第一篇：云速精準(zhǔn)數(shù)據(jù)挖掘系統(tǒng)使用教學(xué)

云速精準(zhǔn)數(shù)據(jù)挖掘系統(tǒng)使用教學(xué)

云速精準(zhǔn)數(shù)據(jù)挖掘主要針對(duì)各行各業(yè)臨街店鋪的采集，可以精確的找到店鋪名以及聯(lián)系電話和具體位置，下邊我給大家演示一下

首先在電腦上找到此功能雙擊運(yùn)行此程序然后我們選擇本地驗(yàn)證模式 把旁邊的驗(yàn)證碼輸入進(jìn)去

這個(gè)必須手動(dòng)點(diǎn)登錄鍵，按回車鍵是沒有反應(yīng)的 可以看到旁邊四個(gè)地圖我們是可以隨意選擇的在這里我們可以手動(dòng)輸入地區(qū)也可以點(diǎn)下邊快速添加地區(qū)快速添加我們可以看到全國所有的省都有下圖可以看出省里邊所有的的城市都會(huì)顯示，直接點(diǎn)擊就可以選擇城市選好之后點(diǎn)擊保存就行在下邊空白的地方可以手動(dòng)輸入關(guān)鍵詞也可以選擇下邊的快速添加行業(yè)快速添加我們可以看到所有行業(yè)的分類，在里邊直接找你要找的行業(yè)這邊這個(gè)行業(yè)我們可以多種選擇選好之后記得手動(dòng)點(diǎn)擊保存地區(qū)還有行業(yè)設(shè)置好之后直接點(diǎn)開始采集，它就會(huì)自動(dòng)采集如果采集了一部分了不想采集了可以點(diǎn)擊停止采集要導(dǎo)出的話，首先要在桌面新建一個(gè)文本然后我們點(diǎn)擊導(dǎo)出號(hào)碼直接找到我們新建的文本里邊就可以了最后我們要去桌面檢查一下號(hào)碼是否已導(dǎo)出

第二篇：外呼銷售精準(zhǔn)營銷數(shù)據(jù)挖掘模型

? OB實(shí)現(xiàn)精準(zhǔn)營銷需要建立的數(shù)據(jù)挖掘模型

第一：模型橫向

1、會(huì)員定性：通過對(duì)會(huì)員姓名，性別，年齡，購買商品，購買時(shí)間，購買金額，商品品類等數(shù)據(jù)。得出客戶的購買習(xí)慣，購買能力，會(huì)員粘稠度。得出會(huì)員屬性列表。

2、商品定位：通過同緯度得出商品銷售生命周期，商品毛利，商品消費(fèi)群等。通過此信息策劃OB商品。建立商品地圖。

3、行銷：根據(jù)現(xiàn)有銷售數(shù)據(jù)庫，分析各維度數(shù)據(jù)。得出針對(duì)不同時(shí)間，客戶，商品使用不同行銷活動(dòng)對(duì)營銷的影響，參考此模型制定行銷策略并預(yù)估營銷效果。

第二：縱向：

1、業(yè)務(wù)需求分析：分析客戶購買特性和購買記錄，支撐營銷策劃。根據(jù)現(xiàn)有公司銷售要求，針對(duì)什么客戶進(jìn)行營銷。包括“促銷方案分析及評(píng)估”，“個(gè)性化商品”，“營銷方案及有效化”，“促銷敏感性和目標(biāo)”等

2、數(shù)據(jù)準(zhǔn)備和轉(zhuǎn)化：為支撐相關(guān)業(yè)務(wù)要求，銷售和客戶數(shù)據(jù)能準(zhǔn)確，全面精準(zhǔn)與業(yè)務(wù)匹配；另外能將相關(guān)數(shù)據(jù)按照數(shù)據(jù)庫要求及時(shí)歸類。

3、會(huì)員屬性選擇：根據(jù)業(yè)務(wù)要求能精準(zhǔn)找到會(huì)員屬性。符合相關(guān)方案要求。

4、建立會(huì)員模型：按照會(huì)員姓名，性別，年齡，購買商品，購買時(shí)間，購買金額，商品品類，行銷活動(dòng)使用等數(shù)據(jù)等維度建立會(huì)員模型。包括客戶模型，客單模型，積分模型，銷售明細(xì)模型，商品模型，付款模型。

5、模型評(píng)估：在建立會(huì)員模型之后需要測試業(yè)務(wù)需求分析，數(shù)據(jù)轉(zhuǎn)化，會(huì)員屬性定義，商品和行銷模型匹配。能進(jìn)行精準(zhǔn)的市場定位,包括“客戶價(jià)值及趨勢”，“客戶潛在價(jià)值及忠誠度”，“客戶流失傾向”，“行銷活動(dòng)敏感度”，“客戶消費(fèi)傾向及消費(fèi)周期”，“客戶基本信息”評(píng)估。

第三：數(shù)據(jù)挖掘邏輯

1、分類問題：對(duì)數(shù)據(jù)進(jìn)行分類，預(yù)測問題類別。通過對(duì)多個(gè)數(shù)據(jù)源進(jìn)行分類，能夠?qū)?shù)據(jù)進(jìn)行歸類，并能通過數(shù)據(jù)分析發(fā)現(xiàn)問題同時(shí)對(duì)問題也能進(jìn)行分類。

2、聚類問題：解決一群對(duì)象劃分不同類別的問題。通過對(duì)不同的類型數(shù)據(jù)能統(tǒng)一和整理成一個(gè)類別。這是分總概念，通過匯總不同類別數(shù)據(jù)和問題找到集中式解決方案。

3、關(guān)聯(lián)性問題：upsell中的upsell和cross-sell。通過模型分析，幫助客戶尋找商品，為商品尋找合適客戶。分析出客戶的購買周期和購買特點(diǎn)找出客戶潛在需求針對(duì)性做關(guān)聯(lián)銷售和交叉銷售。

4、預(yù)測問題：預(yù)測變量數(shù)據(jù)是否為連續(xù)型的情況。通過分類和聚類，能將數(shù)據(jù)模型中的數(shù)據(jù)和相關(guān)問題進(jìn)行串聯(lián)。找到問題的發(fā)展和變化趨勢，預(yù)測問題以幫助改進(jìn)銷售方案最終實(shí)現(xiàn)精準(zhǔn)營銷。

OB-TEAM

第三篇：基于數(shù)據(jù)挖掘的業(yè)務(wù)審計(jì)系統(tǒng)[模版]

1引言

Anron（美國）、Ahold（荷蘭）、Parmalat（意大利）和Addeco（瑞士）財(cái)務(wù)丑聞的發(fā)生，揭示了財(cái)務(wù)報(bào)告舞弊是一個(gè)世界性的問題，王 澤霞(2004)也認(rèn)為：美國法律案件中管理層舞弊占絕大多數(shù)、中國會(huì)計(jì)信息失真主要是單位負(fù)責(zé)人造成的、我國財(cái)務(wù)報(bào)表審計(jì)中存在的重大錯(cuò)報(bào)主要為管理舞 弊。舞弊已成為財(cái)務(wù)報(bào)告團(tuán)體的流行病。舞弊是一個(gè)很重要的問題，據(jù)估計(jì)舞弊使美國企業(yè)每一美元的收入損失近6%。[1]欺詐性的財(cái)務(wù)報(bào)告不僅損害了商業(yè)團(tuán) 體和會(huì)計(jì)職業(yè)的信譽(yù)，也損害了利益相關(guān)者。盡管各國監(jiān)管機(jī)構(gòu)等相關(guān)部門多次出臺(tái)各種政策、不斷完善會(huì)計(jì)及審計(jì)準(zhǔn)則，財(cái)務(wù)報(bào)告舞弊仍屢禁不止。財(cái)務(wù)報(bào)告使用 者期望審計(jì)人員提高舞弊審計(jì)的能力，以發(fā)現(xiàn)和報(bào)告更多的舞弊。識(shí)別管理舞弊跡象因此成為風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)中審計(jì)人員從總體上考察會(huì)計(jì)報(bào)表的公允表達(dá)，尋找潛在 錯(cuò)報(bào)高風(fēng)險(xiǎn)領(lǐng)域的主要任務(wù)。

與此同時(shí)各行各業(yè)信息系統(tǒng)的流行與普及使得各種組織實(shí)體使用的信息系統(tǒng)，生產(chǎn)著大量的電子數(shù)據(jù)，造成被審計(jì)的電子數(shù)據(jù)也是海量的，增加了舞弊審計(jì)的難度。如:某省某銀行某年僅2月份會(huì)計(jì)傳票流水多達(dá)562783條；某海關(guān)半年內(nèi)的進(jìn)口報(bào)關(guān)單的數(shù)目多達(dá)61458 條。不僅如此，計(jì)算機(jī)技術(shù)應(yīng)用，計(jì)算機(jī)舞弊手段也不斷發(fā)展。電子化和網(wǎng)絡(luò)化環(huán)境使得作弊手法越發(fā)隱蔽，數(shù)據(jù)難以追蹤，審計(jì)無從下手。

