RD立项报告模板

立项计划书项目名称：项目负责人：职务：起止日期：年月日至年月日有限公司年月日一、研发项目基本状况1、研发项目名称：2、研发项目所属领域：一、电子信息/（一）软件/11.云计算与移动互联网软件3、研发方式：自主研发二、项目研究的重要内容及技术方案1、项目开发的研究背景近年来，一种热门的新型课题便是大数据概念的提出，它的发展与进步在生活中方方面面影响着人们。同时，对于公司来说也受到大数据到来的影响，无论从创新创业还是管理经营上都实施了采用大数据技术来进行管理与解决问题。本项目的建立既是在大数据时代背景下提出的，大数据是一种权威的定义，一种超大的、难以用现有常规数据库管理技术和工具解决的数据集。它含有规模巨大、多样性等诸多特点，因此在使用的过程中需要采用专有的技术工具对其进行解决，大数据还隐含了事件之间的潜在规律，反映了客观的事实，因此需要通过挖掘技术挖掘其潜在有高价值的知识，来解决咨询顾客的满意度评价的设定，为公司提供可靠精确的参考数据。基于满意度而建立的系统也可看做是一种客户关系的维护系统，咨询行业运用客户满意度评价系统可管理与客户之间的关系，运用计算机的自动分析、市场状况分析以及客户服务等流程系统而提高客户的满意度，提高客户的价值为咨询行业打开更广泛的市场。2、项目研究的重要内容2.1基于大数据进行开发的重要内容：基于大数据而进行的满意度评价系统的设计是针对公司中为提供优质的客户服务，对客户进行有序管理的一种手段，它的合理应用能够将客户转变为忠实的老客户，通过为客户提供有价值的服务资源，而提高客户的依附性。项目的开发应用了互联网技术，整个体系内容涉及了大数据技术的应用，并运用此技术来对咨询客户进行有序的管理，在设计中采用了多个客户关系分析工具，这些工具的描述及设计应用也是本项目开发的重要具体内容之一，涉及RFM模型的建立、客户忠实度梯度的分析与管理、客户价值分析等。同时，涉及基于大数据挖掘技术对全部客户信息进行采集、分析与解决。细分到具体的设计环节，系统将咨询客户的管理分为了客户需求知识的分析、信息的采集、数据仓库和数据信息的分析等，并最后结合了OLAP技术加以实现。2.2咨询顾客满意度评价设计重要内容：客户满意度的评价通过计算机技术的应用而设计，匹配了公司产品与客户盼望值的应用，它的应用可有效的对公司客户进行管理并提高客户对公司产品的满意度、提高客户价值为咨询行业开拓更广市场。不同于传统的项目管理方式，运用先进技术设立特有的风险评定管理、咨询项目采用全生命周期管理模式对咨询客户的变化进行信息反馈及管理。设计重要内容涉及了客户满意度指标的设定、客户满意度评价体系模型的建立、以及评定体系算法的选择与运用数据库的建立和各数据表格的设计等。同时，运用了UML技术，为软件开发全部阶段提供模型化和可视化的支持，它能够支持并发分布式系统，定义了软件设计过程中的定义、办法、图形和符号表达等基础要素。但基于UML的本身特点，在此开发过程中需要结合公司本身的特点和项目需求设定不同的建模方式。3、项目核心技术解决的方法3.1满意度评价模型的应用：对于评价模型的建立是以KPI、体验因素和满意度水平层层映射三方面的指标进行设计，选择神经网络算法作为评价算法，最后拟定客户满意度评价的模型。顾客体验就是客户在接受了咨询服务之后对服务做出的服务评价，服务质量、服务态度、业务状况以及使用后的心抱负法等方面，以客户体验为基础的客户满意度评价是为了提高咨询服务对客户所带来的更优质化的服务而进行，制订个性化的客户体验管理的目的，最后提高公司客户的忠实度。3.2UML技术的应用：UML又称为统一建模语言，它是一种支持模型化和软件系统开发的图形化语言，为软件开发的全部阶段提供模型化和可视化支持，它不仅统一了Booch、Rumbaugh和Jacobson的表达办法，并且统一为大众所接受的原则建模语言。它能够支持并发分布式系统，定义了软件设计过程中的定义、办法、图形和符号表达等基础要素，但在使用的过程中需要结合本身公司的特点和项目的需求选择不同的设计办法和建模过程。3.3神经网络算法的应用：神经网络含有强大的解决非拟定信息的能力，在解决信息前并不需要确切的理解这个信息之间的关联性，通过大量的运算，神经网络内部就能够模拟出这些信息的关联性。当有相似的信息通过神经网络时将会产生类似的成果，因此无需对所分析的问题模型有进一步的理解就能够可到模型之间的关系。