客户关系管理PPT 第10章 CRM数据分析

第十章CRM数据分析2023.09本章内容10.1CRM数据分析流程10.2常用的描述性统计指标10.3数据分析模型10.4数据分析在CRM中的应用学习目标掌握数据分析的概念和流程熟悉常用描述性统计指标熟悉CRM中数据分析的主要算法理解数据挖掘在CRM中的应用价值本章内容10.1CRM数据分析流程10.2常用的描述性统计指标10.3数据分析模型10.4数据分析在CRM中的应用10.1CRM数据分析流程定义数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总、理解并消化，以求最大化地开发数据的功能，发挥数据的作用。10.1CRM数据分析流程

CRM数据分析一般流程10.1CRM数据分析流程

CRM数据分析一般流程定义问题当对研究对象的内在特性和各因素间的关系有比较充分的认识时，一般用机理分析方法进行数据分析，如果无法分析实际对象内在的因果关系，建立合乎机理规律的数学模型，那么通常的办法是，搜集大量的数据，再基于对数据的统计分析找到相关因素的关系。分析目的不一样，决定了分析使用的模型和算法完全不一样10.1CRM数据分析流程

CRM数据分析一般流程收集数据收集数据的原始方法：实验方法是一种受控的观测方法，通过一个或多个自变量的变化来评估它对一个或多个因变量产生的效应；调查方法已经广泛应用于各个领域，包括政治学、社会学、经济学、教育学和管理学，它是以研究样本的数据为基础辨析总体状况的研究方法；观察方法是对自然状态下的研究对象进行直接观察，收集一段时期内若干变量的数据。除干扰因素，采用恰当的数据收集方法收集正确的客户数据10.1CRM数据分析流程

CRM数据分析一般流程数据预处理针对所收集的数据进行的加工整理通常包括数据缺失值处理、数据分组、基本描述统计量的计算、基本统计图形的绘制、数据取值的转换、数据的正态化处理等数据预处理能够帮助人们掌握数据的分布特征，是进一步深入分析和建模的基础。10.1CRM数据分析流程

CRM数据分析一般流程数据建模数据建模是一个迭代的过程，通过研究可供选择的模型，从中选出一个最能解决商业问题的模型。分析时切忌滥用和误用统计分析方法，而应根据数据功能的类型和数据的特点选择相应的算法，在净化和转化过的数据集上进行数据分析。数据分析的核心10.1CRM数据分析流程

CRM数据分析一般流程分析与结论对数据分析的结果进行解释和评价，将分析所得到的知识集成到业务信息系统的组织结构中。在评价模型结果的方法中，最可取的评价指标是收益或者投资回报率。另外一个常使用的指标是“提升多少”。实际应用时，随着应用数据的不同，模型的精确性肯定会变化。本章内容10.1CRM数据分析流程10.2常用的描述性统计指标10.3数据分析模型10.4数据分析在CRM中的应用10.2常用的描述性统计指标平均数（一般指算数平均数）绝对数与相对数百分比与百分点百分比是相对数中的一种，运用百分数时，要注意概念的精确。百分点指不同时期以百分数形式表示的相对指标（如速度、指数、构成等）的变动幅度。频数和频率比例和比率倍数与番数番数指原来数量的2的n次方倍。10.2常用的描述性统计指标同比与环比同比：与历史同时期进行比较得到的数值。环比：与前一个统计期进行比较得到的数值。字段与记录字段：代表事物或对象某种特征的变量。记录：事物特征的具体表现。众数中位数加权算术平均数几何平均数本章内容10.1CRM数据分析流程10.2常用的描述性统计指标10.3数据分析模型10.4数据分析在CRM中的应用10.3数据分析模型CRM中常用的数据分析模型和算法：关联分析、分类与预测（分类规则、决策树算法、神经网络等）、聚类分析（k-means算法等）、异类分析、演化分析（时序数据分析算法、序列或周期模式匹配算法以及基于相似性的数据分析算法等）10.3数据分析模型

关联模型

10.3

数据分析模型

关联模型

上述关联规则表示：该商场有2%的客户年龄在25岁到29岁之间且年收入在15万元到20万元之间，这群客户中有60%的人购买了earphone（耳机），或者说这些客户购买earphone（耳机）的概率为六成。10.3

数据分析模型

关联模型例10.1

对于一个商场经理，或许更想知道哪些商品是经常一起购买的，描述这种情况的一条关联规则如下：contains（X，"computer"）⇒contains（X，"software"）（10-6）[support=1%，confidence=60%]（10-7）上述关联规则表示：该商场有1%的交易事务处理记录中包含“computer”和“software”两种商品，而一条包含（购买）“computer”商品的交易事务处理记录有60%的可能也包含（购买）“software”商品。10.3数据分析模型

分类与预测分类就是找出一组能够描述数据集合典型特征的模型（或函数），以便确定未知数据的归属或类别，即将未知数据映射到某种离散类别。分类挖掘所获得的模型的表示方法有：分类规则（IF-THEN）、决策树（DecisionTree）、数学公式（MathematicalFormula）和神经网络。图10.1客户购买电脑结果决策树一般使用预测来表示对连续数值的预测，而使用分类来表示对有限离散值的预测。10.3数据分析模型