因此，舞弊審計(jì)不僅需要從大量的公司年報(bào)、中報(bào)等財(cái)務(wù)數(shù)據(jù)中提取財(cái)務(wù)信息，還要從企業(yè)本身的組織結(jié)構(gòu)特征、行業(yè)特征、經(jīng)營決策特征等相關(guān)非財(cái)務(wù)信息中尋找 線索，面對(duì)浩如煙海的財(cái)務(wù)與非財(cái)務(wù)數(shù)據(jù)，僅僅根據(jù)審計(jì)人員的經(jīng)驗(yàn)和手工勞動(dòng)，其識(shí)別效果和效率都不理想。數(shù)據(jù)挖掘技術(shù)作為一種決策支持技術(shù)，能夠從海量 的、不完全的、模糊的、隨機(jī)的實(shí)際數(shù)據(jù)中，幫助人們發(fā)現(xiàn)那些重要且較為隱蔽的線索，從而來輔助審計(jì)人員進(jìn)行審計(jì)數(shù)據(jù)分析，提高識(shí)別舞弊的質(zhì)量和效率。2007年開始實(shí)施的《中國注冊會(huì)計(jì)師審計(jì)準(zhǔn)則第1141號(hào)財(cái)務(wù)報(bào)表審計(jì)中對(duì)舞弊的考慮》要求加強(qiáng)財(cái)務(wù)報(bào)表審計(jì)中的舞弊審計(jì)，但相對(duì)于舞弊方式的隱蔽性、專業(yè)性和創(chuàng)新性，目前的狀況很難適應(yīng)反舞弊形勢的需要，迫切需要設(shè)計(jì)我國的舞弊審計(jì)數(shù)據(jù)挖掘系統(tǒng)，提高我國舞弊發(fā)現(xiàn)效率，有效打擊舞弊違法活動(dòng)。數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘又稱數(shù)據(jù)開采、數(shù)據(jù)發(fā)掘等，指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、事先不知道的、但又是潛在有用的信息和知 識(shí)的過程。該技術(shù)特別適合處理海量數(shù)據(jù)，能夠建立預(yù)測模型，分析歷史及當(dāng)前數(shù)據(jù)，自動(dòng)地、智能地對(duì)各種數(shù)據(jù)資料進(jìn)行反復(fù)的、全面充分的調(diào)用分析，轉(zhuǎn)化為有 用的信息和知識(shí)，從中發(fā)現(xiàn)隱藏的關(guān)系和模式，并幫助預(yù)測未來可能發(fā)生的事件。該技術(shù)高度程序化的特征決定其分析、判斷的客觀性，能夠排除人為干擾，提高審 計(jì)數(shù)據(jù)分析結(jié)論的準(zhǔn)確性。數(shù)據(jù)挖掘技術(shù)可以通過對(duì)舞弊案例進(jìn)行機(jī)器學(xué)習(xí)(machine learning)，總結(jié)有關(guān)舞弊渠道、環(huán)節(jié)等的特征與規(guī)律，與待處理數(shù)據(jù)進(jìn)行對(duì)照和比較，提高數(shù)據(jù)處理、分析的廣度及深度，不斷獲得新知識(shí)對(duì)模型進(jìn)行動(dòng) 態(tài)更新，為審計(jì)人員提供更多線索。數(shù)據(jù)挖掘技術(shù)也可以從大量的復(fù)雜關(guān)聯(lián)數(shù)據(jù)，將會(huì)計(jì)人員眼中不顯著的虛假財(cái)務(wù)報(bào)告與自然形成財(cái)務(wù)報(bào)告之間的內(nèi)在差異放大到 存在某種數(shù)據(jù)結(jié)構(gòu)和統(tǒng)計(jì)顯著性差異，在一定程度上提高了舞弊性財(cái)務(wù)報(bào)告的識(shí)別效率和效果。

數(shù)據(jù)挖掘技術(shù)分析方法很多，在此列舉目前最可能運(yùn)用于舞弊審計(jì)工作中的幾種常用方

法，主要有:

1.數(shù)據(jù)概化。數(shù)據(jù)庫中通常存放著大量的細(xì)節(jié)數(shù)據(jù)，通過數(shù)據(jù)概化可將大量與任務(wù)相關(guān)的數(shù)據(jù)集從較低的概念層抽象到較高的概念層。一般有兩類方法:數(shù)據(jù)立方體方 法和面向?qū)傩缘臍w納方法。

2.分類與預(yù)測。它是基于模型的方法，包括回歸分析、因子分析和判別分析等，用此方法可對(duì)數(shù)據(jù)進(jìn)行分類和預(yù)測。

3.聚類分析。聚類分析是把一組個(gè)體按照相似性歸成若干類別，目的是使得同一類別的個(gè)體之間的距離盡可能地小，而不同類別的個(gè)體間的距離盡可能地大，該方法可 為不同的信息用戶提供不同類別的信息集。聚類已經(jīng)被廣泛地應(yīng)用在許多領(lǐng)域中，如模式識(shí)別、數(shù)據(jù)分析、圖像處理，以及市場研究。

4.關(guān)聯(lián)分析。它通過利用關(guān)聯(lián)規(guī)則可以從操作數(shù)據(jù)庫的所有細(xì)節(jié)或事務(wù)中抽取頻繁出現(xiàn)的模式，其目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系。它通過量化的數(shù)字描述 對(duì)象甲的出現(xiàn)對(duì)對(duì)象乙的出現(xiàn)有多大的影響。特別是在會(huì)計(jì)領(lǐng)域，會(huì)計(jì)數(shù)據(jù)之間存在嚴(yán)密的勾稽關(guān)系，這種方法非常適用。數(shù)據(jù)挖掘技術(shù)在舞弊審計(jì)中的應(yīng)用前景

3.1 采用數(shù)據(jù)挖掘技術(shù)的必要性

隨著數(shù)據(jù)庫技術(shù)的迅速發(fā)展及數(shù)據(jù)管理系統(tǒng)的廣泛應(yīng)用，大部分企業(yè)已經(jīng)引入信息系統(tǒng)對(duì)企業(yè)的交易活動(dòng)、經(jīng)營狀況及整個(gè)市場的相關(guān)行業(yè)狀況等進(jìn)行記錄，因此企 業(yè)積累的數(shù)據(jù)越來越多，形成了包含大量財(cái)務(wù)數(shù)據(jù)乃至各方面經(jīng)營管理信息的數(shù)據(jù)庫。激增的數(shù)據(jù)背后隱藏的許多重要信息為人們識(shí)別財(cái)務(wù)報(bào)告舞弊提供了更大范圍 的數(shù)據(jù)支持，但同時(shí)也帶來了一些問題：一是數(shù)據(jù)過量，難以及時(shí)發(fā)現(xiàn)有用信息；二是數(shù)據(jù)形式不一致，難以統(tǒng)一處理；三是數(shù)據(jù)是不斷發(fā)展的，識(shí)別舞弊的經(jīng)驗(yàn)相 對(duì)于數(shù)據(jù)往往是滯后的，這種不同步性給舞弊識(shí)別帶來了巨大的潛在風(fēng)險(xiǎn)，KPMG（1998）調(diào)查發(fā)現(xiàn)超過三分之一的舞弊事件是在偶然的情況下被發(fā)現(xiàn)的，只 有4%的舞弊事件是由獨(dú)立審計(jì)人員發(fā)現(xiàn)的；四是傳統(tǒng)的數(shù)據(jù)分析方法無法處理龐大的數(shù)據(jù)庫系統(tǒng)，技術(shù)工具的落后性勢必影響舞弊識(shí)別的廣度和深度；五是新的數(shù) 據(jù)處理技術(shù)為舞弊提供了越發(fā)隱蔽的新手段，電子化和網(wǎng)絡(luò)化的數(shù)據(jù)環(huán)境也使得舞弊隱藏的更深，使識(shí)別難以下手。

