第一篇：大數(shù)據(jù)技術(shù)在精準(zhǔn)營(yíng)銷(xiāo)中的應(yīng)用

大數(shù)據(jù)技術(shù)在精準(zhǔn)營(yíng)銷(xiāo)中的應(yīng)用

大數(shù)據(jù)時(shí)代，數(shù)據(jù)已經(jīng)滲透到當(dāng)今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。對(duì)于海量數(shù)據(jù)數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來(lái)?；仡櫧鼉赡陮?duì)大數(shù)據(jù)的探索歷程，某基礎(chǔ)運(yùn)營(yíng)商一方面順應(yīng)大勢(shì)，牢牢把握大數(shù)據(jù)技術(shù)快速發(fā)展的機(jī)遇，另一方面應(yīng)勢(shì)而動(dòng)，充分釋放前期IT集中化、一體化的紅利，鑒定推進(jìn)數(shù)據(jù)集中。先后經(jīng)歷了數(shù)據(jù)集中采集的積淀、初試大數(shù)據(jù)平臺(tái)、傳統(tǒng)數(shù)據(jù)庫(kù)與sefve(四方傳媒)獲客云混搭架構(gòu)的大數(shù)據(jù)平臺(tái)創(chuàng)建，以及目前朝開(kāi)放式大數(shù)據(jù)服務(wù)平臺(tái)邁進(jìn)四個(gè)階段。

sefve獲客云擁有著精準(zhǔn)化營(yíng)銷(xiāo)與維系系統(tǒng)，依托大數(shù)據(jù)精準(zhǔn)定位支撐端到端多維度系體系，構(gòu)建在大數(shù)據(jù)平臺(tái)之上，面向客戶(hù)、面向服務(wù)、面向管理，深化數(shù)據(jù)分析、數(shù)據(jù)挖掘能力、洞察客戶(hù)、透視企業(yè)，是將大數(shù)據(jù)轉(zhuǎn)化為實(shí)際生產(chǎn)力的重要云化應(yīng)用之一。

大數(shù)據(jù)技術(shù)架構(gòu)

MPP數(shù)據(jù)庫(kù)

MPP（Massively Parallel Processing，大規(guī)模并行處理系統(tǒng)）由多個(gè)SMP（SymmetricMultiProcessing，對(duì)稱(chēng)多處理系統(tǒng)）服務(wù)器通過(guò)一定的節(jié)點(diǎn)互聯(lián)網(wǎng)絡(luò)進(jìn)行連接，協(xié)同工作，完成相同的任務(wù)，從用戶(hù)的角度看它是一個(gè)服務(wù)器系統(tǒng)。其基本特征是由多個(gè)SMP服務(wù)器（每個(gè)SMP服務(wù)器稱(chēng)為一個(gè)節(jié)點(diǎn)）通過(guò)節(jié)點(diǎn)互聯(lián)網(wǎng)絡(luò)連接而成，每個(gè)節(jié)點(diǎn)只訪(fǎng)問(wèn)自己的本地資源（內(nèi)存、存儲(chǔ)等），節(jié)點(diǎn)之間的信息交互是通過(guò)節(jié)點(diǎn)互聯(lián)網(wǎng)絡(luò)實(shí)現(xiàn)的。目前的技術(shù)可實(shí)現(xiàn)512個(gè)節(jié)點(diǎn)互聯(lián)。MMP數(shù)據(jù)庫(kù)有以下特點(diǎn)。

①一般存儲(chǔ)為結(jié)構(gòu)化數(shù)據(jù)，有明顯的星型或雪花型結(jié)構(gòu)，適用于大數(shù)據(jù)分析的應(yīng)用；

②每個(gè)服務(wù)器都有自己獨(dú)立的存儲(chǔ)、內(nèi)存和CPU，允許動(dòng)態(tài)地增加或刪除節(jié)點(diǎn)； ③數(shù)據(jù)分區(qū)劃分到不同的物理節(jié)點(diǎn)上，通過(guò)分布式查詢(xún)優(yōu)化來(lái)提高系統(tǒng)整體性能；

④主要用在數(shù)據(jù)倉(cāng)庫(kù)和大規(guī)模的分析處理應(yīng)用中。ETL技術(shù)

ETL是指將數(shù)據(jù)從源端經(jīng)過(guò)抽?。‥xtract）、轉(zhuǎn)換（Transform）、加載（Load）至目的端的過(guò)程，該部分在數(shù)據(jù)挖掘和分析過(guò)程中為最基礎(chǔ)的一部分。一個(gè)良好的ETL系統(tǒng)應(yīng)該有以下幾個(gè)功能。①消除數(shù)據(jù)錯(cuò)誤并糾正缺失數(shù)據(jù)；

②對(duì)于數(shù)據(jù)可信度的評(píng)估提供文檔化衡量； ③獲取相互作用的數(shù)據(jù)流程來(lái)保護(hù)數(shù)據(jù)； ④整合多個(gè)源數(shù)據(jù)；

⑤將數(shù)據(jù)進(jìn)行結(jié)構(gòu)化供最終用戶(hù)使用。

第二篇：數(shù)據(jù)挖掘在保險(xiǎn)精準(zhǔn)營(yíng)銷(xiāo)中的應(yīng)用-開(kāi)題報(bào)告

全日制工學(xué)（工程）碩士學(xué)位論文開(kāi)題報(bào)告

課題來(lái)源及研究的目的和意義

1.1 課題來(lái)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(guò)程，過(guò)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(yíng)銷(xiāo)創(chuàng)造商業(yè)價(jià)值的關(guān)鍵，也應(yīng)該是精準(zhǔn)營(yíng)銷(xiāo)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(yíng)積累起來(lái)的海量數(shù)據(jù),經(jīng)過(guò)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(lái)幫助企業(yè)的管理者進(jìn)行正確的決策。站在未來(lái)的角度上看,數(shù)據(jù)挖掘通過(guò)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行研究與分析,可以預(yù)測(cè)出企業(yè)相關(guān)經(jīng)營(yíng)方面未來(lái)的發(fā)展趨勢(shì),基于對(duì)客戶(hù)群體進(jìn)行分類(lèi),推出滿(mǎn)足客戶(hù)需求的相關(guān)商業(yè)產(chǎn)品,并挖掘出潛在客戶(hù)群體等。另外,從目前的發(fā)展和運(yùn)用現(xiàn)狀來(lái)看,數(shù)據(jù)挖掘技術(shù)未來(lái)發(fā)展市場(chǎng)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(wèn)題的結(jié)合也應(yīng)當(dāng)是一個(gè)必然的過(guò)程。隨著保險(xiǎn)企業(yè)自身經(jīng)營(yíng)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(hù)喜好及消費(fèi)行為特征,并推出適合客戶(hù)需求的產(chǎn)品,針對(duì)客戶(hù)進(jìn)行具體的營(yíng)銷(xiāo),贏得市場(chǎng)地位,對(duì)于保險(xiǎn)企業(yè)來(lái)說(shuō),是未來(lái)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(lái)人才培養(yǎng)的一個(gè)重要方面。

2.國(guó)內(nèi)外在該方向的研究現(xiàn)狀及分析

2.1 精準(zhǔn)營(yíng)銷(xiāo)國(guó)內(nèi)外現(xiàn)狀

精準(zhǔn)營(yíng)銷(xiāo)在國(guó)外發(fā)達(dá)國(guó)家已經(jīng)有幾十年的歷史,己經(jīng)成為各類(lèi)型企業(yè)的常規(guī)營(yíng)銷(xiāo)方式。杰羅姆·麥卡錫（E.Jerome McCarthy）于1960年在其《基礎(chǔ)營(yíng)銷(xiāo)》（Basic Marketing）一書(shū)中第一次將企業(yè)的營(yíng)銷(xiāo)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(xiāo)（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(jiǎn)稱(chēng)為“4P’s”。在1976年，“現(xiàn)在營(yíng)銷(xiāo)學(xué)之父” 菲利普·科特勒在其代表作《營(yíng)銷(xiāo)管理》進(jìn)一步確認(rèn)了以4P為核心的營(yíng)銷(xiāo)組合方法論。

全日制工學(xué)（工程）碩士學(xué)位論文開(kāi)題報(bào)告

1990年，美國(guó)學(xué)者羅伯特·勞朋特（RobertLauterborn）教授提出了與傳統(tǒng)營(yíng)銷(xiāo)的4P相對(duì)應(yīng)的4C營(yíng)銷(xiāo)理論。4C（Customer、Cost、Convenience、Communication）營(yíng)銷(xiāo)理論以消費(fèi)者需求為導(dǎo)向，重新設(shè)定了市場(chǎng)營(yíng)銷(xiāo)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?lái)說(shuō)，4C理論認(rèn)為,對(duì)現(xiàn)代企業(yè)來(lái)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(yíng)銷(xiāo)渠道更重要;營(yíng)銷(xiāo)活動(dòng)不單純是在促銷(xiāo),而是與客戶(hù)有效的溝通。4C理論以顧客的便利與滿(mǎn)意為企業(yè)營(yíng)銷(xiāo)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(mǎn)意的產(chǎn)品和服務(wù),才能在競(jìng)爭(zhēng)中立于不敗之地。

目前，最為流行的營(yíng)銷(xiāo)模式是3P3C，Probability（概率）：營(yíng)銷(xiāo)、運(yùn)營(yíng)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(mài)點(diǎn)。Prospects（消費(fèi)者，目標(biāo)用戶(hù)）。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(hù)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(yíng)持續(xù)完善，甚至成功。

相對(duì)于發(fā)達(dá)國(guó)家,精準(zhǔn)營(yíng)銷(xiāo)在中國(guó)的發(fā)展起步較晚,但是發(fā)展速度非?？?。三十年改革開(kāi)放,中國(guó)營(yíng)銷(xiāo)經(jīng)歷了一個(gè)從“無(wú)到有”從“有到強(qiáng)”的過(guò)程;三十年市場(chǎng)營(yíng)銷(xiāo)的實(shí)踐磨練,中國(guó)企業(yè)積累了很多營(yíng)銷(xiāo)經(jīng)驗(yàn)、也培養(yǎng)了很多營(yíng)銷(xiāo)人才、形成了較為系統(tǒng)的營(yíng)銷(xiāo)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(yíng)銷(xiāo)在國(guó)內(nèi)的發(fā)展起步比較晚,中國(guó)企業(yè)對(duì)于數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)的核心,包括“客戶(hù)識(shí)別”“客戶(hù)分析”“客戶(hù)互動(dòng)”“客戶(hù)體驗(yàn)”的數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)專(zhuān)業(yè)領(lǐng)域,往往知之甚少,因此中國(guó)企業(yè)普遍較為缺少精準(zhǔn)營(yíng)銷(xiāo)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(yíng)銷(xiāo)在中國(guó)發(fā)展的不成熟。2.2 數(shù)據(jù)挖掘國(guó)內(nèi)外現(xiàn)狀

