论文部分内容阅读
分析家们预言:数据挖掘的运用在21世纪将维持平方指数增长。一项研究表明,世界上的统计软件和数据挖掘软件市场在过去五年的时间里每年以16.1%的增长率增长,2002年达到了11.3亿美元。在当今主流的大中型商业组织、制造业和公共机构已经把数据挖掘作为一种重要的途径来挖掘出“隐藏”在交易数据里面的规律,而且这些规律通常是不易察觉或是极度复杂的,因而不容易只通过运用一种预测模型技术如回归分析、决策树来揭示。通常是针对不同的主题,选择不同的挖掘技术。因此,本论文讨论了两种功能强大运用广泛的数据挖掘技术:聚类分析和关联规则。尤其是在市场营销领域中制定产品组合销售和进行市场细分,它们运用相当广泛,在大多数情况下隐藏在数据里的规律将被发现。 全文分六章来进行阐述,内容与结构如下: 第一章,主要阐明目前国内外数据挖掘相关理论的研究进展,基于此提出了本文的研究内容、研究方法。 第二章,先介绍数据挖掘基本概念和相关知识,为下文打下基础。 第三章,重点介绍了两种常用的数据挖掘技术。一种是基于数据库技术的关联规则,主要论述关联规则中的布尔关联规则,并对布尔关联规则的核心算法Apriori进行描述;另一种挖掘技术是基于数学统计的聚类分析,着重讲述系统聚类法。 第四章,数据挖掘在零售业中的应用。在企业营销中对销售产品信息运用关联规则,发现了具有强关联性的数据后,便可以这些数据为基础完成对企业产品的组合销售。可见,关联规则用来分析企业产品,制定组合销售有着独特的优势。 第五章,本章是聚类分析在客户关系管理中的应用部分,重点对客户价值进行了讨论,并建立了全方位、多角度的客户价值指标评价体系,运用层次分析法对这个指标体系中的指标因子赋以合理的权重,并采用聚类分析法对客户群进行了细分,制定了不同类型客户的管理策略,充分体现了用聚类分析对目标进行市场细分的强大功能。 最后是全文总结,展望了数据挖掘这一领域的研究前景。 总之,作为一种技术,数据挖掘是提炼和推出新知识的过程,在某一领域恰当的运用显然是极其重要的。在市场营销中,顾客是企业竞争的焦点,如何抓住高价值的客户和深入挖掘具有潜在价值客户一直是企业希望解决的难题;同时产品的销售分析与销售预期关系到企业生死存亡,也关系到社会的再生产;数据挖掘技术在市场营销中的应用无疑给企业带来了新的希望。当了解数据挖掘的基本知识,结合市场规律的分析,我们就可以开始将它运用到实际的案例中。这对提高企业市场运营效率减少成本将是很有帮助的。