目前的計(jì)算機(jī)審計(jì)軟件多是利用審計(jì)人員的經(jīng)驗(yàn)和計(jì)算機(jī)查詢技術(shù)相結(jié)合的方法對(duì)被審計(jì)單位電子數(shù)據(jù)進(jìn)行審計(jì)“發(fā)現(xiàn)其中的異常情況”，但這存在多處不足: 一是審計(jì)人員的經(jīng)驗(yàn)和知識(shí)是“有限的”被審計(jì)對(duì)象行業(yè)跨度大，各單位情況千差萬別，當(dāng)審計(jì)經(jīng)驗(yàn)無法運(yùn)用時(shí)，面對(duì)海量數(shù)據(jù)真有如“瞎子摸象”；二是數(shù)據(jù)是不 斷發(fā)展的，審計(jì)經(jīng)驗(yàn)相對(duì)于數(shù)據(jù)的發(fā)展往往是滯后的，這種不同步性給審計(jì)帶來巨大的潛在風(fēng)險(xiǎn)；三是對(duì)同一數(shù)據(jù)審計(jì)不同的審計(jì)人員可能會(huì)得出完全不同的審計(jì)結(jié) 論，知識(shí)的“不對(duì)稱性”無法保障審計(jì)質(zhì)量。

數(shù)據(jù)挖掘技術(shù)就是針對(duì)日益龐大的電子數(shù)據(jù)應(yīng)運(yùn)而生的一種新型信息處理技術(shù)。它一般

采取排除人為因素而通過自動(dòng)的方式來發(fā)現(xiàn)數(shù)據(jù)中新的、隱藏的或不可預(yù)見的 模式的活動(dòng)。這些模式指隱藏在大型數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他大量信息存儲(chǔ)中的知識(shí)。它是在對(duì)數(shù)據(jù)集全面而深刻認(rèn)識(shí)的基礎(chǔ)上，對(duì)數(shù)據(jù)內(nèi)在和本質(zhì)的高度抽象與概 括，也是對(duì)數(shù)據(jù)從理性認(rèn)識(shí)到感性認(rèn)識(shí)的升華。所以把數(shù)據(jù)挖掘技術(shù)應(yīng)用于舞弊財(cái)務(wù)報(bào)告的識(shí)別很有必要也非常緊迫。

3.2 數(shù)據(jù)挖掘技術(shù)在舞弊審計(jì)中的應(yīng)用

（1）數(shù)據(jù)概化。審計(jì)人員往往需要查詢不同綜合程度的被審計(jì)數(shù)據(jù)信息，以便了解被審計(jì)單位的有關(guān)各級(jí)別的財(cái)務(wù)經(jīng)營信息，以便尋找審計(jì)線索。在數(shù)據(jù)庫的原始概念 層，數(shù)據(jù)和對(duì)象往往包含很詳細(xì)的信息。人們希望能將集中的數(shù)據(jù)進(jìn)行總結(jié)概括，并將其在更高的概念層次上呈現(xiàn)出來。概念描述就是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對(duì)象的共同特征，后者描述不同類對(duì)象之間的區(qū)別。概念描述可以提供數(shù)據(jù)的一般特征。

數(shù)據(jù)概化可應(yīng)用于描述式挖掘，審計(jì) 人員可從不同的粒度和不同的角度描述數(shù)據(jù)集，從而了解某類數(shù)據(jù)的概貌。大量研究證實(shí)，舞弊行為通常會(huì)使得“企業(yè)的財(cái)務(wù)結(jié)構(gòu)出現(xiàn)異常的狀態(tài)”（Joseph T.Well 2001）。[8]因此，審計(jì)人員可以采用概念描述技術(shù)對(duì)存儲(chǔ)在被審計(jì)數(shù)據(jù)庫中的數(shù)據(jù)實(shí)施數(shù)據(jù)挖掘，通過使用屬性概化、屬性相關(guān)分析等技術(shù)將詳細(xì)的財(cái)務(wù)數(shù) 據(jù)在較高層次上表達(dá)出來，以得到正常財(cái)務(wù)報(bào)告和虛假財(cái)務(wù)報(bào)告的一般屬性特征描述，如流動(dòng)比率、速動(dòng)比率、資產(chǎn)周轉(zhuǎn)率、主營業(yè)務(wù)利潤率、資產(chǎn)負(fù)債率、投資報(bào)酬率、每股收益率等值從而為審計(jì)人員判斷虛假財(cái)務(wù)報(bào)告提供依據(jù)。

（2）分類與預(yù)測。分類和預(yù)測是數(shù)據(jù)挖掘中發(fā)展最充分的領(lǐng)域。分類的結(jié)果典型地表現(xiàn)為一個(gè)具有行為可預(yù)測性的組。欺詐偵測和欺詐風(fēng)險(xiǎn)運(yùn)用最適合于這種類型的分 析。通過分類挖掘?qū)Ρ粚徲?jì)數(shù)據(jù)庫中的各類數(shù)據(jù)挖掘出其數(shù)據(jù)的描述或模型，或者審計(jì)人員建立統(tǒng)計(jì)模型對(duì)被審計(jì)單位的大量財(cái)務(wù)或業(yè)務(wù)歷史數(shù)據(jù)進(jìn)行預(yù)測分析，根 據(jù)分析的預(yù)測值和審計(jì)值進(jìn)行比較，都能幫助審計(jì)人員從中發(fā)現(xiàn)審計(jì)疑點(diǎn)，從而將其列為審計(jì)重點(diǎn)。比如在財(cái)務(wù)審計(jì)中，虛假財(cái)務(wù)報(bào)告從財(cái)務(wù)指標(biāo)上看，就是某些財(cái) 務(wù)指標(biāo)顯著地異于同類企業(yè)，這些能夠顯著顯示財(cái)務(wù)舞弊征兆的財(cái)務(wù)指標(biāo)包括應(yīng)收款項(xiàng)比率、應(yīng)收款項(xiàng)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、速動(dòng)比率、主營業(yè)務(wù)稅金及附加比率、資產(chǎn)質(zhì)量、管理費(fèi)用和銷售費(fèi)用率等[8]。對(duì)此，審計(jì)中可采用數(shù)據(jù)挖掘的統(tǒng)計(jì)分析技術(shù)對(duì)這些指標(biāo)數(shù)據(jù)進(jìn)行分類和預(yù)測，當(dāng)預(yù)測值與審計(jì)值差距較大時(shí)，可列為 審計(jì)關(guān)注的重點(diǎn)。

（3）聚類分析。聚類分析是將數(shù)據(jù)中比較接近的劃歸為一類，合理的聚類后，每一類內(nèi)就可以找出有關(guān)的特征，有利于 發(fā)現(xiàn)真正有用的信息。不同類型的問題可以有不同的聚類原則，這樣就可以找到不同的特征。聚類分析技術(shù)特別適用于從大量的交易數(shù)據(jù)中產(chǎn)生及時(shí)、準(zhǔn)確的線索。由于舞弊方式多種多樣，數(shù)據(jù)表現(xiàn)出來的特點(diǎn)也就各式各樣，并不是所有的可疑賬戶都可以聚成一類。因此，在舞弊行為識(shí)別中，簇的數(shù)量是未知的，因舞弊方式的 不同而不同。聚類分析中“簇的數(shù)量未知”這個(gè)特點(diǎn)剛好滿足舞弊行為識(shí)別的這個(gè)要求。而且，由于其聚類分析的自動(dòng)處理、非監(jiān)督學(xué)習(xí)等特性使得其可以動(dòng)態(tài)地適 應(yīng)舞弊手段的變化，也可以在一定程度上規(guī)避舞弊犯罪活動(dòng)的自適應(yīng)問題。

聚類分析和孤立點(diǎn)挖掘方法相結(jié)合是非常好的審計(jì)線索發(fā)現(xiàn)方法。孤立點(diǎn)是指數(shù)據(jù)集中與一般數(shù)據(jù)模型不相符的那些數(shù)據(jù)。實(shí)踐表明，真實(shí)的財(cái)務(wù)報(bào)表中主要項(xiàng)目的 數(shù)據(jù)變動(dòng)具有一定的規(guī)律性，如果其變動(dòng)表現(xiàn)異常，就說明數(shù)據(jù)中可能存在虛假成分。孤立點(diǎn)分析對(duì)虛假財(cái)務(wù)報(bào)告中數(shù)據(jù)的異常變動(dòng)識(shí)別有著非常重要的應(yīng)用價(jià)值。審計(jì)人員可以使用孤立點(diǎn)分析技術(shù)來檢查一些舞弊、違背規(guī)律和規(guī)定的行為，因?yàn)檫@些行為產(chǎn)生的數(shù)據(jù)一般是隱藏在大量正常數(shù)據(jù)下的少量數(shù)據(jù)，而且很可能以不同 于一般數(shù)據(jù)的形式表現(xiàn)出來，通過孤立點(diǎn)分析方法可以有效地發(fā)現(xiàn)這樣的異常數(shù)據(jù)。在實(shí)際操作中，我們通常選擇能夠顯著顯示財(cái)務(wù)舞弊征兆的一些關(guān)鍵財(cái)務(wù)指標(biāo)，如應(yīng)收款項(xiàng)比率、應(yīng)收款項(xiàng)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、速動(dòng)比率、主營業(yè)務(wù)稅金及附加比率、資產(chǎn)質(zhì)量、管理費(fèi)用和銷售費(fèi)用率等，并為其設(shè)定一個(gè)閥值，一旦財(cái)務(wù)報(bào)告 中的相關(guān)財(cái)務(wù)指標(biāo)數(shù)值超過這個(gè)閥值，說明報(bào)告有可能存在舞弊。

