20 世紀(jì)末，席卷全球的以互聯(lián)網(wǎng)為核心的計(jì)算機(jī)網(wǎng)絡(luò)信息技術(shù)迅猛發(fā)展，電子商務(wù)成為新經(jīng)濟(jì)形式的代表，給企業(yè)的經(jīng)營(yíng)管理帶來(lái)了巨大的沖擊和變化。這意味著又一次產(chǎn)業(yè)革命的來(lái)臨，人類社會(huì)的發(fā)展從工業(yè)經(jīng)濟(jì)時(shí)代進(jìn)入到電子商務(wù)時(shí)代。隨著網(wǎng)絡(luò)技術(shù)的成熟，電子商務(wù)大潮正在全球范圍內(nèi)急速變革著傳統(tǒng)的商業(yè)模式，各類電子商務(wù)網(wǎng)站風(fēng)起云涌，不僅提供了一種商家與客戶進(jìn)行交流的全新的方式，同時(shí)為商家提供了豐富的數(shù)據(jù)資源。21 世紀(jì)作為“商務(wù)時(shí)代”，其特殊性在于“客戶經(jīng)濟(jì)”。企業(yè)要在新時(shí)代里生存，就要具備吸引和保持客戶的能力。
商務(wù)智能是指基于互聯(lián)網(wǎng)環(huán)境下的商品交易及以商品交易相關(guān)的商務(wù)活動(dòng)，同時(shí)與人工智能技術(shù)，數(shù)據(jù)挖掘等方面的技術(shù)相結(jié)合的活動(dòng)，涉及的領(lǐng)域非常廣泛，其中包括電子支付、安全、信任、法律、廣告、在線購(gòu)物等。當(dāng)前，商務(wù)智能的真正價(jià)值在于企業(yè)應(yīng)用。企業(yè)的成本控制是有限的，在生產(chǎn)過(guò)剩、市場(chǎng)不足的情況下，企業(yè)只有加大市場(chǎng)營(yíng)銷、銷售和服務(wù)等與客戶相關(guān)的部門的管理，才能開(kāi)源。客戶參與及互動(dòng)合作的新的營(yíng)銷理念及其運(yùn)作，要求不論是虛擬型的純電子商務(wù)，還是由具備強(qiáng)大基礎(chǔ)結(jié)構(gòu)的傳統(tǒng)商務(wù)企業(yè)延伸出來(lái)的電子商務(wù)，都必須能將焦點(diǎn)移回到客戶身上。只有提供客戶個(gè)性化且立即解決問(wèn)題的支持，才能在電子商務(wù)時(shí)代中創(chuàng)造壓倒性的競(jìng)爭(zhēng)優(yōu)勢(shì)。企業(yè)要想生存，必須盡快抓住這一中心。
那么，如何了解顧客的興趣，掌握客戶需求，以達(dá)到增加收入降低成本使企業(yè)處于更有利的競(jìng)爭(zhēng)位置呢? 客戶行為預(yù)測(cè)和潛在客戶挖掘已成為商務(wù)營(yíng)銷者必須面對(duì)和解決的問(wèn)題。有效地利用數(shù)據(jù)挖掘技術(shù)，從商務(wù)網(wǎng)站潛在的海量商業(yè)數(shù)據(jù)中發(fā)現(xiàn)商機(jī)，提高商家對(duì)市場(chǎng)的響應(yīng)速度和競(jìng)爭(zhēng)力勢(shì)在必行。
1 數(shù)據(jù)挖掘在商務(wù)智能應(yīng)用中的研究現(xiàn)狀
數(shù)據(jù)挖掘能帶來(lái)顯著的經(jīng)濟(jì)效益，因此在電子商務(wù)中應(yīng)用也越來(lái)越廣泛。客戶的行為、消費(fèi)習(xí)慣對(duì)于電子商務(wù)來(lái)說(shuō)非常重要。在生活中采用數(shù)據(jù)挖掘的成功的例子很多，例如著名的“尿布與啤酒”的故事。早在 2007 年，Google、Amazon、Yahoo、MSN 等一些公司都要求員工運(yùn)用挖掘技術(shù)來(lái)了解客戶行為，并根據(jù)挖掘出的信息數(shù)據(jù)及模式設(shè)計(jì)更加符合客戶需求的服務(wù)和產(chǎn)品。也就是說(shuō)利用挖掘可以了解客戶行為，其分析的數(shù)據(jù)結(jié)果可提供給企業(yè)參考，做出合適的調(diào)整策略。