%96掘的市场营销智能决策支持系统设计.pdf

《%96掘的市场营销智能决策支持系统设计.pdf》由会员分享，可在线阅读，更多相关《%96掘的市场营销智能决策支持系统设计.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、!#$%&()*+,-!./#001&%02!计算机工程与科学34-5,67 6#8.#667.#8 9/.6#6(00:年第(*卷第 0 期!;(*，#0，!(00:!文章编号：001&%02（(00:）0&01&0$基于数据挖掘的市场营销智能决策支持系统设计?ABCD E FD.DG=BCDG?HBABD/IJJKG/LAGM EK 4FKNGBDC OFAP D?FGF 4BDBDC王!林，曾宇容#$%&()*，+,&-./01*2#（3 华中科技大学管理学院，湖北 武汉 456674；#3 湖北经济学院，湖北 武汉 456#68）（3 9:;11?*?2A*B，C.?D;1*2 E*)

2、F0G)BH 1=9:)*:?*I J:;*112H，$.;?*456674；#3 C.K)E*)F0G)BH 1=,:1*1A):G，$.;?*456#68，L;)*?）摘!要：针对现行市场营销决策支持系统在数据集成、历史数据方面、查询功能以及数据分析方面存在的不足，本文分析了市场营销决策特点，讨论了数据仓库、3QR-和数据挖掘技术在市场营销决策支持系统上的应用，并结合 24Q 技术和73QR-数据模式设计的思想，详细设计了营销智能决策支持系统的体系结构和功能结构。%KGB0?:B：RA EK GS PKFTUFHNA E GS HIKKDG MFNGBDC PHBABD AIJJKG AL

3、AGMA BD PFGF BDGCKFGBD，SBAGKL PFGF，VIKL EIDH&GBDA FDP PFGF FDF=LABA，T FDF=LA GS MFKNGBDC HSFKFHGKBAGBHA，PBAHIAA GS FJJ=BHFGBD E PFGF TFKSIABDC，3QR-FDP PFGF MBDBDCBD MFKNGBDC PHBABD AIJJKG ALAGMA FDP PABCD GS FKHSBGHGIK FDP EIDHGBDF=AGIHGIK E FD BDG=BCDG MFKNGBDC PHBABD AIJJKGALAGM UFAP D GS 24Q GHSD

4、=CL FDP GS 73QR-PFGF JFGGKD PABCD JKBDHBJ=W关键词：市场营销；3QR-；数据挖掘；智能决策支持系统MH N10IG：MFKNGBDC；3QR-；PFGF MBDBDC；BDG=BCDG PHBABD AIJJKG ALAGM中图分类号：,-%文献标识码：R!引言在整个营销活动中，信息的收集与分析在营销决策中起决定性的作用，而市场营销决策支持系数是收集信息与正确分析信息最有效的工具之一。国外一直很重视营销决策信息系统的研究，并开发了一些相应系统，如 W 7W RD&PKAD 等人开发的-.4/和 QXBD#W 等开发的 R43/(，这些系统在企业中得到了

5、比较广泛的应用。而且，随着商务智能技术的不断发展，对营销?/应用的研究不断深入%Y)。国内在这方面的工作起步较晚，综观各种文献，辅助营销决策的决策支持系统（?/）研究案例较少，而且功能欠缺。为此，本文在讨论传统营销决策支持系统的不足之后，详细设计了市场营销智能决策支持系统（4.?/）的体系结构和功能结构。#!传统营销决策支持系统存在的问题传统的营销决策支持系统一般是直接建立在事务处理环境上，在实际应用开发过程中暴露出许多问题，主要表现如下：（）数据集成、数据综合问题和历史数据问题。?/不仅需要整个企业内部各部门的相关数据，还需要企业外部、竞争对手的相关数据。例如，在确定产品的销售价格时，不仅需

6、要企业内部与价格决策相关的成本、利润目标等信息，而且需要收集外部竞争对手的资料和市场分析资料。另外，企业普遍存在异构数据源及非结构化数据，而且数据不一致的现象也比较突出。当前，绝大部分企业内数据均是分散、非集成的。?/需要对这些分散的数据进行集成，这是一项非常复杂的工作，数据处理效率极低。另外，一般?/并不对细节数据进行分析，决策分析主要是针对各种汇总数据进行的（如分析某种产品的销售情况），而一般业务信息系统中存储的却是具体操作层面数据，因而在进行数据分析时需要对细节数据进行不同程度的综合，而事务处理系统不具备这种综合能力。事务处理一般只需要当前数据，在数据库中一般也只存储短期数据，即使有一些

