CRM系統：分析型CRM 在保險行業的應用
3 保險行業分析型CRM 實施風險規避
數據倉庫及OLAP 分析的構建過程如圖7 所示。在圖7
的構建過程中，存在著以下風險：
(1)OLAP 服務器風險：在OLAP 服務器環節由于CUBE 創
建過程復雜同時CUBE 的維護也復雜，因此存在著風險。為
了規避OLAP 服務器的風險，可以先采用圖8 的方式。該方式
對前端展現工具的要求是：能夠實現OLAP 功能(鉆取、切片、
旋轉⋯)、避免預先計算、具有審計功能、能夠直接使用數據倉
庫中的星型模型、聚合表等數據結構。
(2)數據倉庫風險：由于構建的數據倉庫是穩定、集成以及
結構優化的，因此在構建過程中也存在風險。為了規避數據
倉庫的風險，可以先采用圖9 的方式。該方式對前端展現工
具的要求是：能夠融合多個數據源的數據、能夠在數據和應用
之間構建語義、具有審計功能，從而為數據倉庫的結構優化提
供建議、能夠進行任務調度(避免干擾業務系統的運行)。
總地說來，在數據倉庫和OLAP 建設過程中規避風險的
基本原則是：必須反復地、迭代地進行、企業需求必須不斷加
以反映、及時獲得成果使項目小組能夠確認項目進展。實施
圖如圖10 所示。
4 保險行業分析型CRM的技術架構
對于目前的企業應用來說，可供選擇的技術架構包括：
.NET和J2EE?？紤]到保險行業對安全可靠等的要求，建議保
險行業分析型CRM 的技術架構采用J2EE 體系。
5 結束語
對保險企業來說，分析型CRM 的應用通過應用數據倉
庫、OLAP、數據挖掘等技術手段，對保險業務系統的客戶關聯
數據進行處理，發掘有價值的客戶、保留有價值的客戶以及根
據不同的客戶類別制定相應的營銷策略，從而提高保險企業
的核心競爭力。
參考文獻:
[1] 朱愛群.客戶關系管理與數據挖掘[M].北京:中國財政經濟出
版社, 2001.
4 實驗結果
下面通過實驗來分析分組多支持度關聯算法與原有算法
之間的性能比較。實驗的下。實驗運行環境為CPUP4 1.6G，
內存512M，操作系統為Windows 2003，用Java 編寫了兩種算
法。數據源為合成數據，使用數據生成器生成了4 個數據文
件，分別包含了4 萬、6 萬、8 萬、10 萬條事務，100 屬性(分成5
組，對應的支持度為0.02、0.04、0.6、0.8、0.10)，平均事務長度為
8。算法的運行結果如圖3 所示。從圖3 中可以看出分組算法
的效率比原來的多支持度關聯規則高，這主要是因為采取了
分組后再連接候選集時，由于分組算法需要連接的候選集比
原有算法少，因此提高了效率。
5 結束語
本文針對多支持度關聯規則問題中存在的問題，提出了
使用分組給定支持度的方法，并給出了相應的分組算法。該
算法有兩個作用：減少了需要用戶指定支持度的個數；提高了
多支持度關聯規則問題的計算效率。
參考文獻:
[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] 樓曉鴻,丁寶康.一種多支持度的關聯規則采集算法[J].計算機
工程, 2001,27(6):102-103.
[7] 李銘.關聯規則的多支持度挖掘在銷售數據中的應用[J].計算
機工程, 2003,29(8):90-92.
[8] 張建明,榮岡.基于關聯規則的故障診斷方法及研究[J].化工自
動化及儀表, 2003,30 (5):11-14.
[9] 吳小波,徐維祥.多支持度關聯規則在網絡使用挖掘中的應用
[J].計算機工程與應用, 2005,41(31):164-167.
強力推薦：
天柏客戶關系管理系統
天柏客戶關系管理系統（CRM）是一款集專業性、實用性、易用性為一體的純B/S架構的CRM系統，它基于以客戶為中心的協同管理思想和營銷理念，圍繞客戶生命周期的整個過程，針對不同價值的客戶實施以客戶滿意為目標的營銷策略，通過企業級協同，有效的“發現、保持和留住客戶”，從而達到留住客戶、提高銷售，實現企業利潤最大化的目的。通過對客戶進行7P的深入分析，即客戶概況分析(Profiling)、客戶忠誠度分析(Persistency)、客戶利潤分析(Profitability)、客戶性能分析(Performance)、客戶未來分析(Prospecting)、客戶產品分析(Product)、客戶促銷分析(Promotion)以及改善與管理企業銷售、營銷、客戶服務和支持等與客戶關系有關的業務流程并提高各個環節的自動化程度，從而幫助企業達到縮短銷售周期、降低銷售成本、擴大銷售量、增加收入與盈利、搶占更多市場份額、尋求新的市場機會和銷售渠道，最終從根本上提升企業的核心競爭力，使得企業在當前激烈的競爭環境中立于不敗之地。
關鍵詞：CRM,CRM系統,CRM軟件,客戶關系管理,客戶管理軟件,客戶管理系統,客戶關系管理軟件,客戶關系管理系統