺乏在海量数据中挖掘深层次信息的工具或能力。因此，如何有效地运用数据挖掘（Data Mining，简称DM）技术，更好地管理企业数据库中的海量数据，提炼出有价值的信息，供决策层参考，就显得尤其重要。这就是本课题研究的主要内容。
二、客户关系管理（CRM）概述
随着大型关系数据库技术、局域网技术、客户/服务技术（C/S）的发展，推动了CRM系统的建设，缩短了企业和客户之间的距离。一个全新的、融入了CRM管理概念的、以客户为中心的业务模型便建立起来了。
CRM——客户关系管理做为一种管理理念，实际上体现了管理思考、决策应用和信息技术三个层面的内容，应该从这三个方面去把握它的概念模型。
从营销管理理念的角度去看，CRM首先应该是一种管理理念，随着市场竞争的加剧得到了迅速的发展。其基本核心就是将企业的客户（包括最终客户、分销商和合作伙伴）作为最重要的企业资源，强调对客户价值进行管理，通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终身价值。这种新型的管理机制，将企业从“以产品为中心”的模式向“以客户为中心”的模式转型。通过将企业中面向客户的部门（市场、销售、客户服务以及支持等）的业务流程以及涉及到内部管理的其他领域进行完美的整合，企业可以获取客户信息，再根据客户的反馈来提供优质的服务。
从决策应用的角度去看，企业的经营需要了解客户的特点及需求，使用客户信息来满足客户需求的效果越好，就会获得越多的收益，而CRM应用系统以客户关系管理理念为目标，在实践中采用数据挖掘技术等计算机应用和分析技术，通过对企业环境变化等因素进行分析，对大量客户信息进行分析和处理，从而获取有助于企业营销决策的大量有价值的信息，建立起有利于企业发展的决策目标，使企业能及时、准确掌握客户需求及变化趋势，有效地对客户资源进行管理，赢得更多客户，从而获得竞争优势。
从信息技术的角度去看，CRM是一种深入应用的企业管理软件，根据企业的经营模式，将商业运作流程和关系数据库、数据仓库、数据挖掘技术、分布式处理技术、销售自动化以及其他信息技术结合在一起，为企业的销售、客户服务和决策支持等领域提供一个业务自动化的解决方案。CRM应用系统软件针对这些面向客户的业务领域设计出各种软件功能模块，其经营理念也在企业应用中得到了具体实践，使企业有了一个基于电子商务的、面对客户的操作平台。
三、CRM应用系统模型
CRM应用系统一般可以分为三个层次：操作型、分析型、协作型。其体系结构如图1所示。
（注：该图表引述企业管理研究中心）
如图1所示，从企业的接触中心收集来的信息，经过集成和分析，可以完整、确切地反映客户的基本情况，所有的信息经过预处理后，按一定的主题方式存储在数据仓库中，继而可以针对数据仓库进行深层次的分析，进行数据挖掘，提供有价值的分析结果，为企业提供决策支持。
操作层次：对销售、营销和客户服务三部分的业务流程和管理模块进行信息化，包括集成的内部业务管理，例如：ERP/ERM，供应链管理等，以提高前台运作的效率和准确性，主要是销售自动化，营销自动化和服务自动化。
协作层次：对与客户进行沟通所需的方式、渠道（如电话、传真、电子邮件、WEB方式等）的集成和自动化处理，以帮助企业更好地与客户进行沟通和协作，主要是语音技术、电子邮件、网上商店、市场调查，同时这也是建立在现在发达的通信网络技术的基础上。
分析层次：对上面两个层次的应用所产生的信息进行加工处理，实现客户智能，为企业的战略决策提供支持，主要是数据仓库、客户数据库、客户细分系统、动态报表和分析系统，利用数据挖掘技术建立各种行为预测模型，提供对客户数据和客户行为模式进行分析的能力。
四、数据挖掘概述
我们可以对数据挖掘作出这样的定义，从大量的、有噪声的、不完整的、模糊的、随机提取的实际应用数据中，提炼隐含在其中的、人们事先不知道的、确有潜在价值的信息和知识的过程，就是数据挖掘(Data Mining，简称DM)。从字面意义上解释，对象是实际应用中真实存在的数据源，含有噪声，必须提炼出对用户有价值的知识。