7、历史数据保存下来，也未得到充1收稿日期：(00$&(&(；修订日期：(00)&0:&0(作者简介：王林（Z1$），男，湖北枣阳人，博士，讲师，研究方向为 74 和数据挖掘；曾宇容，讲师。通讯地址：$%001$湖北省武汉市华中科技大学管理学院；,=：（0(1）*1)$(*:1；6&MFB=：TFDC=BD SIAGW PIW HD%II0GG：/HS=E 4FDFCMDG，IFSDC 5DBXKABGL E/HBDH FDP,HSD=CL，ISFD，IUB$%001$，-W 7W SBDF分利用。但是，对于决策分析而言，历史数据是相当重要的。例如，在进行市场预测时，如果产品的生命周期比较长，就必

8、须考虑较长时间段的市场需求情况。只有充分利用历史数据才能准确地对市场预测情况做出综合分析。在传统的事务处理系统中，历史数据大多存储在磁带或光盘中，要查询一次历史数据将费时费力。另外，如果数据存储在不同介质上，分析历史数据的工作量和难度将更大。（!）查询功能单一、简单。目前，多数企业营销管理部门使用的查询系统多基于#$%技术，而#$%自身的特点决定了它已不适合日益发展的营销决策支持系统。首先，#$%要求对事务预先进行定义，这样它只能静态地提供已有的信息，不能即时地动态生成报表；其次，#$%用于简单查询，一般不涉及多表操作。而决策管理人员的决策是建立在对数据库进行多方面分析计算的基础之上的，#$%

9、已不能满足决策者的需求。另外，#$%主要用来完成事务性处理，通常需要进行大量的更新操作，并且对响应时间要求较高。（&）数据分析能力较差。现有的营销决策支持系统一般只能提供现有信息，缺乏对数据的分析和挖掘功能，不能发现隐藏在数据后面的经营规律，同样无法实现实时监控和风险预测。面对大量客户数据，企业认识到这些数据中隐含的大量知识对于企业的决策能起到关键性作用，特别是有关客户的知识对于营销决策是至关重要的。另一方面，激烈的竞争和客户可选择空间的扩大给营销决策者制造了新的压力，需要长期管理好客户关系，而传统的市场营销(在此方面存在诸多不足。因此，利用快速发展的数据仓库（)）技术，结合#*%和数据挖掘技

10、术开发+,(，将有助于揭开隐藏的知识，更好地理解客户，从而有效地支持企业的营销决策。!数据仓库、#$%&和数据挖掘数据仓库是企业管理和决策中面向主题的、集成的、稳定的、随时间不断变化的数据集合，可以看成是一种分布式异构数据系统的集成方法。它将不同来源的、结构不一致的数据进行概括和聚集，抽取其面向决策支持的部分并加载到数据仓库中，对其实行统一管理。当需要查询时，就可以直接访问数据仓库而无需再访问其它信息源-。建立数据仓库的目的是为#*%系统提供经过处理的数据，#*%以查询、分析为特征，根据决策者对信息的需求给出即时准确的信息。#*%可快速、一致、交互地访问各种可能的信息视图，帮助数据分析人员、管

11、理人员、决策人员洞察数据的奥秘，掌握隐于其中的规律，为决策支持提供有利的手段。数据挖掘是一种很好的知识提取方法。数据挖掘能通过预先设定的算法自动处理数据库中大量的原始数据，应用各种方法和手段从大量数据中抽取出具有必然性、富有意义的模式，挖掘出对象间的特定关系，找出人们对所需问题的解答，为决策服务。数据挖掘过程所形成的知识主要有概念、规则、规律、模式和约束等。取得这些结果采用的主要方法和技术包括统计学、聚类分析和模式识别、决策树分类、人工神经网络和遗传算法、规则归纳以及可视化技术等。数据挖掘典型的知识模式提取方式有分类、概念描述、偏差检测、序列模式和关联规则发现等几种常用模式.。市场管理部门可运

12、用数据挖掘对现有数据进行全面的分析，对未来的市场进行预测及产品、价格和促销决策进行预测和评估。市场营销决策支持系统架构设计()系统目标从市场营销辅助决策的需要出发，在与用户充分协商的基础上，根据用户解决问题的习惯和要求，确定设计的+,(应能够搜集、处理、存储与市场营销决策相关的各类信息，并利用数学模型、专家经验和通过数据挖掘发现的知识，辅助用户做出科学合理的市场营销决策分析，使营销决策过程更科学合理，从而提高市场管理的效率。具体而言，系统设计目标是：对与市场营销决策相关的各种业务数据按主题进行抽取、转换和加载等处理后，建立统一规范和高度共享的综合性主题数据中心，并在此基础上采用#*%和数据挖掘