（4）關(guān)聯(lián)分析。關(guān)聯(lián)分析就是給定一組或一個(gè)記錄集合，通過分析記錄 集合，推導(dǎo)出相關(guān)性，目的是為了挖掘出隱含在數(shù)據(jù)間的相互關(guān)系。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)。關(guān)聯(lián)可分為簡單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果 關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)中隱藏的關(guān)聯(lián)網(wǎng)。在會(huì)計(jì)領(lǐng)域，會(huì)計(jì)數(shù)據(jù)之間存在嚴(yán)密的勾稽關(guān)系，通過基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘分析，可挖掘出隱藏在數(shù)據(jù)間的相互關(guān)系。如財(cái)務(wù)做假有時(shí)表現(xiàn)在科目做假上，通過 各個(gè)科目之間的運(yùn)作、協(xié)調(diào)和配合，表現(xiàn)為“假科目，真做賬”現(xiàn)象。但這種做假手段難免會(huì)出現(xiàn)個(gè)別科目的背離以及報(bào)表間鉤稽關(guān)系的異常。為此，可運(yùn)用數(shù)據(jù)挖 掘中的關(guān)聯(lián)分析技術(shù)方法，在對(duì)財(cái)務(wù)數(shù)據(jù)或經(jīng)濟(jì)數(shù)據(jù)的審計(jì)中，針對(duì)同類或不同類會(huì)計(jì)科目及數(shù)據(jù)項(xiàng)之間可能存在某種對(duì)應(yīng)關(guān)系，以及資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流 量表三大財(cái)務(wù)報(bào)表之間的勾稽關(guān)系，按照非財(cái)務(wù)邏輯關(guān)系的規(guī)律來查找、挖掘，從而發(fā)現(xiàn)一些隱藏的經(jīng)濟(jì)活動(dòng)，為審計(jì)人員的進(jìn)一步工作提供參考。如利用數(shù)據(jù)挖掘 中的關(guān)聯(lián)分析，可以發(fā)現(xiàn)一個(gè)單位的車輛數(shù)和養(yǎng)路費(fèi)、汽車保險(xiǎn)費(fèi)等日常維護(hù)支出存在一定的關(guān)系，能夠據(jù)此發(fā)現(xiàn)是否存在用賬外資產(chǎn)買車的行為，進(jìn)而查出小金庫 問題?；跀?shù)據(jù)挖掘的舞弊發(fā)現(xiàn)過程模型

為發(fā)現(xiàn)舞弊行為，數(shù)據(jù)挖掘需要面對(duì)的是關(guān)系復(fù)雜的企業(yè)全局視角的知識(shí)發(fā)現(xiàn)，因此進(jìn)行數(shù)據(jù)采掘一般要花大部分力量在數(shù)據(jù)準(zhǔn)備階段。但是，不同歷史階段企業(yè)內(nèi) 部許多部門建立了各自的信息處理系統(tǒng)，這些系統(tǒng)之間相互隔離，結(jié)構(gòu)各異，因此很難得到企業(yè)全局的信息。審計(jì)人員需要使用(歷史的、現(xiàn)在的)數(shù)據(jù)和多個(gè)系統(tǒng) 數(shù)據(jù)進(jìn)行各種復(fù)雜分析，以發(fā)現(xiàn)審計(jì)線索。這不僅要求系統(tǒng)保存大量的歷史數(shù)據(jù)，而且還要進(jìn)行復(fù)雜的分析處理(每次處理涉及大量數(shù)據(jù))，這對(duì)于業(yè)務(wù)處理頻繁的 業(yè)務(wù)數(shù)據(jù)庫系統(tǒng)而言，將成為沉重的負(fù)擔(dān)。數(shù)據(jù)倉庫面向復(fù)雜的數(shù)據(jù)分析，集成企業(yè)范圍內(nèi)的數(shù)據(jù)。它把數(shù)據(jù)事先收集、歸納、處理，使企業(yè)的業(yè)務(wù)操作環(huán)境和信息 分析環(huán)境分離，從而有效地為決策提供實(shí)時(shí)的信息服務(wù)。從這一點(diǎn)上講，基于數(shù)據(jù)倉庫的數(shù)據(jù)采掘能更好地滿足審計(jì)的要求。而且，數(shù)據(jù)倉庫機(jī)制大大降低了數(shù)據(jù)采 掘的障礙，而在數(shù)據(jù)倉庫中數(shù)據(jù)已經(jīng)被充分收集起來，進(jìn)行了整理、合并，并且有些還進(jìn)行了初步的分析處理。這樣，注意力更集中于數(shù)據(jù)采掘的核心處理階段。另 外，數(shù)據(jù)倉庫中對(duì)數(shù)據(jù)不同粒度的集成和綜合，更有效地支持了多層次、多種知識(shí)的采掘。基于此，舞弊審計(jì)中的數(shù)據(jù)挖掘技術(shù)應(yīng)該基于審計(jì)數(shù)據(jù)倉庫基礎(chǔ)之上。

本文根據(jù)美國研究所總結(jié)的數(shù)據(jù)挖掘方法（SEMMA）和斯坦福大學(xué)的約翰1997 年在其博士論文中給出的數(shù)據(jù)挖掘處理模型，強(qiáng)調(diào)由審計(jì)專家和數(shù)據(jù)挖掘人員共同參與數(shù)據(jù)挖掘的全過程、及時(shí)溝通，基于審計(jì)數(shù)據(jù)倉庫，從舞弊審計(jì)需求出發(fā)，給 出了基數(shù)據(jù)挖掘的審計(jì)線索發(fā)現(xiàn)過程的模型框架。如圖1所示。

（1）提出審計(jì)需求。根據(jù)審計(jì)的目標(biāo)和內(nèi)容要求，描述和表達(dá)審計(jì)問題，并據(jù)此確定數(shù)據(jù)挖掘的目的。數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步，挖掘的最后結(jié)果是不可預(yù)測的，但要探索的問題應(yīng)該是有預(yù)見的，盲目的數(shù)據(jù)挖掘是不會(huì)成功的。

（2）理解和分析。數(shù)據(jù)挖掘人員與審計(jì)人員在共同的基礎(chǔ)上明確數(shù)據(jù)挖掘目的，針對(duì)挖掘目標(biāo)，進(jìn)行數(shù)據(jù)分析和建模準(zhǔn)備。

（3）建模。根據(jù)挖掘目標(biāo)，確定將要進(jìn)行的挖掘操作類型，如分類與預(yù)測、聚類、關(guān)聯(lián)分析等，設(shè)計(jì)或選擇有效的數(shù)據(jù)挖掘算法，產(chǎn)生數(shù)學(xué)分析模型并與審計(jì)人員溝通，審計(jì)人員理解確認(rèn)。

（4）數(shù)據(jù)挖掘。數(shù)據(jù)挖掘人員利用經(jīng)確認(rèn)的數(shù)據(jù)挖掘模型和數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)挖掘。

（5）結(jié)果分析與評(píng)估。分析并評(píng)估挖掘結(jié)果，其使用的分析方法一般應(yīng)視數(shù)據(jù)挖掘操作而定，通常會(huì)用到可視化技術(shù)。

（6）發(fā)布審計(jì)發(fā)現(xiàn)。以一種審計(jì)人員能夠使用的方式呈現(xiàn)審計(jì)發(fā)現(xiàn)，在舞弊審計(jì)中應(yīng)用審計(jì)發(fā)現(xiàn)的知識(shí)，最終完成審計(jì)工作。

