數據挖掘(Data Miming)是近幾年隨著數據庫和人工智能發展起來的一門新興的數據庫技術，其處理對象是大量的日常業務數據，目的是為了從這些數據中抽取一些有價值的知識或信息。
1. 數據挖掘技術在CRM中的作用
數據挖掘技術可以應用到CRM的各個不同領域和階段，具體來說，在CRM中，它可以應用在以下幾個方面：
(1)一對一營銷：企業內部員工必須認識到客戶是企業永恒的寶藏，而不是本部門的一次交易，所以，每一次與客戶接觸都是了解客戶的過程，從而達到營銷的目的。
(2)客戶盈利能力分析：在客戶群中，客戶的盈利能力有很大的區別。掌握客戶的盈利能力，有利于制定有效的營銷策略。數據挖掘技術可以用來預測在不同的市場活動情況下客戶盈利能力的變化方向，從而較好地把握穩定的客戶市場。
(3)交叉銷售：企業與客戶之間的商業關系是一種不斷發展變化的關系。在建立起雙向關系后，可以使用多種方法使這種關系趨于完善。包括延長這種關系的時間、增加相互的接觸、在接觸中獲得更多的利潤等。
(4)商業數據向商業信息的轉化：數據是商業活動的基礎。企業與客戶建立的關系所形成的數據是企業贏得市場的參考依據，將商業數據轉化為商業信息，提升了企業管理者對市場的判斷力和決策力。
2.數據挖掘技術在CRM應用領域中的研究
在CRM中，數據挖掘技術都有著廣泛的應用，主要體現在：
(1)概念，類描述。概念描述以簡潔匯總的形式描述給定任務相關的數據集，提供數據價值的一般特性，一般應用于CRM中的描述式數據挖掘。概念或類描述由特征比和比較或區分組成。有兩種一般方法：基于數據立方體OLAP的方法和面向屬性歸納的方法。
(2)關聯分析。關聯分析發現關聯規則，廣泛用于購物藍、商務管理和決策分析，是商業分析中應用最為廣泛的一種數據挖掘方法和模式。
(3)分類和預測分析。分類和預測是CRM中數據分析的兩種重要形式，可以用于提取描述重要數據類的模型或預測未來的數據趨勢。主要方法包括：決策樹，判定樹、貝葉斯法、BP神經網絡算法、遺傳算法、粗糙集、模糊集等。
(4)聚類分析，屬于無指導學習。對象應該根據最大化類的相似性、最小化類的相似性的原則進行聚類或分組。
(5)孤立點分析。對于欺詐探測、定制市場及其它CRM任務是非常有用的。
(6)復雜類型的數據挖掘。是數據挖掘技術的當前一個重要的研究領域，極大提升了CRM數據分析能力的深度和廣度，主要包括：多媒體數據挖掘、文本挖掘和web挖掘等。
3.數據挖掘技術在CRM中應用研究的前沿方向
針對國內對CRM的認知程度、應用層次及國情的需要，數據挖掘技術在CRM中的應用研究方向建議應主要面向如下方面：
(1)應用的探索：電子商務已經成為現代商務的主流因素，同時JAVA或DOT NET是現代信息服務的重要方式，因此基于電子商務和JAVA或DOT NET環境下的CRM數據挖掘的特定應用具有重要的研究價值：
(2)應用目標的轉變：隨著企業的戰略目標和結構部署的轉變，CRM中的數據挖掘的應用目標重點應該從增加企業收入轉向節約企業成本的觀念上來。
(3)應用的對象：從企業規模來看，中小型企業是企業類型中的主體，也是市場經濟環境下最為活躍的企業載體。因此，針對中小型企業的CRM應用運用相應的數據挖掘技術來提升決策支持的智能化水平對中國企業具有特別的意義。
(4)數據挖掘與數據庫系統、數據倉庫系統和WEB數據庫系統集成。這將保證數據挖掘的高質量，提高數據挖掘的性能和效率，從而改善CRM決策支持的有效性。
(5)CRM中復雜數據類型挖掘：由于CRM應用深度和廣度的有力延伸，針對復雜數據類型的現存數據分析技術與數據挖掘方法的集成研究變得越來越重要。
(6)WEB挖掘：WEB是當前CRM的主要應用平臺，包括WEB內容挖掘、WEB日志挖掘和Internet上的數據挖掘服務等內容是重要的研究領域，也是網絡環境較為重要的研究領域。
(7)CRM中的隱私保護與信息安全：這是數據挖掘技術要面對的一個重要問題，需要迸一步開發有關方法以確保客戶的隱私權和信息安全，有效保護客戶信息不被竊取，增強客戶的信任度和忠誠度。
總結
綜上所述，隨著數據挖掘技術日益成熟，CRM應用不斷推廣，數據挖掘技術日漸成為獲取有價值的信息的重要技術和工具。在CRM中合理高效地利用數據挖掘技術，可以較好地提供準確的客戶分類、忠誠度、盈利能力、潛在用戶等有價值的信息。提高企業高層管理者的決策能力，為企業的長足發展提供有力的信息支持和技術保障。
京公網安備 11010502049343號