13、技术多角度分析数据，并从中提取潜在的知识，从而建立高效的市场营销决策支持系统/。(*体系结构设计根据系统的设计目标，可以将+,(按照功能分为六个层面：基础资料层、资料提取层、数据仓库层、信息提取层、信息展现层和系统管理层，如图 0 所示。图 01 市场营销智能(体系结构（0）基础数据层。基础数据层涵盖了营销管理部门积累的大量基础数据，包括销售管理系统、客户关系管理系统和成本管理系统等诸多业务系统数据库中存储的历史数据和业务数据，以及营销管理部门收集的以 23456、7896 等形式存在的专门调查数据和统计数据。就营销分析来讲，基础数据包括发票、合同、客户、计划、地区、市场和产品相关数据。（!）

14、数据提取层。数据提取层对来源于数据库的基础数据进行初步加工，是将基础数据从面向应用转变为面向主题的一个高效数据加工厂。该层根据元数据中的主题表定义、数据源定义、数据抽取规则定义对异地异构数据源（包括各平台的数据库、文本文件、7896 文件、知识库等）进行清理、转换，对数据进行重新组织和加工，再装载到数据仓库的目标库中。在组织不同来源的数据过程中，提取层先将数据转换成一种计算机可以识别的中间模式，再把它移至临时工作区。目前流行的做法是把各种格式的数据转化为一种可识别的通用格式:+#，它可将基础数据层的各/00种不同格式的数据转化为相同的格式，使数据的共享和二次分析成为可能。各种数据库基本上都集成

15、了将数据转化成!#的功能，否则就必须编制专用程序来完成数据提取工作$。（%）数据仓库层。数据经过提取层加工、净化后，需要存放在数据仓库中，以直接面向数据分析和数据挖掘。数据仓库的建立并不是要取代数据库，而是要建立一个较全面和完善的信息应用，以支持高层决策分析。数据仓库通常独立于其它数据库，但把所有的异构数据导入数据仓库中可能会花费大量的时间和费用。因此，也可以把一个或多个事务数据库导到一个只读数据库中形成数据集市，直接在此基础上进行数据分析和数据挖掘。营销管理部门在建立决策支持系统时，应该考虑实际情况，切实摸清现有数据的现状，对建立数据仓库进行经济和技术可行性分析，对数据仓库层进行合理的设计。

16、（&）信息提取层（#()分析、数据挖掘）。数据提取层对原始数据进行初加工，得到部分有价值的数据，而信息提取层则在此基础上运用多种数据分析工具，从数据中提取对决策有用的信息。#()和数据挖掘是信息提取的有力工具。#()实施中的关键问题是如何组织数据仓库中的综合数据，以满足客户端用户多维数据分析的需要。目前主要有两种组织模式：多维#()（*+#()）和关系#()（,-()）。*+#()以多维数据库为核心，以多维方式来显示数据，可直观地表现现实世界中的“一对多”和“多对多”关系，其多维概念表达清晰。,#()的综合数据组织模式以关系数据库为核心，用关系数据库中的二维表来组织数据，表达多维概念，其数据组

17、织采用星型模式。数据仓库中的每个主题对应于一个星型模式结构，由一个事实表和若干个维表组成。事实表中的每条记录含有指向每个维表的指针，通过这个指针将多维数据联系起来。本系统的数据仓库设计采用星型模式。因此，系统的#()设计采用,#()模式，图.就是以营销分析中的销售分析为主题的面向,#()的数据组织模式/0。图.1 面向销售分析的#()数据组织模型要自动发现事物之间潜在的重要联系，必须进行数据挖掘。事实上，数据挖掘在营销知识发现中确实也大有用武之地：!客户描述。客户最重要的一类知识是客户描述，即通过分析客户的购买频率、购买量、最近购买时间，从而预测将来的购买行为并计算其客户生涯价值。在此基础上，

18、营销者可做出迎合客户需求的正确营销决策。客户描述中采用的数据挖掘工具包括关联分析、类型识别和概念描述。偏差分析。数据挖掘技术提供了诸如神经网络、遗传算法之类的强大工具，能够及时发现偏差，并对之进行分类。如果发现偏差是异常反应，营销者可采取有效方法阻止这种异常反应。如果发现是变化，还需要进一步搜索信息。营销者可以用偏差分析来检验客户对突然的价格变化和促销方式的反应。#趋势分析。数据挖掘中的可视化工具能有效地检测到隐含在数据中的发展趋势。在营销决策中，趋势可用来评价营销方案及预测未来的销量。（2）信息展示层。信息展示层负责为用户展示分析后的结果，并可对展示的数据进行再次分析利用，形成最后的分析报表