5結(jié)論

識(shí)別財(cái)務(wù)報(bào)告中的舞弊，需要從大量企業(yè)內(nèi)外相關(guān)信息中尋找線索，數(shù)據(jù)挖掘技術(shù)幫助審計(jì)人員對(duì)被審計(jì)單位海量電子數(shù)據(jù)進(jìn)行分析，獲得審計(jì)線索，發(fā)現(xiàn)審計(jì)疑 點(diǎn)。建立一個(gè)基于數(shù)據(jù)挖掘技術(shù)的舞弊審計(jì)模型，充分利用經(jīng)驗(yàn)豐富的專家智囊及數(shù)據(jù)挖掘的技術(shù)優(yōu)勢，將會(huì)增強(qiáng)審計(jì)人員的審計(jì)數(shù)據(jù)分析能力，提高舞弊審計(jì)的效 率和效果，盡量降低其帶給利益相關(guān)者的損失

第四篇：教學(xué)質(zhì)量 模糊數(shù)學(xué) 數(shù)據(jù)庫 評(píng)估系統(tǒng) 數(shù)據(jù)挖掘

教學(xué)質(zhì)量論文：基于Web的高校教學(xué)質(zhì)量評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

【中文摘要】教學(xué)質(zhì)量測評(píng)檢查高校教學(xué)質(zhì)量的重要手段之一,是高校每學(xué)期都進(jìn)行的一項(xiàng)常規(guī)考核工作。教學(xué)質(zhì)量測評(píng)無論是對(duì)學(xué)校、教師還是學(xué)生均具有十分重要的意義。但是,隨著近年來高校規(guī)模的迅速擴(kuò)大和教育體制的不斷改革,傳統(tǒng)評(píng)教方式已經(jīng)凸顯弊端,使高校教學(xué)管理的信息化和網(wǎng)絡(luò)化勢在必行。本文所要開發(fā)的基于web的教學(xué)質(zhì)量測評(píng)系統(tǒng)就是一個(gè)適應(yīng)當(dāng)前新形勢、便捷、高效的教學(xué)質(zhì)量測評(píng)系統(tǒng)。首先在對(duì)高校教學(xué)質(zhì)量測評(píng)工作進(jìn)行深入地調(diào)研的基礎(chǔ)上,對(duì)此系統(tǒng)進(jìn)行了可行性分析和總體設(shè)計(jì),然后闡述了系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)和實(shí)現(xiàn)方案,接著詳細(xì)論述了各子系統(tǒng)的具體實(shí)現(xiàn)以及關(guān)鍵技術(shù),最后分析了該系統(tǒng)存在的不足和相應(yīng)的改進(jìn)措施。整個(gè)系統(tǒng)實(shí)現(xiàn)了用戶登錄控制、評(píng)測信息錄入、查詢、計(jì)算、統(tǒng)計(jì)、分析、數(shù)據(jù)維護(hù)以及打印報(bào)表等主要功能。教學(xué)質(zhì)量測評(píng)系統(tǒng)采用B/S架構(gòu),以WindowsServer2003作為軟件開發(fā)平臺(tái),以Eclipse作為服務(wù)器端開發(fā)工具,開發(fā)語言選用JSP,以MySQL作為后臺(tái)數(shù)據(jù)庫,利用JDBC數(shù)據(jù)庫訪問技術(shù)對(duì)數(shù)據(jù)庫進(jìn)行管理操作,實(shí)現(xiàn)了基于WEB的教學(xué)質(zhì)量測評(píng)系統(tǒng)。在對(duì)教學(xué)質(zhì)量的評(píng)估分析統(tǒng)計(jì)中,本文采用了模糊數(shù)學(xué)的模糊綜合評(píng)判方法對(duì)教學(xué)質(zhì)量進(jìn)行...【英文摘要】As a teaching quality monitoring, the teaching quality evaluation is one of the important contents and an

assessment in each semester of college.The teaching quality assessment has very important significance for schools, teachers and students.However, in recent years, with the rapid expansion of higher education and the education system reform, the traditional teaching and evaluation has appeared shortcomings, so it is imperative to make the college teaching management informationize and networked.This...【關(guān)鍵詞】教學(xué)質(zhì)量 模糊數(shù)學(xué) 數(shù)據(jù)庫 評(píng)估系統(tǒng) 數(shù)據(jù)挖掘 【英文關(guān)鍵詞】The teaching quality the teaching quality fuzzy mathematics database eváluation system data mining 【索購全文】聯(lián)系Q1：138113721 Q2：139938848

【目錄】基于Web的高校教學(xué)質(zhì)量評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)要4-5Abstract5

第1章 緒論8-121.2 國內(nèi)外研究現(xiàn)狀

1.4 本章小結(jié)

2.1 教學(xué)

摘

1.1 課題的發(fā)展背景及研究意義8-99-1111-121.3 本課題研究目標(biāo)及內(nèi)容第2章 系統(tǒng)設(shè)計(jì)相關(guān)理論研究12-32

2.1.1 教學(xué)評(píng)估的概念及特征評(píng)估標(biāo)準(zhǔn)12-14122.1.2 教學(xué)評(píng)估標(biāo)準(zhǔn)確立12-14

2.2.1 系統(tǒng)開發(fā)模式

2.2 系統(tǒng)設(shè)計(jì)的技14-17

2.2.2 開發(fā)2.3 模糊評(píng)估基術(shù)分析14-20工具17-20礎(chǔ)20-24

2.2.3 數(shù)據(jù)庫連接JDBC202.3.1 模糊集20-21

2.3.2 模糊關(guān)系與模糊

矩陣21基礎(chǔ)24-3124-2525-31成32-4032-333334-35成36-37小結(jié)39-402.3.3 模糊綜合評(píng)判21-242.4 數(shù)據(jù)挖掘理論

2.4.1 數(shù)據(jù)挖掘的相關(guān)概念理論2.4.2 本課題涉及到的數(shù)據(jù)挖掘相關(guān)理論2.5 本章小結(jié)31-32

第3章 系統(tǒng)框架及功能組

3.2 需求分析3.1 系統(tǒng)可行性研究323.3 總體要求33-34

3.3.1 設(shè)計(jì)原則3.4 務(wù)流程

3.5.1 Web子系統(tǒng)構(gòu)

3.6 本章4.1 數(shù)據(jù)3.3.2 設(shè)計(jì)目標(biāo)33-343.5 系統(tǒng)的總體結(jié)構(gòu)35-393.5.2 信息維護(hù)子系統(tǒng)構(gòu)成37-39第4章 數(shù)據(jù)庫設(shè)計(jì)與實(shí)現(xiàn)40-43

4.2 數(shù)據(jù)庫設(shè)計(jì)

40-41庫設(shè)計(jì)流程40求分析40-41庫連接41-42估系統(tǒng)實(shí)現(xiàn)43-54登錄控制模塊的實(shí)現(xiàn)45-48實(shí)現(xiàn)48-5248-52塊52-53

4.2.1 數(shù)據(jù)庫需

4.3 數(shù)據(jù)

4.2.2 數(shù)據(jù)庫概念模式設(shè)計(jì)414.4 本章小結(jié)42-43

第5章 教學(xué)質(zhì)量評(píng)

5.1.1

5.1 Web子系統(tǒng)的實(shí)現(xiàn)43-4843-45

5.1.2 課程評(píng)估模塊的實(shí)現(xiàn)

5.2 信息維護(hù)子系統(tǒng)的5.1.3 信息查詢模塊48

5.2.1 模糊綜合評(píng)判方法分析計(jì)算評(píng)估結(jié)果5.2.2 數(shù)據(jù)庫基本信息維護(hù)5.4 本章小結(jié)53-54

5.3 信息發(fā)布模

第6章 教學(xué)質(zhì)量評(píng)估結(jié)

6.2 果的數(shù)據(jù)挖掘54-59數(shù)據(jù)挖掘的過程分析55-58

6.1 必然性與可行性54-556.3 數(shù)據(jù)挖掘?qū)崿F(xiàn)6.3.1 數(shù)據(jù)準(zhǔn)備55-566.3.2 對(duì)評(píng)估結(jié)果的數(shù)

據(jù)挖掘56-58參考文獻(xiàn)61-6464-65致謝

6.4 本章小結(jié)58-59結(jié)論59-61

攻讀碩士學(xué)位期間所發(fā)表的論文65-66

個(gè)人簡歷

第五篇：數(shù)據(jù)挖掘在保險(xiǎn)精準(zhǔn)營銷中的應(yīng)用-開題報(bào)告

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

課題來源及研究的目的和意義

1.1 課題來源

自選課題

1.2 選題價(jià)值及意義

大型的保險(xiǎn)公司已將數(shù)據(jù)挖掘應(yīng)用到保險(xiǎn)業(yè)務(wù)中，但由于應(yīng)用在保險(xiǎn)行業(yè)的分析模型不是很健全，目前在實(shí)際操作中一般都采用套用現(xiàn)成算法的方式，導(dǎo)致其結(jié)果不是特別的理想。數(shù)據(jù)挖掘不只是數(shù)據(jù)的組織和呈現(xiàn)，而是一個(gè)從理解業(yè)務(wù)需求，尋求解決方案到接受實(shí)踐檢驗(yàn)的完整過程，過程中的每個(gè)階段都需要建立科學(xué)的方法。數(shù)據(jù)挖掘是精準(zhǔn)營銷創(chuàng)造商業(yè)價(jià)值的關(guān)鍵，也應(yīng)該是精準(zhǔn)營銷重要組成部分。

