税务行业纳税人客户细分探索

在税务行业如何能够对纳税人进行细分是有效进行纳税评估、重点税源监控、税收预测管理的重要前提,文章主要探索通过K—Means方法如何进行纳税人客户细分。     

数据挖掘在银行客户细分中的应用

对银行客户细分的挖掘模型做了讨论,将数据挖掘中的K-means算法应用于其中。通过提供针对本文具体实例的聚类算法,得出了具有实际意义的挖掘结果,并给出相关的参考营销策略,以便读者参考。     

数据挖掘技术在商业银行客户细分中的应用

在数据仓库建设基本到位之后,银行应如何对庞大的客户信息进行深层次数据挖掘,建立客户与市场的细分体系,从而在经营与管理中发挥作用,是一个极为重要与紧迫的研究课题.在介绍客户细分理论与数据挖掘技术的基础上,对银行客户细分形式化描述过程模型做了讨论,并以K均值聚类算法对银行实证客户数据进行了挖掘,实验表明数据挖掘技术在银行客户细分方面的应用具有一定的有效性.     

基于K-means聚类算法的客户细分探讨

重点讨论了聚类分析方法中K-means聚类算法在客户价值分析中的作用,通过对客户的现有价值和潜在价值进行分析,对客户进行细分。在此基础上,企业可结合行业的特征找出各类客户的特点,实行差异化服务策略,让更好的资源和服务提供给最有价值客户,从而达到顾客满意、企业盈利的目的。     

浅议数据挖掘技术在旅游市场细分中的应用

数据挖掘是一种从大量的数据中挖掘有用的知识、用以支持决策的技术,从旅游行业需要入手,简要分析了数据挖掘技术在旅游市场细分中的作用,并重点论述了决策树和聚类两种挖掘工具的应用。     

聚类算法在B2C电子商务客户细分中的应用

B2C电子商务的竞争对个性化服务提出更高的要求,聚类分析是在数据挖掘的基础上,根据Web用户的行为模式,将具有相似属性的用户分为一簇.最大最小距离算法按照 某种策略,选取离得尽可能远的客户作为初始中心,努力得到客户群一个比较好的初始划分,显著提高聚类质量,为电子商务企业了解客户、挖掘客户、制定营销策略,提供有力帮助.     

基于数据挖掘技术的客户满意度的提升

当前市场经济不断发展,全球竞争日益激烈,对客户满意度的研究已经成为了“以客户为导向”的经营模式的出发点.本文将对客户满意度、数据挖掘技术和基于客户满意度的数据挖掘模型分别进行介绍,并讨论如何利用数据挖掘技术提升客户满意度.     

基于数据挖掘的异常客户检测技术

针对传统的电信异常客户手工检测技术，提出了实时地、自动地检测异常客户的技术。该方法首先利用神经元网络算法从原始数据中提取异常客户属性权重并进行属性约减，在属性约减的基础上利用决策树算法提取异常客户特征，然后使用聚类算法自适应地产生检测模型。这三种算法的结合能够向现有的系统实时地发出异常报警，还能确定异常特征，为异常客户的检测提供支持。电信数据实验证明，异常客户的检测率较高，而且误警率很低。     

基于Web的数据挖掘技术

介绍了数据挖掘的研究情况，对基于Web的数据挖掘技术进行了分析和评价，对关联规则挖掘算法给出探讨和具体实现，归纳数据挖掘工具的评价标准，展望了基于Web的数据挖掘技术的未来研究方向。     

价值细分--基于客户终身价值的市场细分

客户保持对企业的利润有着惊人的影响.通常会发现企业客户中最好的20%产生了80%的价值,在一些情况下,甚至是全部价值.因此可以从客户对企业的终身价值贡献的角度去细分哪些客户属于20%,哪些属于80%.细分客户可以使企业集中精力为较高价值的客户服务,从而提高自己的盈利能力和竞争优势.     

