林雯

【摘 要】文章闡述了DM和CRM技術，分析了數(shù)據(jù)挖掘關聯(lián)規(guī)則Apriori算法，從數(shù)據(jù)倉庫設計、ETL設計和多維數(shù)據(jù)模型設計等多方面對電子商務企業(yè)CRM系統(tǒng)進行數(shù)據(jù)倉庫設計，進而對基于DM技術的電子商務CRM系統(tǒng)進行了總體設計和數(shù)據(jù)表設計，該系統(tǒng)能有效地提升企業(yè)的盈利能力和市場競爭力。

【關鍵詞】DM；電子商務；CRM系統(tǒng)

【中圖分類號】TP393.09；F724.6【文獻標識碼】A【文章編號】1674-0688（2016）08-0026-03

0 引言

隨著網絡信息時代的高速發(fā)展，電子商務市場迅速成長和壯大，給企業(yè)帶來前所未有的挑戰(zhàn)。電子商務企業(yè)之間的競爭日益激烈，競爭早已由“以產品為中心”轉向“以客戶為中心”，客戶資源已經成為企業(yè)之間競爭的最重要的資源之一。電子商務企業(yè)如何為客戶帶來優(yōu)質的產品和優(yōu)質的服務？如何為客戶制定個性化的服務？已經成為影響企業(yè)發(fā)展和壯大的重要因素。但是，隨著企業(yè)規(guī)模的不斷擴大，電子商務企業(yè)面臨客戶業(yè)務量大、客戶數(shù)據(jù)復雜多樣等特點，電子商務企業(yè)既要保留當前的數(shù)據(jù)信息，也要保留歷史性的數(shù)據(jù)信息，同時也要對這些數(shù)據(jù)進行有效的管理，更為重要的是要對客戶數(shù)據(jù)進行剖析，從大量的客戶數(shù)據(jù)中挖掘出有效的、有價值的數(shù)據(jù)信息。

1 數(shù)據(jù)挖掘和CRM

數(shù)據(jù)挖掘（Data Mining）就是從海量的、繁雜的、有噪聲的、不完全的、模糊的數(shù)據(jù)庫或數(shù)據(jù)倉庫中，發(fā)現(xiàn)并提取隱藏在其中的、不為人們事先知道但又具有一定價值的信息和知識的發(fā)現(xiàn)過程。

CRM（Customer Relationship Management）為電子商務企業(yè)提供整理、收集、分析客戶信息的系統(tǒng)，為現(xiàn)代化電子商務企業(yè)提供全新的商業(yè)管理戰(zhàn)略，其目的在于幫助企業(yè)充分合理地利用客戶資源信息，開拓新的業(yè)務市場和渠道，優(yōu)化企業(yè)的盈利能力和提升客戶滿意度，促進電子商務企業(yè)在激烈的市場競爭中立足和發(fā)展。

客戶關系管理（Customer Relationship Management，CRM）的產生不僅為企業(yè)提供了一個收集、分析、利用客戶信息的系統(tǒng)，更為現(xiàn)代企業(yè)提供了一種全新的商業(yè)管理戰(zhàn)略，幫助企業(yè)充分利用其客戶關系資源，擴展新的市場和業(yè)務渠道，提高客戶的滿意度和企業(yè)的贏利能力，使其在空前激烈的競爭中更好地立足和發(fā)展。電子商務企業(yè)CRM作為一個完整的系統(tǒng)，主要能實現(xiàn)數(shù)據(jù)倉庫、客戶互動管理、運營管理、策略決策、后端系統(tǒng)整合和分析層次CRM等功能。

2 關聯(lián)規(guī)則算法研究

常用的數(shù)據(jù)挖掘算法主要有關聯(lián)規(guī)則、分類、聚類等，本系統(tǒng)采用DM技術中的改進的關聯(lián)規(guī)則（Association Rules）經典挖掘算法-頻集算法（Apriori算法），Apriori算法是從數(shù)據(jù)倉庫或數(shù)據(jù)集市中挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關聯(lián)，其算法是Support和Conf idence分別滿足用戶給定閥值的規(guī)則，即

Support（X？圯Y）=P（X∪Y）

Conf idence（X？圯Y）=P（Y/X）

Apriori算法基本思想是找出事務數(shù)據(jù)庫中所有大于或等于用戶指定最小支持度的頻繁項集，由頻繁項集生成滿足用戶指定的最小信任度閥值的關聯(lián)規(guī)則。Apriori算法采用了逐層搜索的迭代的方法，算法簡單明了，沒有復雜的理論推導，也易于實現(xiàn)，但是也存在對數(shù)據(jù)倉庫掃描次數(shù)頻繁和產生大量的中間項集等問題。

