基于数据挖掘的银行客户贡献度分析系统框架

数据仓库中的数据挖掘技术是近年来用于开发信息资源的一种新的数据处理技术。以大量银行客户信息数据为研究对象，运用数据挖掘技术建立银行评优与选择的客户贡献度分析框架，针对性地讨论如何有效地运用已有的数据获取重要客户名单，以辅助决策者制定决策方案，即通过对重要客户的深入挖掘和针对性服务，极大化客户价值，优化客户服务，增加银行利润。     

数据挖掘技术在企业客户关系管理(CRM)中的应用

数据挖掘技术是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的,但又是潜在的有用信息和知识的非平凡过程。利用数据挖掘技术实施企业CRM系统已经成为企业管理中的热点,本文分析了数据挖掘在企业客户关系管理中应用的意义及所起到的作用,进而提出在客户关系管理系统运行过程中,实施数据挖掘时应注意的具体问题。     

数据挖掘技术在网络化制造CRM中的应用研究

网络化制造环境下,CRM(客户关系管理)需要实现与企业内外各种信息系统交互,本文提出了一种基于数据挖掘的网络化制造CRM体系,利用Web Service技术实现CRM与其他信息系统的集成;对数据挖掘技术在网络化制造CRM中的应用内容和过程进行了研究,给出了一种基于数据挖掘的网络化制造CRM应用模型.     

基于数据仓库的客户关系管理

首先介绍了客户关系管理和数据仓库的基本概念，然后提出了基于数据仓库之上的客户关系管理解决方案，指导企业分析、挖掘客户有价值信息，向客户提供一致的、集成的、个性化的优质服务，形成企业与客户的双赢局面。     

数据挖掘技术在客户关系管理中的应用

客户关系管理是将最佳的商业实践与数据挖掘技术紧密结合在一起,通过充分挖掘客户的商业行为个性和规律,来不断寻找和拓展客户的赢利点和赢利空间.数据挖掘是客户关系管理的重要组成部分,在电子商务的驱动下,数据挖掘在客户关系管理决策中起到越来越重要的作用,通过它可以实现对客户的深度把握,让企业实时掌握市场动态,及时调整经营策略.随着客户关系管理的逐步成熟,未来的CRM将不仅是商业流程自动化的手段工具,而且是决策支持系统的重要分析工具.     

改进的关联规则算法在数据挖掘中的探讨

数据挖掘技术在客户关系管理(CRM)中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文根据数据挖掘中关联规则的性质以及钢铁企业的自身特点,在经典关联规则算法APriori算法的基础上提出了一种改进的算法,并利用该算法对数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

制造技术中的模糊逻辑决策研究

产品生命周期的全过程均会遭遇各种各样的决策问题,论述了决策问题的共性,分析了不确定因素的决策是当前制造技术决策中的主要难题和关键,提出了模糊决策方式。从知识的模糊表达、模糊推理评判方法、模糊推理的特点及其应用等方面论述了制造技术中的模糊逻辑决策,并以加工过程中的装夹方案确定为例进行了说明。     

基于数据挖掘的动车组乘客需求动态获取方法研究

目前动车组制造商主要关注运营商需求而较少关注乘客需求,这影响乘客对动车组的满意程度,不利于提高企业的市场竞争力。此外现有的研究对运营商需求分析较多,而对终端用户乘客需求分析较少。提出了一种基于数据挖掘的动车组乘客需求动态获取方法。首先,基于需求词库从社交网络平台中获取用户发文数据;其次,基于规则及朴素贝叶斯分类进行文本去噪处理;最后,基于K-means的主题聚类获取乘客需求项及其偏好。以微博挖掘为例,获取动车组乘客需求,验证了该方法的有效性和可行性。     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)已成为目前企业决策管理的重要部分,而数据挖掘技术为客户关系管理的实施提供了良好的支持。简要介绍了常用数据挖掘技术在客户关系管理中的应用,着重分析了决策树分析方法和关联分析方法,并结合锅炉企业讨论了方法的应用。     

客户关系管理中基于约束的关联规则挖掘方法研究

分析功能的深化是客户关系管理的一大发展趋势,交叉销售分析是客户关系管理中主要分析的内容之一。针对企业需求,分析和描述了交叉销售中的两类问题,根据其特点提出了一种前件固定、后件受约束的关联规则快速挖掘算法,以及一种后件固定、前件受约束的关联规则快速挖掘算法。     

基于空间定性推理的用户需求功能转换

针对产品概念设计阶段获取的用户需求功能,利用空间定性推理方法,在功能范畴下以基本功能集为组成单元,以包含运动、能量、控制、关联、综合5种类型基本功能集的用户需求功能矩阵表达为表现形式,建立了空间变换和运算法则及其判定准则。在变换运算过程中采用三维模型二维化表达方法,将三维空间和变换运算转换为二维平面和变换运算,使得从用户需求功能到设计需求功能的变换可以伴随用户知识空间到设计者知识空间的变换实现。在全文中,通过一个实例贯串在各个部分中来验证方法的可行性。     