在保險(xiǎn)業(yè)中,美國(guó)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(guó)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(hù)進(jìn)行一對(duì)一行銷(xiāo)(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(hù)的組成、成長(zhǎng)潛力、穩(wěn)定度,防患客戶(hù)流失、進(jìn)行客戶(hù)風(fēng)險(xiǎn)管理,幫助業(yè)務(wù)人員掌握客戶(hù)信息等。根據(jù)國(guó)外相關(guān)研究報(bào)告的數(shù)據(jù)顯示,數(shù)據(jù)挖掘在國(guó)際市場(chǎng)上的營(yíng)業(yè)份額已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)了數(shù)百億美元。在國(guó)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(kāi)題報(bào)告

工具以后,銷(xiāo)售營(yíng)業(yè)額、市場(chǎng)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(guó)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(guó)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(lái)提高各保險(xiǎn)公司的競(jìng)爭(zhēng)力也成為共識(shí)。國(guó)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(lái)引進(jìn)數(shù)據(jù)挖掘技術(shù)。特別是在我國(guó)的許多大型國(guó)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(yíng)銷(xiāo)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(guò)知識(shí)發(fā)現(xiàn)技術(shù)，發(fā)掘感興趣的模式或知識(shí)，來(lái)滿(mǎn)足保險(xiǎn)行業(yè)和監(jiān)管部門(mén)的應(yīng)用要求。數(shù)據(jù)挖掘技術(shù)在保險(xiǎn)精準(zhǔn)營(yíng)銷(xiāo)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(kāi)始就是面向應(yīng)用而誕生的,所要涉及到的挖掘問(wèn)題主要分為以下倆類(lèi)：

1.關(guān)聯(lián)問(wèn)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(wèn)題中,假定用戶(hù)購(gòu)買(mǎi)的所有產(chǎn)品是同時(shí)一次性購(gòu)買(mǎi)的,分析的重點(diǎn)就是所有用戶(hù)購(gòu)買(mǎi)的產(chǎn)品之間關(guān)聯(lián)性;二是序列問(wèn)題,即假定一個(gè)用戶(hù)購(gòu)買(mǎi)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(wèn)題的一種特殊情況。

2.分類(lèi)問(wèn)題。分類(lèi)問(wèn)題屬于預(yù)測(cè)性的問(wèn)題,但又區(qū)別于普通的預(yù)測(cè)問(wèn)題,其預(yù)測(cè)的結(jié)果是類(lèi)別而不是具體的數(shù)值。例如：對(duì)客戶(hù)進(jìn)行分層，基于一個(gè)客戶(hù)的相關(guān)信息，判斷出他屬于哪一層的客戶(hù)，未來(lái)一段時(shí)間是否會(huì)購(gòu)買(mǎi)某類(lèi)保險(xiǎn)？將來(lái)是否會(huì)成為保險(xiǎn)公司的高價(jià)值客戶(hù)？

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(yíng)銷(xiāo)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(kāi)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(mǎn)足市場(chǎng)的實(shí)際需要。在研制開(kāi)發(fā)保險(xiǎn)產(chǎn)品的過(guò)程中,需要充分注意適應(yīng)這些因素的變化,積極開(kāi)發(fā)各種保險(xiǎn)產(chǎn)品;通過(guò)分析已購(gòu)買(mǎi)某種保險(xiǎn)的人是否同時(shí)購(gòu)買(mǎi)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(xiāo)售和增量銷(xiāo)售,提高客戶(hù)滿(mǎn)意度。未來(lái)的保險(xiǎn)市場(chǎng)必將是保險(xiǎn)產(chǎn)品不斷得到創(chuàng)新的市場(chǎng)。

2.營(yíng)銷(xiāo)方式創(chuàng)新。通過(guò)對(duì)客戶(hù)信息的挖掘來(lái)支持目標(biāo)市場(chǎng)的細(xì)分和目標(biāo)客戶(hù)群的

全日制工學(xué)（工程）碩士學(xué)位論文開(kāi)題報(bào)告

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

3.主要研究?jī)?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(yíng)銷(xiāo)模式缺乏針對(duì)性。當(dāng)客戶(hù)數(shù)量提高、相應(yīng)的信息量增多、所需保險(xiǎn)種類(lèi)復(fù)雜化，如果只依靠傳統(tǒng)的營(yíng)銷(xiāo)模式來(lái)解決問(wèn)題，那必定帶來(lái)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(yíng)銷(xiāo)模式?jīng)]有從根本上解決海量信息帶來(lái)的挑戰(zhàn)，甚至?xí)魇б徊糠值目蛻?hù)。針對(duì)精準(zhǔn)營(yíng)銷(xiāo)的主要研究?jī)?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(guò)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(shù)歸納等確定空缺值。依靠現(xiàn)有的數(shù)據(jù)信息來(lái)推測(cè)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(lái)替換空缺值、或是用平均值來(lái)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(lái)處理。

（2）數(shù)據(jù)集成。我們從保險(xiǎn)公司拿回來(lái)的數(shù)據(jù)，不可能是統(tǒng)一的格式，針對(duì)于不同來(lái)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(lái)進(jìn)行模式集成。在集成過(guò)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(wèn)題，針對(duì)屬性冗余的問(wèn)題，可以用相關(guān)分析監(jiān)測(cè)，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(wú)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(kù)運(yùn)算環(huán)境下，提出客戶(hù)精確分類(lèi)和客戶(hù)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(yíng)銷(xiāo)的算法，來(lái)解決目前營(yíng)銷(xiāo)的困難，營(yíng)銷(xiāo)的最大的困難就是客戶(hù)以及針對(duì)于客戶(hù)的產(chǎn)品設(shè)計(jì)。針對(duì)于客戶(hù)的管理，我們要做到對(duì)客戶(hù)的分層，分類(lèi)管理，把客戶(hù)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(gòu)買(mǎi)保險(xiǎn)的客戶(hù)，關(guān)聯(lián)出已購(gòu)買(mǎi)的保險(xiǎn)種類(lèi)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(kāi)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(hù)，替潛在客戶(hù)找到適合自己的產(chǎn)品；根據(jù)客戶(hù)的生活狀態(tài)、家庭狀態(tài)，找出適合客戶(hù)的隱藏產(chǎn)品，實(shí)現(xiàn)針對(duì)性、交叉性銷(xiāo)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(guò)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(guān)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(mén)根據(jù)我們計(jì)算的結(jié)果，對(duì)客戶(hù)進(jìn)行深入的精準(zhǔn)營(yíng)銷(xiāo)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(xiāo)售的成功率的提升情況，用實(shí)際業(yè)績(jī)的數(shù)據(jù)來(lái)驗(yàn)證我們的研究成果。

3.2 關(guān)鍵技術(shù)方法

關(guān)鍵問(wèn)題一：產(chǎn)品分類(lèi)、客戶(hù)分層，客戶(hù)分類(lèi)。特別是客戶(hù)分類(lèi)是精準(zhǔn)營(yíng)銷(xiāo)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(hù)的分類(lèi)，一般是基于下面幾個(gè)分類(lèi)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(guó)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(guó)的真正的發(fā)展時(shí)間還很短，很多與中國(guó)國(guó)情和文化有關(guān)聯(lián)的問(wèn)題都沒(méi)有得到比較深入的研究。比如，提出兩個(gè)有關(guān)客戶(hù)分類(lèi)的問(wèn)題，一是“代溝”，二是“家庭關(guān)系”。代溝問(wèn)題是大家常談的社會(huì)問(wèn)題，中國(guó)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(xiāo)售趨向，那么如何在保險(xiǎn)客戶(hù)數(shù)據(jù)中，找到并比較準(zhǔn)確的“代溝分類(lèi)閾值”？另一個(gè)“家庭關(guān)系”，建立穩(wěn)定家庭的客戶(hù)顯然是購(gòu)買(mǎi)人壽類(lèi)保險(xiǎn)產(chǎn)品的主力，而購(gòu)買(mǎi)保險(xiǎn)產(chǎn)品的過(guò)程中，中國(guó)體現(xiàn)了很強(qiáng)的“家主決策權(quán)”，在客戶(hù)分類(lèi)的過(guò)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(hù)的分類(lèi)方法，以及在后面依附于分類(lèi)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(wèn)題。本課題對(duì)保險(xiǎn)用戶(hù)的分類(lèi)方法雖然還屬于當(dāng)前流行的大類(lèi)分析方法中的類(lèi)型，但相比一般粗糙的分類(lèi)方式，我們采用了更精細(xì)、更深入的分類(lèi)方法，當(dāng)然對(duì)分類(lèi)算法就需要進(jìn)行深入的定制、優(yōu)化研究。

關(guān)鍵問(wèn)題二：根據(jù)前面對(duì)客戶(hù)分類(lèi)的設(shè)想，在分類(lèi)中出現(xiàn)用關(guān)系表來(lái)描述的客戶(hù)種類(lèi)屬性的情況下，客戶(hù)屬性要體現(xiàn)“家庭單位和成員關(guān)系的客戶(hù)分類(lèi)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(lái)分析兩個(gè)一

全日制工學(xué)（工程）碩士學(xué)位論文開(kāi)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(mǎn)足對(duì)本課題對(duì)應(yīng)的保險(xiǎn)客戶(hù)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(kù)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(xún)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(wèn)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(kù)平臺(tái)Greenplum作為本項(xiàng)目的主要數(shù)據(jù)庫(kù)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(zhǎng)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(guò)程中需要產(chǎn)生大量的中間結(jié)果，因此推測(cè)可以對(duì)大約100萬(wàn)條保險(xiǎn)客戶(hù)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(yíng)銷(xiāo)分析方法，能夠用一種以上方法對(duì)客戶(hù)進(jìn)行精確分類(lèi)，并根據(jù)分類(lèi)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(hù)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(wèn)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(kāi)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(kāi)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(yíng)銷(xiāo)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(xiě) 2015年12月1日——2015年 12月31日：碩士論文答辯

第三篇：大數(shù)據(jù)技術(shù)在營(yíng)銷(xiāo)客戶(hù)服務(wù)中的應(yīng)用及研究

大數(shù)據(jù)技術(shù)在營(yíng)銷(xiāo)客戶(hù)服務(wù)中的應(yīng)用及研究

當(dāng)前，電力企業(yè)改革發(fā)展面臨新的形勢(shì)和任務(wù)，隨著電力體制改革的不斷升入，尤其是受市場(chǎng)廣泛關(guān)注的售電公司的出現(xiàn)，電力市場(chǎng)的交易將更加“民主、開(kāi)放”，交易方式將逐步升級(jí)，出現(xiàn)電網(wǎng)+互聯(lián)網(wǎng)+信用+期貨+零售+批發(fā)等多種靈活、自主的交易方式，導(dǎo)致電力企業(yè)在開(kāi)拓售電市場(chǎng)、防范經(jīng)營(yíng)風(fēng)險(xiǎn)等方面面臨的壓力與日俱增，同時(shí)面臨著優(yōu)質(zhì)客戶(hù)減少、市場(chǎng)份額下降及優(yōu)質(zhì)人才流失的嚴(yán)峻挑戰(zhàn)，尤其對(duì)營(yíng)銷(xiāo)服務(wù)業(yè)務(wù)提出了更高的要求和新的挑戰(zhàn)。對(duì)電力企業(yè)來(lái)說(shuō)，利用大數(shù)據(jù)技術(shù)構(gòu)建營(yíng)銷(xiāo)服務(wù)技術(shù)支撐平臺(tái)，對(duì)營(yíng)銷(xiāo)客戶(hù)用電特點(diǎn)及需求進(jìn)行分析，可以為制定電力營(yíng)銷(xiāo)方案提供數(shù)據(jù)支持、為電力企業(yè)搶占市場(chǎng)及用戶(hù)提供重要的數(shù)據(jù)支撐，從而提高企業(yè)經(jīng)濟(jì)效益，不斷提升客戶(hù)服務(wù)水平和服務(wù)質(zhì)量?；诖?，此課題的研究具有非常重要的現(xiàn)實(shí)意義。

