可拓遗传算法及其在银行CRM中的应用
|
摘要
CRM(Customer Relationship Management客户关系管理)是一种获得客户,保留客户和将客户盈利率最大化的商业策略,管理思想是以客户为中心。提到CRM就应该涉及到的一门技术——数据挖掘技术,数据挖掘是CRM的前提和基础,CRM是数据挖掘的延续和创新。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘因应用领域的不同而采取的方法也多种多样。在客户关系领域,数据挖掘对客户关系数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助客户关系决策的有价值数据,从而帮助企业确定客户的特点,为客户提供有针对性的服务。
本文应用可拓学中物元的表示方法与遗传算法中的编码相结合对企业的客户进行描述与分析,并应用可拓理论中的关联函数对客户进行细分,进而在遗传算法中的遗传和变异方法和可拓变换的思想结合的基础上,提出了新的可拓遗传方法,并进一步对客户数据进行分析、挖掘、转化,继而通过实例阐明该方法的有效性和优越性,达到帮助企业对客户进行细分,寻找出营销重点,确定有效营销策略,以及挖掘出新的潜在的客户群体。
本文将可拓遗传算法作为对数据挖掘在CRM中应用的一种尝试,并且建立了相应的数学模型。该方法所体现的思想对于简化数据运算过程。缩短寻找目标数据时间,以及突出重点数据类别有实际意义,丰富了数据挖掘技术。
CRM is a commercial strategy to attract and retain customers and maximize their profitability, whose management thinking is customer-centric. When it is comes to CRM, data mining technology should be mentioned. Data mining is the prerequisite and basis for CRM, and CRM is an extension innovation and of data mining. Data Mining develops from a large quantity of incomplete, noise and ambiguous, the practical application of random data, in which the extraction of implicit, people do not know in advance, but is potentially useful information and knowledge process. Data mining methods varied for the different application areas. In the area of customer relations, Data Mining for Customer Relationship Database in large business data extraction, transformation, analysis and handling of other models. Extracting support from the decision-making valuable customer relationship data, thereby helping customers determine the characteristics of enterprises, customers provide targeted services.
In this paper, with the extension of Matter-element of that method and the genetic coding algorithm combining to describe and analyze enterprise customers. With the Extension of the correlation function to fractionize customers, thus on the basis of Heredity and Variation Method and Extension transformation of that Genetic Algorithm to lodge new method of Genetic Extension. Further analysis, mining and conversion of customer data. Through examples clarify the effectiveness of the method and superiority, which can help enterprise to subdivision customers, find a marketing focus, identify effective marketing strategy, and excavate a new group of potential customers.
In this paper, we try to Extension genetic algorithm applied to CRM, and the establishment of the corresponding mathematical model. The method is embodied in the thinking process to simplify data computing, shorten the time to find objective data and focus data types more practical significance, and enrich the data mining technology.
本文应用可拓学中物元的表示方法与遗传算法中的编码相结合对企业的客户进行描述与分析,并应用可拓理论中的关联函数对客户进行细分,进而在遗传算法中的遗传和变异方法和可拓变换的思想结合的基础上,提出了新的可拓遗传方法,并进一步对客户数据进行分析、挖掘、转化,继而通过实例阐明该方法的有效性和优越性,达到帮助企业对客户进行细分,寻找出营销重点,确定有效营销策略,以及挖掘出新的潜在的客户群体。
本文将可拓遗传算法作为对数据挖掘在CRM中应用的一种尝试,并且建立了相应的数学模型。该方法所体现的思想对于简化数据运算过程。缩短寻找目标数据时间,以及突出重点数据类别有实际意义,丰富了数据挖掘技术。
CRM is a commercial strategy to attract and retain customers and maximize their profitability, whose management thinking is customer-centric. When it is comes to CRM, data mining technology should be mentioned. Data mining is the prerequisite and basis for CRM, and CRM is an extension innovation and of data mining. Data Mining develops from a large quantity of incomplete, noise and ambiguous, the practical application of random data, in which the extraction of implicit, people do not know in advance, but is potentially useful information and knowledge process. Data mining methods varied for the different application areas. In the area of customer relations, Data Mining for Customer Relationship Database in large business data extraction, transformation, analysis and handling of other models. Extracting support from the decision-making valuable customer relationship data, thereby helping customers determine the characteristics of enterprises, customers provide targeted services.
In this paper, with the extension of Matter-element of that method and the genetic coding algorithm combining to describe and analyze enterprise customers. With the Extension of the correlation function to fractionize customers, thus on the basis of Heredity and Variation Method and Extension transformation of that Genetic Algorithm to lodge new method of Genetic Extension. Further analysis, mining and conversion of customer data. Through examples clarify the effectiveness of the method and superiority, which can help enterprise to subdivision customers, find a marketing focus, identify effective marketing strategy, and excavate a new group of potential customers.
In this paper, we try to Extension genetic algorithm applied to CRM, and the establishment of the corresponding mathematical model. The method is embodied in the thinking process to simplify data computing, shorten the time to find objective data and focus data types more practical significance, and enrich the data mining technology.