網絡通信技術飛速發(fā)展、市場變化莫測、企業(yè)之間的協(xié)同合作，電子商務企業(yè)面臨客戶數(shù)據(jù)量大、數(shù)據(jù)繁雜多樣等問題。電子商務企業(yè)客戶的銷售數(shù)據(jù)表明，電子商務企業(yè)客戶銷售數(shù)據(jù)主要面臨時間和空間2個維度，不同時間維度和不同空間維度的客戶銷售數(shù)據(jù)具有不用的意義和價值。

本文針對電子商務企業(yè)的特點和實際情況，為了使電子商務企業(yè)快速、準確、高效地分析客戶數(shù)據(jù)和獲得有價值的信息，進而提升電子商務企業(yè)的決策和管理能力，采用一種加權、分段的Apriori算法，該算法既減少了I/O代價，又加快了挖掘處理速度，提高了執(zhí)行效率。其主要思想如下。

加權：重新定義Support和Conf idence，將客戶數(shù)據(jù)的權重考慮在內。

Support（A？圯B）=■

Conf idence（A？圯B）=■

分段：將從電子商務企業(yè)數(shù)據(jù)倉庫中所提取的客戶數(shù)據(jù)信息分為若干適合內存處理的子數(shù)據(jù)庫，然后利用Apriori算法對子數(shù)據(jù)進行分析處理，接著歸并子數(shù)據(jù)庫所挖掘出的結果，再次掃描數(shù)據(jù)庫，最終篩選出有價值的關聯(lián)規(guī)則。

3 電子商務企業(yè)CRM系統(tǒng)數(shù)據(jù)倉庫設計

電子商務企業(yè)CRM系統(tǒng)數(shù)據(jù)倉庫的建設，是以企業(yè)客戶數(shù)據(jù)業(yè)務量大為基礎，將客戶數(shù)據(jù)信進行時整理、歸納和重組，及時提供給企業(yè)決策層。電子商務企業(yè)數(shù)據(jù)倉庫系統(tǒng)結構主要包括數(shù)據(jù)源、數(shù)據(jù)存儲和管理、OLAP（Online Analysis Process）和前端工具等。

3.1 數(shù)據(jù)倉庫系統(tǒng)分析和設計過程

數(shù)據(jù)倉庫中的數(shù)據(jù)具有面向主體的、集成的、不可更新的、隨時變化的特征，一個完整的電子商務企業(yè)數(shù)據(jù)倉庫應包括數(shù)據(jù)查詢、數(shù)據(jù)管理、忠誠客戶識別、客戶購買行為、客戶流失警示、客戶數(shù)據(jù)信息共享等基本功能。在電子商務企業(yè)應用的領域中，數(shù)據(jù)倉庫最重要的是具有網絡化、實時性和可擴展性等特點，本文針對三層B/S結構和兩層C/S結構的不足，采用一種滿足網絡化、實時性強和易于維護的跨平臺的五層B/S模式，該模式基于Windows環(huán)境下具有利用JAVA、JBuilder 2013和數(shù)據(jù)連接池技術，構建客戶層、表示邏輯層、商業(yè)邏輯層、數(shù)據(jù)連接管理層和數(shù)據(jù)庫層的五層B/S模式。

結合電子商務企業(yè)CRM系統(tǒng)的特點，設計數(shù)據(jù)倉庫的步驟如下：選取待建模的事務處理—選取事務處理的粒度—選取事實表的維度—選取實事表的度量。

3.2 數(shù)據(jù)倉庫ETL設計和多維數(shù)據(jù)模型設計

電子商務企業(yè)CRM系統(tǒng)中，后臺數(shù)據(jù)庫采用Microsoft SQL Server 2012，Microsoft DTS（Data Transmission System）設計器具有編程效率高、擴展性好、易用等特點，因此采用DTS設計器來實現(xiàn)數(shù)據(jù)倉庫ETL過程。以客戶銷售分析為例，從Customer（客戶）表抽取數(shù)據(jù)的SQL語句描述如下：