在保險(xiǎn)企業(yè)中,應(yīng)用數(shù)據(jù)挖掘有以下好處:從業(yè)務(wù)數(shù)據(jù)方面看,利用企業(yè)經(jīng)營積累起來的海量數(shù)據(jù),經(jīng)過數(shù)據(jù)預(yù)處理等操作后,并最終挖掘出有用的信息、規(guī)則,用來幫助企業(yè)的管理者進(jìn)行正確的決策。站在未來的角度上看,數(shù)據(jù)挖掘通過對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行研究與分析,可以預(yù)測出企業(yè)相關(guān)經(jīng)營方面未來的發(fā)展趨勢,基于對(duì)客戶群體進(jìn)行分類,推出滿足客戶需求的相關(guān)商業(yè)產(chǎn)品,并挖掘出潛在客戶群體等。另外,從目前的發(fā)展和運(yùn)用現(xiàn)狀來看,數(shù)據(jù)挖掘技術(shù)未來發(fā)展市場十分廣闊。而且數(shù)據(jù)挖掘技術(shù)與保險(xiǎn)企業(yè)商業(yè)問題的結(jié)合也應(yīng)當(dāng)是一個(gè)必然的過程。隨著保險(xiǎn)企業(yè)自身經(jīng)營管理的不斷完善,從海量的業(yè)務(wù)數(shù)據(jù)中,獲取有價(jià)值的信息和知識(shí),分析并研究客戶喜好及消費(fèi)行為特征,并推出適合客戶需求的產(chǎn)品,針對(duì)客戶進(jìn)行具體的營銷,贏得市場地位,對(duì)于保險(xiǎn)企業(yè)來說,是未來快速發(fā)展、贏得企業(yè)生存的關(guān)鍵。因此,學(xué)習(xí)與運(yùn)用數(shù)據(jù)挖掘技術(shù),也是保險(xiǎn)企業(yè)未來人才培養(yǎng)的一個(gè)重要方面。

2.國內(nèi)外在該方向的研究現(xiàn)狀及分析

2.1 精準(zhǔn)營銷國內(nèi)外現(xiàn)狀

精準(zhǔn)營銷在國外發(fā)達(dá)國家已經(jīng)有幾十年的歷史,己經(jīng)成為各類型企業(yè)的常規(guī)營銷方式。杰羅姆·麥卡錫（E.Jerome McCarthy）于1960年在其《基礎(chǔ)營銷》（Basic Marketing）一書中第一次將企業(yè)的營銷要素歸結(jié)四個(gè)基本策略的組合，即著名的“4P’s”理論：產(chǎn)品（Product）、價(jià)格（Price）、渠道（Place）、促銷（Promotion），由于這四個(gè)詞的英文字頭都是P，再加上策略（Strategy），所以簡稱為“4P’s”。在1976年，“現(xiàn)在營銷學(xué)之父” 菲利普·科特勒在其代表作《營銷管理》進(jìn)一步確認(rèn)了以4P為核心的營銷組合方法論。

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

1990年，美國學(xué)者羅伯特·勞朋特（RobertLauterborn）教授提出了與傳統(tǒng)營銷的4P相對(duì)應(yīng)的4C營銷理論。4C（Customer、Cost、Convenience、Communication）營銷理論以消費(fèi)者需求為導(dǎo)向，重新設(shè)定了市場營銷組合的四個(gè)基本要素：瞄準(zhǔn)消費(fèi)者的需求和期望（Customer）。首先要了解、研究、分析消費(fèi)者的需要與欲求，而不是先考慮企業(yè)能生產(chǎn)什么產(chǎn)品；消費(fèi)者所愿意支付的成本（Cost）?？偟膩碚f，4C理論認(rèn)為,對(duì)現(xiàn)代企業(yè)來講,重視產(chǎn)品,更要重視顧客;追求成本,更要追求價(jià)格;提供消費(fèi)者的便利比營銷渠道更重要;營銷活動(dòng)不單純是在促銷,而是與客戶有效的溝通。4C理論以顧客的便利與滿意為企業(yè)營銷的根基,企業(yè)必須從消費(fèi)者的角度出發(fā),為消費(fèi)者提供滿意的產(chǎn)品和服務(wù),才能在競爭中立于不敗之地。

目前，最為流行的營銷模式是3P3C，Probability（概率）：營銷、運(yùn)營活動(dòng)以概率為核心，追求精細(xì)化和精準(zhǔn)率。Product（產(chǎn)品）：注重產(chǎn)品功能，強(qiáng)調(diào)產(chǎn)品賣點(diǎn)。Prospects（消費(fèi)者，目標(biāo)用戶）。Creative（創(chuàng)意，包括文案、活動(dòng)等）。Channel（渠道）。Cost/Price（成本/價(jià)格）。而在這其中，以數(shù)據(jù)分析挖掘所支撐的目標(biāo)響應(yīng)概率（Probability）是核心，在此基礎(chǔ)上將會(huì)圍繞產(chǎn)品功能優(yōu)化，目標(biāo)用戶細(xì)分，活動(dòng)創(chuàng)意，渠道優(yōu)化，成本的調(diào)整等重要環(huán)節(jié)和要素，共同促進(jìn)數(shù)據(jù)化運(yùn)營持續(xù)完善，甚至成功。

相對(duì)于發(fā)達(dá)國家,精準(zhǔn)營銷在中國的發(fā)展起步較晚,但是發(fā)展速度非?？臁Ｈ旮母镩_放,中國營銷經(jīng)歷了一個(gè)從“無到有”從“有到強(qiáng)”的過程;三十年市場營銷的實(shí)踐磨練,中國企業(yè)積累了很多營銷經(jīng)驗(yàn)、也培養(yǎng)了很多營銷人才、形成了較為系統(tǒng)的營銷理論,從整個(gè)大的層面還是積極的、卓有成效的。但是真正意義上的精準(zhǔn)營銷在國內(nèi)的發(fā)展起步比較晚,中國企業(yè)對(duì)于數(shù)據(jù)庫營銷的核心,包括“客戶識(shí)別”“客戶分析”“客戶互動(dòng)”“客戶體驗(yàn)”的數(shù)據(jù)庫營銷專業(yè)領(lǐng)域,往往知之甚少,因此中國企業(yè)普遍較為缺少精準(zhǔn)營銷的意識(shí),與這種現(xiàn)象在一定程度上也體現(xiàn)了精準(zhǔn)營銷在中國發(fā)展的不成熟。2.2 數(shù)據(jù)挖掘國內(nèi)外現(xiàn)狀

在保險(xiǎn)業(yè)中,美國進(jìn)行數(shù)據(jù)挖掘系統(tǒng)研究最為著名的公司是艾克國際科技有限公司(AkuP),其研發(fā)的數(shù)據(jù)挖掘系統(tǒng)能夠提供前后端分析的完整功能,且可以做到對(duì)保險(xiǎn)客戶進(jìn)行一對(duì)一行銷(One to One Mar-keting)?？傮w上,其主要功能涵蓋了策略層、戰(zhàn)術(shù)層、執(zhí)行層,詳細(xì)包括保險(xiǎn)客戶的組成、成長潛力、穩(wěn)定度,防患客戶流失、進(jìn)行客戶風(fēng)險(xiǎn)管理,幫助業(yè)務(wù)人員掌握客戶信息等。根據(jù)國外相關(guān)研究報(bào)告的數(shù)據(jù)顯示,數(shù)據(jù)挖掘在國際市場上的營業(yè)份額已經(jīng)遠(yuǎn)遠(yuǎn)超過了數(shù)百億美元。在國外,保險(xiǎn)、零售、銀行等企業(yè)引入數(shù)據(jù)挖掘系統(tǒng)相關(guān)工具所占的比例最高,這些企業(yè)在成功引進(jìn)數(shù)據(jù)挖掘

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

工具以后,銷售營業(yè)額、市場份額等相比以前都有大幅提升。因此,基于數(shù)據(jù)挖掘的應(yīng)用系統(tǒng)與工具也相繼延伸到國外各行各業(yè)的相關(guān)領(lǐng)域,發(fā)揮著其作用。