数据挖掘技术在电信企业CRM中的应用

首先介绍了电信企业CRM的目标和功能,由其功能得出了数据挖掘在电信企业CRM中的应用模型;接着,介绍了数据挖掘的概念及在电信企业CRM中应用的数据挖掘技术,并详细的探讨了其在电信企业CRM中的应用和具体的应用过程。     

Data mining approach to professional education market segmentation: a case study

In this research, a combination of both quantitative and qualitative approaches is used to identify different market segments in the education industry. To solve the research problem, an exploratory approach to data mining is used and, using a series of interviews with experts, the factors affecting segmentation are identified. Then, using the clustering method (in the form of specific two-step and K-means algorithms), customers are clustered and features of each cluster are identified. This research is based on data provided by a large Iranian research and education company. After examining the clusters identified in both methods, it is determined that the clusters provided by the two-step algorithm are more in line with the organizational and market reality of the business. Finally, the marketing mix model is used to formulate strategic approaches and actions.     

基于Weka平台的不确定数据挖掘

阐述传统关联规则挖掘Apriori算法的基本原理和算法思想,针对只能处理位置已经被精确给定的对象,利用开源Weka平台,通过数据转换,处理不确定数据集,对鸢尾花数据进行测试实验,挖掘出一些有益的关联结果。     

数据挖掘技术在大学生专业方向指导中的应用

以计算机专业本科学生成绩为样本，采用数据挖掘技术的决策树分类算法，建立了专业发展方向预测模型，得出了若干相关规则，通过验证样本数据对模型进行了验证，并提供了各种规则的准确度。     

公众出行信息服务多源数据融合挖掘技术研究

分析了公众出行信息特征及影响出行线路选择的因素,设计了多源交通数据融合挖掘的系统框架,并研究了其中的多源数据相关度计算、层次化子空间聚类及联合聚类挖掘等关键技术。理论分析及实验结果表明,系统对于多源交通数据的融合分析及高维数据的降维聚类具有良好的处理能力及可扩展性。     

数据挖掘技术

数据挖掘是目前一种新的重要的研究领域。本文介绍了数据挖掘的概念、目的、常用方法、数据挖掘过程、数据挖掘软件的评价方法,对数据挖掘领域面临的问题作了分析和展望。     

基于数据挖掘技术的CRM系统中客户行为

为了解决在企业中实施客户关系管理(CRM),CRM系统中客户行为的定量研究问题,利用决策树的数据挖掘相关技术和方法,提出了UPTree数据挖掘算法,并采用UPTree算法对隐藏在大量客户行为中的信息进行挖掘,从而获取了CRM系统中潜在的客户行为规则,并给出这些行为规则的IF-THEN的描述形式,为企业的科学决策提供依据。     

数据挖掘在零售业中的应用

阐述零售业的特点,简介数据挖掘技术相关知识,说明数据挖掘技术在零售业中的应用．     

WEB日志挖掘过程研究

在数据挖掘研究领域中，Web日志挖掘是Web使用挖掘的一个分支。它作为Web挖掘的一个重要组成部分，具有独特的理论和实践意义．通过介绍Web日志挖掘的概念，系统阐述了Web日志挖掘的全过程：数据收集、数据预处理、模式识别、实际应用．说明Web日志挖掘应用广泛，能够实现网站的优化问题．     

Distributed anonymous data perturbation method for privacy-preserving data mining

Privacy is a critical requirement in distributed data mining. Cryptography-based secure multiparty computation is a main approach for privacy preserving. However, it shows poor performance in large scale distributed systems. Meanwhile, data perturbation techniques are comparatively efficient but are mainly used in centralized privacy-preserving data mining （PPDM）. In this paper, we propose a light-weight anonymous data perturbation method for efficient privacy preserving in distributed data mining. We first define the privacy constraints for data perturbation based PPDM in a semi-honest distributed environment. Two protocols are proposed to address these constraints and protect data statistics and the randomization process against collusion attacks： the adaptive privacy-preserving summary protocol and the anonymous exchange protocol. Finally, a distributed data perturbation framework based on these protocols is proposed to realize distributed PPDM. Experiment results show that our approach achieves a high security level and is very efficient in a large scale distributed environment.