一、大數(shù)據(jù)概述

“大數(shù)據(jù)”（big data）是與智能制造、無(wú)線(xiàn)網(wǎng)絡(luò)革命并行的又一次顛覆性的技術(shù)變革，“大數(shù)據(jù)”是指量大、復(fù)雜、增長(zhǎng)迅速的數(shù)據(jù)集合，也指在一定時(shí)間內(nèi)無(wú)法通過(guò)傳統(tǒng)的數(shù)據(jù)庫(kù)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，它涵蓋了從生成、采集、存儲(chǔ)、加工、轉(zhuǎn)換、計(jì)算、分析挖掘、展示到使用整個(gè)數(shù)據(jù)全生命周期管理的過(guò)程，以及在這些過(guò)程中所用到的各項(xiàng)技術(shù)。

大數(shù)據(jù)技術(shù)的重要意義不僅僅在于掌握其中海量的數(shù)據(jù)信息，而且在于對(duì)這些含有重要意義的數(shù)據(jù)信息進(jìn)行專(zhuān)業(yè)化的加工和處理、對(duì)于海量數(shù)據(jù)進(jìn)行存儲(chǔ)和分析。

二、電力大數(shù)據(jù)的價(jià)值及特征

每一個(gè)行業(yè)和業(yè)務(wù)領(lǐng)域都蘊(yùn)含著大量的數(shù)據(jù)信息，而且逐漸成為其重要的生產(chǎn)因素。對(duì)于電力行業(yè)而言，電力大數(shù)據(jù)綜合了電力企業(yè)的產(chǎn)、運(yùn)、銷(xiāo)及運(yùn)營(yíng)和管理數(shù)據(jù)，是以行業(yè)形勢(shì)?A判、數(shù)據(jù)價(jià)值的挖掘?yàn)槟繕?biāo)，利用大數(shù)據(jù)核心關(guān)鍵技術(shù)，實(shí)現(xiàn)企業(yè)管理模式轉(zhuǎn)變、服務(wù)理念的提升，從而完成企業(yè)的轉(zhuǎn)型升級(jí)，適應(yīng)新的改革形勢(shì)和外部環(huán)境。

電力大數(shù)據(jù)的特征主要為：

數(shù)據(jù)量大。這是電力大數(shù)據(jù)的一個(gè)重要特征。隨著電力信息化建設(shè)的不斷推進(jìn)，電力數(shù)據(jù)的增長(zhǎng)速度和規(guī)模已遠(yuǎn)超出電力企業(yè)的預(yù)期。

類(lèi)型多（Variety），是指電力大數(shù)據(jù)包含各種各樣的數(shù)據(jù)類(lèi)型，如結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

速度快（Velocity），是指對(duì)電力大數(shù)據(jù)的采集處理和加工分析的速度。

有價(jià)值（Value），是指電力數(shù)據(jù)當(dāng)中包含有很多有價(jià)值的信息。

一方面，隨著電力體制改革的不斷深入，電力企業(yè)將從生產(chǎn)型企業(yè)逐步轉(zhuǎn)變?yōu)榉?wù)型企業(yè)，企業(yè)的業(yè)務(wù)流程需要圍繞用電客戶(hù)的需求進(jìn)行優(yōu)化和重組，同時(shí)，企業(yè)內(nèi)部也需要變革管理模式、進(jìn)行戰(zhàn)略性轉(zhuǎn)型。另一方面，隨著“三集五大”體系建設(shè)的深入推進(jìn)，SG186、SG-ERP等系統(tǒng)的建設(shè)及推進(jìn)，已實(shí)現(xiàn)了企業(yè)級(jí)數(shù)據(jù)資源的初步整合及共享利用，但隨著電力數(shù)據(jù)量的快速增長(zhǎng)、數(shù)據(jù)類(lèi)型的多樣化以及跨專(zhuān)業(yè)、跨平臺(tái)應(yīng)用的日益深化，電力大數(shù)據(jù)必將面臨著數(shù)據(jù)的高性能存儲(chǔ)及高可擴(kuò)展性等多項(xiàng)挑戰(zhàn)。

因此，通過(guò)數(shù)據(jù)挖掘等技術(shù)深入挖掘并分析不同電力客戶(hù)的需求，把最大限度滿(mǎn)足客戶(hù)的需求同提高企業(yè)的經(jīng)營(yíng)效益統(tǒng)一起來(lái)；站在客戶(hù)的立場(chǎng)，以客戶(hù)為中心，及時(shí)主動(dòng)滿(mǎn)足用電客戶(hù)的需求，已成為電力企業(yè)的核心競(jìng)爭(zhēng)點(diǎn)。電力改革環(huán)境下，企業(yè)必須進(jìn)行業(yè)務(wù)流程的變革以適應(yīng)時(shí)代的要求。

三、電力營(yíng)銷(xiāo)面臨的機(jī)遇和挑戰(zhàn)

大數(shù)據(jù)技術(shù)給電力營(yíng)銷(xiāo)帶來(lái)了新的發(fā)展機(jī)遇，但也面臨著很多挑戰(zhàn)?！皵?shù)據(jù)海量，知識(shí)匱乏”是大數(shù)據(jù)時(shí)代多數(shù)企業(yè)的通病。國(guó)家電網(wǎng)公司在“十二五”期間提出了“一型五化”的大營(yíng)銷(xiāo)體系（客戶(hù)導(dǎo)向型、業(yè)務(wù)集約化、管理專(zhuān)業(yè)化、機(jī)構(gòu)扁平化、管控實(shí)時(shí)化、服務(wù)協(xié)同化），一方面，隨著“大營(yíng)銷(xiāo)”體系的全面建立，各類(lèi)信息系統(tǒng)數(shù)據(jù)量多而重復(fù)，數(shù)據(jù)種類(lèi)繁多，數(shù)據(jù)量大而冗余，給營(yíng)銷(xiāo)管理和決策者均帶來(lái)了很大挑戰(zhàn)。另一方面，當(dāng)前營(yíng)銷(xiāo)各類(lèi)業(yè)務(wù)的數(shù)據(jù)信息以業(yè)務(wù)工單的模式存儲(chǔ)在不同的信息單元中，從而形成了多個(gè)信息孤島；且同樣的數(shù)據(jù)信息，不同專(zhuān)業(yè)進(jìn)行統(tǒng)計(jì)分析時(shí)所采用的信息來(lái)源和統(tǒng)計(jì)方法都不盡相同，又造成了數(shù)據(jù)統(tǒng)計(jì)口徑的不一致，這在很大程度上影響著營(yíng)銷(xiāo)管理服務(wù)及決策。

隨著智能電網(wǎng)建設(shè)的全面開(kāi)展以及SG186營(yíng)銷(xiāo)業(yè)務(wù)應(yīng)用系統(tǒng)的建設(shè)完善，海量的業(yè)務(wù)數(shù)據(jù)被積累，且當(dāng)前電力企業(yè)的運(yùn)營(yíng)方式正在向以電力市場(chǎng)需求和提高客戶(hù)滿(mǎn)意度的方向發(fā)展，這就對(duì)電力企業(yè)的營(yíng)銷(xiāo)服務(wù)質(zhì)量提出了更高的要求，使得電力企業(yè)面臨了多方面的壓力。

一是海量的業(yè)務(wù)數(shù)據(jù)分屬不同的應(yīng)用體系，且類(lèi)型繁雜，不少業(yè)務(wù)數(shù)據(jù)也都被分散在各自的系統(tǒng)內(nèi)，造成了數(shù)據(jù)孤島；數(shù)據(jù)龐大且分散，無(wú)法被有效利用與提煉升華；對(duì)于同一組數(shù)據(jù)，由于基于的統(tǒng)計(jì)方法、統(tǒng)計(jì)背景和數(shù)據(jù)來(lái)源都可能不一致，必定會(huì)造成數(shù)據(jù)統(tǒng)計(jì)口徑有偏差。

二是售電側(cè)業(yè)務(wù)放開(kāi)對(duì)公司傳統(tǒng)營(yíng)銷(xiāo)模式將帶來(lái)巨大沖擊。新一輪電力體制改革深入推進(jìn)，公司面臨優(yōu)質(zhì)客戶(hù)減少、市場(chǎng)份額下降和優(yōu)秀人才流失的嚴(yán)峻挑戰(zhàn)。電力企業(yè)要在市場(chǎng)競(jìng)爭(zhēng)環(huán)境中謀求發(fā)展和生存，只有充分了解市場(chǎng)化規(guī)則，找準(zhǔn)市場(chǎng)定位，變革企業(yè)管理機(jī)制，才能適應(yīng)電力體制改革，不被市場(chǎng)所淘汰，穩(wěn)步向前發(fā)展。

三是行業(yè)監(jiān)管和市場(chǎng)競(jìng)爭(zhēng)給優(yōu)質(zhì)服務(wù)提出新的挑戰(zhàn)。電力改革催生市場(chǎng)主體多元化競(jìng)爭(zhēng)，不斷推動(dòng)供電服務(wù)從“監(jiān)管+自律”向“監(jiān)管+競(jìng)爭(zhēng)”轉(zhuǎn)變，服務(wù)風(fēng)險(xiǎn)和輿情預(yù)控難度加大。

四是客戶(hù)提出了更多的服務(wù)需求及更高的服務(wù)質(zhì)量。一方面隨著市場(chǎng)化經(jīng)濟(jì)的不斷深入，企業(yè)不僅要為用戶(hù)提供優(yōu)質(zhì)的產(chǎn)品，還需要提供越來(lái)越優(yōu)質(zhì)的服務(wù)。另一方面，經(jīng)濟(jì)時(shí)代逐步向知識(shí)經(jīng)濟(jì)社會(huì)進(jìn)行過(guò)渡，用戶(hù)對(duì)電力企業(yè)提供的產(chǎn)品和服務(wù)都提出了更高的要求，客戶(hù)滿(mǎn)意度將成為供電企業(yè)發(fā)展的重要因素，成為供電企業(yè)效益的根本源泉。

同時(shí)，數(shù)據(jù)背后隱藏著面對(duì)客戶(hù)越來(lái)越個(gè)性化、多元化的消費(fèi)需求，對(duì)電力企業(yè)的服務(wù)內(nèi)容、服務(wù)方式、服務(wù)質(zhì)量、經(jīng)營(yíng)管理都提出了更嚴(yán)峻的挑戰(zhàn)。

