物流领域CRM中数据挖掘技术的应用研究

摘要

随着物流领域CRM产品的不断引进,面对大量堆积成山的数据,物流企业是否能够从中发掘出有用的信息为企业服务,成为企业生存发展的一个关键.该文详细论述了数据挖掘技术及其在物流领域CRM中的应用.数据挖掘的各种分析方法中,分类方法是很常用的方法.分类的目的是构造一个分类模型,该模型能把数据库中的数据项映射到某一个给定类别.在各种分类算法中,决策树方法是最为普遍且易于理解的方法.SLIQ算法是决策树中采用的一种方法,它是IBM Almaden Research Center于1996年提出的一种高速可伸缩的数据挖掘分类算法.该算法通过预排序技术,着重解决当训练集数据量巨大而无法全部放入内存时,如何高速准确地生成决策树的相关技术问题.该文所论述的实例中采用了这一算法.作为一个应用实例,该文结合物流领域的实际业务流程、业务需要以及实际拥有的数据,创建了四个分析主题,同时建立了各分析主题的信息包图.在此基础上,利用客户关系管理中积累的数据来建立数据仓库,根据分析主题建立数据挖掘库,选择SLIQ算法作为数据挖掘的实施算法,采用Viusal C++6.0以及SQL Server 2000作为开发工具,具体加以实现.建立了不同分析主题的数据挖掘模型(即决策树模型),利用这些模型,能够对旧数据进行分析及对新数据进行预测.

目录

文摘

英文文摘

第1章绪论

1.1问题的提出

1.2物流和CRM

1.2.1物流概述

1.2.2 CRM概述

1.2.3我国物流企业的客户关系状况

1.3数据仓库与CRM的相互关系

1.4数据挖掘与CRM的关系

第2章数据挖掘的基本知识

2.1数据挖掘的模式

2.2数据挖掘的工具及其模型

2.2.1 SAS的SEMMA模型

2.2.2 SPSS的5A模型

2.2.3 CRISP-DM模型

2.2.4 Two Crows的模型

2.3数据挖掘的应用

2.4数据挖掘的热点

2.5数据挖掘的前景

第3章数据仓库的设计实现

3.1数据仓库的概念设计

3.2数据仓库的逻辑设计

3.3数据仓库的物理设计

3.4数据粒度以及元数据

3.4.1数据粒度

3.4.2元数据

3.5物流客户分析DW的创建和ETL过程

3.5.1物流客户分析DW的创建

3.5.2 ETL策略

3.5.3物流客户分析DW的ETL过程

3.6物流领域基于Web的数据库分析

3.6.1基于Web的数据挖掘的复杂性

3.6.2基于Web的数据库的创建

第4章分类模型

4.1分类简介

4.2分类算法概述及SLIQ算法的选用

4.3 SLIQ算法实现

4.3.1预排序和广度优先生成策略

4.3.2执行结点分裂

4.3.3离散型属性的子集生成方法

4.3.4剪枝

4.3.5 SLIQ算法总的流程图

4.4数据预处理

4.4.1预处理数据中的存在问题

4.4.2 SAS主成分分析法对数据进行预处理

4.5系统中的Web挖掘方法

第5章数据挖掘过程

5.1定义商业问题

5.2建立数据挖掘库

5.3分析、准备数据

5.4建立模型

5.5模型解释

第6章结论

6.1论文总结

6.2展望

攻读学位期间公开发表的论文

致谢语

参考文献

附录 贪心算法