运用神经网络算法我们可对客户的数据信息进行训练，神经网络将得到这些数据之间的关系，收敛形成一种稳定的神经网络构造，该构造当有与训练数据相似的信息输入系统，就会输出与训练数据相似的成果。3.4、JDBC技术的应用：对于系统数据层的开发，数据层为业务逻辑层提供基础数据，涉及顾客信息、资源信息、文献系统、邮件系统等。数据层普通是使用Servlet来管理数据。我们在数据层使用JDBC技术来完毕数据库操作的更新、查询、添加及修改等。系统应用时JSP专注于数据的展示，并且系统采用了DAO设计模式，由数据库连接类、VO、DAO接口，DAO实现类和DAO工厂类构成。数据库连接类负责与SQLServer数据库进行连接。3.5OLAP技术的应用：OLAP也称为联机分析解决技术，它是数据仓库系统中重要的应用，专门设计用于支持复杂的分析操作，侧重对策划人员和高层管理人员的决策支持。能够根据分析人员的规定快速、灵活地进行大数据量的复杂查询解决，并且以一种直观而易懂的形式将查询成果提供应决策人员，方便他们精确掌握公司(公司)的经营状况，理解对象的需求，制订对的的方案。本项目的数据挖掘中运用了OLAP技术，将多维数据模型和数据结合技术组织大量的数据，由此在在线分析和绘制工具的应用上体现更大价值。选择MicrosoftSQL作为数据库服务系统，由MS-SQL服务器提供足够的技术和文献支持。3.6数据挖掘技术的应用：数据挖掘技术重要是将公司数据仓库中的业务数据、营销数据以及客户数据作为建模样本，运用多个数据挖掘办法对数据进行挖掘，通过数据挖掘从而对成果进行分析和建模并不停对模型进行优化最后来为公司的经营决策提供指导性意见。3.7检索工具的应用：本项目设计加入检索工具，把并联数据放入EnglishQuery应用软件，允许终端顾客把自己的问题转变成SQL语言叙述，数据挖掘技术应用树形分析、聚类分析和递减分析。在系统功效构造的设计上，将系统设计为两个部分，一是应用数据挖掘技术为公司提供分析报告和咨询服务预测，一种是运用ASPwithVBScriptLanguage而开放的网页应用。为顾客提供访问咨询服务。4、目的和前景4.1项目开发的目的和意义：本项目提出的大数据咨询顾客满意度评价系统既是运用大数据技术，针对培训公司中咨询顾客的安满意度实现全方面的调查与分析。将大数据融入到公司与客户关系管理中，实现数据的分享、通过信息网络既是的汇总和分析得出结论，方便客户管理与维护更快捷含有效率，同时也指导着培训公司针对客户的反馈信息制订更加合理的客户维护方略方案，有助于培训公司的发展。大数据是特点是不同应用特性的顾客规模和数据存储规模的多个应用，大数据环境下的公司应用系统中海量数据的特点含有顾客群体大、增加速度快的特点，同时数据总量也在增大，数据类型多样化程度加强，基于这些特性我们对于海量数据的解决和存储便提出了大数据技术，如大数据存储管理技术中的分布式数据库的设计应用、Hadoop框架和云计算的MapReduce技术等，这些都实现了数据的并行计算和分布式存储，使得存储能够更加好的合用于海量数据的存储。采用了大数据技术而为服务提供便捷，满意度调查方式的应用是提高客户关系的重要手段和办法，它是公司活动面对长久客户关系维护的途径，能够提高公司的成功，进行满意度调查来招揽新客户，保存旧客户。满意度的评价也能够称为对于数据质量的评价，它涉及从数据质量的基本要素入手，从综合性的角度对数据的好坏进行评价，或者从实际入手基于顾客的角度对数据质量进行评价。满意度是顾客使用某种对象服务之后的主观情感反映的量化指标，对于满意度的测量，能够分解为客户预期、感知质量、感知价值、客户埋怨、客户忠诚等方面进行衡量。每个构造变量都需要通过多个可观察的变量来衡量，这些变量需要实际的调查才干做到，因此在满意度评价中需要加入调查问卷方式进行信息的采集。对于调查问卷中问题的关系，我们提出了基于标记关系的多标记分类算法优化分类模型，这样能够提高顾客的多维满意度评价的预测效果。4.2项现在景分析：随着信息技术的发展，移动网络、多个高科技术设备的使用，各类虚拟服务、社交网络、协同创作等新型应用模式的扩展都提出了全方面基于网络和信息全新的发明和生产模式的使用。在此大数据发展背景下，如何将数据转换成产品、服务已成为公司将来发展及研究的重要方向，它将数据的分享、收集整合、分析以及成果融为一体，影响着公司的发展与经营管理的改善。