SELECT

CustomerID，CustomerName，City，Province，County，PostalCode，Phone，F(xiàn)ax，EmployeeNu-

mber，YearlyIncome，CrateDate，AccountCard，CustomerAsset From Customer

執(zhí)行DTS，完成數(shù)據(jù)的加載工作。同時，DTS還有一定的調度功能。

Microsoft SQL Server 2012提供MDX（Multi-dimensional Express）支持多維數(shù)據(jù)集操作，Microsoft SQL Server Analysis Services提供DSO（Decision Support Object）用于編寫程序訪問多個維度，在多維數(shù)據(jù)分析模塊中，利用ADO/MD對象模型和PivotTable Semite構造MDX查詢語句進行多維數(shù)據(jù)查詢分析，Cellset對象存儲多維查詢分析結果，供電子商務企業(yè)查看數(shù)據(jù)。

利用Server對象的MDStores集合上調用Add-

New方法創(chuàng)建分析服務數(shù)據(jù)庫，語法為DSOServe.MDStores. AddNew數(shù)據(jù)庫名。

在DataBase.MDStores集合上可創(chuàng)建多維數(shù)據(jù)集，如：創(chuàng)建一個多維數(shù)據(jù)集合名：Set DSOCube=DSODb.

MDStores.AddNew=；設置多維數(shù)據(jù)集的數(shù)據(jù)源：DSOCube.DataSources.AddNew DSODb.DataSou-

rces（數(shù)據(jù)源名）.Name。

利用SQL Server 2012的Analysis Services組件建立電子商務企業(yè)銷售決策支持的OLAP數(shù)據(jù)庫，例如利用MDX查詢南寧某地銷售處的銷售情況：Select[Measures].[Sales] ON COLUMNS [Time].[Monday] ON ROWS FROM Sales Cube WHERE [Region].[Guangxi].[NanNing].AND [Product].[Bag].[Q320]。

4 基于DM技術的電子商務CRM系統(tǒng)的設計

4.1 系統(tǒng)總體設計

基于DM技術的CRM系統(tǒng)設計結合電子商務企業(yè)的特點，能夠實現(xiàn)企業(yè)對市場、銷售、客戶、支持和服務的全面管理，有效地解決企業(yè)分布在不同地理位置和不同網絡環(huán)境下的網絡化管理。電子商務企業(yè)CRM系統(tǒng)主要功能模塊如圖1所示。

電子商務企業(yè)CRM系統(tǒng)主要實現(xiàn)的目標：分析客戶信息、分析客戶計劃、分析客戶購買行為、分析客戶投訴滿意度、分析客戶反饋滿意度、分析產品銷售情況和產品查詢統(tǒng)計。

4.2 系統(tǒng)主要數(shù)據(jù)表的設計

電子商務企業(yè)CRM系統(tǒng)數(shù)據(jù)表主要包括區(qū)域表（Client_QYXX）、客戶級別表（Client_KHJB）、客戶信息表（KHXX）、客戶滿意程表（Client_KHMYD）、客戶銷售表（Client_KHXS）和客戶反饋信息表（Client_KHFK）等。以區(qū)域表（Client_QYXX）為例，其結構見表1。

5 結語

本文詳細分析和研究了數(shù)據(jù)挖掘關聯(lián)規(guī)則頻集算法（Apriori算法），同時從數(shù)據(jù)倉庫系統(tǒng)分析、數(shù)據(jù)倉庫設計過程、數(shù)據(jù)倉庫ETL設計和多維數(shù)據(jù)模型設計等方面對電子商務企業(yè)CRM系統(tǒng)進行數(shù)據(jù)倉庫設計，并對基于DM技術的電子商務CRM系統(tǒng)進行了總體設計和數(shù)據(jù)表設計?；贒M技術的電子商務CRM系統(tǒng)能夠從海量的客戶信息數(shù)據(jù)中提取或發(fā)現(xiàn)有價值的商業(yè)信息或規(guī)則，為企業(yè)決策層提供正確、合理的決策支持，進而提升企業(yè)的盈利能力和市場競爭力。

參 考 文 獻

[1]梁保恩.基于DM技術的電子商務CRM系統(tǒng)的研究[J].輕工科技，2016（5）.

[2]王崢.面向電子商務的CRM系統(tǒng)分析與設計[D].北京：北京郵電大學，2012.

[3]肖婧.電子商務環(huán)境下咨詢企業(yè)的CRM系統(tǒng)應用研究[D].成都：西南交通大學，2015.

[責任編輯：鐘聲賢]