基于数据挖掘技术在超市在线CRM中的应用

>>基于数据挖掘技术在超市在线CRM中的应用

基于数据挖掘技术在超市在线CRM中的应用

序言

随着信息处理技术的不断发展,信息的存储、管理和维护变得越来越重要,但传统的数据库管理系统难以满足其要求。它的特点是数据的几何级数的增长,数据的不同部分的难以收集,以及数据访问数据的响应性能降低。数据仓库的出现为用户更好地处理用户所需的决策信息,使其更好地服务于用户提供了一种有效的途径。

1相关理论与技术基础

数据挖掘的定义是:数据挖掘是从大量的、不完整的、嘈杂的、模糊的、随机的原始数据中提取隐藏在其中的信息和知识的过程,它隐藏在其中,但也可能是有用的。

数据挖掘实际上是一个循序渐进的过程。在电子数据处理的早期,人们试图通过一些方法来实现自动决策支持。此时机器学习成为人们关注的焦点。机器学习的过程是将已知的和成功解决的问题输入到计算机中。通过学习这些例子,机器总结并生成相应的规则。随后,随着神经网络技术的形成和发展,人们的注意力转向了知识工程。知识工程不同于机器学习,不是计算机的一个例子,它是由计算机生成的规则,而是对计算机编码的直接输入,计算机使用这些规则来解决一些问题。专家系统是该方法的结果,但存在投资大、结果差等缺点。20世纪80年代,在新的神经网络理论的指导下,人们又回到机器学习方法。并将其应用于大型商业数据库的处理。数据库中的知识发现被称为KDD(数据库中的知识发现)。它指的是从所有数据源中发现模式的关系和方法,人们已经接受了这个术语。1995在美国计算机协会(ACM)中,DM(DigaMin)的概念被提出作为知识发现过程中的关键步骤,但是现在人们通常不区分KDD和DM这两个概念,所以它们经常被使用。

数据挖掘中的2种聚类算法

聚类算法是本文研究的重点。通过引入聚类算法的基本原理和概念,将该算法应用到在线CRM系统中。

聚类:聚类是开始分析的好方法,尤其是面对大量可能具有许多内部结构的复杂数据集时。利用这种方法,分析者可以根据其特征将一个大问题分成若干组。这些集群提供了它们的成员的描述。通过提供这些聚类方法,我们可以对问题有一个大致的了解。群集是将物理或抽象集合分组到由相似对象组成的多个类中的过程。聚类结果表明,同一类别中的对象具有很高的相似性,而不同类别的对象有很大的不同。聚类增强了人们对客观真实的理解,是概念描述和偏差分析的前提。

2页:下一页下一页1〔2〕

文章从互联网整理而来,旨在传播在线crm客户关系管理知识,帮助企业真正了解移动crm和云crm软件的价值和意义,最终增强企业的核心竞争力。如果本文侵犯了您的权益或者您需要具体了解更多国内做在线crm的公司翼发云crm系统的相关信息,欢迎和我们联络:

【网址】www.effapp.com

2018-05-26T13:22:15+08:002018-05-26 13:22:15|Categories: 免费crm系统|