基于产品性能词典的评论数据驱动客户需求模型研究

利用数据驱动手段快速准确地从客户行为数据中获取客户需求信息是产品开发中亟待解决的问题,为此对客户需求模型进行研究,提出了评论数据驱动下客户需求建模的方法。首先,针对基于主题聚类的评论分析中主题数目不易确定的问题,提出了产品性能词典,用以确定聚类主题,对TF-IDF方法进行了改进,用于词典创建,并基于产品性能词典完成了客户需求挖掘。其次,针对现有产品评论研究缺乏需求分析过程的问题,提出基于产品评论数据的Kano分析方法,在此基础上引入物元表示法对客户需求模型进行量化表达。最后通过实例研究验证了所提方法的可行性与有效性。     

[智能设计与计划调度]基于数据挖掘的绿色设计中客户需求向工程特性权重转化方法

针对客户需求向工程特性转化过程中存在的主观性、模糊性和复杂性等问题,提出了一种基于数据挖掘的客户需求数据向工程特性权重的转化方法。利用模糊层次分析法对采集到的客户需求数据进行分析,得到客户需求重要度,建立了单一客户的质量屋,获取该客户需求对应的工程特性权重。构建了多层感知器模型,挖掘客户需求数据与工程特性权重之间的关系,确定客户需求向工程特性权重之间的转化模型。最后以减速器的客户需求与工程特性的转化为例,验证了所提方法的可行性和有效性。     

产品功能需求的分类及分析方法

分析了产品功能在用户需求中的表现形式,提出了一种基于Kano模型和模糊聚类的产品功能需求分类及分析方法。该方法将用户对产品功能的需求分为基本功能、规范功能和兴趣功能三类,定义了相关概念;为了客观地反映不同的需求特征与这三类需求功能之间的隶属关系,利用模糊聚类分析方法对散乱的需求特征进行合并归类,给出了具体的实现步骤;最后以一应用实例说明此方法的可行性。     

产品规划中基于多种偏好信息的顾客需求分析方法

为了有效地评估产品规划中市场环境的模糊性,提出了基于多种偏好信息的顾客需求分析方法。首先,决策者采用偏好的信息形式评估各项顾客需求的重要度;其次,利用转换函数将多种形式的偏好信息一致化为模糊互补判断矩阵,应用行和归一化方法计算排序向量,进而集结决策成员的权重获得顾客需求的初始重要度;最后,合成初始重要度与各项需求相应的修正系数,并通过规范化处理得到顾客需求的重要度。PE颚式破碎机新产品的开发实例表明,本文中提出的方法是有效可行的。     

面向用户需求的制造资源服务模糊聚类研究

通过分析用户需求偏好和资源灰色关联度,建立资源模糊相似矩阵并构建资源模糊聚类树。以复合值模糊聚类树为基础,以资源类内聚合度、资源类间分离度和用户需求满意度为目标,构建资源聚类优化数学模型,然后运用遗传算法进行优化。算法采用了交叉概率和变异概率自适应的重构策略和保优操作,避免了算法的早熟,增强了算法的寻优能力和搜索效率。通过实例仿真验证了算法的有效性。     

基于提高产品质量的质量屋需求优化

以质量屋为研究对象,基于产品广义质量将用户需求划分为产品质量需求、时间需求、成本需求、环境需求、售后服务需求5类,建立用户需求结构;应用层次分析法确定用户需求重要度;基于产品设计质量,将设计需求展开为24个子项;分析5类用户需求与24个设计需求间的相互对应关系,应用Swing方法定量确定用户需求与设计需求关系值。以直线振动筛为例验证基于上述研究结果所构成质量屋的有效性。     

质量管理中的顾客满意度研究

随着时代的发展,质量的概念发生了很大的变化,其判断标准由原来的符合技术标准转而成为满足顾客需求,顾客成为质量的最终判断者。对顾客满意度的评测问题是产品使用过程质量管理中的一个重要方面,越来越引起企业决策者们的关注。本文给出了顾客满意度及其影响因素的关系模型,通过对顾客群体以及满意度体系的分析,并结合实例给出了一个满意度的评测方法。     

基于模糊Kano模型的顾客需求重要度计算方法

针对传统需求重要度计算缺乏需求分类处理能力的问题,提出一种基于模糊Kano模型的顾客需求分类和重要度计算方法。采用模糊Kano模型对顾客调查数据进行统计和分析,将顾客需求分为基本需求、期望需求和兴奋需求。同时,引入重要度调整函数,使需求类别与重要度计算相结合,从而指导企业以最小投入获得最大顾客满意度。某企业联合收割机顾客满意度的测评证明了该方法的有效性。