模糊聚类分析在KDD中的应用研究

应用模糊聚类算法确定关键条件属性集，探索教师教学质量评估数据库中评估等级同评估项目之间的规则知识。     

数据挖掘在客户关系管理中的应用研究

客户关系管理是企业在当今的电子商务环境中,利用数据仓库和数据挖掘等先进的智能化信息处理技术,把企业收集和存储的大量业务数据和有关客户资料加工成信息和知识,用来辅助决策及规划相关的企业运营活动的过程,是一个复杂的现代系统工程。结合计量机构现状,选择了这一课题开展相关工作,对在计量领域市场运作中引入CRM进行探讨。     

基于数据库和数据挖掘技术的客户关系管理

本文主要介绍CRM（客户关系管理）的基本原理，提出了一种基于数据库技术的实现方法，描述了数据挖掘技术在实现CRM的各种功能中运用。     

基于数据库和数据挖掘技术的客户关系管理

本文主要介绍了CRM(客户关系管理)的基本原理，提出了一种基于数据库技术的实现方法，描述了数据挖掘技术在实现CRM的各种功能中的运用。     

数据挖掘在电信行业客户关系管理中的应用

章介绍了数据挖掘技术的相关知识及其在电信行业客户关系管理中的应用，并以客户流失分析作为实例，详细描述了数据挖掘的整个应用过程，最后对国内数据挖掘应用的现状进行了分析。     

聚类分析在电信行业客户关系管理中的应用

客户关系管理在电信行业被广泛应用,它已经成为电信运营商增加收入和利润,提高客户满意度、忠诚度的有效工具。聚类分析是数据挖掘的一种重要方法,将它应用在客户关系管理中,可以改善客户关系,并对将来的趋势和行为进行预测。本文采用k-means聚类算法对电信客户数据进行聚类分析,得到具有不同特征的客户群组,对不同群组采取不同的经营策略,帮助管理者提供了合理的决策支持。     

数据挖掘技术在证券客户关系中的应用

研究证券管理问题,客户关系管理系统(CRM)是现代经营管理科学与现代信息技术结合的科学问题.数据挖掘技术是有效地利用现有数据资源的重要手段.重点是针对数据挖掘技术在证券客户关系管理中的具体问题.运用数据仓库技术建立了客户交易行为数据仓库,并运用聚类技术完成了基于证券公司客户交易行为数据仓库的证券公司客户细分.基于数据挖掘的CRM是对传统企业管理思想的一个创新,充分体现了管理的科学性和艺术性.对企业的经营决策和客户关系管理都具有相当重要的作用和意义.     

模糊聚类分析在数据挖掘中的应用研究

数据挖掘是从大量数据中用平凡的方法发现有用的知识。聚类分析是数据挖掘的一个重要研究领域,它是按照一定的要求和规律将事物进行分类的一种数学方法。随着模糊数学的兴起,用精确的数学的方法研究模糊问题,人们逐渐将精确和模糊统一起来。论文将模糊数学的模糊理论应用于数据挖掘的聚类分析中,讨论了如何利用样本之间的模糊关系分析样本之间的关联程度,给出了模糊聚类分析在数据挖掘中的应用的主要步骤,以及相应的实例分析和程序设计。     

模糊数据挖掘

本文在数据库中知识发现（KDD）和数据挖掘（DM）技术的基础上,提出了模糊数据库中知识发现（KDFD）和模糊数据挖掘（FDM）的概念与技术,并给出FDM的算法,它能有效地挖掘出模糊数据库中潜在的有价值的知识。本文具体讨论了模糊关联规则及模糊数据依赖的挖掘。     

客户关系管理中数据挖掘技术的研究与应用

本文介绍了CRM和数据挖掘技术,在此基础上提出了在CRM中数据挖掘技术的应用。最后对一个数据挖掘工具在CRM中的应用进行可举例分析。     

数据挖掘技术在客户关系管理系统中的应用

客户关系管理(Customer Relationship Management,CRM)是一种旨在改善企业与客户之间关系,提高客户忠诚度和满意度的新型管理机制,同时也是一种管理软件和技术.数据挖掘技术能对大量的数据及信息进行挖掘,从中发现潜在的价值高的关系,并利用模式或知识对客户需求进行预测,帮助企业做出决策.成功的数据挖掘是客户关系管理系统成功的关键.     