20世紀(jì)末,數(shù)據(jù)挖掘在進(jìn)入中國后,起先在證券業(yè)、銀行業(yè)得到廣泛的應(yīng)用與實(shí)踐,而保險(xiǎn)業(yè)是繼前二者之后,才逐漸引入數(shù)據(jù)挖掘進(jìn)行海量數(shù)據(jù)的分析與研究,隨后,采用信息化技術(shù)來提高各保險(xiǎn)公司的競爭力也成為共識(shí)。國內(nèi)的多數(shù)企業(yè),為了追上這股浪潮,緊跟信息化革命的步伐,也投入了相當(dāng)大的人力、物力、財(cái)力等來引進(jìn)數(shù)據(jù)挖掘技術(shù)。特別是在我國的許多大型國有企業(yè)中,比如保險(xiǎn)、銀行、證券、電信等,這些企業(yè)都擁有海量的數(shù)據(jù)資源,且企業(yè)經(jīng)濟(jì)實(shí)力強(qiáng)大,行業(yè)規(guī)模擴(kuò)展快速等特點(diǎn),其在數(shù)據(jù)挖掘系統(tǒng)應(yīng)用方面已經(jīng)邁出了堅(jiān)實(shí)的一步.2.3數(shù)據(jù)挖掘在保險(xiǎn)精準(zhǔn)營銷中的應(yīng)用

保險(xiǎn)領(lǐng)域的數(shù)據(jù)挖掘就是從保險(xiǎn)行業(yè)所積累的大量數(shù)據(jù)信息中，通過知識(shí)發(fā)現(xiàn)技術(shù)，發(fā)掘感興趣的模式或知識(shí)，來滿足保險(xiǎn)行業(yè)和監(jiān)管部門的應(yīng)用要求。數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)精準(zhǔn)營銷系統(tǒng)中所發(fā)揮的重要作用己經(jīng)逐漸被認(rèn)同。數(shù)據(jù)挖掘一開始就是面向應(yīng)用而誕生的,所要涉及到的挖掘問題主要分為以下倆類：

1.關(guān)聯(lián)問題。關(guān)聯(lián)規(guī)則研究主要有兩個(gè)方向:一是在研究的問題中,假定用戶購買的所有產(chǎn)品是同時(shí)一次性購買的,分析的重點(diǎn)就是所有用戶購買的產(chǎn)品之間關(guān)聯(lián)性;二是序列問題,即假定一個(gè)用戶購買的產(chǎn)品的時(shí)間是不同的,而且分析時(shí)需要突出時(shí)間先后上的關(guān)聯(lián),這是關(guān)聯(lián)問題的一種特殊情況。

2.分類問題。分類問題屬于預(yù)測性的問題,但又區(qū)別于普通的預(yù)測問題,其預(yù)測的結(jié)果是類別而不是具體的數(shù)值。例如：對(duì)客戶進(jìn)行分層，基于一個(gè)客戶的相關(guān)信息，判斷出他屬于哪一層的客戶，未來一段時(shí)間是否會(huì)購買某類保險(xiǎn)？將來是否會(huì)成為保險(xiǎn)公司的高價(jià)值客戶？

圍繞保險(xiǎn)領(lǐng)域的不同需求，可將其歸納為：保險(xiǎn)產(chǎn)品的設(shè)計(jì)、營銷方式創(chuàng)新。1.保險(xiǎn)產(chǎn)品設(shè)計(jì)。從保險(xiǎn)產(chǎn)品設(shè)計(jì)與開發(fā)的角度出發(fā),分析對(duì)于保險(xiǎn)條款、保險(xiǎn)費(fèi)率具有重大影響的產(chǎn)品結(jié)構(gòu)、技術(shù)結(jié)構(gòu)及所有者結(jié)構(gòu)等因素,滿足市場的實(shí)際需要。在研制開發(fā)保險(xiǎn)產(chǎn)品的過程中,需要充分注意適應(yīng)這些因素的變化,積極開發(fā)各種保險(xiǎn)產(chǎn)品;通過分析已購買某種保險(xiǎn)的人是否同時(shí)購買另一種保險(xiǎn),從而可以推進(jìn)保險(xiǎn)產(chǎn)品的創(chuàng)新,行交叉銷售和增量銷售,提高客戶滿意度。未來的保險(xiǎn)市場必將是保險(xiǎn)產(chǎn)品不斷得到創(chuàng)新的市場。

2.營銷方式創(chuàng)新。通過對(duì)客戶信息的挖掘來支持目標(biāo)市場的細(xì)分和目標(biāo)客戶群的

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

定位,制定有針對(duì)性的營銷措施,包括保險(xiǎn)公司的專職人員、代理人員等傳統(tǒng)渠道以及經(jīng)紀(jì)人、電話、計(jì)算機(jī)網(wǎng)絡(luò)和銀行等輔助渠道,提高客戶響應(yīng)統(tǒng)率,降低營銷成本。

3.主要研究內(nèi)容

3.1 技術(shù)方案

保險(xiǎn)行業(yè)在海量數(shù)據(jù)信息的時(shí)代，傳統(tǒng)的營銷模式缺乏針對(duì)性。當(dāng)客戶數(shù)量提高、相應(yīng)的信息量增多、所需保險(xiǎn)種類復(fù)雜化，如果只依靠傳統(tǒng)的營銷模式來解決問題，那必定帶來很大的人力和財(cái)力的損傷，同時(shí)會(huì)降低工作效率。如此下去，隨著需求的不斷增加或變更，傳統(tǒng)的營銷模式?jīng)]有從根本上解決海量信息帶來的挑戰(zhàn)，甚至?xí)魇б徊糠值目蛻?。針?duì)精準(zhǔn)營銷的主要研究內(nèi)容如下： 3.1.1 ETL數(shù)據(jù)預(yù)處理

我們要對(duì)保險(xiǎn)公司提供的原始數(shù)據(jù)進(jìn)行預(yù)處理后，在可以加載到我們的處理平臺(tái)上，這個(gè)過程，我們需要做到以下幾部：

（1）數(shù)據(jù)清洗。數(shù)據(jù)清洗主要處理空缺值、噪聲數(shù)據(jù)。針對(duì)于空缺值的處理，我們可以采用回歸、貝葉斯形式化方法工具或判定樹歸納等確定空缺值。依靠現(xiàn)有的數(shù)據(jù)信息來推測空缺值，使空缺值有很大的機(jī)會(huì)保持與其他屬性之間的聯(lián)系。還可以用全部變量來替換空缺值、或是用平均值來填充。針對(duì)于噪聲數(shù)據(jù)，我們可以采用分相或是回歸的辦法來處理。

（2）數(shù)據(jù)集成。我們從保險(xiǎn)公司拿回來的數(shù)據(jù)，不可能是統(tǒng)一的格式，針對(duì)于不同來源的數(shù)據(jù)，我們要把它合成同一的模式。首先要做到模式集成，即把不同信息源中的實(shí)體匹配來進(jìn)行模式集成。在集成過程，會(huì)出現(xiàn)一個(gè)屬性多次出現(xiàn)或一個(gè)屬性命名不一致的問題，針對(duì)屬性冗余的問題，可以用相關(guān)分析監(jiān)測，然后刪除冗余的屬性。

（3）數(shù)據(jù)轉(zhuǎn)換。數(shù)據(jù)轉(zhuǎn)換的目的就是把數(shù)據(jù)轉(zhuǎn)換成有利于進(jìn)行數(shù)據(jù)挖掘的形式。針對(duì)于數(shù)據(jù)屬性，我們可以刪除一些無關(guān)的屬性、也可以把一些屬性進(jìn)行維歸約，甚至針對(duì)于一些關(guān)鍵性的屬性，我們可以細(xì)化它的屬性。

3.1.2 并行數(shù)據(jù)庫運(yùn)算環(huán)境下，提出客戶精確分類和客戶與產(chǎn)品關(guān)聯(lián)分析組合算法

本文的目的是尋找一種適合保險(xiǎn)營銷的算法，來解決目前營銷的困難，營銷的最大的困難就是客戶以及針對(duì)于客戶的產(chǎn)品設(shè)計(jì)。針對(duì)于客戶的管理，我們要做到對(duì)客戶的分層，分類管理，把客戶按照現(xiàn)居住地，性別，家庭狀況，以及收入情況等屬性進(jìn)行細(xì)分。針對(duì)以購買保險(xiǎn)的客戶，關(guān)聯(lián)出已購買的保險(xiǎn)種類與細(xì)分的屬性之間的

