數據挖掘在電機制造行業中的應用

摘要：介紹了電機制造業的特點，指出在電機制造業銷售管理中實施客戶關系管理(CRM)以及物流管理中實施供應鏈風險管理的重要性，從而引出數據挖掘(DM)技術，最后，敘述數據挖掘在電機制造業中的應用。

關鍵詞：數據挖掘 客戶關系管理 數據庫技術

中圖分類號：TP274 文獻標識碼：A 文章編號：1002－2422(2008)03－0024－02

1 電機制造業的特點

電機制造業中主要有以下幾個特點：

(1)就客戶而言，以最終客戶為主，這一群體數量龐大，裝機容量大小不一，主要通過銷售人員直接與廠家訂貨，與制造廠家的關系是通過銷售部門來反映。

(2)就大中型電動機、發電機生產廠家而言，生產的產品一般有多大類、多系列，生產零件部件達幾十萬個，甚至上百萬個，屬于面向訂單的制造企業。產品一般通過銷售公司銷售。

(3)就供應商而言，涉及到原材料、外購件和外協件等來源，所擁有的信息十分龐大。

因此，在信息時代，要充分利用企業的信息資源，從以產品為中心的管理模式轉變為以客戶為中心的管理模式上來。

2 客戶關系管理(CRM)的內涵

CRM指在適合的時間，以適合的價格，將適合的產品或服務提供給適合的客戶，以滿足需要。

CRM以客戶為核心，旨在提高客戶滿意度、客戶忠誠度，從而提高客戶保持率并贏得更多的潛在客戶，CRM是以客戶為中心企業營銷的技術實現和管理實現。具體說來：

(1)CRM是一種管理理念，其核心思想是將客戶作為最重要的企業資源。

(2)CRM是一種管理機制，將這種新型管理機制實施企業的市場營銷、銷售、服務與技術支持等與客戶相關的領域，從而，客戶能夠得到更快捷和周到的服務；企業能夠增加營業額和降低經營成本。

(3)CRM是一種管理軟件和技術，集合了當今最新的信息技術，包括Internet和電子商務、多媒體技術、數據倉庫和數據挖掘、專家系統和人工智能、呼叫中心以及其他信息技術。

3 基于數據庫技術的CRM解決方案

CRM系統是一個決策支持系統(DSS)，需借助一定的技術和手段得以在現實中應用，如數據倉庫(DW)技術、聯機分析處理(OLAP)、數據挖掘(DM)等，從而為企業各個不同的管理層提供決策支持。其中CRM實現方案如圖1。

(1)DW：實現對決策主題數據的存儲和綜合，為DSS提供數據存儲和組織的集成。對底層數據庫中的數據進行集成、轉換、綜合，組織成面向全局的數據視圖。

(2)OLAP：實現多維數據分析。從DW中的集成數據出發，構建面向分析的多維數據模型，再使用多為分析方法從多個不同的視角對多維數據進行分析、比較。

(3)DM：挖掘DB和DW中的知識。以數據倉庫和多維數據庫中的大量數據為基礎，自動地發現數據中的潛在模式，并以這些模式為基礎自動地作出預測。

(4)模型庫(MB)：實現多個廣義模型的組合輔助決策。模型是為了交流認識而形成的關于客觀存在問題的框架。模型庫是聯系決策問題、數據與模型的橋梁，將多個模型以一定組織形式存儲起來。

(5)方法庫(AB)：為求解模型庫提供算法，是模型應用的后援系統。方法是具有特定功能的模塊化程序設計單位，具體地說是一個過程算法，具有共享性。方法庫是方法可擴充的集合。

