共查询到17条相似文献,搜索用时 218 毫秒
1.
为增强煤炭企业管理的决策能力,在建立CRM(客户关系管理)系统的基础上,文章提出了利用数据挖掘技术方案,讨论了系统数据仓库模型,并对数据挖掘算法的应用与研究进行了探讨,为中国煤炭企业的统计与分析提供了1种有效并可行的解决方案。 相似文献
2.
面向大批量定制管理的CRM应用 总被引:1,自引:1,他引:0
大批量定制已在企业中得到了广泛的应用,以客户为中心的管理理念非常适合于大批量定制模式。企业通过建立客户数据库,构建客户信息管理、销售管理、服务管理、产品信息管理和协同子系统等CRM系统模块,通过使用数据挖掘手段和ERP等系统有效整合,为大批量定制企业提供优质的管理,为企业实施大批量定制提供科学决策的依据。 相似文献
3.
目的是研究数据挖掘技术的基本原理、实用方法、实践步骤与技巧,为企业快速、低成本构建客户管理系统、CRM系统、数据挖掘应用系统提供参考与借鉴。从数据挖掘的概念入手,分析了其主要任务,从其现状中研究了其存在的问题及发展趋势,重点探讨了数据挖掘的应用步骤与方法,给出了一个数据挖掘软件的造型原则。 相似文献
4.
5.
数据挖掘技术在CRM中的应用 总被引:1,自引:0,他引:1
利用数据挖掘可以帮助完成日益繁重的潜在客户群的划分,从而实现对获取新客户成本的有效管理,可以明显提高营销活动的响应率,改善营销活动的回报率。在分析数据挖掘应用于客户关系管理的必要性和应用方式的基础上,对面向数据挖掘的通信企业客户关系管理系统和数据挖掘在其中的具体应用进行了研究。 相似文献
6.
通过客户企业对客户关系管理的需要的分析,在传统的企业站点的基础上,合理运用ASP、Microsoft SQLServer2000数据库管理系统、CRM知识,达到了对CRM系统的系统规划、客户管理系统模块的划分、系统数据库策划,同时,策划了数据库构造及ASP的网络运用系统程序,并且供应了一套智能化的网络信息处理系统。 相似文献
7.
8.
所谓数据挖掘实际上就是在大量的信息中寻找有价值且具有潜在规律数据的复杂过程,涉及到多种学科和科技知识的运用,目前已经在很多企业得到了广泛的应用,特别是煤矿企业,不仅仅涉及到企业内部的管理,比如CRM客户关系管理系统,还涉及到煤矿安全管理方面。文章的重点就是分析数据挖掘技术在煤矿企业的一些实际的应用。 相似文献
9.
客户关系管理(即CRM)是企业与顾客之间建立管理双方接触活动的信息系统,主要是通过对客户详细资料的深入分析来提高客户满意度,从而提高企业竞争力的一种手段。在激烈的市场竞争中,企业之间的竞争已经从产品竞争、技术竞争、人才竞争逐步走向客户资源竞争。每个企业都希望掌握更多的优质客户,挖掘客户的潜力和真正掌握一套获得客户、保留客户、提高客户盈利能力的方法,来提高营销效果,这就需要实施客户关系管理。 相似文献
10.
对神经网络技术应用于数据挖掘算法进行了分析,对算法模型以及实现进行了探讨,有效的利用了神经网络具有分析处理数据以及相应的记忆、学习能力,将该方法应用于数据挖掘过程中,通过对煤矿选煤过程中的原煤灰以及精煤灰的筛选案例分析,验证了该方法的可行性与有效性。 相似文献
11.
12.
13.
14.
传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计。以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vector machine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法。首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计。研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevation model,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度。 相似文献
15.
16.
针对每款安全监测系统的监测功能进行研究,以改良后的Apriori算法和数据挖掘为基础,使用关联规则挖掘算法对影响煤矿安全的环境因素进行计算和分析,促进了煤矿安全监测系统的监测性能。 相似文献
17.
为精确预计锦界矿某工作面开采沉陷,首先结合该工作面的地质资料、采掘工作平面图及孔柱状图,采用FLAC3D软件建立了该工作面开采沉陷仿真模型,得到工作面推进100、300、500、700 m时的开采沉陷数据;其次基于该类数据对BP神经网络预计模型进行训练和验证,建立沉陷数据与工作面推进距离的非线性关联;然后用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络模型的结构参数和连接权值阈值进行优化,并引入遗传算法(Genetic algorithm,GA)中的自适应变异因子以一定概率初始化部分变量,以解决PSO算法易陷入局部最优解的问题,避免BP神经网络模型易陷入局部最小值、训练收敛速率低以及PSO算法易早熟收敛等问题。分别采用BP神经网络模型、PSO-BP神经网络模型以及所提模型进行试验对比,并引入偏差平方和(Sum of squares for total,SST)对各模型的预计精度进行评价,研究表明:在工作面分别推进100,300,500 m的情况下,BP神经网络模型的SST值分别为0.056,0.062,0.066,PSO-BP神经网络模型的SST值分别为0.049,0.054,0.048,所提模型的SST值分别为0.028,0.026,0.031,明显小于前两者,表明该模型有助于提高矿区开采沉陷预计精度,有一定的实用价值。 相似文献