四、大數(shù)據(jù)的關(guān)鍵技術(shù)

電力行業(yè)營(yíng)銷(xiāo)系統(tǒng)包含結(jié)構(gòu)化數(shù)據(jù)，如客戶(hù)資料、設(shè)備記錄等，非結(jié)構(gòu)化數(shù)據(jù)如合同、身份證和其他掃描圖片等格式的文件。大數(shù)據(jù)技術(shù)需要加強(qiáng)對(duì)電力行業(yè)營(yíng)銷(xiāo)類(lèi)數(shù)據(jù)存儲(chǔ)和分析能力，同時(shí)數(shù)據(jù)挖掘和模式識(shí)別技術(shù)在客戶(hù)用電行為分析的應(yīng)用可以有效支持需求響應(yīng)。

在電力大數(shù)據(jù)時(shí)代下，大數(shù)據(jù)已成為電力企業(yè)進(jìn)行決策的基礎(chǔ)。只有運(yùn)用現(xiàn)代化的技術(shù)手段，對(duì)海量數(shù)據(jù)進(jìn)行深度的加工和處理，發(fā)現(xiàn)并利用其中蘊(yùn)含的重要的信息，為電力企業(yè)決策者提供數(shù)據(jù)支撐，才能真正發(fā)揮電力大數(shù)據(jù)的重要作用。

大數(shù)據(jù)技術(shù)分為四層：數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)集成層、數(shù)據(jù)計(jì)算層和數(shù)據(jù)應(yīng)用層，每一層包含不同的關(guān)鍵技術(shù)，其中數(shù)據(jù)應(yīng)用層數(shù)據(jù)挖掘技術(shù)需要進(jìn)行提高及深入應(yīng)用。數(shù)據(jù)挖掘是指通過(guò)算法發(fā)現(xiàn)隱藏于海量數(shù)據(jù)中信息的過(guò)程。數(shù)據(jù)挖掘需要通過(guò)統(tǒng)計(jì)、在線(xiàn)分析和處理、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的?驗(yàn)法則）、情報(bào)檢索和模式識(shí)別等多種方法來(lái)實(shí)現(xiàn)目標(biāo)。

數(shù)據(jù)挖掘過(guò)程的總體目標(biāo)就是從一組數(shù)據(jù)中提取信息并將其轉(zhuǎn)換成一個(gè)可以理解的結(jié)構(gòu)進(jìn)行進(jìn)一步的使用，除了初步的分析，它還包括數(shù)據(jù)庫(kù)和數(shù)據(jù)管理，數(shù)據(jù)預(yù)處理、建模和推理，結(jié)構(gòu)的后期處理，可視化，和在線(xiàn)更新等方面。

數(shù)據(jù)挖掘使用過(guò)去的信息數(shù)據(jù)來(lái)分析一個(gè)特定的問(wèn)題或可能出現(xiàn)的情況的結(jié)果。數(shù)據(jù)挖掘工作分析所有存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，這個(gè)數(shù)據(jù)可能來(lái)自所有的業(yè)務(wù)，從生產(chǎn)到管理，管理者還可以使用數(shù)據(jù)挖掘來(lái)決定他們產(chǎn)品營(yíng)銷(xiāo)策略，和競(jìng)爭(zhēng)對(duì)手比較。

五、構(gòu)建統(tǒng)一的數(shù)據(jù)平臺(tái)

電力行業(yè)每一個(gè)業(yè)務(wù)部門(mén)數(shù)據(jù)相互之間不能相互共享及融合，有些數(shù)據(jù)形成了信息孤島，也有些數(shù)據(jù)存在于多個(gè)系統(tǒng)中，且錄入、修改的途徑有多種，采用不同的采集方式采集相同的數(shù)據(jù)，得到的結(jié)果在一定程度上存在著一些偏差，數(shù)據(jù)具有廣泛的異構(gòu)。因此需要整合各專(zhuān)業(yè)、各平臺(tái)之間各個(gè)環(huán)節(jié)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行提煉、分析及挖掘，實(shí)現(xiàn)跨部門(mén)、跨業(yè)務(wù)、跨平臺(tái)間數(shù)據(jù)的共享。如：涉及多專(zhuān)業(yè)的電力資產(chǎn)全壽命周期管理、營(yíng)銷(xiāo)、生產(chǎn)等都需要融合不同的來(lái)源數(shù)據(jù)，從而形成以數(shù)據(jù)為中心的企業(yè)信息化管理系統(tǒng)，構(gòu)建統(tǒng)一的數(shù)據(jù)管理平臺(tái)，促進(jìn)數(shù)據(jù)資源共享，發(fā)揮數(shù)據(jù)的價(jià)值。

基于開(kāi)展電力營(yíng)銷(xiāo)服務(wù)的優(yōu)勢(shì)與機(jī)遇以及大數(shù)據(jù)關(guān)鍵技術(shù)的研究，提出了利用大數(shù)據(jù)技術(shù)構(gòu)建營(yíng)銷(xiāo)服務(wù)技術(shù)支撐平臺(tái)，依托營(yíng)銷(xiāo)基礎(chǔ)數(shù)據(jù)服務(wù)平臺(tái)、營(yíng)銷(xiāo)業(yè)務(wù)管理平臺(tái)建設(shè)，整合市場(chǎng)發(fā)展、經(jīng)營(yíng)活動(dòng)、客戶(hù)服務(wù)、資產(chǎn)運(yùn)行等數(shù)據(jù)信息，研究其多維度分析主題、動(dòng)態(tài)分析評(píng)價(jià)指標(biāo)體系，數(shù)據(jù)的動(dòng)態(tài)采集、合理存儲(chǔ)、自動(dòng)化處理方法，科學(xué)分析模型，建立覆蓋政策、市場(chǎng)、營(yíng)業(yè)等的營(yíng)銷(xiāo)服務(wù)技術(shù)支撐平臺(tái)。平臺(tái)核心應(yīng)用應(yīng)該包括數(shù)據(jù)采集服務(wù)、數(shù)據(jù)查詢(xún)服務(wù)、數(shù)據(jù)搜索服務(wù)、分布式離線(xiàn)計(jì)算服務(wù)、分布式實(shí)時(shí)計(jì)算服務(wù)、數(shù)據(jù)挖掘服務(wù)、分布式協(xié)調(diào)服務(wù)、分布式隊(duì)列監(jiān)控、分布式數(shù)據(jù)庫(kù)服務(wù)、分布式文檔存儲(chǔ)服務(wù)、數(shù)據(jù)訂閱服務(wù)、開(kāi)發(fā)式監(jiān)控服務(wù)及集群管理等核心應(yīng)用子系統(tǒng)。

六、創(chuàng)新?tīng)I(yíng)銷(xiāo)服務(wù)模式

電力營(yíng)銷(xiāo)要始終把握好“以客戶(hù)為中心，以市場(chǎng)為向?qū)А钡脑瓌t，重點(diǎn)做好以下工作：加快轉(zhuǎn)變營(yíng)銷(xiāo)發(fā)展方式和服務(wù)模式。高度重視市場(chǎng)變化，積極主動(dòng)，在參與競(jìng)爭(zhēng)中掌握先機(jī)；高度關(guān)注客戶(hù)需求和變化，快速響應(yīng)，在優(yōu)質(zhì)服務(wù)中擴(kuò)大客戶(hù)群體，切實(shí)加強(qiáng)新形勢(shì)下?tīng)I(yíng)銷(xiāo)服務(wù)體系的建設(shè)。

（一）實(shí)現(xiàn)電力需求的預(yù)測(cè)

依托電力大數(shù)據(jù)技術(shù)，整合電力營(yíng)銷(xiāo)各業(yè)務(wù)系統(tǒng)數(shù)據(jù)，獲取海量的用戶(hù)數(shù)據(jù)信息，建立客戶(hù)的數(shù)據(jù)關(guān)聯(lián)機(jī)制，結(jié)合國(guó)家政策、經(jīng)濟(jì)發(fā)展水平、地理環(huán)境等因素，對(duì)其進(jìn)行分類(lèi)、分區(qū)域、分行業(yè)的數(shù)據(jù)分析，深入了解不同群體的用電規(guī)律和用電行為，實(shí)現(xiàn)用戶(hù)對(duì)電力需求的預(yù)測(cè)，并實(shí)現(xiàn)對(duì)電力的合理調(diào)度以及電力需求的合理管控。

（二）為客戶(hù)提供差異服務(wù)

通過(guò)數(shù)據(jù)分析獲得用戶(hù)的電力消費(fèi)水平，實(shí)現(xiàn)了對(duì)用電客戶(hù)的細(xì)分，制定出針對(duì)不同客戶(hù)的行之有效的電力營(yíng)銷(xiāo)策略和服務(wù)方案；以客戶(hù)細(xì)分?jǐn)?shù)據(jù)為基礎(chǔ)，為重要用戶(hù)提供優(yōu)質(zhì)服務(wù)，并根據(jù)各類(lèi)客戶(hù)的特性提供有針對(duì)性的、差異化服務(wù)。針對(duì)重要用戶(hù)，要主動(dòng)上門(mén)走訪(fǎng)，提供技術(shù)支撐，并在業(yè)務(wù)流程、服務(wù)機(jī)制及服務(wù)價(jià)格等方面提供高品質(zhì)的產(chǎn)品和服務(wù)，從而滿(mǎn)足其對(duì)電力企業(yè)服務(wù)的高需求和高期望。一方面建立業(yè)務(wù)辦理專(zhuān)用“綠色通道”，成立服務(wù)工作組，配備專(zhuān)職服務(wù)人員為其提供主動(dòng)式上門(mén)服務(wù)，另一方面，為這些大客戶(hù)提供自主式供電時(shí)間，提前告知內(nèi)部消息等服務(wù)。同時(shí)，供電企業(yè)要定期組織開(kāi)展專(zhuān)業(yè)技術(shù)及安全知識(shí)培訓(xùn)，免費(fèi)對(duì)其各類(lèi)用電設(shè)備進(jìn)行現(xiàn)場(chǎng)檢查，不斷提升客戶(hù)的粘連度、忠誠(chéng)度和滿(mǎn)意度。

（三）降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)

根據(jù)用戶(hù)電量電費(fèi)及繳費(fèi)習(xí)慣等數(shù)據(jù)進(jìn)行監(jiān)測(cè)，通過(guò)對(duì)客戶(hù)評(píng)估與客戶(hù)行為追蹤，預(yù)選出一些拒繳、拖欠電費(fèi)的客戶(hù)，創(chuàng)建用電客戶(hù)的信用等級(jí)，提高電款回收效率，實(shí)現(xiàn)風(fēng)險(xiǎn)的合理規(guī)避，有效防止客戶(hù)風(fēng)險(xiǎn)轉(zhuǎn)嫁，將企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)降為最低；同時(shí)需要結(jié)合移動(dòng)互聯(lián)網(wǎng)技術(shù)，深度整合渠道，充分發(fā)揮營(yíng)業(yè)廳、95598網(wǎng)站、網(wǎng)上營(yíng)業(yè)廳、掌上電力APP、電e寶、微信等渠道，為用戶(hù)提供多渠道繳費(fèi)模式，提高電費(fèi)回收率，確保經(jīng)營(yíng)成果顆粒歸倉(cāng)。

