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的過程數(shù)據(jù)。數(shù)據(jù)挖掘/來源必須真實(shí)、豐富、嘈雜。發(fā)現(xiàn)的是用戶感興趣的知識。發(fā)現(xiàn)的知識應(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，只支持特定的發(fā)現(xiàn)問題。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)庫領(lǐng)域的熱點(diǎn)問題，所謂/

以百會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)信息化市場不斷涌現(xiàn)，企業(yè)很容易從市場上獲得各種數(shù)據(jù)但不是全部-1。使用百會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)查問卷。通過匹配相關(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CRM可以自動將客戶的回復(fù)數(shù)據(jù) in 數(shù)據(jù)數(shù)據(jù)庫存儲起來，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值客戶集合的關(guān)鍵。沒有經(jīng)過整合分析形成有用的信息，再多的數(shù)據(jù)對企業(yè)來說都是沒有價值的。百會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)，識別目標(biāo)客戶；從客戶的興趣愛好來分析客戶感興趣的產(chǎn)品；來自歷史商業(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)帶來可衡量的價值，是客戶開發(fā)的關(guān)鍵一步。

1。了解業(yè)務(wù)，將業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù) 挖掘問題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)則將兩個或多個項目關(guān)聯(lián)起來，以確定它們的模式。

相關(guān)性通常用于銷售點(diǎn)系統(tǒng)，以確定產(chǎn)品之間的共同趨勢。2.分類我們可以使用多個屬性來標(biāo)記特定類別的項目。分類將項目分配到目標(biāo)類別或類中，以便準(zhǔn)確預(yù)測該類中會發(fā)生什么。有些行業(yè)會對客戶進(jìn)行分類。3.聚類"聚類是一種組合的方法數(shù)據(jù) records "查看對象分組可以幫助企業(yè)進(jìn)行市場細(xì)分。在本例中，聚類可用于將市場細(xì)分為客戶子集。

1?；诖罅康臄?shù)據(jù)，并不是說小的數(shù)據(jù)數(shù)量挖掘不出來。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)量可以通過人工分析來總結(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)的常識不簡單。一定不能類似于某著名體育評論員說的:“我算了一下，直到比賽結(jié)束才發(fā)現(xiàn)一個搞笑的現(xiàn)象。

太巧了！“這是常識。這看似沒有必要，但很多不了解事務(wù)常識的新手，往往會犯這種錯誤。3.隱含性數(shù)據(jù) Discovery是數(shù)據(jù)深度中的常識，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)的常識應(yīng)該是不為人知的，否則只是為了驗(yàn)證交易專家的經(jīng)驗(yàn)。只有新的常識才能幫助公司獲得進(jìn)一步的洞察力。5.價值挖掘的結(jié)果必須給企業(yè)帶來直接或間接的利益。

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題一直沒有解決，根據(jù)信息存儲格式，用于挖掘的對象與數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫、數(shù)據(jù)倉庫、文本數(shù)據(jù)源和多媒體相關(guān)。