目前，國(guó)外對(duì)于數(shù)據(jù)挖掘的研究重點(diǎn)逐漸從發(fā)現(xiàn)方法轉(zhuǎn)向系統(tǒng)應(yīng)用，注重多種發(fā)現(xiàn)策略和技術(shù)的集成，以及多種學(xué)科之間的相互滲透。當(dāng)前，世界上比較有影響的典型數(shù)據(jù)挖掘系統(tǒng)有 Cover Story，EXPLORA，Knowledge Discovery，Workbench，DB Miner，Quest 等。在應(yīng)用方面包括:KDD 商業(yè)軟件工具不斷產(chǎn)生和完善，注重建立解決問(wèn)題的整體系統(tǒng)，而不是孤立的過(guò)程。用戶主要集中在大型銀行、保險(xiǎn)公司、電信公司和銷售業(yè)。國(guó)外很多計(jì)算機(jī)公司非常注重?cái)?shù)據(jù)挖掘的開(kāi)發(fā)應(yīng)用，比如 IBM 和微軟成立了相應(yīng)的研究中心進(jìn)行這方面的工作。
國(guó)內(nèi)從事數(shù)據(jù)挖掘研究的人員主要在大學(xué)，也有研究所和公司在從事這方面的研究，這些工作一般集中于學(xué)習(xí)算法和有關(guān)數(shù)據(jù)挖掘理論方面的研究。在具體應(yīng)用方面，中科院計(jì)算所智能處理開(kāi)放實(shí)驗(yàn)室的史忠植等人設(shè)計(jì)了一個(gè)數(shù)據(jù)挖掘工具 MSMiner，使用決策樹(shù)算法為廣東地稅提供納稅人異常情況檢測(cè); 復(fù)旦德門公司開(kāi)發(fā)的“天眼”數(shù)據(jù)挖掘工具集 D miner 集成了多種數(shù)據(jù)挖掘算法，取得了較好的挖掘效果。
2 數(shù)據(jù)挖掘技術(shù)在商務(wù)智能中的應(yīng)用
2.1 數(shù)據(jù)挖掘在商務(wù)智能 CRM 中的應(yīng)用
CRM( Customer Relationship Management) ，即客戶關(guān)系管理。這個(gè)概念最初由 Gartner Group 提出來(lái)，而在最近開(kāi)始在企業(yè)電子商務(wù)中流行。CRM 的主要含義就是通過(guò)對(duì)客戶詳細(xì)資料的深入分析，來(lái)提高客戶滿意程度，從而提高企業(yè)的競(jìng)爭(zhēng)力的一種手段，它主要包含以下 7 個(gè)主要方面( 簡(jiǎn)稱 7P) : 客戶概分析( Profiling) 、客戶忠誠(chéng)度分析( Persistency) 、客戶利潤(rùn)分析 ( Profitability ) 、客戶性能分析( Performance) 、客戶未來(lái)分析( Prospecting) 、客戶產(chǎn)品分析( Product) 、客戶促銷分析( Promotion) 。
目前在 CRM 中進(jìn)行有效數(shù)據(jù)挖掘的應(yīng)用及研究主要集中在以下幾個(gè)方面:
1) 通用且合理的 CRM 系統(tǒng)體系結(jié)構(gòu)的研究。主要考慮應(yīng)用對(duì)象、應(yīng)用目標(biāo)、企業(yè)規(guī)模等等實(shí)際問(wèn)題;
2) 數(shù)據(jù)挖掘與數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)的有機(jī)結(jié)合;
3) CPJI 中的復(fù)雜數(shù)據(jù)挖掘模型的研究。這方面主要集中在挖掘的知識(shí)類型、多個(gè)抽象層的交互知識(shí)挖掘算法的研究;
4) 數(shù)據(jù)的研究。這方面主要包括數(shù)據(jù)庫(kù)類型的多樣性問(wèn)題、復(fù)雜數(shù)據(jù)類型的處理、噪聲數(shù)據(jù)和缺失數(shù)據(jù)的處理，以及異種數(shù)據(jù)庫(kù)和 Web 上的數(shù)據(jù)挖掘等;
