1、數據挖掘技術(Data Mining Technology)是伴隨著數據倉庫與在線分析處理(On-Line Analysis Processing,OLAP)這兩項技術的快速起飛與應用,帶來數據量與決策需求兩方面持續(xù)增長的前提下應運而生的。數據挖掘是商務智能(BusinessIntelligence,BI)的關鍵技術之一,通過相應的算法,找出數據所隱含的潛在模型,為決策者提供決策支持。對于競爭日益激烈的市場環(huán)境來說,數據挖掘技術將成為支

2、撐企業(yè)精準營銷的重要手段之一。
　　 本文著重討論了筆者所從事的《華商報》黃馬甲96128電子商務平臺(主要通過網絡與呼叫中心兩種方式銷售產品)建立以來所形成的海量客戶數據庫,并通過決策樹算法中的ID3算法研究客戶的流失問題,通過聚類算法中的K-means算法研究商品價格問題,通過關聯(lián)規(guī)則中的Apriori算法研究購物籃中的商品關聯(lián)度問題。
　　 本文利用黃馬甲客戶關系管理系統(tǒng)中已形成的客戶數據。首先對數據進行清理,并

3、以10萬數據量為基準,開始進行數據挖掘。首先建立了數據倉庫,ID3決策樹算法與Apdod算法運用Eclipse工具進行java編程,K-means算法用C++語言進行實現,并運行出相應的結果,再對結果進行分析,找出其中的商業(yè)價值。并運用圖表進行描述。
　　 實驗結果表明,重視用戶的流失分析、商品價格分析、購物籃分析,從根本上以客戶需求為導向,全面提升黃馬甲96128電子商務業(yè)務水平,使業(yè)務發(fā)展更上臺階,為領導決策提供科學的數據支