19、。对多维数据结构的动态分析（如钻取、切片和旋转等）、查询各种定制的报表、使用模型进行分析预测等功能，用户可通过浏览器来实现。对于多维分析层和数据挖掘、统计分析层产生的信息，用户可使用定制开发的客户端软件浏览。（3）系统管理层。提供对整个系统的用户、权限、口令等安全管理，完成多维分析模型的发布、数据挖掘模型的发布、报表定制发布等功能。!#$功能结构设计为了在*4 的基础上完成对数据的分析，以达到辅助决策的目的，根据上述*4 体系结构，设计的-*55 包括系统管理和市场营销决策分析功能。系统管理部分完成系统的数据更新、模型的构造与管理、各库的维护等工作。市场营销决策分析部分包括数据挖掘、市场预测与

20、需求分析、产品决策、价格决策、分销决策、促销决策、营销绩效评价等功能。决策需要的模型存放在模型库中，数据来源于数据仓库，推理知识来源于知识库和决策者的经验。多数功能模块都由多个子功能模块组成，例如分销决策由地区分销点决策、分销渠道决策和分销实体分配决策等子模块组成，而分销实体分配决策又由仓库布局决策、运输调度决策、资源分配决策等模块组成。整个系统结构灵活，可依据需要随时加入新的分析模型，以满足市场营销战略、战术组合决策分析的需要和营销计划执行与控制方面的要求。%$结束语市场营销决策过程以市场为导向，涉及产品决策、价格决策、促销决策等多因素管理决策过程。本文设计的基于数据仓库的-*55 能对这一

21、复杂过程中的管理决策进行有效的支持。数据仓库通过重组市场数据和各种业务操作系统数据，形成便于决策分析使用的数据结构，辅以针对性的数据挖掘技术，能有效发现数据仓库的丰富数据中隐藏的营销知识，较好地满足市场营销的各种决策要求。参考文献：/1 6,(789:;)?79A)-5：(,99B?C7?D7 E A(F?89+CG H?7?I9C97D,9J9K，/$LM，%：30.+3/.A.1N#9J7，E O?P?J，QD;RGA(5：():S?SQDG+*:J97，6T;DC9:+:97D98*9F;7 5TUU:D 5G;D9C H?:I9D?:R9D7IH 5Q?Q7I;E A VT:U9?7

22、ET:7?Q H U9:?D7?Q,9;9?:FP，/$2，ML（%）：L0M+L./A%1W 49:97I?，T89，()9D9:A?:R9D7I*9F;7 5TUU:D5G;D9C;：(8UD7，X;9，?78 5?D;H?FD7 E A-7D9:7?D7?QET:7?Q H,9;9?:FP 7?:R9D7I，/$L，/&（%）：.L2+.$0A$/!#$%&()*+%,-.*/#01%,23,.%4)$5 6*,7%8.4-9%:.1.4;(,8?%,)(:8 A.4%9%1.-4 01.4-BC$(8.4*,5#$-2,.8?=1 D/9%:.1.4;(,8;518%=1，EFFG，H

23、I（!）：!JG2GFJ/G 0 K*C(L，#;M*1.$-$(，6 9 N*5*，%8*$/9%C%$.4-*6*,27%8.4-9%:.1.4 6)%$01.4-*N4O$%)-%2P*1%);518%=D/N4O$%)-%2P*1%);518%=1，EFFG，QI（E2H）：QEG2QEJ/R S M T4=*4/P(.$).4-8?%9*8*S*,%?(1%6/UK：D?4S.$%5V;41(W$.1?.4-，QJJI/X A+Y,.)*/Z(,4.4-9*8*6.4.4-.48*6*4*-%2=%48;:.%4:%Z$：U%O#$-,.8?=1*4)B=,6*,7%8.4-D/9%

24、:.1.4;(TBBB S,71?Y=2 4 Y(8%,_.1.4*4)*88%,4%:-4.8.4（Y_ FH）Y/EFFH/H#M*).)，6.%8.7*.4%4，Z#?4%4/#9.1:,.=.4*8.C%3%*8(,%;,9%8%:8.4-*4)%:-4.L.4-3*:%1#/,:8?%EFF!TBBB Y=4 Y=(8%,_.1.4*4)*828%,4%:-4.8.4（Y_ F!）Y/!9 M(88%4$:7%,，D D U?，S D(:7$.)-%/Z,*:7.4-U42.-.)W%:81.4 Y=8?%!8?T48$Y4 4Y=9.1:,.=.4*8.C%Z,*:7.4-3%*8(,%1#/,:8?%J8?TBBB T48$Y4 4 Y=2(8%,_.1.4 Y/EFFH/R 边肇祺，张学工/模式识别/第二版 6/北京：清华大学出版社，EFFQ/X _$*).=.,U _*4.7/张学工译/统计学习理论的本质 6/北京：清华大学出版社，EFFF/FEQ