在培训行业中对于咨询顾客服务以及客户关系的维护，采用的满意度调查方式也应用了大数据技术，它的前提是采用大数据为服务提供多个资源，针对培训咨询来说可提高对客户的有序管理以及其转换率，为其提供有价值的服务资源。三、项目创新性、先进性1、创新性（1）、RandomForest算法的运用：针对顾客的满意度评价，不同分类顾客之间存在不同的属性，他们的评分数值也各不同，我们需要从中找出顾客属性与顾客满意度评分的规律。本项目中采用了RandomForest算法，它合用于多应用场景，综合考虑顾客多维的属性，以及属性值的离散和持续性，RandomForest算法能够完毕对每个标记分类顾客进行训练，从中设立建立决策树，每个决策树又会随机采集特性值，训练完毕后使用十折交叉验证法对其进行验证。（2）、信息增益率的运用：基于大数据的咨询顾客满意度评价，其先进性还体现在它采用了信息增益率的方式拟定顾客属性并对其进行选择，在属相的选择过程中，通过剔除某些明显与顾客评价无关的属性，从而产生备选的属性集。在此基础上设立一种阈值，通过对每个属性计算信息增益率，从中选用高信息增益率的属性，构成最后的属性集。调查问卷便是采用了这种方法而构建，为了预测全部顾客的满意度，在评价之前我们需要针对问卷中的问题进行合理的制订。（3）、网络入侵检测的应用：满意度的评价是集合了多样数据的集成，它不仅含有多样性同时含有复杂性，因此要对这些数据进行分类和分析，从办法上采用了网络入侵检测办法，运用多个小类样原来生成新样本，对于小众样本xi，它属于小类的K近邻中随机选用的一种样本点，生成一种新的小样本xnew，在此过程中为了避免不同类别错分的状况还需要进行加权，计算出错误代价，从而找到代价最小的分类办法来解决数据不均衡的问题。（4）、OLAP技术的应用：OLAP也称为联机分析解决技术，它是数据仓库系统中重要的应用，专门设计用于支持复杂的分析操作，侧重对策划人员和高层管理人员的决策支持。能够根据分析人员的规定快速、灵活地进行大数据量的复杂查询解决，并且以一种直观而易懂的形式将查询成果提供应决策人员，方便他们精确掌握公司(公司)的经营状况，理解对象的需求，制订对的的方案。本项目的数据挖掘中运用了OLAP技术，将多维数据模型和数据结合技术组织大量的数据，由此在在线分析和绘制工具的应用上体现更大价值。选择MicrosoftSQL作为数据库服务系统，由MS-SQL服务器提供足够的技术和文献支持。2、先进性（1）、分类与预测技术的应用：基于大数据的咨询顾客满意度评价其先进性涉及了，采用大数据数据挖掘技术的分类与预测，它是通过已知的样本数据集建立数据模型或函数，用来对未知类别或成果的数据进行归类或预测的过程，其目的是找出有关样本数据集X的一种目的函数y=f（X），对于每一种样本x都能够映射到某一种类标或者成果y上，通过这个特点运用到满意度调查评价中，我们就能够针对性的分析出客户的潜在需求状况，为公司针对客户需求提供出精确的服务定位，通过数据挖掘中分类与预测发掘潜在发展机遇，有助于咨询服务方略的制订。（2）、基于大数据环境，评价系统含有可扩展性：在如今信息网络化飞速发展的条件下，大数据生成的市场机制有望开展协同创新，赋予大数据环境下管理与决策有关研究与应用的新特性。从公司发展与经济层面上来说，其大数据的发展可使得公司咨询服务得到更加好的运行、协助公司高层作出更精确的决策、评定系统数据的应用还可实现线下、线上公司服务的共同发展。这些大数据特性都为数据的驱动和管理带来了巨大的研究和创新的基于，同时也使其面临着理论与实践的范式，更多支撑技术和价值的开发尚有待我们进行进一步的研究。3、技术指标3.1（该指标是从使用者，具体功效使用角度分析）一级指标二级指标一级权重二级权重服务跟踪服务服务的及时性服务人员专业性0.220.340.340.32内容提供内容质量提供内容广泛性0.200.510.49个性化软件个性化服务业务水平0.150.500.50交流沟通在线交流服务在线培训服务提供协助系统0.150.300.360.34安全性系统安全性顾客信息安全网络传输0.150.320.340.34便利性检索功效上传下载链接功效远程服务0.130.210.240.250.303.2（该指标是从开发者，软件的性能角度分析）一级指标二级指标数值阐明性能检索功效平均响应时间≤2毫秒/ms评价模型数据分析平均响应时间≤1毫秒/ms评价模型数据分析最长响应时间≤