基于知识发现的零售业CRM应用设计研究

申请免费试用、咨询电话：400-8352-114

      1 知识发现概述

　　1.1 知识发现的定义

　　基于数据库的知识发现(KDD)一词首次出现在1989年举行的第十一届国际联合人工智能学术会议上，此后KDD的研究工作逐步成为热点。人们给KDD下过很多定义，内涵也各不相同。为了统一认识，在1996年出版的权威论文集《知识发现与数据进展》中，Fayyd等给出了KDD和数据挖掘的最新定义，将二者加以区分。所谓基于数据库的知识发现(KDD)是指从大量数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程，而数据挖掘是KDD中通过特定的算法在可接受的计算效率限制内生成特定模式的一个步骤。这种观点得到大多数学者的认同，另外，定义还表明了，KDD是一个包括有多个步骤的处理过程，而不是仅仅指其中的“数据挖掘”算法。

　　1.2 知识发现过程

　　KDD是一个反复迭代的人机交互处理过程，该过程需要经历多个步骤，并且很多需要由用户提供。从宏观上看，KDD过程主要由3个部分组成，即数据整理、数据挖掘和结果的解释评估，KDD的工作步骤可以用图1来解释。

      1)数据准备：了解KDD应用领域的有关情况，包括熟悉相关的背景知识，搞清用户需求，确定挖掘的总体目标和方法。

　　2)数据选择：根据用户的需求从原始数据库中提取与KDD目标相关的数据，在此过程中，KDD系统将从备选的源数据中进行知识提取。

　　3)数据预处理：对上一阶段中选取的数据进行再处理，检查数据的完整性及数据一致性，消除噪声等。

　　4)数据缩减：根据知识发现的任务对经过预处理的数据进行再处理，主要是通过投影或利用数据库的其他操作减少数据量。

　　5)确定KDD目标：根据用户的要求，确定KDD要发现的知识类型。

　　6)选择算法：根据上一阶段确定的模式，选择合适的数据挖掘算法。

　　7)数据挖掘：运用前面选择的算法，从数据库中提取用户感兴趣的知识，并以一定的方式表示出来。

　　8)模式解释：对发现的模式(知识)进行解释。

　　9)知识评价：将发现的知识以用户能了解的方式呈现给用户。

　　这种模型主要是根据数据应用的需要而提出的，它主要强调KDD需要领域专家的参与。由领域专家的专业知识指导KDD的各个阶段，并对发现的知识进行评价。

　　2 零售业CRM的系统构架

　　零售业CRM中真正耗费时间的环节不在客户信息的采集，而在企业内部各部门的处理和分析环节。如何科学地设计出企业内部各部门对客户关系数据的业务处理流程，建立起企业的信息分析数据模型，对加快企业对信息的响应速度，充分发挥CRM的功能，具有至关重要的意义。根据对零售业客户关系管理的问题及要求的分析，结合一般的CRM系统架构，本文提出符合我国零售业特点的CRM架构，如图2所示。

      客户分析系统主要利用数据挖掘、OLAP和商业智能工具对顾客数据进行分析，了解顾客行为模式和购买规律，对营销和服务提出建议。客户管理系统则通过客户服务中心、会员卡管理、网站负责与顾客的联系与沟通，处理客户投诉和反馈意见，安排和监督客户服务工作，保持和发展忠诚客户。

　　3 基于知识发现的零售业CRM应用设计研究

　　随着商品经济的发展，零售业逐渐走向了成熟和理智，经营观念也发生了根本的改变。一旦一个人或一个团体成为企业的客户，就要竭力使这种客户关系趋于完善。在这种情况下，对顾客信息的跟踪、分析顾客的特征、对未来的经营趋势进行预测，就显得尤为重要。从大量的数据中挖掘出有用的知识，对隐藏的总体特征进行描述，对发展趋势进行预测，这正是KDD所要解决的任务。

　　首先要了解该领域的相关知识。如果领域知识没有考虑好，数据挖掘的剩余几个步骤将会产生无关的或扭曲的知识，对商业活动毫无价值或产生误导。在了解该领域的相关知识后，再设置数据挖掘的目标。每一个CRM应用都会有一个或多个商业目标，根据CRM的具体目标来设置数据挖掘的目标。企业定时或随时对上述的目标数据集进行知识发现操作，挖掘用户感兴趣的模式，即知识。在零售业CRM中设置要挖掘的目标是通过对交易数据库的分析，来发现哪些商品被顾客一起购买，利用该结果来制定相应的策略，从而提高商场的销售收入。在把交易数据转变成数据仓库中的数据之前，首先要进行数据清洗、数据组织和数据字典准备，使数据仓库中的数据满足分析的需求。最后利用相关的数据挖掘算法来挖掘出用户感兴趣的知识，从而采取一定的措施。

　　在我国的零售业CRM中建立KDD系统，其处理过程可以分为以下4个步骤。

　　1)收集数据。需要收集的数据包括顾客信息、商品信息、以及顾客的消费情况。商品信息的收集比较容易实现。所需要的域的数量与知识发现任务的要求紧密相关，所要发现的模式越复杂、种类越多，则域的数量就要越多。最后，还要对这些顾客的消费情况进行跟踪记录。

　　2)数据的预处理。这一步骤可能包括对数据的完整性约束、一致性约束的检查、检查是否有错误数据并对其进行处理、对数据的表述方式进行转换等，最后得到目标数据集。

　　3)知识发现。企业定时或随时对上述的目标数据集进行知识发现操作，挖掘用户感兴趣的模式，即知识。

　　4)产生输出。输出结果的方式可以有很多种，这要根据用户的需要而定，它可以只是一个统计报表，也可以是对未来趋势的文字描述、图线图表。

　　4 结 语

　　数据库中的知识发现(KDD)能自动地对海量的数据进行分析，从而发现有用的知识。因此，将数据库知识发现应用于我国的零售业CRM，将有助于企业管理者及时、准确地把握销售过程中各因素(如顾客、商品等)的总体特征和发展趋势，从而改善企业的运行状况，提高自身的竞争力。