数据挖掘在消费行为分析中的应用

论文摘要

随着计算机技术的快速发展,尤其是数据库技术和计算机网络技术的广泛应用,企业拥有的数据量急剧增加,充分利用这些海量的数据进行快速有效地深入分析和研究,从中发现其规律与模式,从而获得所需知识,将能帮助企业进行更好地决策。单纯的联机分析处理和动态报表的生成都已不能完全满足经营决策层的需要。所以针对业务问题构建数据挖掘系统成为当务之急,由此提出在数据仓库的基础上构建数据挖掘系统的需求。尽管目前有许多关于数据挖掘的理论研究,但很少有提出数据挖掘项目开发方法的相关资料,于是本文就提供了一套比较系统的数据挖掘项目开发过程模型,为数据挖掘技术应用于商业领域提供方法论的指导。在这种方法的指导下,将数据挖掘技术应用到校园消费行为分析系统中是本文的研究主题。本文对相关领域的知识进行了详细的介绍,并分析了将数据挖掘技术应用于客服关系管理系统的典型应用过程。对比几种基本数据挖掘技术以及开发过程模型的应用特点,从应用角度划分数据挖掘系统。结合项目管理,提供了一个基于项目的数据挖掘实施过程模型,将数据挖掘项目的开发过程划分为项目规划,挖掘准备,挖掘和项目评估四大阶段,细化各阶段并明确其具体任务及目标。通过对目前数据挖掘系统的研究分析,从工程角度,确定了数据挖掘项目的具体实施过程,并将这套理论应用到校园消费行为分析挖掘系统中,根据实际的应用再反馈到理论研究,完善理论。具有一定的理论研究和实用价值。并在挖掘项目实施过程中对传统的K-means聚类算法进行了适当的改进,提高了挖掘效率

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外相关领域的研究现状与发展趋势
• 1.2.1 数据挖掘技术的研究状况与发展趋势
• 1.2.2 消费行为分析与CRM研究现状
• 1.3 主要工作及论文内容
• 第2章 数据挖掘理论概述
• 2.1 数据挖掘的发展
• 2.2 数据挖掘的概念与特征
• 2.3 数据挖掘的一般过程
• 2.4 数据挖掘常用技术
• 2.4.1 神经网络
• 2.4.2 决策树
• 2.4.3 遗传算法
• 2.4.4 近邻算法
• 2.4.5 规则归纳
• 2.4.6 可视化
• 2.5 数据挖掘的功能
• 2.5.1 自动预测趋势和行为
• 2.5.2 关联分析
• 2.5.3 聚类
• 2.5.4 概念描述
• 2.5.5 偏差检测
• 2.6 数据挖掘的系统分类
• 2.6.1 按知识类型分类
• 2.6.2 按数据类型分类
• 2.6.3 按挖掘的应用分类
• 2.7 数据挖掘方法论
• 2.7.1 Fayyad的知识发现处理模型
• 2.7.2 CRISP—DM数据挖掘过程模型
• 2.8 本章小结
• 第3章 CRM与消费行为分析研究
• 3.1 客户关系管理（CRM）的产生
• 3.2 客户关系管理的概念及特征
• 3.2.1 客户关系管理的定义
• 3.2.2 CRM的体系结构
• 3.3 客户关系管理的运作流程
• 3.4 消费行为分析
• 3.4.1 消费行为决策原则
• 3.4.2 消费行为的研究方法
• 3.5 数据挖掘在CRM系统中的应用
• 3.6 数据挖掘在CRM系统实现过程
• 3.7 本章小结
• 第4章 校园消费行为分析的数据挖掘模型
• 4.1 基于项目的数据挖掘过程思路
• 4.2 校园消费行为分析系统的项目规划
• 4.2.1 校园消费行为分析系统项目定位
• 4.2.2 校园消费行为分析系统可行性分析
• 4.2.3 项目计划
• 4.2.4 校园消费行为项目开发进度表
• 4.3 分析系统挖掘准备
• 4.4 分析系统挖掘
• 4.5 系统项目评估
• 4.6 本章小结
• 第5章 基于数据挖掘的消费行为分析系统
• 5.1 校园消费行为分析系统的总体设计
• 5.1.1 总体设计结构图
• 5.1.2 校园消费行为分析系统的数据仓库设计
• 5.2 基于数据挖掘的校园消费行为分析系统项目开发
• 5.2.1 SQL Server 2005数据挖掘简介
• 5.2.2 利用SQL Server 2005建立数据挖掘模型
• 5.2.3 分析系统的数据挖掘算法
• 5.2.4 分析系统的数据挖掘
• 5.2.5 系统挖掘结果分析
• 5.3 系统挖掘结果的应用
• 5.4 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 作者攻读硕士学位期间主要的研究成果