（四）用戶(hù)服務(wù)需求分析

在互聯(lián)網(wǎng)時(shí)代，供電企業(yè)的優(yōu)勢(shì)更多反映在對(duì)用戶(hù)需求的掌控和生態(tài)系統(tǒng)引領(lǐng)上，針對(duì)不同類(lèi)型的用電客戶(hù)進(jìn)行創(chuàng)新服務(wù)，通過(guò)電力企業(yè)大數(shù)據(jù)平臺(tái)，匯總分析客戶(hù)需求以及客戶(hù)投訴等信息，掌握客戶(hù)關(guān)心的中心、投訴集中反映的問(wèn)題、投訴用戶(hù)的構(gòu)成及分布、問(wèn)題解決效率和追蹤，總結(jié)、提煉、分析用電客戶(hù)的聚焦問(wèn)題。通過(guò)建立客戶(hù)需求導(dǎo)向模型，對(duì)用戶(hù)的需求進(jìn)行可行性分析，提供一對(duì)一的服務(wù)，從而提高服務(wù)質(zhì)效；對(duì)于用戶(hù)投訴的共性問(wèn)題，開(kāi)展深入的診斷分析，提出有效整改方法，并定時(shí)開(kāi)展供電服務(wù)明察暗訪(fǎng)及電話(huà)回訪(fǎng)，收集用戶(hù)的滿(mǎn)意度信息。

（五）建立客戶(hù)質(zhì)量評(píng)價(jià)體系

借助大數(shù)據(jù)平臺(tái)，深入分析用戶(hù)的電費(fèi)繳費(fèi)習(xí)慣、違約竊電情況以及社會(huì)上各行各業(yè)的信用評(píng)價(jià)等信息，建立客戶(hù)質(zhì)量評(píng)價(jià)模型，通過(guò)分析和篩選形成優(yōu)質(zhì)客戶(hù)清單，并對(duì)其推送個(gè)性化信息，提供特殊化服務(wù)；同時(shí)，對(duì)客戶(hù)信用進(jìn)行評(píng)估，建立用戶(hù)信用等級(jí)，根據(jù)其信用等級(jí)確定其電費(fèi)繳納方式，形成電力企業(yè)內(nèi)部黑名單用戶(hù)清單，加強(qiáng)此類(lèi)用戶(hù)風(fēng)險(xiǎn)防控，提升企業(yè)風(fēng)險(xiǎn)控制能力。

（六）支撐營(yíng)銷(xiāo)管理決策

以營(yíng)銷(xiāo)服務(wù)技術(shù)支撐平臺(tái)為基礎(chǔ)，依托營(yíng)銷(xiāo)基礎(chǔ)數(shù)據(jù)服務(wù)平臺(tái)、營(yíng)銷(xiāo)業(yè)務(wù)管理平臺(tái)建設(shè)，整合市場(chǎng)發(fā)展、經(jīng)營(yíng)活動(dòng)、客戶(hù)服務(wù)、資產(chǎn)運(yùn)行等數(shù)據(jù)信息，深度挖掘各類(lèi)信息數(shù)據(jù)中的潛在關(guān)系，為各類(lèi)管理和決策者提供多維度、多方位的分析預(yù)測(cè)性數(shù)據(jù)，提升工作效率，為企業(yè)發(fā)展指明正確的方向。

七、總結(jié)語(yǔ)

大數(shù)據(jù)時(shí)代，數(shù)據(jù)蘊(yùn)含著巨大的利用價(jià)值，如何利用這些大數(shù)據(jù)信息對(duì)企業(yè)的發(fā)展具有很重要的戰(zhàn)略意義。隨著電力體制改革進(jìn)一步深入，將大數(shù)據(jù)相關(guān)技術(shù)應(yīng)用到電力企業(yè)內(nèi)部的各個(gè)環(huán)節(jié)，充分挖掘現(xiàn)有電力數(shù)據(jù)的有效信息及無(wú)限的價(jià)值，為電力營(yíng)銷(xiāo)策略的制定提供重要的數(shù)據(jù)支撐，為電力用戶(hù)提供高水平服務(wù)，提升電力企業(yè)的經(jīng)濟(jì)效益，這將具有深遠(yuǎn)的意義，同時(shí)也將成為電力企業(yè)持續(xù)發(fā)展的重要研究課題。

第四篇：數(shù)據(jù)挖掘在房地產(chǎn)營(yíng)銷(xiāo)中的應(yīng)用

文章摘要：信息資源的分析、整合在房地產(chǎn)行業(yè)的競(jìng)爭(zhēng)中起著越來(lái)越重要的作用。數(shù)據(jù)挖掘作為一種系統(tǒng)地檢查和理解大量數(shù)據(jù)的工具，能有效地幫助房地產(chǎn)企業(yè)從不斷積累與更新的數(shù)據(jù)中提取有價(jià)值的信息。因此，數(shù)據(jù)挖掘被引入到房地產(chǎn)市場(chǎng)研究領(lǐng)域，并日益受到重視。本文從數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)中的市場(chǎng)研究?jī)r(jià)值入手，分析了數(shù)據(jù)挖掘在房地產(chǎn)市場(chǎng)研究尤其是客戶(hù)信息中的應(yīng)用，并加以舉例說(shuō)明。關(guān)鍵詞：數(shù)據(jù)挖掘 關(guān)聯(lián)分析 分類(lèi)

一、房地產(chǎn)行業(yè)需要數(shù)據(jù)挖掘技術(shù)的支持

隨著房地產(chǎn)行業(yè)競(jìng)爭(zhēng)的加劇，房地產(chǎn)企業(yè)要想在競(jìng)爭(zhēng)中制勝，必然需要充分的信息支持和準(zhǔn)確的市場(chǎng)判斷。房地產(chǎn)行業(yè)擁有大量的數(shù)據(jù)積累，包括行業(yè)信息、經(jīng)濟(jì)環(huán)境信息、客戶(hù)信息等。這些數(shù)據(jù)是房地產(chǎn)企業(yè)市場(chǎng)運(yùn)作的重要參考。面對(duì)快速增長(zhǎng)的海量數(shù)據(jù)收集，企業(yè)需要有力的數(shù)據(jù)分析工具將“豐富的數(shù)據(jù)”轉(zhuǎn)換成“有價(jià)值的知識(shí)”，否則大量的數(shù)據(jù)將成為“數(shù)據(jù)豐富，但信息貧乏”的“數(shù)據(jù)墳?zāi)埂薄?/p>

數(shù)據(jù)挖掘（Data Mining）是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在關(guān)聯(lián)、模式，做出預(yù)測(cè)性分析的有效工具，它是現(xiàn)有的一些人工智能、統(tǒng)計(jì)學(xué)等技術(shù)在數(shù)據(jù)庫(kù)領(lǐng)域中的應(yīng)用。應(yīng)用數(shù)據(jù)挖掘有助于發(fā)現(xiàn)業(yè)務(wù)發(fā)展的趨勢(shì)，揭示已知的事實(shí)，預(yù)測(cè)未知的結(jié)果，并幫助企業(yè)分析出解決問(wèn)題所需要的關(guān)鍵因素，使企業(yè)處于更有利的競(jìng)爭(zhēng)位置。

二、數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用

1．?dāng)?shù)據(jù)挖掘的概念

對(duì)于企業(yè)的海量信息存儲(chǔ)，數(shù)據(jù)挖掘是一種系統(tǒng)地檢查和理解大量數(shù)據(jù)的工具。數(shù)據(jù)挖掘根據(jù)預(yù)定義的商業(yè)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進(jìn)一步生成相應(yīng)的分析、預(yù)測(cè)模型。

數(shù)據(jù)挖掘發(fā)現(xiàn)的是以前未知的、可理解的、可執(zhí)行的信息，所以也被稱(chēng)為“知識(shí)發(fā)現(xiàn)”(Knowledge Discovery in Databases)。與統(tǒng)計(jì)分析技術(shù)相比，數(shù)據(jù)挖掘技術(shù)能很好地和數(shù)據(jù)庫(kù)技術(shù)相結(jié)合，而且數(shù)據(jù)挖掘工具用以發(fā)現(xiàn)數(shù)據(jù)中隱含的商業(yè)規(guī)律的方法已不局限于統(tǒng)計(jì)技術(shù)，還包括神經(jīng)網(wǎng)絡(luò)、遺傳算法、自組織圖、神經(jīng)模糊系統(tǒng)等統(tǒng)計(jì)學(xué)科以外的方法。數(shù)據(jù)挖掘發(fā)現(xiàn)的“知識(shí)”一方面可以用于構(gòu)建預(yù)測(cè)模型，另一方面可以被用于豐富統(tǒng)計(jì)分析師的背景知識(shí)，再被統(tǒng)計(jì)分析師應(yīng)用到數(shù)據(jù)分析中。

數(shù)據(jù)挖掘任務(wù)一般可以分兩類(lèi)：描述和預(yù)測(cè)。描述性挖掘任務(wù)刻劃數(shù)據(jù)庫(kù)中數(shù)據(jù)的一般特性。預(yù)測(cè)性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測(cè)。具體來(lái)講，數(shù)據(jù)挖掘主要用于解決以下幾種不同事情：

（1）關(guān)聯(lián)分析（Association analysis），是尋找屬性間的相關(guān)性。兩種常用的技術(shù)是關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是尋找在同一事件中出現(xiàn)的不同項(xiàng)的相關(guān)性，比如某個(gè)住宅項(xiàng)目的目標(biāo)客戶(hù)對(duì)該項(xiàng)目各方面評(píng)價(jià)之間的相關(guān)性序列分析尋找的是事件之間時(shí)間上的相關(guān)性，如對(duì)股票漲跌、房地產(chǎn)周期的分析。

（2）分類(lèi)（Classification）和預(yù)測(cè)（Prediction）。分類(lèi)根據(jù)某種標(biāo)準(zhǔn)將數(shù)據(jù)庫(kù)記錄分類(lèi)到許多預(yù)先定義好的類(lèi)別中。例如，將房地產(chǎn)企業(yè)客戶(hù)根據(jù)消費(fèi)決策模式進(jìn)行分類(lèi)；同時(shí)可以建立預(yù)測(cè)模型，給定潛在客戶(hù)的收入、職業(yè)、家庭構(gòu)成等個(gè)人屬性，預(yù)測(cè)他們?cè)谫?gòu)房支出；如將房地產(chǎn)企業(yè)客戶(hù)分為潛在客戶(hù)、購(gòu)買(mǎi)者和實(shí)際客戶(hù)。分類(lèi)系統(tǒng)可以產(chǎn)生這樣的規(guī)則：“如果客戶(hù)可以并且愿意承擔(dān)每月2000元的月供，計(jì)劃在1年內(nèi)在某地區(qū)買(mǎi)房，那么他/她是一個(gè)潛在客戶(hù)；如果客戶(hù)至少進(jìn)行過(guò)一次業(yè)務(wù)訪(fǎng)問(wèn)，那么他/她是一個(gè)購(gòu)買(mǎi)者?！?/p>

