數(shù)據(jù)挖掘是從大量不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用中提取隱藏的、但潛在有用的信息和知識(shí)的過(guò)程數(shù)據(jù)。數(shù)據(jù)挖掘/來(lái)源必須真實(shí)、豐富、嘈雜。發(fā)現(xiàn)的是用戶感興趣的知識(shí)。發(fā)現(xiàn)的知識(shí)應(yīng)該是可接受的、可理解的和適用的。它不要求發(fā)現(xiàn)普遍知識(shí)，只支持特定的發(fā)現(xiàn)問(wèn)題。數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘是人工智能和數(shù)據(jù)庫(kù)領(lǐng)域的熱點(diǎn)問(wèn)題，所謂/

以百會(huì)CRM為例分析如何利用CRM結(jié)合大數(shù)據(jù) 技術(shù)幫助企業(yè)挖掘潛在客戶。精準(zhǔn)收集數(shù)據(jù)凈化客戶數(shù)據(jù)各種數(shù)據(jù)信息化市場(chǎng)不斷涌現(xiàn)，企業(yè)很容易從市場(chǎng)上獲得各種數(shù)據(jù)但不是全部-1。使用百會(huì)CRM可以方便地進(jìn)行電子調(diào)查，使用系統(tǒng)模板可以創(chuàng)建調(diào)查問(wèn)卷。通過(guò)匹配相關(guān)客戶群體，可以定期定量的發(fā)送給客戶，用于數(shù)據(jù) research。百會(huì)CRM可以自動(dòng)將客戶的回復(fù)數(shù)據(jù) in 數(shù)據(jù)數(shù)據(jù)庫(kù)存儲(chǔ)起來(lái)，供相關(guān)人員查詢或摘錄。

如何使用數(shù)據(jù)是智能分析捕捉有價(jià)值客戶集合的關(guān)鍵。沒(méi)有經(jīng)過(guò)整合分析形成有用的信息，再多的數(shù)據(jù)對(duì)企業(yè)來(lái)說(shuō)都是沒(méi)有價(jià)值的。百會(huì)CRM可以根據(jù)客戶消費(fèi)行為和身份信息，篩選分析客戶數(shù)據(jù)，識(shí)別目標(biāo)客戶；從客戶的興趣愛(ài)好來(lái)分析客戶感興趣的產(chǎn)品；來(lái)自歷史商業(yè)信息挖掘潛在商機(jī)。多維度分析潛在客戶，判斷其能否給企業(yè)帶來(lái)可衡量的價(jià)值，是客戶開(kāi)發(fā)的關(guān)鍵一步。

1。了解業(yè)務(wù)，將業(yè)務(wù)問(wèn)題轉(zhuǎn)化為數(shù)據(jù) 挖掘問(wèn)題2。整合數(shù)據(jù)，將建模要求整合到數(shù)據(jù)，并執(zhí)行/12344。得到最好的模型4。模型部署和應(yīng)用5。模型更新維護(hù)宜信華辰豌豆DM可視化數(shù)據(jù) 挖掘平臺(tái)洞察企業(yè)數(shù)據(jù)法、全挖掘-1/。大數(shù)據(jù) 挖掘主要涉及以下四種:1。關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則將兩個(gè)或多個(gè)項(xiàng)目關(guān)聯(lián)起來(lái)，以確定它們的模式。

相關(guān)性通常用于銷(xiāo)售點(diǎn)系統(tǒng)，以確定產(chǎn)品之間的共同趨勢(shì)。2.分類(lèi)我們可以使用多個(gè)屬性來(lái)標(biāo)記特定類(lèi)別的項(xiàng)目。分類(lèi)將項(xiàng)目分配到目標(biāo)類(lèi)別或類(lèi)中，以便準(zhǔn)確預(yù)測(cè)該類(lèi)中會(huì)發(fā)生什么。有些行業(yè)會(huì)對(duì)客戶進(jìn)行分類(lèi)。3.聚類(lèi)"聚類(lèi)是一種組合的方法數(shù)據(jù) records "查看對(duì)象分組可以幫助企業(yè)進(jìn)行市場(chǎng)細(xì)分。在本例中，聚類(lèi)可用于將市場(chǎng)細(xì)分為客戶子集。

1。基于大量的數(shù)據(jù)，并不是說(shuō)小的數(shù)據(jù)數(shù)量挖掘不出來(lái)。事實(shí)上，大多數(shù)數(shù)據(jù)挖掘算法都可以在更小的數(shù)據(jù)卷上運(yùn)行并取得結(jié)果。但是，一方面，太小的數(shù)據(jù)數(shù)量可以通過(guò)人工分析來(lái)總結(jié)，另一方面，太小的數(shù)據(jù)數(shù)量通常不能反映實(shí)際世界的一般特征。2.非平凡所謂非平凡，就是發(fā)現(xiàn)的常識(shí)不簡(jiǎn)單。一定不能類(lèi)似于某著名體育評(píng)論員說(shuō)的:“我算了一下，直到比賽結(jié)束才發(fā)現(xiàn)一個(gè)搞笑的現(xiàn)象。

太巧了！“這是常識(shí)。這看似沒(méi)有必要，但很多不了解事務(wù)常識(shí)的新手，往往會(huì)犯這種錯(cuò)誤。3.隱含性數(shù)據(jù) Discovery是數(shù)據(jù)深度中的常識(shí)，而不是直接出現(xiàn)在數(shù)據(jù)表面的信息。常用的BI工具完全可以讓用戶找到這些信息。4.新奇發(fā)現(xiàn)的常識(shí)應(yīng)該是不為人知的，否則只是為了驗(yàn)證交易專(zhuān)家的經(jīng)驗(yàn)。只有新的常識(shí)才能幫助公司獲得進(jìn)一步的洞察力。5.價(jià)值挖掘的結(jié)果必須給企業(yè)帶來(lái)直接或間接的利益。

遺傳算法是一種基于生物自然選擇和遺傳機(jī)制的隨機(jī)搜索算法。遺傳算法由于其隱含的并行性和易于與其他模型結(jié)合，在-1挖掘中得到了應(yīng)用。Sunil已經(jīng)成功開(kāi)發(fā)了基于遺傳算法的數(shù)據(jù) 挖掘工具，并使用該工具在兩次飛機(jī)失事的真實(shí)數(shù)據(jù)數(shù)據(jù)庫(kù)上進(jìn)行數(shù)據(jù)實(shí)驗(yàn)。遺傳算法的應(yīng)用還體現(xiàn)在與神經(jīng)網(wǎng)絡(luò)和粗糙集的結(jié)合上技術(shù)。

結(jié)合遺傳算法和bp算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后從網(wǎng)絡(luò)中提取規(guī)則。但是，遺傳算法的算法復(fù)雜，早期收斂到局部極小的問(wèn)題一直沒(méi)有解決，根據(jù)信息存儲(chǔ)格式，用于挖掘的對(duì)象與數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、文本數(shù)據(jù)源和多媒體相關(guān)。