5) 與用戶交互的研究。這方面主要研究數(shù)據(jù)挖掘結(jié)果的可視化和可理解性，領(lǐng)域知識(shí)的運(yùn)用等。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中挖掘出有用的信息和知識(shí)的過(guò)程，它在 CRM 中的應(yīng)用主要表現(xiàn)在對(duì)客戶信息的分析和處理上，它能從表層數(shù)據(jù)中挖掘出蘊(yùn)含的深層的知識(shí)。正是基于這一點(diǎn)，許多 CRM 的解決方案中越來(lái)越重視數(shù)據(jù)挖掘在其中的應(yīng)用。
2.2 需要數(shù)據(jù)挖掘處理的客戶行為數(shù)據(jù)源
電子商務(wù)網(wǎng)站客戶進(jìn)行數(shù)據(jù)挖掘時(shí)，所需要的數(shù)據(jù)主要來(lái)自于兩個(gè)方面: 一方面是客戶的資料，包括客戶的背景信息和客戶以往的交易數(shù)據(jù)，這部分信息主要來(lái)源于客戶的登記信息; 另外一部分?jǐn)?shù)據(jù)主要來(lái)自于客戶瀏覽時(shí)的點(diǎn)擊流，這部分?jǐn)?shù)據(jù)主要用于考查客戶的行為表現(xiàn)，主要來(lái)源于服務(wù)器數(shù)據(jù)。
2.2.1 服務(wù)器數(shù)據(jù)
服務(wù)器數(shù)據(jù)可以分為 Web 日志文件和查詢數(shù)據(jù)。
1) Web 日志文件。登陸電子商務(wù)網(wǎng)站的客戶只要他們鏈接到網(wǎng)站的服務(wù)器上，提供 Web 服務(wù)的服務(wù)器會(huì)自動(dòng)生成訪問(wèn)日志信息。客戶訪問(wèn)任意一個(gè)頁(yè)面，Web 服務(wù)器的日志記錄中就會(huì)增加一條相關(guān)信息。隨著網(wǎng)絡(luò)技術(shù)的高速發(fā)展和時(shí)間積累，Web 服務(wù)器中所記錄的日志文件必將越來(lái)越大，所包含的網(wǎng)站客戶訪問(wèn)信息也會(huì)越來(lái)越多。
2) 查詢數(shù)據(jù)。電子商務(wù)網(wǎng)站的查詢數(shù)據(jù)是指客戶在商務(wù)網(wǎng)站上查詢自己想要查詢的信息時(shí)在Web 服務(wù)器端產(chǎn)生的數(shù)據(jù)。例如，客戶會(huì)搜索一些自己喜歡的商品或某些關(guān)注的廣告，這些查詢信息就會(huì)通過(guò)商品或者廣告的登記信息連接到服務(wù)器的訪問(wèn)日志上。
2.2.2 客戶登記信息
在數(shù)據(jù)挖掘中，客戶登記信息必須和訪問(wèn)日志集成，才能提高數(shù)據(jù)挖掘的準(zhǔn)確度，更進(jìn)一步地了解客戶特征。通常我們要求在電子商務(wù)網(wǎng)站的訪問(wèn)者成為客戶之前就開(kāi)始跟蹤他們。通過(guò)網(wǎng)絡(luò)站點(diǎn)就能實(shí)現(xiàn)這一點(diǎn)，每當(dāng)?shù)谝淮慰吹揭粋�(gè)訪客就發(fā)送一個(gè)cookie 和啟動(dòng)一個(gè)匿名簡(jiǎn)檔以記住訪客作了什么，當(dāng)該訪客回來(lái)( 使用同一瀏覽器) 的時(shí)候，該 cookie被識(shí)別，簡(jiǎn)檔被更新。當(dāng)該訪客最終變成客戶或者是成為注冊(cè)用戶時(shí)，將導(dǎo)致轉(zhuǎn)變得那些活動(dòng)加入該客戶的歷史行為記錄。
2.3 數(shù)據(jù)挖掘客戶行為的過(guò)程
電子商務(wù)客戶行為數(shù)據(jù)挖掘過(guò)程可以細(xì)分為確定業(yè)務(wù)對(duì)象、數(shù)據(jù)的搜集和抽取、數(shù)據(jù)預(yù)處理、挖掘模型的構(gòu)建、數(shù)據(jù)挖掘、結(jié)果分析、使用結(jié)果。
2.3.1 定義問(wèn)題