（3）聚類(lèi)（Clustering）是把整個(gè)數(shù)據(jù)庫(kù)分成不同的群組。它的目的是要群與群之間差別明顯，而同一群之間的數(shù)據(jù)盡量相似。聚類(lèi)與分類(lèi)不同：分類(lèi)之前已經(jīng)知道要把數(shù)據(jù)分成哪幾類(lèi)，每個(gè)類(lèi)的性質(zhì)是什么；聚類(lèi)則恰恰相反。

（4）演變分析（evolution analysis）描述行為隨時(shí)間變化的對(duì)象的規(guī)律或趨勢(shì)，并對(duì)其建模。例如，結(jié)合人口構(gòu)成變動(dòng)趨勢(shì)、教育水平發(fā)展趨勢(shì)、社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)進(jìn)行房地產(chǎn)消費(fèi)趨向的分析。

（5）描述和可視化（Description and Visualization），對(duì)數(shù)據(jù)進(jìn)行歸約、概化或圖形描述等。例如，通過(guò)空間聚集和近似計(jì)算對(duì)一些具體的地理位置概化聚類(lèi)，形成對(duì)某區(qū)域的形象化描述。

2．?dāng)?shù)據(jù)挖掘的市場(chǎng)研究?jī)r(jià)值

數(shù)據(jù)挖掘技術(shù)在商業(yè)上實(shí)際應(yīng)用十分豐富。應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以幫助房地產(chǎn)行業(yè)找出有價(jià)值的信息，十分有助于企業(yè)發(fā)現(xiàn)商機(jī)、制定開(kāi)發(fā)計(jì)劃與營(yíng)銷(xiāo)策略。對(duì)于房地產(chǎn)市場(chǎng)研究，數(shù)據(jù)挖掘可以應(yīng)用于宏觀(guān)經(jīng)濟(jì)形勢(shì)研究、市場(chǎng)發(fā)展趨勢(shì)研究、樓盤(pán)供應(yīng)研究、競(jìng)爭(zhēng)對(duì)手研究、客戶(hù)研究。包括但不局限于以下幾個(gè)方面：

（1）宏觀(guān)經(jīng)濟(jì)形勢(shì)研究——1）房地產(chǎn)周期時(shí)序分析中的相似搜索：可找出已有房地產(chǎn)周期數(shù)據(jù)庫(kù)中與給定查詢(xún)序列最接近的數(shù)據(jù)序列。比較識(shí)別兩個(gè)相似時(shí)間段間數(shù)據(jù)系列的主要差異，對(duì)房地產(chǎn)市場(chǎng)的宏觀(guān)分析很有參考價(jià)值。2）宏觀(guān)經(jīng)濟(jì)形勢(shì)研究——房地產(chǎn)周期一般性因素關(guān)聯(lián)分析：一般而言，房地產(chǎn)周期是影響不動(dòng)產(chǎn)收益的一系列因素組成的總體概念。各因素均會(huì)對(duì)總體房地產(chǎn)周期起決定作用。關(guān)聯(lián)分析方法可用于幫助發(fā)現(xiàn)各因素和房地產(chǎn)周期間的交叉與聯(lián)系。

（2）市場(chǎng)發(fā)展趨勢(shì)研究——1）銷(xiāo)售量的增長(zhǎng)與人均可支配收入的回歸分析；2）個(gè)人購(gòu)買(mǎi)與集團(tuán)購(gòu)買(mǎi)房地產(chǎn)比重的擬合與分析；3）對(duì)房地產(chǎn)銷(xiāo)售波動(dòng)率的回歸分析。通過(guò)對(duì)市場(chǎng)總體狀況、市場(chǎng)占有率、發(fā)展水平等動(dòng)態(tài)的分析、總結(jié)和評(píng)價(jià)，及時(shí)獲得準(zhǔn)確數(shù)據(jù)，輔助經(jīng)營(yíng)決策。

（3）樓盤(pán)供應(yīng)研究——地理發(fā)展空間的多維分析：綜合人口住房條件及分布、土地利用現(xiàn)狀及政府規(guī)劃、交通現(xiàn)狀分布信息，通過(guò)聚集及層次化描述，發(fā)掘區(qū)域內(nèi)需建立的高檔別墅、高、中、低檔公寓的數(shù)量及各自的地理位置和發(fā)展計(jì)劃。

（4）客戶(hù)研究——客戶(hù)信息的多維關(guān)聯(lián)和序列模式分析：關(guān)聯(lián)分析可在客戶(hù)信息中發(fā)現(xiàn)客戶(hù)的消費(fèi)行為模式，幫助營(yíng)銷(xiāo)人員找出影響消費(fèi)者的機(jī)會(huì)與方式。

目前，專(zhuān)業(yè)市場(chǎng)研究公司對(duì)房地產(chǎn)行業(yè)的調(diào)研主要集中在客戶(hù)需求分析方面，并積累了一定的經(jīng)驗(yàn)，因此，本文主要探討房地產(chǎn)客戶(hù)信息的數(shù)據(jù)挖掘。

3．?dāng)?shù)據(jù)挖掘在房地產(chǎn)客戶(hù)研究中有著廣泛的應(yīng)用

房地產(chǎn)行業(yè)的客戶(hù)信息有許多特點(diǎn)，如下圖所示，一方面房地產(chǎn)行業(yè)面對(duì)的客戶(hù)群廣泛，而且客戶(hù)的特征描述的結(jié)構(gòu)復(fù)雜，另一方面房地產(chǎn)客戶(hù)需求的層次不一，且易受外界因素影響，具有多層次性和多變性。

對(duì)于復(fù)雜、多樣而且擅變的客戶(hù)信息，房地產(chǎn)行業(yè)客戶(hù)信息的數(shù)據(jù)挖掘有助于識(shí)別客戶(hù)購(gòu)買(mǎi)行為，發(fā)現(xiàn)客戶(hù)購(gòu)買(mǎi)模式和趨勢(shì)。從而，幫助房地產(chǎn)企業(yè)改進(jìn)服務(wù)質(zhì)量，取得更好的客戶(hù)關(guān)系和滿(mǎn)意程度，設(shè)計(jì)更好的營(yíng)銷(xiāo)方案，減少商業(yè)成本。根據(jù)已有的數(shù)據(jù)挖掘經(jīng)驗(yàn)，數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用可以歸納成以下幾個(gè)方面：

4．明確商業(yè)目標(biāo)

三、如何在房地產(chǎn)行業(yè)應(yīng)用數(shù)據(jù)挖掘技術(shù)

應(yīng)用數(shù)據(jù)挖掘的首要任務(wù)就是明確需要達(dá)到什么樣的商業(yè)目標(biāo)，并描述出需要解決的問(wèn)題。目標(biāo)的描述應(yīng)該細(xì)化、清楚，以便于選擇合適的挖掘方法，也方便檢測(cè)數(shù)據(jù)挖掘效果，判斷建立的模型的有效性。例如，下列目標(biāo)是大而空的目標(biāo)：獲得客戶(hù)行為的了解；在數(shù)據(jù)中發(fā)現(xiàn)有用的模型；發(fā)現(xiàn)一些有意思得東西。而另外一些目標(biāo)有較強(qiáng)操作性：發(fā)現(xiàn)哪些客戶(hù)不受某種促銷(xiāo)手段的影響；找出項(xiàng)目封頂時(shí)哪類(lèi)客戶(hù)成交率增加。

5．?dāng)?shù)據(jù)準(zhǔn)備

基于數(shù)據(jù)挖掘的商業(yè)目標(biāo)，提取所需要的數(shù)據(jù)。為了保證數(shù)據(jù)的質(zhì)量，除了對(duì)數(shù)據(jù)進(jìn)行必要地檢查和修正外，還需要考慮不同源之間數(shù)據(jù)的一致性問(wèn)題。

如果數(shù)據(jù)集包含過(guò)多的字段，需采用一定的方法找到對(duì)模型輸出影響最大的字段，適當(dāng)?shù)臏p少輸入的字段。常用的方法包括：“描述型數(shù)據(jù)挖掘”、連結(jié)分析等。

很多變量如果組合起來(lái)（加、減、比率等）會(huì)比這些變量自身影響力更大。一些變量如果擴(kuò)大它的范圍會(huì)成為一個(gè)非常好的預(yù)測(cè)變量，比如用一段時(shí)間內(nèi)收入變化情況代替一個(gè)單一的收入數(shù)據(jù)。因此，在數(shù)據(jù)準(zhǔn)備階段需考慮是否創(chuàng)建一些新的變量。

處理缺失數(shù)據(jù)也是數(shù)據(jù)準(zhǔn)備階段的一個(gè)重要工作。有些缺值本身就非常有意義。例如：富有的顧客會(huì)忽略“收入”，或者不在乎價(jià)格的影響。

6．建立模型

建立模型是一個(gè)反復(fù)的過(guò)程。首先需要選擇適合解決當(dāng)前問(wèn)題的模型。對(duì)模型的選擇過(guò)程可能會(huì)啟發(fā)對(duì)數(shù)據(jù)的理解并加以修改，甚至改變最初對(duì)問(wèn)題的定義。

一旦選擇了模型的類(lèi)型及應(yīng)用的方法，所選擇的模型將決定對(duì)數(shù)據(jù)的預(yù)處理工作。例如，神經(jīng)網(wǎng)絡(luò)需要做數(shù)據(jù)轉(zhuǎn)換，有些數(shù)據(jù)挖掘工具可能對(duì)輸入數(shù)據(jù)的格式有特定的限制等。

接下來(lái)是建立模型的工作。對(duì)于通過(guò)數(shù)據(jù)挖掘建立的模型需要有一定的數(shù)據(jù)來(lái)測(cè)試和驗(yàn)證。對(duì)于預(yù)測(cè)性任務(wù)，需通過(guò)反復(fù)的測(cè)試、驗(yàn)證、訓(xùn)練，才能不斷提高模型的準(zhǔn)確率。

大部分?jǐn)?shù)據(jù)挖掘模型不是專(zhuān)為解決某個(gè)問(wèn)題而特制的，模型之間也并不相互排斥。不能說(shuō)一個(gè)問(wèn)題一定要采用某種模型，別的就不行。例如：Cart決策樹(shù)算法、神經(jīng)網(wǎng)絡(luò)既可以用于建立分類(lèi)樹(shù)，也可建立回歸樹(shù)。

7．輸出結(jié)果的評(píng)價(jià)和解釋

模型建立好之后，必須評(píng)價(jià)其結(jié)果，解釋其價(jià)值。在實(shí)際應(yīng)用中，模型的準(zhǔn)確率會(huì)隨著應(yīng)用數(shù)據(jù)的不同發(fā)生變化。但準(zhǔn)確度自身并不一定是選擇模型的正確評(píng)價(jià)方法。對(duì)輸出結(jié)果的理解需要進(jìn)一步了解錯(cuò)誤的類(lèi)型和由此帶來(lái)的相關(guān)費(fèi)用的多少。如果模型每個(gè)不同的預(yù)測(cè)錯(cuò)誤所需付出的代價(jià)（費(fèi)用）也不同的話(huà)，代價(jià)最小的模型（而不一定是錯(cuò)誤率最小的模型）將是較好的選擇。