4 數據挖掘

數據挖掘可以描述為：按企業既定業務目標，對大量的企業數據進行探索和分析，揭示隱藏的、未知的或驗證已知的規律性，并進一步將其模型化先進有效的方法。

數據挖掘所能解決的典型商業問題包括：數據庫營銷、客戶群體劃分、背景分析、交叉銷售等市場分析行為，以及客戶流失性分析、客戶信用記分、欺詐發現等等。

數據挖掘涉及的學科領域和方法很多。根據挖掘任務可分為：分類或預測模型發現、數據總結、聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等等；根據挖掘方法可分為：機器學習方法、統計方法、神經網絡方法和數據庫方法。機器學習方法包括：歸納學習方法、基于范例學習、遺傳算法等。統計方法包括：回歸分析、判別分析、聚類分析、探索性分析等。神經網絡方法包括：前向神經網絡、自組織神經網絡等。數據庫方法主要包括多維數據分析方法。

DM在很多行業都可以有較好的應用。如：國外，DM已廣泛應用于銀行金融、零售與批發、制造、保險、公共設施、政府、教育、遠程通訊、軟件開發、運輸等各個企事業單位。據報導，DM的投資回報率有達400％甚至10倍的事例。DM可分辨出成功的商店或分店的特性，并協助新開張的商店選擇恰當的地理位置；能分析哪種產品是最受歡迎的，這在為產品的推銷、商店的布局或新產品的開發等方面制定新策略指明方向；DM能找出產品使用模式或協助了解客戶行為，如正確時間銷售就是基于顧客生活周期模型來實施的。數據挖掘一方面，將數據轉化為信息和知識，在此基礎上做出正確的決策；另一方面提供一種機制，將知識融入到運營系統中，進行正確的運作。

5 電機制造業中的數據挖掘

通過生產管理、物流管理、編碼系統、銷售管理系統、客戶資料管理及其它業務數據中，可以收集到關于產品銷售、客戶信息、供應商及庫存信息等的信息資料。數據從各種應用系統中采集，經條件分類，放到數據倉庫里，允許高級管理人員、分析人員、采購人員、銷售人員訪問，利用DM工具對這些數據進行分析，提供高效的科學決策工具。例如：對違約供應商特征描述的數據進行分析，選擇優質的供應商、改善與供應商的協作關系、加強對供應商行為的監控。將描述式數據挖掘方法用于違約供應商的特征屬性識別，企業可以對具有這些特征的供應商采取取消合作關系或加強監控管理的辦法以保證供應鏈的可靠性。用數據挖掘方法提取供應商的特征作為評價和選擇供應商的依據，與傳統的供應商評價方法相比，數據挖掘法是基于客觀的統計資料而不是基于主觀判斷，克服了人為因素造成的隨意性。不同的企業，處于不同的行業、不同的地區、不同的發展階段，具有不同的規模，其所擁有的供應商也具有不同的特征，數據挖掘法充分體現了這種特殊性。實際上，這種方法的基本思路和管理人員處理此類問題的思路基本一致。在電機制造業應用領域，利用DW、DM會在很多方面有卓越表現。

(1)了解訂單全局：通過分類信息一按產品種類、銷售數量、銷售地點、價格和日期等了解每天的運營和財政情況，對銷售的每一點增長、庫存的變化以及資金回籠、銷售額都可了如指掌。

(2)降低庫存成本：通過數據挖掘系統，將銷售數據和庫存數據集中起來，通過數據分析，以決定在適合的時間里購進所需原材料物、零部件等，減少資金積壓，確保正確的庫存。數據倉庫系統還可以將庫存信息和產品銷售訂單預測信息，通過電子數據交換直接送到供應商那里，這樣省去商業中介，而且由供應商負責定期補充庫存，制造商可減少自身負擔。

(3)市場和趨勢分析：利用數據挖掘工具和統計模型對數據倉庫的數據仔細研究，以分析戰略性信息。利用數據倉庫通過檢索數據庫中近年來的銷售數據，對產品品種和庫存的趨勢進行分析。

6 結束語

目前市場上有多種適用解決所有商業模式的通用的數據挖掘系統，但實際上并不好用，普通用戶很難應用這些技術解決自己的商業問題。問題在于如何將數據挖掘技術與現有技術很好地結合起來，將特殊領域的商業邏輯與數據倉庫技術集成起來，數據挖掘的分析效果和效益可達到峰值。系統的定制，軟件供應商和企業互相交流，對系統功能的不斷完善和擴充可以在一定程度上解決這個問題。