2.數(shù)據(jù)挖掘技術(shù)在CRM應(yīng)用領(lǐng)域中的研究

在CRM中，數(shù)據(jù)挖掘技術(shù)都有著廣泛的應(yīng)用，主要體現(xiàn)在：

（1）概念，類(lèi)描述。概念描述以簡(jiǎn)潔匯總的形式描述給定任務(wù)相關(guān)的數(shù)據(jù)集，提供數(shù)據(jù)價(jià)值的一般特性，一般應(yīng)用于CRM中的描述式數(shù)據(jù)挖掘。概念或類(lèi)描述由特征比和比較或區(qū)分組成。有兩種一般方法：基于數(shù)據(jù)立方體OLAP的方法和面向?qū)傩詺w納的方法。

（2）關(guān)聯(lián)分析。關(guān)聯(lián)分析發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，廣泛用于購(gòu)物藍(lán)、商務(wù)管理和決策分析，是商業(yè)分析中應(yīng)用最為廣泛的一種數(shù)據(jù)挖掘方法和模式。

（3）分類(lèi)和預(yù)測(cè)分析。分類(lèi)和預(yù)測(cè)是CRM中數(shù)據(jù)分析的兩種重要形式，可以用于提取描述重要數(shù)據(jù)類(lèi)的模型或預(yù)測(cè)未來(lái)的數(shù)據(jù)趨勢(shì)。主要方法包括：決策樹(shù)，判定樹(shù)、貝葉斯法、BP神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、粗糙集、模糊集等。

（4）聚類(lèi)分析，屬于無(wú)指導(dǎo)學(xué)習(xí)。對(duì)象應(yīng)該根據(jù)最大化類(lèi)的相似性、最小化類(lèi)的相似性的原則進(jìn)行聚類(lèi)或分組。

（5）孤立點(diǎn)分析。對(duì)于欺詐探測(cè)、定制市場(chǎng)及其它CRM任務(wù)是非常有用的。

（6）復(fù)雜類(lèi)型的數(shù)據(jù)挖掘。是數(shù)據(jù)挖掘技術(shù)的當(dāng)前一個(gè)重要的研究領(lǐng)域，極大提升了CRM數(shù)據(jù)分析能力的深度和廣度，主要包括：多媒體數(shù)據(jù)挖掘、文本挖掘和web挖掘等。