直接在現(xiàn)實(shí)世界中測(cè)試模型很重要。先在小范圍內(nèi)應(yīng)用，取得測(cè)試數(shù)據(jù)，覺(jué)得滿(mǎn)意后再向大范圍推廣。

8．實(shí)施

模型在建立并經(jīng)驗(yàn)證之后，可以有兩種主要的使用方法。一種是提供給分析人員做參考，由他通過(guò)查看和分析這個(gè)模型輸出，并做出解釋和方案建議；另一種是把模型應(yīng)用到不同的數(shù)據(jù)集上。模型可以用來(lái)標(biāo)示一個(gè)事例的類(lèi)別，給一類(lèi)客戶(hù)打分等，還可以用模型在數(shù)據(jù)庫(kù)中選擇符合特定要求的記錄，以用其他工具做進(jìn)一步分析。

在應(yīng)用模型之后，還要不斷監(jiān)控模型的效果。即使模型的運(yùn)用很成功，也不能放棄監(jiān)控。因?yàn)槭挛镌诓粩喟l(fā)展變化，很可能過(guò)一段時(shí)間之后，隨著購(gòu)買(mǎi)方式、消費(fèi)觀(guān)點(diǎn)的變化，模型就不再起作用。因此隨著模型使用時(shí)間的增加，要不斷的對(duì)模型做重新測(cè)試，有時(shí)甚至需要更新建立模型。

四、應(yīng)用舉例：基于客戶(hù)分類(lèi)的關(guān)聯(lián)分析

1．商業(yè)目標(biāo)

為了更詳盡地了解客戶(hù)的消費(fèi)決策，本案例設(shè)計(jì)的問(wèn)題是：“給客戶(hù)分類(lèi)，并了解不同類(lèi)的客戶(hù)有什么特點(diǎn)？”針對(duì)此類(lèi)問(wèn)題挖掘出的結(jié)果可以被用于預(yù)測(cè)性分析，例如預(yù)測(cè)客戶(hù)最傾向于做出哪種購(gòu)買(mǎi)行為。２．?dāng)?shù)據(jù)準(zhǔn)備

本案例中采用某一時(shí)點(diǎn)上的房地產(chǎn)消費(fèi)者需求抽樣調(diào)查，取出描述消費(fèi)者個(gè)人屬性和消費(fèi)特點(diǎn)的字段。

３．建立模型

（1）對(duì)數(shù)據(jù)進(jìn)行分類(lèi)

本案例中由購(gòu)房者選擇最多五個(gè)自己在購(gòu)房決策過(guò)程中比較看重的因素，并以總評(píng)分100分為前提給出每個(gè)因素的看重程度的評(píng)分。

案例得到的抽樣數(shù)據(jù)顯示，盡管地理位置是影響一個(gè)房地產(chǎn)項(xiàng)目定位的重要因素，人們對(duì)地理位置的看重程度仍有較大的差異。因此，以客戶(hù)對(duì)地理位置的關(guān)注程度為分類(lèi)標(biāo)準(zhǔn)，構(gòu)建了一個(gè)簡(jiǎn)單的決策樹(shù)。決策樹(shù)中根據(jù)購(gòu)房者對(duì)地理位置的看重程度，將購(gòu)房者分為：地理位置決定型、地理位置重要參考型、地理位置參考型、地理位置不重要型、地理位置無(wú)關(guān)型五種類(lèi)型。下表是應(yīng)用決策樹(shù)得到的客戶(hù)分類(lèi)結(jié)果。從各客戶(hù)群評(píng)分的均值和標(biāo)準(zhǔn)差可以看出，各客戶(hù)群具有較好的組內(nèi)相似性和組間差異性，說(shuō)明所構(gòu)建的決策樹(shù)的分類(lèi)結(jié)果比較理想，可用于進(jìn)一步的分析。

（2）關(guān)聯(lián)分析運(yùn)用關(guān)聯(lián)分析的目的是尋找數(shù)據(jù)庫(kù)中值的相關(guān)性。本例采用基于興趣度的關(guān)聯(lián)規(guī)則挖掘算法，挖掘每類(lèi)客戶(hù)不同屬性間的相關(guān)性。經(jīng)過(guò)挖掘，發(fā)現(xiàn)一些值得深入探討的關(guān)聯(lián)，見(jiàn)下表：

注：a)支持率反映了關(guān)聯(lián)是否是普遍存在的規(guī)律。例如：支持率=5%，表示在1000個(gè)客戶(hù)中有50個(gè)客戶(hù)符合關(guān)聯(lián)規(guī)則描述。

b)可信度反映了關(guān)聯(lián)規(guī)則前提成立的條件下結(jié)果成例的概率。本例中，可信度=15%可以解釋為，對(duì)應(yīng)的客戶(hù)群中有15個(gè)人符合關(guān)聯(lián)規(guī)則的描述。

c)興趣度反映了關(guān)聯(lián)規(guī)則中元素的關(guān)系的密切程度。興趣度越大于1說(shuō)明該規(guī)則中的元素的關(guān)系越密切，該規(guī)則的實(shí)際利用價(jià)值越大。

d)最小支持度閾值、最小可信度和最小興趣度的閾值可以由用戶(hù)和領(lǐng)域?qū)＜以O(shè)定。此例中以支持度>3.5%，可信度>15%，興趣度>2為閾值。

上表中列出的關(guān)聯(lián)規(guī)則均有較高的支持率、可信度和興趣度。為了更加準(zhǔn)確地挖掘關(guān)聯(lián)規(guī)則。對(duì)挖掘出的關(guān)聯(lián)規(guī)則更換因果關(guān)系，形成新的關(guān)聯(lián)規(guī)則與之進(jìn)行對(duì)比。如下例：

關(guān)聯(lián)規(guī)則A1：地理位置無(wú)關(guān)型客戶(hù)＝≥重視物業(yè)管理

支持率=9.7% 可信度=30.3% 興趣度=2.4與

關(guān)聯(lián)規(guī)則B1：重視物業(yè)管理 ＝≥地理位置無(wú)關(guān)型客戶(hù)

支持率=9.7% 可信度=76.9% 興趣度=2.4

對(duì)比兩個(gè)關(guān)聯(lián)規(guī)則將發(fā)現(xiàn)，“重視物業(yè)管理的人不關(guān)心地理位置”的可能性（76.9%）高于“不關(guān)心地理位置的人重視物業(yè)管理”的可能性（30.3%）。說(shuō)明關(guān)聯(lián)規(guī)則B1：重視物業(yè)管理＝≥地理位置無(wú)關(guān)型客戶(hù)是一條更有意義的關(guān)聯(lián)規(guī)則。

其他被發(fā)掘的關(guān)聯(lián)也可以通過(guò)類(lèi)似的比較，進(jìn)行深一步的挖掘。在此不再全部做出詳細(xì)分析。從本例挖掘出的信息可以看到，如果僅依賴(lài)于已有行業(yè)經(jīng)驗(yàn)進(jìn)行統(tǒng)計(jì)分析，往往會(huì)因?yàn)榉治鋈藛T的主觀(guān)性或者數(shù)據(jù)量太大難以實(shí)施而存在信息提取的局限性。而通過(guò)數(shù)據(jù)挖掘得到的信息，一方面能彌補(bǔ)直接應(yīng)用統(tǒng)計(jì)分析時(shí)的局限性，開(kāi)拓分析人員的思維，豐富分析人員的行業(yè)背景知識(shí)；另一方面可以通過(guò)反復(fù)的驗(yàn)證、機(jī)器學(xué)習(xí)建立模型，直接成為分析人員的分析、預(yù)測(cè)的工具。

需要說(shuō)明：

a)本案例的目的在于說(shuō)明數(shù)據(jù)挖掘算法的應(yīng)用價(jià)值，得到的結(jié)果僅供參考，并不作為定論，而且數(shù)據(jù)挖掘的結(jié)果需要由行業(yè)內(nèi)的商業(yè)分析人員判斷：是否真的具有意義，是否有進(jìn)一步分析、探討的價(jià)值。也就是說(shuō)數(shù)據(jù)挖掘作為信息提取的工具，其輸出是決策分析的參考，不能代替行業(yè)內(nèi)商業(yè)分析人員的分析工作。

b)案例中的數(shù)據(jù)挖掘作為方法應(yīng)用的探討，如要生成一個(gè)可操作的模型工具還需足夠的數(shù)據(jù)集支持進(jìn)行測(cè)試、驗(yàn)證、訓(xùn)練才能不斷提高模型的準(zhǔn)確率。

c)本案例中解決問(wèn)題的方法不是唯一的，可能應(yīng)用其他的分類(lèi)手段、分類(lèi)標(biāo)準(zhǔn)能得到更好的結(jié)果。具體方法的應(yīng)用要取決于實(shí)施人員的建模能力、行業(yè)經(jīng)驗(yàn)。也就是說(shuō)，數(shù)據(jù)挖掘?qū)θ藛T有較高的要求。數(shù)據(jù)挖掘的人員不僅要有良好的統(tǒng)計(jì)概念、建模能力，還要懂得基本的商業(yè)和行業(yè)概念。

五、房地產(chǎn)行業(yè)數(shù)據(jù)挖掘的應(yīng)用前景

隨著IT/Internet等新技術(shù)發(fā)展，市場(chǎng)研究在房地產(chǎn)行業(yè)的應(yīng)用已經(jīng)不再局限于數(shù)據(jù)采集和簡(jiǎn)單的歸納、數(shù)據(jù)分析。更高的決策服務(wù)是建立在更大量的“數(shù)據(jù)——信息——知識(shí)”的基礎(chǔ)上的，因此數(shù)據(jù)挖掘、商業(yè)智能等概念與技術(shù)的引入促進(jìn)了數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用。與此同時(shí)，隨著房地產(chǎn)企業(yè)數(shù)據(jù)挖掘應(yīng)用的深入，數(shù)據(jù)、數(shù)據(jù)挖掘的任務(wù)和數(shù)據(jù)挖掘方法的多樣性將給數(shù)據(jù)挖掘提出了許多挑戰(zhàn)性的課題。例如：

1、應(yīng)用地理信息系統(tǒng)(GIS)尋求數(shù)據(jù)挖掘過(guò)程中的可視化方法，使得知識(shí)發(fā)現(xiàn)的過(guò)程能夠被用戶(hù)理解，也便于在知識(shí)發(fā)現(xiàn)過(guò)程中的人機(jī)交互。