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

關(guān)系，將關(guān)聯(lián)出的關(guān)系應(yīng)用到潛在客戶，替潛在客戶找到適合自己的產(chǎn)品；根據(jù)客戶的生活狀態(tài)、家庭狀態(tài)，找出適合客戶的隱藏產(chǎn)品，實(shí)現(xiàn)針對(duì)性、交叉性銷售。3.1.3對(duì)挖掘出的結(jié)果進(jìn)行驗(yàn)證

數(shù)據(jù)挖掘的模型，是要經(jīng)過驗(yàn)證，一般的情況下，置信度在80%以上就可以投入應(yīng)用中。挖掘結(jié)果驗(yàn)證的方法有兩個(gè)，一是對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行抽樣觀察，用具體的結(jié)果支持我們的計(jì)算結(jié)果，這個(gè)是驗(yàn)證；另一個(gè)更重要和更有價(jià)值，需要保險(xiǎn)公司的業(yè)務(wù)部門根據(jù)我們計(jì)算的結(jié)果，對(duì)客戶進(jìn)行深入的精準(zhǔn)營銷作業(yè)，然后搜集指導(dǎo)作業(yè)的結(jié)果，分析精準(zhǔn)定向銷售的成功率的提升情況，用實(shí)際業(yè)績的數(shù)據(jù)來驗(yàn)證我們的研究成果。

3.2 關(guān)鍵技術(shù)方法

關(guān)鍵問題一：產(chǎn)品分類、客戶分層，客戶分類。特別是客戶分類是精準(zhǔn)營銷的前提。當(dāng)前壽險(xiǎn)行業(yè)（我們目前能拿到主要就是壽險(xiǎn)企業(yè)數(shù)據(jù)）的客戶的分類，一般是基于下面幾個(gè)分類模式的：地理變量、人口統(tǒng)計(jì)變量、心理變量、行為變量。由于是本地保險(xiǎn)企業(yè)某個(gè)范圍內(nèi)的數(shù)據(jù)，地理變量的影響很小，人口統(tǒng)計(jì)變量對(duì)壽險(xiǎn)的影響特別大，是本課題的研究重點(diǎn)。中國人對(duì)保險(xiǎn)產(chǎn)品的認(rèn)知和偏好，明顯與西方不同，而保險(xiǎn)行業(yè)在中國的真正的發(fā)展時(shí)間還很短，很多與中國國情和文化有關(guān)聯(lián)的問題都沒有得到比較深入的研究。比如，提出兩個(gè)有關(guān)客戶分類的問題，一是“代溝”，二是“家庭關(guān)系”。代溝問題是大家常談的社會(huì)問題，中國最近30年發(fā)生劇烈的社會(huì)變革，年齡跨度幾年的人，其對(duì)社會(huì)的認(rèn)知模式和消費(fèi)習(xí)慣就可能有重大的區(qū)別，必然影響保險(xiǎn)產(chǎn)品的銷售趨向，那么如何在保險(xiǎn)客戶數(shù)據(jù)中，找到并比較準(zhǔn)確的“代溝分類閾值”？另一個(gè)“家庭關(guān)系”，建立穩(wěn)定家庭的客戶顯然是購買人壽類保險(xiǎn)產(chǎn)品的主力，而購買保險(xiǎn)產(chǎn)品的過程中，中國體現(xiàn)了很強(qiáng)的“家主決策權(quán)”，在客戶分類的過程中，家庭關(guān)系作為一個(gè)特殊的、多指向的、數(shù)據(jù)元內(nèi)部有交叉關(guān)系的變量組，必然會(huì)深刻影響客戶的分類方法，以及在后面依附于分類計(jì)算結(jié)果之上的關(guān)聯(lián)計(jì)算方法和計(jì)算結(jié)果。這是本課題研究的另一個(gè)重要問題。本課題對(duì)保險(xiǎn)用戶的分類方法雖然還屬于當(dāng)前流行的大類分析方法中的類型，但相比一般粗糙的分類方式，我們采用了更精細(xì)、更深入的分類方法，當(dāng)然對(duì)分類算法就需要進(jìn)行深入的定制、優(yōu)化研究。

關(guān)鍵問題二：根據(jù)前面對(duì)客戶分類的設(shè)想，在分類中出現(xiàn)用關(guān)系表來描述的客戶種類屬性的情況下，客戶屬性要體現(xiàn)“家庭單位和成員關(guān)系的客戶分類屬性”，本身可能是一個(gè)多維表，那么當(dāng)下普遍采用的關(guān)聯(lián)關(guān)系的二維計(jì)算方法都是用來分析兩個(gè)一

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

維數(shù)據(jù)屬性之間的關(guān)系，比如當(dāng)前主流的Apriori算法。當(dāng)前通用的算法如果不進(jìn)行改進(jìn)和局部的特殊設(shè)計(jì)，顯然不能滿足對(duì)本課題對(duì)應(yīng)的保險(xiǎn)客戶數(shù)據(jù)屬性表與產(chǎn)品表之間進(jìn)行關(guān)聯(lián)分析的運(yùn)算要求。這就要求我們對(duì)關(guān)聯(lián)算法的具體定制和完善，進(jìn)行研究和創(chuàng)新。3.3技術(shù)、實(shí)驗(yàn)條件

如果采用傳統(tǒng)的數(shù)據(jù)庫進(jìn)行海量數(shù)據(jù)的存儲(chǔ)、并在其基礎(chǔ)上進(jìn)行查詢分析操作時(shí)，會(huì)出現(xiàn)檢索速度慢以及不易擴(kuò)展的問題，提出基于GP的分布式存儲(chǔ)模型（如圖所示）。

Segment hostSegment hostSegment hostSegment hostETLSegment hostSegment hostLANSQL MapReduce外部數(shù)據(jù)源并行裝載或?qū)С鯩aster 節(jié)點(diǎn)Network Interconnect

圖1.1 GP的系統(tǒng)結(jié)構(gòu)

采用成熟的商用并行數(shù)據(jù)庫平臺(tái)Greenplum作為本項(xiàng)目的主要數(shù)據(jù)庫和分析挖掘運(yùn)算環(huán)境。該系統(tǒng)是基于postgreSQL發(fā)展的商業(yè)系統(tǒng)，特點(diǎn)是采用一組分布式多節(jié)點(diǎn)服務(wù)器組成并行運(yùn)算結(jié)構(gòu)，特別適合進(jìn)行頻繁的高密度表關(guān)聯(lián)計(jì)算。

系統(tǒng)平臺(tái)的基本配置是一個(gè)核心管理服務(wù)器管理一組運(yùn)算節(jié)點(diǎn)單元服務(wù)器，運(yùn)算節(jié)點(diǎn)單元服務(wù)器可以根據(jù)數(shù)據(jù)量和運(yùn)算要求的增長擴(kuò)容。目前實(shí)驗(yàn)室提供的環(huán)境可以存儲(chǔ)大約2億條數(shù)據(jù)，由于運(yùn)算過程中需要產(chǎn)生大量的中間結(jié)果，因此推測可以對(duì)大約100萬條保險(xiǎn)客戶和業(yè)務(wù)數(shù)據(jù)進(jìn)行分析。3.4 預(yù)計(jì)目標(biāo)

(1)適用于本地壽險(xiǎn)行業(yè)的精準(zhǔn)營銷分析方法，能夠用一種以上方法對(duì)客戶進(jìn)行精確分類，并根據(jù)分類屬性確定保險(xiǎn)產(chǎn)品的關(guān)聯(lián)選擇度，以指導(dǎo)保險(xiǎn)行業(yè)提升客戶價(jià)值； 基于保險(xiǎn)數(shù)據(jù)的挖掘處理方法以及增量挖掘問題的處理方法

(2)在核心期刊上發(fā)表1-2篇論文

全日制工學(xué)（工程）碩士學(xué)位論文開題報(bào)告

4研究方案及進(jìn)度安排，預(yù)期達(dá)到的目標(biāo)

2014年 9月 1日——2014年10月30日：調(diào)研、準(zhǔn)備開題

2014年11月1日——2014年11月30日：去保險(xiǎn)企業(yè)搜集數(shù)據(jù)，分析其數(shù)據(jù)特點(diǎn)，實(shí)驗(yàn)方案再論證

2014年12月1日——2015年1月15日：建立模型與建立實(shí)驗(yàn)環(huán)境

2015年2月10日——2015年5月30日：編碼、收集與分析實(shí)驗(yàn)數(shù)據(jù)，完成一篇論文 2015年 6月1日——2015年 9月10日：進(jìn)一步的對(duì)精準(zhǔn)營銷系統(tǒng)進(jìn)行優(yōu)化 2015年 9月11日——2015年11月30日：碩士論文編寫 2015年12月1日——2015年 12月31日：碩士論文答辯