數(shù)據(jù)挖掘的結(jié)果往往是不可預(yù)測(cè)的，但是要探索的問(wèn)題應(yīng)該是有預(yù)見(jiàn)性的、有明確目標(biāo)的。為了數(shù)據(jù)挖掘而挖掘數(shù)據(jù)帶有盲目性，往往是不會(huì)成功的。在確定業(yè)務(wù)對(duì)象時(shí)，要確定這樣一些問(wèn)題: 從何處入手，需要挖掘什么數(shù)據(jù)，要用多少數(shù)據(jù)，數(shù)據(jù)挖掘要進(jìn)行到什么程度。
2.3.2 數(shù)據(jù)的搜集和抽取
一旦問(wèn)題定義完畢，就要進(jìn)行相關(guān)數(shù)據(jù)的搜集。對(duì)于電子商務(wù)客戶數(shù)據(jù)挖掘，數(shù)據(jù)的主要來(lái)源是服務(wù)器數(shù)據(jù)和客戶的登記信息。電子商務(wù)網(wǎng)站每天都可能有上百萬(wàn)次的在線交易，生成海量的日志文件和登記表。這些海量的數(shù)據(jù)就構(gòu)成了電子商務(wù)數(shù)據(jù)挖掘的數(shù)據(jù)源。數(shù)據(jù)抽取的目的是辨別出需要分析的數(shù)據(jù)集和，縮小處理范圍，提高數(shù)據(jù)挖掘的質(zhì)量。
2.3.3 數(shù)據(jù)的預(yù)處理
數(shù)據(jù)預(yù)處理是對(duì)數(shù)據(jù)進(jìn)行清洗，解決數(shù)據(jù)中的缺值、冗余、數(shù)據(jù)值的不一致性等問(wèn)題，以供數(shù)據(jù)挖掘階段使用。這是電子商務(wù)數(shù)據(jù)挖掘最關(guān)鍵的階段。數(shù)據(jù)預(yù)處理的一個(gè)主要任務(wù)就是要將客戶訪問(wèn)網(wǎng)站留下的原始日志整理成事物數(shù)據(jù)庫(kù)，以供數(shù)據(jù)挖掘階段使用。
2.3.4 挖掘模型的構(gòu)建
將數(shù)據(jù)轉(zhuǎn)化成一個(gè)分析模型，這個(gè)分析模型時(shí)針對(duì)挖掘算法建立的。建立一個(gè)真正的適合挖掘算法的分析模型，是數(shù)據(jù)挖掘成功的關(guān)鍵了。所建模型的目標(biāo)就是要反應(yīng)客戶群中各個(gè)年齡段對(duì)某種商品的反應(yīng)的各種相關(guān)因素。模型建立后，需要從模型的準(zhǔn)確性、可理解性和性能方面進(jìn)行考察。
2.3.5 數(shù)據(jù)挖掘
選擇合適的算法進(jìn)行數(shù)據(jù)挖掘，從而從海量的數(shù)據(jù)中得出有效的、新穎的、潛在的、有用的及最終可以理解的信息和知識(shí)。電子商務(wù)數(shù)據(jù)挖掘常用關(guān)聯(lián)規(guī)則、序列模式、分類和聚類等技術(shù)。
2.3.6 結(jié)果分析
當(dāng)數(shù)據(jù)挖掘出結(jié)果后，要對(duì)挖掘結(jié)果進(jìn)行解釋并且評(píng)估。數(shù)據(jù)的可視化問(wèn)題是數(shù)據(jù)挖掘中一個(gè)重要的組成部分，他把挖掘到的信息組成和提供成為易于作決策的表達(dá)方式。可以說(shuō)，沒(méi)有提供良好的數(shù)據(jù)可視化的數(shù)據(jù)挖掘系統(tǒng)，不是一個(gè)完善的系統(tǒng)。用戶對(duì)數(shù)據(jù)挖掘結(jié)果進(jìn)行評(píng)估，如果滿意則挖掘過(guò)程結(jié)束，否則，則可以重新提出挖掘要求，再重新進(jìn)行挖掘。
2.3.7 使用結(jié)果
一旦當(dāng)達(dá)到了數(shù)據(jù)挖掘的最后一步，就可以應(yīng)用基于所發(fā)現(xiàn)的模式?jīng)Q策了。可以利用挖掘得到的知識(shí)在管理決策分析中得到應(yīng)用，提高企業(yè)的競(jìng)爭(zhēng)力。
