基于数据挖掘的财险客户风险贡献评级管理

良好的客户细分管理能够帮助财险公司更好地管理运营成本与收益,更好地实现公司风险控制和利润最大化的要求。文中采用相关分析进行相关数据的处理,运用K-Means聚类分析、决策树C 5.0算法和改进的Apriori算法3种数据挖掘技术对财险客户从风险和贡献2个角度进行了数据挖掘分类分析,得到具备风险、贡献指向性的双维度客户细分特征变量,并根据这些特征变量,建立了客户风险-贡献分类矩阵,对不同类别的客户提出了不同的客户管理对策建议。     

基于决策树数据挖掘的培训行业重点客户研究

通过属性规约、数据清理和属性构造对外语培训学校的学生数据进行了预处理,利用信息增益方法对预处理后的属性构造了决策树,根据决策树得出了培训行业重点客户：拥有会员卡且外语水平在中级以下的校内人员;拥有企业会员卡且为社会人员中的女性学员;文化程度在高中及以下的人员。     

基于市场营销离群数据挖掘的客户分类模型

客户分类是企业客户关系管理的基石.客户价值包括当前价值和潜在价值两部分,对于企业实现客户价值目标,最主要的三个客户信息变量为订单金额、商品种类和订单频率.对客户的三个变量的离群数据进行分析,将客户分为9小类3大类,不同类别的客户应采取不同的管理策略.在此基础上构建客户分类器和客户分类模型,并进行客户分类的实例研究.     

基于客户价值的客户分类方法研究

准确的客户分类是企业有效地实施客户关系管理的基础。基于客户价值的客户分类是根据客户的价值大小来判断客户的类别。本文首先在现有的客户价值评价体系的基础上结合客户生命周期理论设计了一种新的客户价值评价指标体系，从客户的生命周期阶段和客户发展潜力两个方面来评价客户价值。然后根据该指标体系的指标特性，选择神经网络作为评价方法。最后根据客户价值评价结果进行客户分类，并对每个类别的客户特征及其相应的营销策略进行了分析。     

决策树分类算法研究综述

本文基于决策树分类算法的研究现状,重点介绍了一些极具代表性的算法,包括ID3、C4.5等,对各种决策树分类算法的基本思想进行阐述,分析比较各种典型算法的优点和不足,并对决策树分类算法所面临的问题进行了简要的阐述,为数据分类研究者提供借鉴。     

基于数据挖掘的信贷客户信用评估系统研究

针对当前信贷业务中的信用风险问题,通过建立基于数据挖掘的信贷客户信用评估系统,并使用ID3算法对样本数据进行实证分析,表明数挖掘技术应用于金融企业的信贷客户信用评估系统中,可以从大量的客户信用数据中发现潜在有用的知识和规则,能够为信贷决策者提供科学、高效的方法对信贷客户进行评估分类.以期达到降低不良贷款率,提高金融企业效益的目的.     

基于数据挖掘银行客户信用风险评级体系研究

提出了基于数据挖掘的客户信用风险评级体系结构,深入解析了基于关联规则的客户信用风险评级指标体系的构建、基于BP神经网络的评级模型的构建和基于多种数据挖掘技术的分类结果细化可视化模块的构建.     

基于数据挖掘的供电企业客户细分方法及模型研究

随着电网建设的不断完善升级,电力客户对于电力产品及其配套服务的品质要求不断提升,并且逐渐呈现高要求、差异化的发展趋势.面对客户需求的差异化和企业内部服务资源的有限性,供电企业有必要对客户进行科学合理的细分,实施差异化管理.下以供电企业的大数据为依托,运用数据挖掘技术,从客户的供电可靠性要求、客户价值和客户行为3个维度,建立细分指标体系,利用K-means聚类算法建立客户细分模型,并以南网某省为例进行实证分析,最终证明了所建立的细分模型是合理的.     

