CRM系统：分析型CRM 在保险行业的应用

3 保险行业分析型CRM 实施风险规避 数据仓库及OLAP 分析的构建过程如图7 所示。在图7 的构建过程中，存在着以下风险： (1)OLAP 服务器风险：在OLAP 服务器环节由于CUBE 创 建过程复杂同时CUBE 的维护也复杂，因此存在着风险。为 了规避OLAP 服务器的风险，可以先采用图8 的方式。该方式 对前端展现工具的要求是：能够实现OLAP 功能(钻取、切片、 旋转⋯)、避免预先计算、具有审计功能、能够直接使用数据仓 库中的星型模型、聚合表等数据结构。 (2)数据仓库风险：由于构建的数据仓库是稳定、集成以及 结构优化的，因此在构建过程中也存在风险。为了规避数据 仓库的风险，可以先采用图9 的方式。该方式对前端展现工 具的要求是：能够融合多个数据源的数据、能够在数据和应用 之间构建语义、具有审计功能，从而为数据仓库的结构优化提 供建议、能够进行任务调度(避免干扰业务系统的运行)。 总地说来，在数据仓库和OLAP 建设过程中规避风险的 基本原则是：必须反复地、迭代地进行、企业需求必须不断加 以反映、及时获得成果使项目小组能够确认项目进展。实施 图如图10 所示。 4 保险行业分析型CRM的技术架构 对于目前的企业应用来说，可供选择的技术架构包括： .NET和J2EE。考虑到保险行业对安全可靠等的要求，建议保 险行业分析型CRM 的技术架构采用J2EE 体系。 5 结束语 对保险企业来说，分析型CRM 的应用通过应用数据仓 库、OLAP、数据挖掘等技术手段，对保险业务系统的客户关联 数据进行处理，发掘有价值的客户、保留有价值的客户以及根 据不同的客户类别制定相应的营销策略，从而提高保险企业 的核心竞争力。 参考文献: [1] 朱爱群.客户关系管理与数据挖掘[M].北京:中国财政经济出 版社, 2001. 4 实验结果 下面通过实验来分析分组多支持度关联算法与原有算法 之间的性能比较。实验的下。实验运行环境为CPUP4 1.6G， 内存512M，操作系统为Windows 2003，用Java 编写了两种算 法。数据源为合成数据，使用数据生成器生成了4 个数据文 件，分别包含了4 万、6 万、8 万、10 万条事务，100 属性(分成5 组，对应的支持度为0.02、0.04、0.6、0.8、0.10)，平均事务长度为 8。算法的运行结果如图3 所示。从图3 中可以看出分组算法 的效率比原来的多支持度关联规则高，这主要是因为采取了 分组后再连接候选集时，由于分组算法需要连接的候选集比 原有算法少，因此提高了效率。 5 结束语 本文针对多支持度关联规则问题中存在的问题，提出了 使用分组给定支持度的方法，并给出了相应的分组算法。该 算法有两个作用：减少了需要用户指定支持度的个数；提高了 多支持度关联规则问题的计算效率。 参考文献: [1] Han JW, KamberM. Datamining: Concepts and techniques[M]. San Francisco: Morgan Kaufmann Publishers, 2001. [2] Liu B, Hsu W, Ma Y. Mining association rules with multiple minimum supports [C]. San Diego, USA: Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1999.337-341. [3] Yun H, Ha D, Hwang B, et al. Mining association rules on significant rare data using relative support[J]. Journal of Systems and Software, 2003, 67(3): 181-191. [4] Seno M, Karypis G LPMiner. An algorithm for finding frequent itemsets using length decreasing support constraint[C]. San Jose, USA: Proceedings 1st IEEE Conference on Data Mining, 2001. 505-512. [5] SenoM, Karypis G SLPMiner. An algorithm for finding frequent sequential patterns using length-decreasing support constraint [C]. Maebashi, Japan: Proceedings 2nd IEEE Conference on Data Mining, 2002. 418-425. [6] 楼晓鸿,丁宝康.一种多支持度的关联规则采集算法[J].计算机 工程, 2001,27(6):102-103. [7] 李铭.关联规则的多支持度挖掘在销售数据中的应用[J].计算 机工程, 2003,29(8):90-92. [8] 张建明,荣冈.基于关联规则的故障诊断方法及研究[J].化工自 动化及仪表, 2003,30 (5):11-14. [9] 吴小波,徐维祥.多支持度关联规则在网络使用挖掘中的应用 [J].计算机工程与应用, 2005,41(31):164-167. 强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。 关键词：CRM,CRM系统,CRM软件,客户关系管理,客户管理软件,客户管理系统,客户关系管理软件,客户关系管理系统