3 商務(wù)智能中的數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)挖掘的技術(shù)基礎(chǔ)是人工智能。但它僅僅利用了人工智能中一些已經(jīng)成熟的算法和技術(shù)，如: 人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策數(shù)、鄰近搜索方法; 規(guī)則
準(zhǔn)理、模糊邏輯等，其問(wèn)題的復(fù)雜性和難度比人工智能要低很多。進(jìn)行電子商務(wù)的數(shù)據(jù)挖掘，主要是針對(duì)客戶訪問(wèn)信息、客戶交易信息等客戶行為信息進(jìn)行挖掘，得到客戶的訪問(wèn)模式和行為模式，從而找到有用的市場(chǎng)信息，提供有針對(duì)性、個(gè)性化的服務(wù)。數(shù)據(jù)挖掘系統(tǒng)利用的技術(shù)越多，精確度就高。但無(wú)論采用哪幾種技術(shù)來(lái)完成任務(wù)，從功能上包括以下 4種。
3.1 關(guān)聯(lián)分析
關(guān)聯(lián)分析的目的就是為了挖掘出隱藏在數(shù)據(jù)間的關(guān)聯(lián)規(guī)則。在電子商務(wù)中關(guān)聯(lián)分析也就是找到客戶對(duì)網(wǎng)站上各種文件之間訪問(wèn)的相互聯(lián)系，找出客戶購(gòu)買行為的各種關(guān)聯(lián)。進(jìn)行Web上的數(shù)據(jù)挖掘，構(gòu)建關(guān)聯(lián)模型，可以更好的組織站點(diǎn)，減少用戶過(guò)濾信息的負(fù)擔(dān)，可以根據(jù)客戶當(dāng)前的購(gòu)買行為給客戶提供推薦。
3.2 序列模式分析
序列模式分析的側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后或者因果關(guān)系。就是在實(shí)踐有序的事物集中，找到哪些“一些項(xiàng)跟隨另一些項(xiàng)”的內(nèi)部事務(wù)模式。對(duì)電子商務(wù)數(shù)據(jù)挖掘而言，序列模式分析是很重要的分析方法，因?yàn)?Web 日志數(shù)據(jù)是根據(jù)用戶的訪問(wèn)時(shí)間來(lái)記錄的，經(jīng)過(guò)數(shù)據(jù)凈化和處理后，使一個(gè)間斷的時(shí)間序列; 而且，商品交易數(shù)據(jù)也是時(shí)間序列數(shù)據(jù)。關(guān)聯(lián)分析中采用的 Apriori 特性也可以用于序列模式的挖掘，因?yàn)槿糸L(zhǎng)度為 K 的序列模式是非頻繁的，其超集( 長(zhǎng)度為 k +1) 不可能是頻繁。因此，即使參數(shù)設(shè)和約束條件有所不同，序列模式分析的大部分算法仍然是類 Apriori 算法的變形算法。
3.3 分類分析
分類分析可以挖掘默寫共同的特性。這個(gè)特點(diǎn)可以用來(lái)對(duì)新添加到數(shù)據(jù)庫(kù)里的數(shù)據(jù)項(xiàng)進(jìn)行分類。在數(shù)據(jù)挖掘中，分類計(jì)數(shù)可以根據(jù)訪問(wèn)這些用戶而得到的個(gè)人信息或共同的訪問(wèn)模式得出訪問(wèn)某一服務(wù)器文件的用戶特征。另外，通過(guò)用戶的注冊(cè)表、在線調(diào)查表也可以得到用戶的一些特性。按照各種算法的技術(shù)特點(diǎn)，可以將分類分析分成決策樹(shù)類分類、貝葉斯類分類、基于關(guān)聯(lián)規(guī)則分類以及利用數(shù)據(jù)庫(kù)技術(shù)分類等幾類算法。
在電子商務(wù)中通過(guò)分類分析，得到客戶分類模式后，知道各類客戶的特點(diǎn)、愛(ài)好，那么就可以針對(duì)不同類客戶的特點(diǎn)展開(kāi)不同的商務(wù)活動(dòng)，提供有針對(duì)性地人性化的信息服務(wù); 得到客戶的分類模式后，可以對(duì)新的客戶進(jìn)行分析，發(fā)現(xiàn)新的客戶屬于那一個(gè)類別，從而有針對(duì)性地開(kāi)展商務(wù)活動(dòng)。
3.4 聚類分析
聚類分析用于把有相似特性的用戶、數(shù)據(jù)項(xiàng)集合到一起，并用顯式或者隱式的方法描述不同的類別。電子商務(wù)數(shù)據(jù)挖掘用聚類技術(shù)可以把具有相似瀏覽模式的用戶集中起來(lái)。
1) 利用數(shù)據(jù)挖掘技術(shù)，通過(guò)挖掘 Web 服務(wù)器中用戶的訪問(wèn)日志，對(duì)網(wǎng)絡(luò)用戶進(jìn)行聚類，發(fā)掘出具有相似的訪問(wèn)興趣的網(wǎng)絡(luò)用戶，網(wǎng)站的設(shè)計(jì)者根據(jù)聚類的結(jié)果，可以更好的理解用戶的需求，重新調(diào)整網(wǎng)站的頁(yè)面結(jié)構(gòu)，從而為用戶提供方便、優(yōu)質(zhì)的服務(wù)。還可以利用聚類分析進(jìn)行網(wǎng)頁(yè)聚類，調(diào)整網(wǎng)頁(yè)結(jié)構(gòu)。
2) 利用數(shù)據(jù)挖掘技術(shù)挖掘客戶資料，將具有相似愛(ài)好的客戶分配到相同的族中，聚類產(chǎn)生以后，根據(jù)族中其他客戶對(duì)某商品的評(píng)價(jià)就可以得到該客戶對(duì)該商品的評(píng)價(jià)，就可以同客戶推薦他可能感興趣的商品。
3) 分類分析和聚類分析的綜合應(yīng)用。分類分析法和聚類分析法是互逆的過(guò)程。例如在最初的分析中，分析人員根據(jù)以往的經(jīng)驗(yàn)要分析的數(shù)據(jù)進(jìn)行鑒定、劃分類別，然后，該分析人員用分類分析法分析該數(shù)據(jù)集合，得到每個(gè)類別的描述，接著把這些描述作為新的分類規(guī)則重新對(duì)這個(gè)集合( 拋棄原來(lái)的劃分結(jié)果) 進(jìn)行劃分，一次獲得更好的分類結(jié)果。這樣分析人員可以循環(huán)使用這兩種分析法直到得到滿意的結(jié)果。在電子商務(wù)中，由于客戶登記的資料往往不完整，不可能正確劃分客戶的類型，綜合運(yùn)用兩種方法更有實(shí)際的意義。
4 結(jié)束語(yǔ)
目前，對(duì)商務(wù)智能系統(tǒng)的研究主要集中于對(duì)Web 日志的挖掘，比較成功的技術(shù)是協(xié)同過(guò)濾技術(shù)，而將關(guān)聯(lián)規(guī)則、聚類、分類等數(shù)據(jù)挖掘技術(shù)用于商務(wù)推薦系統(tǒng)才剛剛開(kāi)始。分析客戶訪問(wèn)電子商務(wù)網(wǎng)站的瀏覽和購(gòu)買等行為，從行為數(shù)據(jù)的采集與儲(chǔ)存，數(shù)據(jù)挖掘算法的改進(jìn)及復(fù)合補(bǔ)充挖掘三個(gè)方面來(lái)找到一個(gè)適合小型電子商務(wù)網(wǎng)站的適時(shí)挖掘系統(tǒng)，從而實(shí)現(xiàn)掌握客戶行為規(guī)律，為推薦等工作提供依據(jù)。
在以后的研究工作中，對(duì)目前比較先進(jìn)的大型數(shù)據(jù)庫(kù)進(jìn)行研究，數(shù)據(jù)的集成、清洗還有待進(jìn)一步研究，數(shù)據(jù)的建立模型還有待進(jìn)一步完善，目前各種數(shù)據(jù)理還較為繁瑣，適應(yīng)性較低。研究解決大型商務(wù)網(wǎng)站的海量客戶行為數(shù)據(jù)的采集和存儲(chǔ)問(wèn)題的方案。
核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.lukmueng.com/
本文標(biāo)題：商務(wù)智能系統(tǒng)中客戶行為數(shù)據(jù)挖掘研究綜述
本文網(wǎng)址：http://www.lukmueng.com/html/consultation/10839315720.html
相關(guān)文章