2、web挖掘：由于web上存在大量信息，隨著web的發(fā)展，有關(guān)web內(nèi)容挖掘、web日志挖掘等網(wǎng)絡(luò)上的數(shù)據(jù)挖掘?qū)⒊蔀閿?shù)據(jù)挖掘中一個(gè)最為重要和繁榮的應(yīng)用領(lǐng)域。房地產(chǎn)公司的企業(yè)形象宣傳、營(yíng)銷(xiāo)、客戶(hù)維護(hù)等工作都將離不開(kāi)網(wǎng)絡(luò)，也必然將需要web挖掘數(shù)據(jù)支持。

第五篇：大數(shù)據(jù)技術(shù)在環(huán)境監(jiān)測(cè)中的應(yīng)用分析

大數(shù)據(jù)技術(shù)在環(huán)境監(jiān)測(cè)中的應(yīng)用分析

一、環(huán)境監(jiān)測(cè)在環(huán)境保護(hù)中起到的重要作用

（一）環(huán)境監(jiān)測(cè)為環(huán)境保護(hù)工作指明方向

環(huán)境保護(hù)的任務(wù)非常繁重，因?yàn)樗婕暗姆秶軓V，如水污染、大氣污染、土壤污染、噪聲污染等。環(huán)保部門(mén)需要面對(duì)轄區(qū)內(nèi)全面性的環(huán)境保護(hù)工作，點(diǎn)多面廣，通常對(duì)環(huán)境污染的控制工作也只是提供一個(gè)臨時(shí)性、應(yīng)急性的解決方案，大多會(huì)經(jīng)歷“污染-治理-改善-再污染-再治理”的反復(fù)性階段，才逐步改進(jìn)轄區(qū)環(huán)境質(zhì)量。所以，總是在嚴(yán)重污染的情況下開(kāi)展的環(huán)境保護(hù)突擊治理是非常不明智的、不合理的，也不是環(huán)境保護(hù)的治本之策，環(huán)保部門(mén)必須采用更科學(xué)的治理措施。在這個(gè)大背景下，環(huán)境監(jiān)測(cè)將能夠發(fā)揮重大作用，它可以提供轄區(qū)環(huán)境質(zhì)量的現(xiàn)狀數(shù)據(jù)，使環(huán)保部門(mén)做更少的工作，找到一個(gè)更科學(xué)、合理的環(huán)境污染控制的方向。環(huán)境監(jiān)測(cè)系統(tǒng)將收集在全國(guó)各地，如大氣、水、土壤和其他自然環(huán)境污染，收集后的數(shù)據(jù)進(jìn)行統(tǒng)一分析。這個(gè)環(huán)境的污染，環(huán)保部門(mén)可以通過(guò)環(huán)境監(jiān)測(cè)系統(tǒng)檢查全國(guó)各地，有利于環(huán)境保護(hù)部門(mén)更直接地發(fā)現(xiàn)彼此之間是否存在相關(guān)性的環(huán)境污染，并為下一步環(huán)保工作指明了方向。

（二）環(huán)境監(jiān)測(cè)為環(huán)保標(biāo)準(zhǔn)的制定提供依據(jù)

環(huán)保部門(mén)的工作也需要有相應(yīng)的參照標(biāo)準(zhǔn)，確定是否在大氣、土壤、水環(huán)境保護(hù)工作中有參考性和對(duì)比性，能了解當(dāng)前的環(huán)境質(zhì)量現(xiàn)狀是否符合環(huán)境質(zhì)量標(biāo)準(zhǔn)要求。如果發(fā)現(xiàn)污染的情況，還需要使用標(biāo)準(zhǔn)來(lái)衡量環(huán)境污染程度。因此，核定環(huán)境標(biāo)準(zhǔn)非常重要，環(huán)境監(jiān)測(cè)系統(tǒng)的使用可以提供明確當(dāng)前環(huán)境質(zhì)量的環(huán)現(xiàn)狀標(biāo)。當(dāng)環(huán)保部門(mén)開(kāi)展環(huán)境監(jiān)測(cè)工作，需要在自然環(huán)境中不同點(diǎn)位、不同時(shí)期采集各種數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行比較分析，以了解不同的地方在同一時(shí)期、不同時(shí)期當(dāng)?shù)刈匀画h(huán)境的污染或污染的情況。這些數(shù)據(jù)可以對(duì)中國(guó)的環(huán)境污染狀況反應(yīng)良好，環(huán)境標(biāo)準(zhǔn)的制定提供數(shù)據(jù)支持。

二、環(huán)境監(jiān)測(cè)在環(huán)境保護(hù)中的應(yīng)用

（一）對(duì)環(huán)境監(jiān)測(cè)的技術(shù)進(jìn)行創(chuàng)新

隨著環(huán)境污染問(wèn)題日益突出，中國(guó)的環(huán)境保護(hù)工作形勢(shì)也越來(lái)越復(fù)雜，工作要求越來(lái)越高。為確保環(huán)境監(jiān)測(cè)系統(tǒng)能在環(huán)境保護(hù)工作中發(fā)揮更大更積極的作用，必須盡快對(duì)傳統(tǒng)的環(huán)境監(jiān)測(cè)技術(shù)實(shí)施改革。例如，根據(jù)污染源的監(jiān)測(cè)情況，環(huán)境監(jiān)測(cè)技術(shù)部門(mén)應(yīng)研究如何更有效地解決水污染問(wèn)題，能更深入的分析固體廢物污染、顆粒物污染、噪聲污染、電磁污染等不同污染源，幫助環(huán)境保護(hù)部門(mén)從污染源方面解決污染問(wèn)題。

（二）完善環(huán)境監(jiān)測(cè)預(yù)警系統(tǒng)一個(gè)在造成中國(guó)環(huán)境污染的重要原因，是越來(lái)越多的不能檢測(cè)的指標(biāo)和治理環(huán)境問(wèn)題的出現(xiàn)，與環(huán)境監(jiān)測(cè)預(yù)警系統(tǒng)建設(shè)能力不足，難以及時(shí)發(fā)現(xiàn)環(huán)境污染問(wèn)題。因此，我國(guó)亟待提高環(huán)境監(jiān)測(cè)和預(yù)警系統(tǒng)，從人員和技術(shù)2個(gè)方面完善預(yù)警系統(tǒng)。一是要明確各崗位崗位人員的具體職責(zé)，運(yùn)用嚴(yán)格的崗位考核機(jī)制，使全體員工能夠嚴(yán)肅嚴(yán)謹(jǐn)?shù)亻_(kāi)展工作。二是要采取有效的環(huán)境監(jiān)測(cè)手段，找出環(huán)境問(wèn)題，制定科學(xué)的治理方案。三是要提高環(huán)境監(jiān)測(cè)預(yù)警系統(tǒng)響應(yīng)速度，做到來(lái)之能戰(zhàn)、戰(zhàn)之能勝。

（三）建立國(guó)家級(jí)的監(jiān)測(cè)網(wǎng)絡(luò)

環(huán)境污染治理是我國(guó)的一項(xiàng)重要任務(wù)，建立國(guó)家環(huán)境監(jiān)測(cè)網(wǎng)可以使我國(guó)的環(huán)境監(jiān)測(cè)工作更加全面。第一，國(guó)家監(jiān)測(cè)網(wǎng)絡(luò)可分析自然環(huán)境的各種元素，建立全方位無(wú)縫隙的監(jiān)測(cè)網(wǎng)絡(luò)，如空氣，噪音，地下水，地表水，土壤等。第二，環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)需要分為不同的層次，可參照網(wǎng)格化環(huán)境監(jiān)管工作的模式，設(shè)立省、市、縣、鄉(xiāng)鎮(zhèn)等。第三，監(jiān)控?cái)?shù)據(jù)要實(shí)現(xiàn)在線(xiàn)傳輸、排序、分析等功能。這對(duì)我國(guó)了解當(dāng)前環(huán)境污染問(wèn)題有很大幫助，也能更好地解決當(dāng)?shù)匚廴究刂拼胧┑默F(xiàn)狀。

（四）創(chuàng)建符合我國(guó)國(guó)情的環(huán)境監(jiān)測(cè)技術(shù)管理體系

針對(duì)以上問(wèn)題，中國(guó)的環(huán)境監(jiān)測(cè)管理體系必須立足現(xiàn)實(shí)，從實(shí)際情況出發(fā)，在科學(xué)發(fā)展規(guī)律的基礎(chǔ)上，保證技術(shù)的使用和配置的標(biāo)準(zhǔn)化。因此，除了加強(qiáng)環(huán)境監(jiān)測(cè)技術(shù)管理工作，也必須對(duì)設(shè)備性能監(jiān)測(cè)技術(shù)及時(shí)校對(duì)，確保每個(gè)設(shè)備是最好的工作狀態(tài)，進(jìn)而提高監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性，避免數(shù)據(jù)錯(cuò)誤，提高監(jiān)測(cè)效果。同時(shí)，有必要對(duì)監(jiān)測(cè)工作的技術(shù)實(shí)力進(jìn)行分析，根據(jù)實(shí)際情況制定相應(yīng)的方案，提高技術(shù)分析的準(zhǔn)確性。此外，嚴(yán)格按照國(guó)家有關(guān)標(biāo)準(zhǔn)制定管理制度，同時(shí)注重監(jiān)測(cè)結(jié)果也要充分考慮到國(guó)家的整體發(fā)展，這是確?？茖W(xué)成果的條件之一。

（五）加強(qiáng)對(duì)環(huán)境監(jiān)測(cè)技術(shù)設(shè)備的高效管理

環(huán)境監(jiān)測(cè)設(shè)備的重要性無(wú)需強(qiáng)調(diào)，只有更先進(jìn)的設(shè)備，才能確保監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性。工作人員必須有清醒的認(rèn)識(shí)，堅(jiān)持觀(guān)點(diǎn)，明確設(shè)備管理的方向，提高人性化和科學(xué)的監(jiān)測(cè)設(shè)備管理。同時(shí)，根據(jù)具體情況合理配置技術(shù)資源，實(shí)現(xiàn)優(yōu)化配置，減少閑置，避免資源浪費(fèi)。此外，最關(guān)鍵的是要加強(qiáng)設(shè)備采購(gòu)管理，嚴(yán)格落實(shí)審計(jì)要求，配備專(zhuān)業(yè)的檢測(cè)和維修人員，提高設(shè)備使用效果的使用性能，延長(zhǎng)使用壽命的發(fā)展，以促進(jìn)環(huán)境監(jiān)測(cè)技術(shù)的工作。

（六）制定合理的人才培養(yǎng)計(jì)劃

人才是根本，環(huán)境監(jiān)測(cè)部門(mén)的領(lǐng)導(dǎo)層也要充分意識(shí)到這一點(diǎn)，認(rèn)識(shí)到人才培養(yǎng)與環(huán)境監(jiān)測(cè)之間的供給關(guān)系，增強(qiáng)人才的專(zhuān)業(yè)水平與實(shí)際工作能力，同時(shí)監(jiān)測(cè)部門(mén)的負(fù)責(zé)人要結(jié)合本單位的具體工作情況，加強(qiáng)培訓(xùn)，注重教育，進(jìn)而使得工作人員可以更快地進(jìn)入到工作狀態(tài)，提高工作效果，改善監(jiān)測(cè)水平，改善環(huán)境質(zhì)量。