基于数据挖掘技术的客户信息分析

论文摘要

随着信息化技术的快速发展和广泛应用,很多企业已经积累了海量数据,传统的数据处理方法已经很难充分利用蕴藏在这些数据中的有用信息,数据挖掘技术的应用开始得到企业的重视。利用客户资料数据进行数据挖掘得到的知识指导市场活动是数据挖掘的技术的一个重要的应用方向。根据不同企业的类别,企业在营销方面的成本会占到产品成本的5%到25%的比例,如何有效地使用在营销方面的预算是每个企业能否盈利的关键。利用可以量化的数据库技术对细分市场进行精确的市场定位,突破广告成本束缚,以更低的成本实现市场扩张,是当前数据技术在市场活动应用的重要趋势。本文对培训机构市场客户数据建立维度模型,采用云计算的模式,基于Google API(谷歌应用程序开发接口)开发处理客户数据地址信息的程序模块,得到客户精确的经纬度地理信息；然后以客户的地理信息作为基准的维度设计数据挖掘算法,对客户信息数据进行聚类分析,取得客户的聚集特征；最后利用Google API的地图开发程序接口开发的程序模块生成可视化的结果,把所有的分析结果信息显示在地图界面上,可方便市场决策人员形成直观概念,从而对市场推广的地面活动起到全面支持的作用；同时对培训教学点的分布是否合理进行验证；还可以直观地对数据模型的建立、挖掘的结果进行分析和检验,对照当前的市场投放策略和目标进行分析和验证,最终实现对市场广告沟通计划的优化和调整。在本文所设计的基于Google API和聚类挖掘算法的基础之上,可以处理各类基于客户地址信息的市场分析并可以进行知识发掘,对零售业、银行保险、快速消费品、电信业等B2C(企业对直接消费者)行业都有应用价值,对连锁业的网点分布分析也有巨大的价值；并且在此计算方法的基础上可以扩展开发出更多的数据分析应用,如细分地区的客户消费预测、客户出行的流动性特征分析等。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 研究背景
• 1.3 研究目的
• 1.4 应用案例
• 1.5 实现目标
• 1.6 本文的主要研究内容和和创新工作
• 1.7 论文组织结构
• 第二章 数据仓库和数据挖掘理论
• 2.1 本章目的
• 2.2 数据仓库的特点
• 2.3 多维数据库模式
• 2.4 数据挖掘技术的产生
• 2.5 数据挖掘技术的应用
• 2.5.1 数据挖掘的主要任务类型
• 2.5.2 数据挖掘项目的生命周期
• 2.5.3 数据挖掘技术在客户信息处理方面的应用
• 2.6 聚类分析的基本概念
• 2.7 常用的典型聚类挖掘算法
• 2.8 小结
• 第三章 教育培训客户数据仓库的维度建模
• 3.1 本章目的
• 3.2 教育培训客户维度模型建立
• 3.2.1 教育市场商务分析框架
• 3.2.2 教育培训客户的数据仓库设计过程
• 3.3 教育培训客户数据仓库的维度模型
• 3.4 教育培训客户维度表模型
• 3.5 小结
• 第四章 商业环境下的数据采集
• 4.1 本章目的
• 4.2 数据来源的格式分析
• 4.3 数据采集的方法
• 4.4 执行数据加载
• 4.5 小结
• 第五章 客户数据的清理和转化
• 5.1 本章目的
• 5.2 数据清洗的基本方法
• 5.3 客户数据的质量分析
• 5.4 客户数据的清洗
• 5.5 地理信息数据转换
• 5.5.1 Google API介绍
• 5.5.2 地理信息数据的精度分析
• 5.5.3 获取取得地理信息的经纬度
• 5.5.4 客户地理信息数据的转化处理
• 5.6 小结
• 第六章 对客户的地理信息进行聚类分析
• 6.1 本章目的
• 6.2 改进的聚类挖掘算法和实际应用设计
• 6.3 算法实现和应用系统中的功能模块说明
• 6.4 算法验证和应用效果
• 6.4.1 计算结果
• 6.4.2 数据分析及应用
• 6.4.3 系统应用效果及意义
• 6.5 小结
• 第七章 总结和展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