分类与预测例10.2某商场销售主管对影响电脑销售的主要因素很感兴趣，若将客户是否购买电脑分为两类，即购买电脑和不购买电脑，客户购买记录如表10.2所示，那么利用分类挖掘对商场电脑销售情况进行挖掘，就可以获得相关分类规则，帮助主管更有效地开展促销活动。表10.2客户购买记录10.3

数据分析模型

聚类分析聚类分析中，首先需要根据“各聚类（Cluster）内部数据对象间的相似度最大化和各聚类数据对象间的相似度最小化”的基本聚类分析原则以及度量数据对象之间相似度的计算公式，将数据对象划分为若干组（Group）。通过反复不断地对所获得的组进行聚类分析，可获得初始数据集合的一个层次结构模型。10.3

数据分析模型

聚类分析k-means算法是最常见也最知名的聚类算法。输入：聚类个数k，以及包含n个数据对象的数据库。输出：满足方差最小标准的k个聚类。处理流程：（1）从n个数据对象中任意选择k个对象作为初始聚类中心。（2）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分。（3）重新计算每个（有变化）聚类的均值（中心对象）。（4）循环执行步骤（2）到（3），直到每个聚类不再发生变化为止。10.3数据分析模型

聚类分析图10.2

k-means算法聚类过程示意描述例10.310.3

数据分析模型

聚类分析与分类预测方法的不同之处？聚类分析所分析处理的数据无类别归属，属于无监督学习方法。分类预测模型使用的数据是已知类别归属的数据，属于有监督学习方法。10.3

数据分析模型对异类数据的分析处理通常称为异类分析。数据中的异类可以利用数理统计方法分析获得，即利用已知数据所获得的概率统计分布模型或利用相似度计算所获得的相似数据对象分布，分析确认异类数据。演化分析就是对随时间变化的数据对象的变化规律和趋势进行建模描述。这一建模手段包括概念描述、对比概念描述、关联分析、分类分析、时间相关数据分析。本章内容10.1CRM数据分析流程10.2常用的描述性统计指标10.3数据分析模型10.4数据分析在CRM中的应用10.4数据分析在CRM中的应用客户特征多维分析客户行为分析客户流失分析销售分析与销售预测交叉销售客户细分客户获取客户赢利能力分析风险评估和欺诈识别数据分析在CRM中应用案例：BellAtlantic公司的数据挖掘系统10.4数据分析在CRM中的应用BellAtlantic公司的数据挖掘系统非常成功，不仅为其业务开展带来很大的方便，而且节省了许多开支。BellAtlantic的电话服务目前已经覆盖了美国14个州，拥有企业电话、居民电话账户近一亿个。BellAtlantic的数据挖掘系统的首要任务就是尽快地追收拖欠的电话费，同时尽量减少收债部门的成本。软件系统的选择非常重要。经过反复挑选后，BellAtlantic采用了SAS统计软件系统建立数据挖掘系统。然后是建立SAS格式库。许多数据需要格式化，比如年龄，从20岁到100岁都有，需要分成不同的组，这都需要利用模式来进行数据转换。有的数据不是连续变量，比如婚姻状况（单身/已婚），也需要进行一些变换才可以进行计算。日期也是需要格式化的，不同计算机系统记录日期的方法不同，需要把日期转换成一致的格式。在金融保险行业，日期这个变量非常重要，因为很多客户的行为都记录在日期里面了。电话公司里记账、付款的日期也非常重要。第三步是数据分析，BellAtlantic把覆盖的14个州分成6组，把企业账户和居民账户分开，然后把不同的账户进一步分成8个类型，前前后后一共建立了近40个不同的追收拖欠电话费的模型。这个项目BellAtlantic花费了一百多万美元。这样，BellAtlantic就能计算出有关客户的各种可能性，包括客户从一个月不交电话费变成两个月不交电话费的可能性，客户从三个月不交电话费到变成坏债的可能性，以及坏债客户变成死债客户的可能性。同时，还对追收拖欠电话费用的策略提供线索，确认应该对哪些账户进行追债活动，哪些账户有可能拖欠电话费；提供量化的追债策略，对不同的账户采用不同的办法。1.数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总、理解并消化，以求最大化地开发数据的功能，发挥数据的作用。一般来讲，有效的CRM数据分析流程包括定义问题、收集数据、数据预处理、数据建模以及分析与结论等几个步骤。2.在进行CRM数据分析前，首先需了解一些指标和术语，从多种角度对数据进行深度解读，包括平均数、绝对数与相对数、百分比与百分点、频数和频率、比例和比率、倍数与番数、同比与环比、字段与记录、众数、中位数、加权算术平均数、几何平均数等。本章小结Summary3.CRM中常用的数据分析模型和算法包括关联分析、分类与预测（分类规则、决策树算法、神经网络等）、聚类分析（k-means算法等）、异类分析、演化分析（时序数据分析算法、序列或周期模式匹配算法以及基于相似性的数据分析算法等）。4.在CRM中，数据仓库将海量的、杂乱的客户历史行为数据集中起来，建立一个整合的、结构化的数据模型，在此基础上进行数据分析。数据分析模型按照其功能，可以应用到以客户为中心的企业决策分析及管理的不同领域和阶段。在CRM中，它可以应用在以下几个方面：（1）客户特征多维分析；（2）客