数据挖掘在电信客户关系管理中的应用研究

本文主要研究了数据挖掘在电信顾客关系管理中的应用,构建了基于数据挖掘的电信CRM框架体系,将数据挖掘技术应用到客户细分、流失预测以及交叉营销等方面,实现客户全生命周期的科学化管理。最后,以XX电信公司的彩铃业务为例,采用Apriori算法来挖掘与分析其交叉销售的策略。     

数据仓库与数据挖掘技术在银行客户关系管理(CRM)系统中的应用

由于企业越来越重视客户关系管理(CRM),利用数据仓库与数据挖掘技术实施银行CRM系统正逐渐成为银行业的一个研究热门。本文对数据仓库与数据挖掘技术在银行CRM系统中应用的方式和技术进行了探讨。     

来电解码器及其在客户关系管理中的应用

介绍了一种基于单片机AT89C2051和FSK解码芯片HT9032C实现的来电解码器,说明了设计的原理和解码器的结构.该解码器可应用于客户关系管理系统中,将以FSK方式传送的电话主叫信息通过串行口传入计算机,结合数据库的查询功能,在接听客户来电前实现对客户的识别和详细信息的显示.     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)逐渐成为企业的焦点,也是数据挖掘技术的重要应用领域.概述了数据挖掘技术的功能和分类;比较了CRM的各种定义,阐述了CRM的含义及其应用系统的通用体系结构;总结提出了数据挖掘技术在分析层CRM中的4方面应用;分析了数据挖掘在CRM中的实施过程.     

数据挖掘在CRM中的应用

客户关系管理(CRM)是最近流行的一种全新的管理理念,也是数据挖掘技术的重要应用领域。介绍了数据挖掘的基本概念及功能,阐述了CRM的定义及功能,论述了数据挖掘在CRM中的作用及实施。     

数据挖掘技术在CRM中的应用研究

本文介绍了CRM以及数据挖掘的基本概念,讲述了数据挖掘的常用算法以及客户关系管理中数据挖掘的流程,并用实例讲解了数据挖掘算法在CRM中的应用。     

银行客户关系管理与数据挖掘的应用

客户关系管理是一种全新的商业理念，为处理公司与客户之间的关系提供了新的管理模式。数据挖掘是一门新兴的信息处理技术，在商业信息的提取和利用中发挥着日益重要的作用。从数据挖掘的定义和本质出发，阐述了客户关系管理的概念、构成和发展趋势，分析了数据挖掘技术在银行客户关系管理中的应用。     

数据挖掘中的聚类算法在邮政快递CRM中的应用

文章基于SPSS Clemenfinel2．0数据挖掘平台,分别运用K-means和TwoStep两种聚类算法对所收集的客户数据建立模型。利用该模型结果对邮政快递CRM中的测试样本进行分析,从而帮助我们采取措施以最大限度地挽留客户。     

数据挖掘技术在水文数据分析中的应用

为提高水文预测的精度,降低预测的复杂度,提出了基于数据挖掘的水文数据分析方法,建立了水文数据分析系统。该系统引入数据挖掘相关技术,以J2EE(Java 2platform enterprise edition)技术为基础,基于Oracle的数据挖掘平台ODM(oracle data mining)和商务智能平台BIEE(oracle business intelligence enterprise edition),实现了水文数据分析的简单化、智能化。最后以江西省鄱阳湖地区4个重要水文站水位历史数据为实例,建立水位数据分析模型,分析结果表明该系统所建模型误差小、预测精度高,完全满足实际应用需求。     

数据挖掘技术在药物配方研究中的应用

在新型药物的研制过程中,了解药理及其副作用是十分重要的。通过应用数据挖掘技术对生物碱杀螺剂实验数据的分析处理,提出了一种新的多因素模型推导方法,揭示了药物杀螺过程中各个影响因素的变化规律,给出了生物碱杀螺剂在实际应用中的最优参考条件,为合理利用生物碱杀螺剂进行最优效果的杀螺提供了理论依据。     

Adequacy of training data for evolutionary mining of trading rules

A crucial issue related to data mining on time-series is that of training period duration. The training horizon used impacts the nature of rules obtained and their predictability over time. Longer training horizons are generally sought, in order to discern sustained patterns with robust training data performance that extends well into the predictive period. However, in dynamic environments patterns that persist over time may be unavailable, and shorter-term patterns may hold higher predictive ability, albeit with shorter predictive periods. Such potentially useful shorter-term patterns may be lost when the training duration covers much longer periods. Too short a training duration can, of course, be susceptible to over-fitting to noise. We conduct experiments using different training horizons with daily-data for the S&P500 index and report the sensitivity of the performance of the obtained rules with respect to the training durations. We show that while the performance of the rules in the training period is important for inducing the “best” rules, it is not indicative of their performance in the test-period and propose alternative measures that can be used to help identify the appropriate training durations.     

数据挖掘在银行零售业的应用

采用数据挖掘手段,基于某银行零售业的数据,分析了客户的投资偏好。采用CART决策树进行特征筛选,发现客户群体年龄大于30岁,资产处于5万以上且工作稳定的保守型客户更倾向于购买银行基金产品。此外,还构建了逻辑回归模型对客户购买基金的概率进行预测。结果表明,通过数据挖掘相关方法所筛选得到的客户群体有更高的购买概率,因此极大地提高了银行从业人员的工作效率。     

数据挖掘在供应商评估体系中的应用

数据挖掘是在海量原始数据中发现人们感兴趣的模式的过程，涉及了众多计算机技术。运用数据挖掘技术从工厂企业建立的数据仓库中发现隐藏的知识，对供应商选择和评估。首先要确定评估的指标及其权重。然后是结合制造业流程，利用数据挖掘方法将流程中的数据转化为供应商评估因子，并发现隐含的有用模式，做出预测和潜在供应商的发现，使供应商的选择更加科学合理高效。