数据挖掘在零售业客户细分中研究与应用

VIP免费

3.0 林婧 2024-09-20 4 4 230.26KB 8 页 150积分

侵权投诉

数据挖掘在零售业客户细分中研究与应用

数据仓库和数据挖掘在零售业客户细分中应用

摘要：本文旨在应用数据仓库和数据挖掘方法对零售业进行顾客细分，然后基于不同顾客群给以不同的分析和关注。文中

首先借助 Microsoft SQL Server Analysis Server 强大的分析环境进行本文的核心平台――顾客信息数据仓库的构建；然

后，以数据挖掘流程标准 CRISP-DM 进行数据分析工作实现顾客细分；最后，对细分顾客群进行顾客特征、流失分析等应用

研究。

关键字：客户细分；数据挖掘；数据仓库；MSAS

Application of Data Ware and Data Mining in Customer Classification of Retail

Business

Author

Company Postage

Abstract: This paper wants to use the data ware and data mining to classify customer of retail business, then pays the different

analysis and attention based on different customer groups. It firstly uses Microsoft SQL Server Analysis Server to build up the core

platform-customer information database, and then uses the data mining standard flow CRISP-DM to analysis the data and classifies

the customers. Finally, it studies the customer trait and churn analysis based on customer groups.

Key Words: Customer Classification; Data Ware; Data Mining; MSAS

0 引言

数据仓库将异源数据以统一模式在同一站点组织并进行管理，为企业提供了有效的数据组织和管理

平台和强有力的分析工具，在改善改善客户服务水平，提高客户的价值、满意度、忠诚度，最终达到企业

竞争力提升中扮演着越来越重要的作用。本文以零售业的客户为研究背景，利用数据挖掘、数据仓库进行

客户的细分，借助 Microsoft SQL Server Analysis Server 强大的分析环境进行本文的核心平台――顾

客信息数据仓库的构建；然后，以数据挖掘流程标准 CRISP-DM 进行数据分析工作实现顾客细分。

1.顾客信息数据仓库设计的基本流程

顾客信息数据仓库设计主要包括四个步骤：概念模型设计、逻辑模型设计、物理模型设计和数据装载

设计，各个步骤所涉及的细节和实现功能不尽相同。

1.1 顾客信息数据仓库概念模型设计

在进行顾客信息数据仓库的概念模型设计时主要涵盖以下三个主要方面的内容：①界定系统边界；

②确定主题和主题域边界；③映射到关系模型。

概念模型设计在原有的数据库的基础上建立了一个较为稳固的概念模型，并用 E-R 图表示出来。E-R

模型和对象模型可以非常方便地映射到数据库系统地数据模型设计中。

1.界定系统的边界在进行顾客信息数据仓库设计的开始阶段，必须首先弄清楚一些基本的需求和目

标设定：主要涉及决策类型、预期实现的基本目标、实现目标所需的任务相关数据以及相关信息的搜集途

径（包含原有数据库系统的哪些部分的数掘）等几个主要方面。

2.确定主题顾客主题是主要包含两个层次的含义，一方面反映的是顾客本身所固有的特点（也就是

通常所说的自然属性），包括顾客性别、年龄、顾客成为会员的时间、会员卡的类型（金、银、铜、普通等）、

顾客受教育程度、婚姻状况、顾客的年收入情况等；第二类是顾客的扩展属性，主要体现在顾客与企业交

流过程中所体现出来的行为特征，包括顾客的活跃度、忠诚度、顾客的购买贡献等等。顾客购买主题主要是

通过不同的角度对顾客的购买行为进行分析。顾客购买行为分析的角度可以按照顾客自然属性和扩展属性

进行划分，也可按照公司的店铺设置、地利条件等角度进行划分。

顾客主题和顾客购买主题构成了本文顾客信息数据仓库的主体，而主题与主题之间存在千丝万缕的

联系，我们通常将两个主题之间的联系，用 E-R 图表示。

3.映射到关系模型在建立了 E-R 模型后，通常的做法是将 E-R 模型中实体和实体间的关系（类和类

之间的关系）映射到数据库意义下的一张关系表中，这样才具有实际的应用价值。下图展示了“顾客购买

商品”的关系模型映射过程：

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

150 积分 4人已下载

立即下载 VIP免费下载

摘要：

数据挖掘在零售业客户细分中研究与应用数据仓库和数据挖掘在零售业客户细分中应用摘要：本文旨在应用数据仓库和数据挖掘方法对零售业进行顾客细分，然后基于不同顾客群给以不同的分析和关注。文中首先借助MicrosoftSQLServerAnalysisServer强大的分析环境进行本文的核心平台――顾客信息数据仓库的构建；然后，以数据挖掘流程标准CRISP-DM进行数据分析工作实现顾客细分；最后，对细分顾客群进行顾客特征、流失分析等应用研究。关键字：客户细分；数据挖掘；数据仓库；MSASApplicationofDataWareandDataMininginCustomerClassificationo...

展开>> 收起<<

数据挖掘在零售业客户细分中研究与应用.doc

共8页,预览1页

还剩页未读，继续阅读

数据挖掘在零售业客户细分中研究与应用

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: