資料採礦流程在顧客關係管理中之應用

Data Mining Process for Customer Relationship Management

10.6338/JDA.200802_3(1).0011

鄭宇庭(Yu-Ting Cheng)；夏學理(Jerry H. Hsia)

資料採礦流程 ； 跨行業資料採礦標準流程 ； 顧客關係管理 ； Data Mining Process ； Cross Industry Standard Process for Data Mining ； Customer Relationship Management

Journal of Data Analysis

3卷1期（2008 / 02 / 01）

167 - 178

繁體中文

自從人類有商業行為以來，顧客就是所有交易關係中最基礎而直接的元素。過去由於企業掌握較多的市場訊息，但隨著資訊科技的進步以及電子化時代的來臨，現在的顧客已經可以從多種管道獲得豐富的產品資訊。所以企業若欲維持營運與獲利成長，便不得不善用顧客關係管理，去瞭解顧客、為顧客量身訂作客制化產品、維繫顧客忠誠度及和顧客建立良好的互動關係。又唯有透過資料採礦去分析顧客資料，從中學習顧客的行為模式、瞭解顧客的喜好，繼而提供顧客需要的產品或服務，才可增加顧客的忠誠度，並為企業帶來豐厚的利潤。本研究的目的即在針對資料採礦在顧客關係管理中的實施流程進行討論。除探討相關理論及應用，發展出一套適用的系統化流程外，亦利用一原始資料，嘗試運用所發展出之系統化流程進行實作，提供企業一整合性的解決方案。本研究從顧客關係管理的角度出發，提出一個新的資料採礦流程，將此流程分成了定義商業問題、資料暸解、資料前置處理、資料抽樣、建立模型、評估與擴展模型等七個步驟，整個流程透過資料的傳遞和結果的回饋成為一個迴圈，隨著資料採礦的不斷運作，企業知識亦可以不斷累積。而本流程的重點將著重在真正開始進行資料採礦前的資料準備作業。

Customer is the most fundamental and direct element of business activities. By the progress of informational technology, customers can now access plentiful product information through various channels. It is then only through customer relationship management and customer data analysis: that is to understand customers, to produce customized products, to maintain customers' loyalty, and to keep good interaction with customers, can enterprises maintain business operating and gain profit.The purpose of this research is to explore a suitable systematic procedure of the data mining application to customer relationship management through related theory and application study. A proposed integrated solution is also expected by the application of this systematic procedure through a raw data study.From customer relationship management perspective, a new data mining procedure, CRISP-DM, is proposed with construction of seven steps: business understanding, data understanding, data preparation, sampling, model building, evaluation and deployment. A cycle is formed by continuously data transmitting and information feedback throughout the procedure which accumulate customer knowledge of enterprises. CRISP-DM procedure places more emphasis on the data preparation before conducting formal data mining fields work.

1. CRISP-DM (2000). CRISP-DM 1.0: Step by Step Data Mining Guide. Retrieved Apr. 12, 2003, from http://www.crisp_dm. org/CRISPWP-0800.pdf
2. Chapman, P., Clinton, J ., Khabaza, T., Reinartz, T., and Wirth, R. (1999). The CRISP-DM process model. Retrieved Mar. 15, 2003, from http://www.crisp-dm.org/pub-paper.pdf
3. SAS World。SAS資料挖掘。上網日期：92年3月20日。網址：http://www.sasor.com/document/
4. IBM。顧客關係管理解決方案。上網日期：92年4月6日。網址：http://www-900.ibm.com/cn/e-business/solution/solution/indexc_crm.shtml
5. 中華資料採礦協會（2001）。關於Data Mining…。上網日期：92年4月15日。網址：http://www.cdms.org.tw/
6. Cooper , D. R.,Emory, C. W.(1998).Business research method.Chicago:Irwin.
7. Efron, B.(1975).The Efficiency of Logistic Regression Compared to Normal Discriminant Function Analysis.Journal of the American Statistical Association,70,892-898.
8. Eisenbeis, R. A.(1977).Pitfalls in the Application of Discriminant Analysis in Business, Finance and Economics.The Journal of Finance,32,875-900.
9. Espahibodi , P.(1991).Identification of Problem Bank and Binary Choice Models.Journal of Banking Finance,15,53-71.
10. Kalakota, R.,Robinson, M.(1999).e-Business: Roadmap for Success.U.S.A.:Mary T. O'Brien.
11. Kim, J . S.,Tokuhata, G. K.,Bratz, J . R.(1985).Comparison of Multivariate Regression Analysis between Logistic Model and the Least Square Model Using SAS Software.meeting of SAS Users Group International Conference
12. Odum, E. P.(1971).Fundamental of ecology.Phidadelphia:W.B.Saunders Co..
13. Peppers, D.,Rogers , M.,Dorf, D.(1999).Is Your Company Ready for One to One Marketing?.Harvard Business Review,Jan/Feb,151-160.
14. Rock, Andrea(1984).Sure Ways to Score with Lender.Money,Sep.,57.
15. Sung, T. K.,Chang, N.,Lee, G.(1999).Dynamics of Modeling in Data Mining: Interpretive Approach to Bankruptcy Prediction.Journal of Management Information Systems,16,63-85.
16. Swift, R.S.(2001).Accelerating Customer relationships using CRM and Relationship technologies.Prent ice-Hal l PTR..
17. Tacq, J .(1997).Multivariate Analysis Techniques in Social Science Research.London:SAGE.
18. 邱志洲、李天行、周宇超、呂奇傑(2002)。整合鑒別分析與類神經網路在資料探勘上之應用。工業工程學刊，19(2)，9-22。
19. 邱昭彰(2001)。談金融業顧客關係管理之對策：以創造價值贏得顧客滿意。財金信息，18，20-25。
20. 柯淑貞(2002)。碩士論文(碩士論文)。臺北市，國立政治大學資訊管理學研究所。
21. 柏森、賽亞爾林、史密斯、葉涼川譯(2000)。CRM Data Mining應用系統建置。臺北市:麥格羅希爾。
22. 洪哲裕(1999)。碩士論文(碩士論文)。臺北縣新莊市，輔仁大學應用統計研究所。
23. 葉瑞鈴(2000)。碩士論文(碩士論文)。臺北縣新莊市，輔仁大學應用統計研究所。
24. 裴瑞、林諾夫、 奘旭智譯、賴淑貞譯(2001)。資料採礦理論與實務：顧客關係管理的技巧與科學。臺北縣中和市:維科。
25. 裴瑞、林諾夫、 彭文正譯(2001)。資料採礦：顧客關係管理暨電子行銷之應用。臺北市:數博網股份有限公司。
26. 謝邦昌(2001)。資料採礦入門及應用：從統計技術看資料採礦。臺北市:資商訊息顧問。