引文
[1]杨春燕、蔡文.可拓工程研究,广东工业大学可拓工程研究所,2000
[2]蔡文,可拓论及其应用.科学通报,1999,44(7):673-682
[3]Cai Wen. Extension Theory and Its Application. Chinese Science Bulletin, 1999, 44(17):1538-1548
[4]蔡文、杨春燕、何斌,可拓逻辑初步,2003年11月第1版,科学出版社
[5]蔡文、杨春燕、何斌.可拓学基础理论研究的新进展,全国第九届可拓工程年会大会报告,2002年8月
[6]刘勇、康立山、陈毓屏,非数值并行算法-遗传算法,1995年1月第1版,科学出版社
[7]李日华、姜殿玉,可拓事件与可拓概率.广东工业大学学报,第16卷第4期,97-101
[8]何斌,可拓算法,从物元分析到可拓学,1995年11月第1版,科学技术文献出版社,276-278
[9]刘海生、赵燕伟,基于遗传学习的可拓综合评价权重分配新方法.机械工程学报,2002年12月,第38期增刊,238-240
[10]蔡文、杨春燕、林伟初,可拓工程方法.北京:科学出版社,1997
[11]赵赫、杜端甫,遗传算法求解旅行推销员问题时算子的设计与选择.系统工程理论与实践,1998年第18卷第2期,62-64
[12]陆汝铃,知识科学与计算科学,2003年1月,第一版,清华大学出版社,283-288
[13]张喆、?鹑弧⒒菩≡萃诰蚣际踉贑RM中的应用,中国管理科学,2003年11月,第一期, 53-59
[14]李治洪苏启林,CRM设计与面向超市零售业的空间型CRM案例分析.塞迪网,2004年8月
[15]周剑雄、王明哲.基于数据挖掘和数据挖掘技术的客户关系管理.物流技术,2003年2月,23-27
[16]周晓宇等,数据挖掘技术初探.小型微型计算系统,2002(3), 142-145
[17]阳林、吴黎明、黄爱华,可拓控制的物元模型及其控制算法,系统工程理论与实践,2000年6月,第6期,127-130
[18]叶惠薪,物元变换与发明创造从物元分析到可拓学,1995年11月,第1版,科学技术文献出版社,298-30
[19]杜春彦,基于物元可拓性的推理模型.系统工程理论与实践,1998,18(2):124-127
[20]何斌、王若恩,物元逻辑推理.系统工程理论与实践,1998,18(1):85-92
[21]刘巍、张秀芳,基于可拓信息的知识表示.系统工程理论与实践,1998,18(1):104-107
[22]史中植,知识发现,2002年1月,第一版,清华大学出版社,265-29
[23]师爱芬,关联函数分析,全国第九届可拓工程年会大会报告,2002年8月
[2]蔡文,可拓论及其应用.科学通报,1999,44(7):673-682
[3]Cai Wen. Extension Theory and Its Application. Chinese Science Bulletin, 1999, 44(17):1538-1548
[4]蔡文、杨春燕、何斌,可拓逻辑初步,2003年11月第1版,科学出版社
[5]蔡文、杨春燕、何斌.可拓学基础理论研究的新进展,全国第九届可拓工程年会大会报告,2002年8月
[6]刘勇、康立山、陈毓屏,非数值并行算法-遗传算法,1995年1月第1版,科学出版社
[7]李日华、姜殿玉,可拓事件与可拓概率.广东工业大学学报,第16卷第4期,97-101
[8]何斌,可拓算法,从物元分析到可拓学,1995年11月第1版,科学技术文献出版社,276-278
[9]刘海生、赵燕伟,基于遗传学习的可拓综合评价权重分配新方法.机械工程学报,2002年12月,第38期增刊,238-240
[10]蔡文、杨春燕、林伟初,可拓工程方法.北京:科学出版社,1997
[11]赵赫、杜端甫,遗传算法求解旅行推销员问题时算子的设计与选择.系统工程理论与实践,1998年第18卷第2期,62-64
[12]陆汝铃,知识科学与计算科学,2003年1月,第一版,清华大学出版社,283-288
[13]张喆、?鹑弧⒒菩≡萃诰蚣际踉贑RM中的应用,中国管理科学,2003年11月,第一期, 53-59
[14]李治洪苏启林,CRM设计与面向超市零售业的空间型CRM案例分析.塞迪网,2004年8月
[15]周剑雄、王明哲.基于数据挖掘和数据挖掘技术的客户关系管理.物流技术,2003年2月,23-27
[16]周晓宇等,数据挖掘技术初探.小型微型计算系统,2002(3), 142-145
[17]阳林、吴黎明、黄爱华,可拓控制的物元模型及其控制算法,系统工程理论与实践,2000年6月,第6期,127-130
[18]叶惠薪,物元变换与发明创造从物元分析到可拓学,1995年11月,第1版,科学技术文献出版社,298-30
[19]杜春彦,基于物元可拓性的推理模型.系统工程理论与实践,1998,18(2):124-127
[20]何斌、王若恩,物元逻辑推理.系统工程理论与实践,1998,18(1):85-92
[21]刘巍、张秀芳,基于可拓信息的知识表示.系统工程理论与实践,1998,18(1):104-107
[22]史中植,知识发现,2002年1月,第一版,清华大学出版社,265-29
[23]师爱芬,关联函数分析,全国第九届可拓工程年会大会报告,2002年8月