客户知识管理的数据挖掘方法

本文对客户知识管理中的客户价值判断进行了分析，同时运用模糊聚类分析的方法根据客户对企业的贡献度进行客户的价值鉴别，使企业能够有针对性地对不同客户实施差别策略，对企业争取营销优势提供了帮助。     

基于决策树方法的数据挖掘分析

介绍了数据挖掘与决策树算法的一些基本概念,然后对最经典也得到最广泛应用的ID3算法及其改进算法作了详细介绍,在最后给出了该算法的一些数据结构和实现代码。     

基于数据挖掘的光纤通信风险预警系统研究

为了克服当前系统在评估和预警光纤通信中的潜在风险时存在评估可靠性较低、误差较高以及响应时间较长的弊端,提出并设计了基于数据挖掘的光纤通信风险预警系统,研究开发了包括系统接口模块、风险评估与预警业务管理模块、系统管理模块和系统知识库管理模块的光纤通信风险预警系统框架,并分析和设计了框架中各个模块及其子模块功能,并采用符合性检查分析方法量化系统终端域、管道域和业务域的风险点,给出了光纤通信风险评估与预警业务流程;基于该指标体系采用数据挖掘技术中的主观层次分析法和客观熵值法评估光纤通信风险,确定风险等级,实现了光纤通信风险预警系统设计。系统应用实例分析结果表明,设计系统具有评估可靠性较高、误差较低、响应时间较快的优点,有利于实现光纤通信风险实时评估和及时预警。     

基于分类数据挖掘技术的情报分析系统研究

运用分类数据挖掘技术中决策树算法和神经网络算法,建立适合地面战场复杂背景下的情报数据分类算法模型,并将该算法模型运用于情报分析系统,对实现目标情报分析处理的自动化进行了有益的探讨.     

基于数据挖掘的电信家庭电话分类研究

利用家庭业务捆绑争夺客户已成为新兴全业务运营商发展客户的主要方式,如何确定归属于同一家庭的固定电话及移动电话是制定家庭业务捆绑方案过程中业务人员会遇到的核心问题.由此应用数据挖掘技术中的分类方法将归属于不同家庭的电话区分开来,并针对传统分类方法的不足提出一种经过改进的RBF神经网络与决策树结合的分类方法.实验证明,由C5.0决策树及BP神经网络分别建立的两种分类模型均可有效对电话分类,而经过改进的RBF神经网络与决策树结合的分类模型在条件属性减少的基础上提高了分类精度.     

基于分类聚类技术的影视数据挖掘研究

随着现代数字化的技术和发展趋势,要求对最有发展空间的影视数据进行分析并得到知识。针对影视数据挖掘技术,讨论了数据挖掘系统各主要模块的功能及影视数据挖掘的可行性和意义,对影视数据挖掘进行研究和探讨。     

浅谈数据挖掘技术

数据挖掘是近年来随着数据库技术的成熟和计算机存储技术的新发展而出现的一门新兴学科。本文介绍了数据挖掘的概念、目的、任务、常用方法,对数据挖掘领域面临的问题做了介绍和展望。     

数据挖掘技术在高职教学中的应用

对数据挖掘技术在高职教学中的应用问题进行了研究分析,探究了高职数据挖掘技术应用于教学具体的操作办法,结合高职学生考试成绩阐述了数据挖掘技术的应用过程。     

基于概念描述数据挖掘的培训行业重点客户研究

利用数据挖掘的概念描述技术,采用t-权及d-权,进行了培训行业重点客户目标类和对比类的特征化和对比分析,通过对t-权及d-权的量化规则分析,得出了培训行业重点客户特征:拥有会员卡,外语水平比较低,市内高校的在校学生。     

数据挖掘技术在客户获取中的应用研究

通过探讨数据挖掘决策树技术,提出构建决策树的过程,并基于C4.5算法,对数据挖掘在客户获取中的应用进行实例分析,验证其可行性.     

决策树分类器融合在CRM客户分类中的应用研究

将多分类器融合技术用于CRM中的客户分类研究,以提高分类性能。以决策树作为基本分类器,引入最小二乘技术进行多分类器线性融合。实证结果显示,4种不同的融合方案的分类性能均胜过任一基本分类器,甚至优于基于遗传算法的神经网络融合分类结果,从而表明了该方法的可行性和有效性。     

数据挖掘技术在饭店营销中的运用

饭店是否能制定并执行切实可行的营销战略正是取决于饭店对客户偏好和行为特征的了解是否正确和全面，因此，我们首先需要利用数据挖掘技术挖掘出详细有效的客户行为特征信息。