华东师范大学
硕士学位论文
商业智能技术在客户服务中心CRM系统中的研究与实现
姓名：蔡嘉琳
申请学位级别：硕士
专业：计算机软件与理论
指导教师：黄国兴
20071001
Ｏｂｊｅｃｔ的解决方案，或者使用Ｍｉｃｒｏｓｏｆｔ的Ｅｘｃｅｌ作为展现。因此在商业智能行业领域没有所谓最好的产品，只有最适合的。
在本文中，笔者涉及的项目是微软全球技术支持中心的一个内部项目，因此使用的是微软的商业智能解决方案，它包括以下几部分组成，如下图所示【４】：
图１－１微软商业智能产品家族
ＦｉｇｕｒｅＩ－ＩＭｉｃｒｏｓｏｆｔＢｕｓｉｎｅｓｓＩｎｍｌｆｉｇｅｎｃｅＰｒｏｄｕｃｔＦａｍｉｌｙ
本文会提及ＢＩ平台这一部分的产品与ＭｉｃｒｏｓｏｆｔＤｙｎａｍｉｃｓ系统中的ＣＲＭ产品，但对于面向客户应用的ＯｆｆｉｃｅＳｅｒｖｅｒ和ＢＳＭ不做介绍。
１．３本文研究内容与组织架构
本文结合微软全球技术中心实际使用的商业智能项目，分析并研究基于ＣＲＭ的商业智能系统在大中型企业客户服务中心的应用，包含以下几点：
１１基于ＣＲＭ的商业智能系统系统框架及体系结构；
２）典型的商业智能应用项目开发流程；
３１如何整合包括ＣＲＭ数据库在内的企业内部不同地区的数据库系统，建立以客户为中心的商业智能数据平台；
４）如何处理在数据仓库整合及转换过程中遇到的问题；
５）如何构建基于企业内部权级管理的不同级别ＯＬＡＰ安全访问；
６）如何在商业智能应用项目中协同开发，统一管理；
乃如何开发嵌入ＣＲＭ系统中数据挖掘应用模块。
华东师范大学２００８届硕士学位论文商业智能技术在客户服务中心ｃ跚系统中的研究与实现
本文采用的是广义的定义，即数据挖掘（ＤａｔａＭｉｎｉｎｇ）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的，人们事先不知道的、但又是潜在有用的信息和知识的过程。这一过程是从数据当中发现趋势或模式，目标是通过对大量数据的分类从而发现新的知识【１９】。
目前业内已有很多成熟的数据挖掘方法论，为实际应用提供了理想的指导模型。其中，标准化的主要有三个：ＣＲＩＳＰ．ＤＭ；ＰＭＭＬ；ＯＬＥＤＢｆｏｒＤＭ。
ＣＲＩＳＰ—ＤＭ（Ｃｒｏｓｓ．ＩｎｄｕｓｔｒｙＳｔａｎｄａｒｄＰｒｏｃｅｓｓｆｏｒＤａｔａＭｉｎｉｎｇ）是目前公认的、较有影响的方法论之一。ＣＲＩＳＰ．ＤＭ强调，ＤＭ不单是数据的组织或者呈现，也不仅是数据分析和统计建模，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。ＣＲＩＳＰ—ＤＭ将整个挖掘过程分为以下六个阶段：商业理解（ＢｕｓｉｎｅｓｓＵｎｄｅｒｓｔａｎｄｉｎｇ），数据理解（ＤａｔａＵｎｄｅｒｓｔａｎｄｉｎｇ），数据准备（ＤａｔａＰｒｅｐａｒａｔｉｏｎ），建模（Ｍｏｄｅｌｉｎｇ），评估（Ｅｖａｌｕａｔｉｏｎ）和发布（Ｄｅｐｌｏｙｍｅｎｔ）。其框架流程如下图所示ＩＳ］：
图２－３ＣＲＩＳＰ－ＤＭ模型框架流程图
Ｆｉｇｕｒｅ２－３ＣＲＩＳＰ－ＤＭＭｏｄｅｌＰｒｏｃｅｓｓ
从技术层来看，数据挖掘技术可分为描述型数据挖掘和预测型数据挖掘两种。描述型数据挖掘包括数据归纳、聚类及关联分析等。预测型数据挖掘包括分类、回归及时间序列分析掣１４１。