文档介绍：编号:沈阳理工大学工程硕士研究生学位论文中期报告题目:数据挖掘技术在分析型 CRM 中的应用研究姓名: 白雪年级: 2008 级工程硕士专业: 计算机技术导师: 张明扬学院: 信息科学与工程 ,学****各种相关技术, 建立对课题总体上的认识,并在此基础上撰写了开题报告。根据某钢铁公司的实际业务情况,进行了分析型 CRM 系统的需求分析。完成了分析型 MBCRM 系统的详细设计,明确了在原有的操作型 MBCRM 系统基础上构建分析型 MBCRM 的这一重要任务,确定了分析型 MBCRM 系统的三个挖掘主题,它们分别是基于聚类的客户购买行为分析、基于决策树的客户类别特征分析和基于关联规则的客户营销分析。研究了数据准备的步骤和方法。研究了数据准备的步骤和方法。通过研究系统的挖掘算法,选择了 K-means 、 ID3 和Apriori 来完成三个主题的挖掘。设计并构建了主题模型,详细阐述了三个算法应用于三个主题的挖掘过程,为后续的系统挖掘实现提供依据。写出了详细的文档。挖掘模型的具体实现,目前仍处于研究测试阶段,没有最后完成。现已按进度计划执行,已完成导师布置任务的 60% ,预计可以按时完成工作。。拟采用下面方法解决: (1)数据准备方面当进行数据挖掘时,首先要确定业务对象。根据不同的业务对象,从企业的大量数据中选取与业务对象相关的数据子集(而不是全部 CRM 数据),这样能显著减少算法的执行时间,并且经过分析研究得到的结果能更好的反映出事物的本质规律。数据准备大致分为两步:首先是数据选择;然后是数据预处理。数据预处理在数据挖掘过程中具有十分重要的地位,它包括三个步骤:数据清理、数据集成和数据变换。(2)挖掘技术和算法方面(1)决策树方法决策树方法就是利用训练集生成一个测试函数,根据不同取值建立树的分支,在每个分支子集中重复建立下层结点和分支,这样便生成一棵决策树。然后对决策树进行剪枝处理,最后把决策树转化为规则,利用这些规则可以对新事例进行分类。本文采用典型的决策树算法是 ID3 。(2)聚类分析聚类就是将整个数据对象分成不同的类或簇(Cluster ),在同一个簇中的对象之间具有较高的相似性,而不同的簇中的对象差别较大。在进行聚类操作时,它要对输入的记录集根据某种标准进行一个合理的划分,标准本身是由聚类工具定义的,不同的聚类功能会对输入的记录生成不同的划分。采用K-means. (3)关联规则关联分析算法展示了数据间未知的依赖关系,