数据挖掘在银行CRM中的应用研究

该文阐述了数据挖掘和CRM的概念,并对在银行CRM中如何使用数据挖掘技术进行了研究,并给出了银行CRM中B1分析的一个简单的应用方式。     

CRM中数据挖掘技术应用概述

主要介绍了数据挖掘技术在CRM中的应用，具体讨论了数据挖掘技术在客户生命周期阶段的应用和在CRM上创建数据挖掘技术的过程，最后介绍了一些数据挖掘算法在CRM上的应用。     

基于最小聚类单元的聚类算法研究及其在CRM中的应用

将聚类分析技术应用于客户关系管理可以改善客户关系，对将来的趋势和行为进行预测，优化营销策略。在综合分析网格聚类算法和K-均值聚类算法的基础上，提出了基于最小聚类单元（Minimum Clustering Cell，简称MCC）的聚类算法，介绍了该算法在CRM中的应用。经证明该算法是一种实用的、速度更快、效率更高的改进聚类算法，它克服了K-均值聚类需要事先给定K值、网格聚类要求数据密集的缺点。     

数据挖掘过程中的模糊聚类方法

在研究数据挖掘过程中常见的数据聚类方法的基础上，在数据挖掘中引入了模糊聚类分析的方法，分析了该方法在数据挖掘过程中的特性，讨论了其在大型数据库中的应用方法。     

基于数据挖掘的CRM分析

进行客户关系管理系统建设,是企业争取竞争优势的重要手段,数据挖掘技术在CRM的实施中起着关键的作用。文章介绍了数据挖掘技术和CRM技术,具体介绍了在酒店CRM建设中用到的决策树和模糊聚类这两种数据挖掘的实现方法,并做出了实验分析。     

基于决策树的数据挖掘在电信CRM中的应用研究

针对电信CRM中“数据丰富但知识贫乏”的现象,利用数据挖掘技术和SL IQ决策树构造算法建立一棵决策树模型,在CRM中根据客户的年龄、所属城市和性别对客户分类,对预测客户类型,防止用户流失,争取新用户具有重要意义。     

聚类数据挖掘在商场顾客分析中的应用

数据挖掘用于从大量数据中发现知识,提供决策支持.本文对聚类数据挖掘应用于商场顾客分析的实现问题进行了研究.基于重庆两百商场OLTP数据库,构建了数据仓库,针对商场顾客群特征,以及顾客特征与购买商品类别之间的关系问题,建立了两个聚类数据挖掘模型,并对数据挖掘结果进行了分析.     

数据挖掘技术在中小型制造企业CRM中的应用

客户关系管理(CRM)是一种全新的管理理念,是提高企业竞争力的一种手段,而数据挖掘技术为CRM的实施提供了良好的支持。简单介绍了CRM系统的基本理论知识,分析了数据挖掘技术在中小型制造企业CRM系统中的主要应用,详细论述中小型制造企业运用数据挖掘技术,提高企业信息管理水平和企业竞争力,使企业建立以客户为中心的经营模式。结合中小型制造企业的特点,详细分析当前制造企业管理的困境,提出了中小型制造业具体在CRM中实施的步骤和方法。     

数据挖掘技术在民航CRM中的应用

进行客户关系管理系统建设,是当今各大航空公司争取竞争优势的重要手段。数据挖掘技术在CRM的实施中起着关键的作用。文章分别介绍了数据挖掘技术和CRM技术,具体介绍了在民航CRM建设中用到的决策树方法和模糊聚类方法这两种数据挖掘方法,并作了实验分析。最后对数据挖掘技术在民航中的应用作了展望。