原始数据可以是关系数据库中的结构化的数据，也可以是普通文本、图形等半结构化数据，还可以是异构型数据，如分布在网络上的。提炼知识的方法可以是数学的或非数学的，也可以是演绎的或归纳的。提炼出的知识可以作用于信息管理、数据自身维护、过程控制等，还可以用于决策支持。
五、数据挖掘在CRM系统中的过程实现
数据挖掘是一个过程，它从大量的数据中抽取出有价值的信息或知识。由于每一种数据挖掘技术方法（算法及技术要求）都有其自身的特点和实现步骤，因此，成功应用数据挖掘技术、以达到目标的过程本身就是一件很复杂的事情。在充分考虑企业自身的情况和所要实现的功能的前提下，数据挖掘的过程实施需要有更加详尽周密的计划。一般来说，在CRM中创建数据挖掘应用应有以下几个步骤，包括：商业问题的理解，数据的理解，数据的准备，模型建立，证实和评价，扩展等，如图2所示。
图2 数据挖掘在客户关系管理上的实施过程图
（一）商业问题的理解
开始阶段专注于从商业的角度理解项目目标和需求，然后将这种知识转换成一种数据挖掘的问题定义，应该明确所解决的问题属于哪种应用类型，是属于关联分析、时序模式、分类、聚类、偏差分析以及预测，还有综合应用，并设计出达到目标的一个初步计划。
（二）数据的理解
在数据理解阶段，当挖掘技术和工具在明确了所要解决的商业问题属于哪一类应用问题后，先收集初步的数据，然后进行熟悉数据各种活动，包括识别数据的质量问题、找到对数据的基本观察、或假设隐含的信息来检测出感兴趣的数据子集，最后就可以选择合适的数据挖掘技术。
（三）准备数据
这是数据预处理阶段，数据预处理阶段覆盖了从初步粗数据构造到最终数据集合（将要输入建模工具的数据）的所有活动。数据挖掘是由可以获取的数据驱动的，其成功在很大程度上取决于数据的数量和质量。我们从大量的企业客户数据中找到与分析问题有关的样本数据子集，这样可以减少处理的数据量，但必须保证其样本子集具有典型的代表性。然后，进行数据预处理、分析，尽可能对问题解决的要求进一步明确化和量化。按问题要求对数据进行增删或组合生成新的变量，以体现对问题状态的有效描述。
这个阶段有可以细分为几个步骤：
数据集成：将多个数据源的数据进行合并、解决语义模糊性等问题；数据清洗：处理空缺的值、识别孤立点、消除噪音，检查数据的完整性和一致性；数据选择：根据用户的要求，从数据库中抽取出需要挖掘的数据子集合；数据预处理：就是研究已经经过上述处理的数据的质量，为进一步的分析作准备.并确定将要进行的挖掘操作的类型，通过投影等降维处理技术减少数据量。数据转换：就是根据挖掘的需要进行离散值数据与连续值数据之间的相互转换、数据值的分组分类、数据项之间的计算组合等操作。
（四）建立模型
在选择好数据挖掘的技术、方法和数据处理阶段后，就要对其建立模型，并将其参数校正到优化值，这是数据挖掘的核心环节。不同的技术方案产生的结果模型有很大不同，而且模型结果的可理解性也存在较大差异。例如，用决策树方法产生模型的结果就比用神经网络技术的结果易于理解。
（五）证实和评价
通过上面的处理之后，就会得到一系列的分析结果和模型，它们是对目标问题的多侧面的描述，这时需要对它们进行验证和评价，再次考察其执行的步骤，以得到合理的完备的决策信息。可以采用的方法有直接适用原来建立模型的样本数据进行检验，或另找一批数据对其进行检验，也可以在实际运行中取出新鲜数据进行检验。
（六）扩展
模型评估完成后，确认了选取了最优的模型进行商业应用，需要对模型的使用进行发布，用数据准备工作完成的实际数据输入模型，由模型得到挖掘结果，以各类图表（直方图、饼状图、趋势图）、报表、文本文件、Excel表格的形式，通过web等方式提供给用户。
至此，我们已经完成了CRM应用系统模型的建立，以及实践了数据挖掘在CRM项目中的过程实施。随着CRM系统的不断的扩展和数据资源量上的增加，对建立数据挖掘模型的要求也逐渐提高，现在计算机信息技术的发展和挖掘算法的优化都极大地促进了模型的可靠性和扩展性，数据挖掘和CRM的结合更加会推动商业智能应用的深化发展，为企业和客户的互动提供更为直接的渠道。
CIO之家 www.ciozj.com 公众号:imciow