论文部分内容阅读
数据挖掘是用于大规模数据处理的一种新的思维方法和技术手段。它从大量的数据中抽取出潜在的有用信息、模式和趋势,其目的是提高决策能力、检测异常模式、在过去的经验基础上预言未来趋势等等。它致力于数据分析、理解和揭示数据内部蕴藏的知识,并己成为未来信息技术应用的重要目标之一。
本文主要是研究数据挖掘中的聚类算法,以及聚类算法在具体的酒店前台信息系统中的应用与分析。首先对数据挖掘技术和酒店前台信息系统的发展及研究现状做了概括性的阐述;接着介绍了数据挖掘的概念、过程、功能、理论基础和需要的人员,以及数据挖掘的应用领域;详细的描述了经典k-means聚类算法,在分析和总结了经典k-means聚类算法的基本方法、性能和特点的基础上,本文作者对经典k-means聚类算法进行了一定的改进,解决了聚类数目值的难确定性问题,并通过实验结果分析了改进后的特点和效果;最后,对酒店来说,前台信息管理系统是极其重要的一部分,本文将在酒店的前台信息系统背景下,着重具体分析在前台信息系统中,使用数据挖掘技术的可行性和必要性。
针对酒店业如何挖掘潜在客户及如何快速地开发新客户两大问题,进行分析和详解,根据数据库已有客户的交易记录进行有意义的数据挖掘,再根据所挖掘的结果进行最适营销策略。用改进的最佳值确定算法来进行必要的客户属性群的分析,并对客户进行细分,此外,设计一个评估指标程序,来找出到底哪些旧客户属性群对酒店业者而言,是最适合进行投资以及营销开发的,并利用旧客户的属性群数据及其住房风格的区分信息,来对新客户提供最贴切的营销建议。