徐国庆 段春梅

山东师范大学管理科学与工程学院 山东 250014

0 引言

面对信息时代巨大的客户信息量，企业急需一种信息分析技术对各种数据进行准确、有效的分析，数据挖掘技术就是这样一种技术。数据挖掘(Data Mining，DM)，又称数据库中的知识发现(Knowledge Discovery in Database，KDD)，是指从大型数据库或数据仓库中，通过知识发现活动，寻找关联规则、分类规则、周期性规律等主要类型的知识，提取有用信息的过程。数据挖掘技术为客户关系管理提供了强有力的技术保障。

1 典型的数据挖掘算法和过程

1.1 数据挖掘算法

(1) 最近邻算法：K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。最近邻算法主要用于分类。

(2) 关联规则算法：关联规则是数据挖掘的一种主要形式，关联规则主要以“如果……那么……”的形式描述，主要挖掘顾客同时购买两种或者多种产品的可能性，比如一条规则可以描述为“如果顾客购买了啤酒，那么他购买尿布的概率为85%”。

(3) 神经网络算法：神经网络一词来源于生物学，神经网络算法是从人工智能领域发展起来的，神经网络通过在计算机上运行的模式识别和机器学习算法的程序，在对大量历史数据库进行计算的基础上建立的预测模型。

(4) 决策树算法：决策树算法是在客户关系管理中应用最为广泛的算法之一，它被广泛应用于市场细分、客户细分、客户流失预测中。