聚类算法在客户信息管理中的应用开题报告

1. 研究目的与意义

运用基于聚类的数据挖掘方法来分析客户信息，通过一系列可行的指标体系，建立基于聚类的决策树模型，来度量客户价值，细分客户。

以数据挖掘为基础，有效地管理客户信息、评价客户价值、进行客户市场细分、改进销售效果、保留客户、提高客户满意度和忠诚度等，为企业客户信息管理提供智能决策支持。

2. 国内外研究现状分析

近十几年来，国内外有关聚类分析理论与算法的研究成果不胜枚举，所构造的各种聚类算法不下几十种并继续以更快的速度不断出现或得到改进。

它们分别基于不同的理论与方法，能够处理各种具有不同数据类型的数据。

如google作为全球最强大的搜索工具，采用聚类分析软件实现面向全球用户快速、精确、齐全的搜索服务。

3. 研究的基本内容与计划

根据公司提供的外部客户数据导入该系统，输入方式支持上传excel或者文本格式或者mdb格式数据。从公司核心业务系统中按照一定要求查询客户信息，系统输出要求可以清单层面展示数据，并能够输出文本或excel格式下载和保存，具有一定基本汇总统计报表输出功能。通过聚类算法分析客户信息，建立聚类模型，为企业客户信息管理提供智能决策支持。

第1到2周：系统调研，进行系统的架构，完成系统的初步工作；

第3周：资料收集，到图书馆找相关资料书籍；

4. 研究创新点

本系统运用vc opengl和数据源odbs实现的。

聚类分析算法是整个系统的核心，通过聚类分析算法，能够为企业管理筛选出不同特征的客户。

聚类（cluster）是由若干模式（pattern）组成的，通常，模式是一个度量（measurement）的向量，或者是多维空间中的一个点。