數(shù)據(jù)挖掘在銀行分析型CRM系統(tǒng)應(yīng)用中存在的問(wèn)題與對(duì)策

周晶平

(中南民族大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院，湖北 武漢 430074)

商業(yè)銀行在經(jīng)營(yíng)過(guò)程中，獲得了大量的業(yè)務(wù)數(shù)據(jù)和客戶信息，如何利用數(shù)據(jù)挖掘技術(shù)在這些海量數(shù)據(jù)中進(jìn)行高層次的數(shù)據(jù)分析，為銀行經(jīng)營(yíng)提供科學(xué)的決策依據(jù)是每個(gè)商業(yè)銀行面臨的問(wèn)題.對(duì)于我國(guó)的金融機(jī)構(gòu)而言，數(shù)據(jù)挖掘項(xiàng)目不是一個(gè)新鮮的話題，卻是一個(gè)缺少成功答卷的命題.文中在分析銀行客戶關(guān)系管理系統(tǒng)的基礎(chǔ)上，研究銀行分析型CRM的體系結(jié)構(gòu)、主要功能，數(shù)據(jù)挖掘過(guò)程和挖掘方法.探討數(shù)據(jù)挖掘在銀行分析型CRM應(yīng)用中存在的問(wèn)題和解決辦法.

1 銀行客戶關(guān)系管理系統(tǒng)

圖1 銀行CRM系統(tǒng)結(jié)構(gòu)

我國(guó)商業(yè)銀行采用計(jì)算機(jī)化管理已有多年，多種業(yè)務(wù)系統(tǒng)遍及省、市、縣各級(jí)業(yè)務(wù)部門，數(shù)據(jù)信息在物理上較為分散，歷史數(shù)據(jù)也極為龐大.因此，銀行CRM系統(tǒng)可以采用分布式數(shù)據(jù)倉(cāng)庫(kù)環(huán)境，即所有分行均擁有自己的CRM系統(tǒng)，并與本地綜合業(yè)務(wù)系統(tǒng)及呼叫中心連接.在總行建有CRM中心數(shù)據(jù)倉(cāng)庫(kù)，提供面向全行的分析決策功能，并為網(wǎng)上銀行業(yè)務(wù)提供數(shù)據(jù)查詢支持.網(wǎng)上銀行的客戶信息直接在總行的CRM數(shù)據(jù)倉(cāng)庫(kù)中集成，各分支機(jī)構(gòu)可以調(diào)用總行數(shù)據(jù)倉(cāng)庫(kù)中的客戶信息，銀行CRM系統(tǒng)結(jié)構(gòu)如圖1所示.

銀行CRM系統(tǒng)由業(yè)務(wù)處理、客戶聯(lián)系和客戶關(guān)系分析中心三部分組成.客戶關(guān)系分析中心則以CRM中心數(shù)據(jù)倉(cāng)庫(kù)為核心，數(shù)據(jù)集成系統(tǒng)與業(yè)務(wù)處理部分連接，同時(shí)為銀行的管理層和業(yè)務(wù)分析人員提供客戶分析服務(wù).

2 銀行分析型CRM的體系結(jié)構(gòu)與功能分析

圖2 系統(tǒng)體系結(jié)構(gòu)

2.1系統(tǒng)的體系結(jié)構(gòu)分析型CRM系統(tǒng)的設(shè)計(jì)主要利用數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘、聯(lián)機(jī)分析等技術(shù)，其主要原理是將交易所累積的大量數(shù)據(jù)過(guò)濾，抽取到數(shù)據(jù)倉(cāng)庫(kù)，再利用數(shù)據(jù)挖掘技術(shù)建立各種行為預(yù)測(cè)模型，最后利用圖表、曲線等對(duì)企業(yè)各種關(guān)鍵運(yùn)行指標(biāo)以及客戶市場(chǎng)分割情況向操作型應(yīng)用發(fā)布，達(dá)到成功決策的目的[1].銀行分析型CRM系統(tǒng)體系結(jié)構(gòu)如圖2所示.

2.2系統(tǒng)功能分析分析型CRM的目的是幫助銀行了解自身經(jīng)營(yíng)情況，準(zhǔn)確地發(fā)現(xiàn)贏利客戶和具有贏利潛力的客戶，分析客戶的消費(fèi)傾向，幫助銀行開發(fā)適應(yīng)消費(fèi)者需求的新產(chǎn)品，為銀行贏得客戶提供有力的保障[2].其主要功能包括：(1)對(duì)客戶進(jìn)行評(píng)價(jià).分析誰(shuí)是銀行的客戶，誰(shuí)對(duì)銀行貢獻(xiàn)度大，根據(jù)風(fēng)險(xiǎn)收益對(duì)應(yīng)理論，嚴(yán)格控制風(fēng)險(xiǎn)，爭(zhēng)取最大收益.(2)客戶流失分析.挽留一個(gè)已有客戶的成本要遠(yuǎn)遠(yuǎn)低于爭(zhēng)取一個(gè)新客戶.銀行通過(guò)CRM系統(tǒng)分析客戶的嗜好、興趣和注意力，根據(jù)客戶的愛(ài)好調(diào)整自己的產(chǎn)品和服務(wù)，通過(guò)分析客戶的抱怨、建議、咨詢等信息不斷改進(jìn)自己的服務(wù)水平，贏得客戶的滿意，防止客戶流失.通過(guò)分析客戶對(duì)產(chǎn)品的應(yīng)用頻率、持續(xù)性等指標(biāo)判斷客戶的忠誠(chéng)度，從而對(duì)忠誠(chéng)客戶提供優(yōu)惠服務(wù).(3)防范金融風(fēng)險(xiǎn)，提高經(jīng)營(yíng)效益.通過(guò)CRM對(duì)不斷發(fā)展的客戶市場(chǎng)進(jìn)行研究和評(píng)價(jià)，找出潛在的大客戶和風(fēng)險(xiǎn)較大的客戶，適時(shí)地選擇恰當(dāng)?shù)氖袌?chǎng)準(zhǔn)入和退出策略，及時(shí)做出積極主動(dòng)響應(yīng)，控制金融風(fēng)險(xiǎn)，使經(jīng)濟(jì)效益最大化.(4)為銀行創(chuàng)新產(chǎn)品提供依據(jù).通過(guò)CRM研究銀行的發(fā)展趨勢(shì)和市場(chǎng)的發(fā)展變化，創(chuàng)新金融產(chǎn)品和服務(wù)，爭(zhēng)取在競(jìng)爭(zhēng)中立于不敗之地.

3 銀行分析型CRM中數(shù)據(jù)挖掘過(guò)程和常用分析方法

圖3 數(shù)據(jù)挖掘基本步驟

3.1數(shù)據(jù)挖掘過(guò)程在銀行分析型CRM中，數(shù)據(jù)挖掘是從大量的有關(guān)客戶數(shù)據(jù)中挖掘出隱含的、先前未知的、對(duì)金融企業(yè)決策有潛在價(jià)值的知識(shí)和規(guī)則.數(shù)據(jù)挖掘的實(shí)施并不能一蹴而就，是一個(gè)循序漸進(jìn)、循環(huán)反復(fù)、不斷調(diào)整的過(guò)程.一般來(lái)說(shuō)，銀行CRM中的數(shù)據(jù)挖掘主要包括[3](如圖3)：(1)確定分析和預(yù)測(cè)目標(biāo).CRM在進(jìn)行數(shù)據(jù)挖掘時(shí)，首先需要明確商業(yè)目標(biāo)，即你想通過(guò)數(shù)據(jù)挖掘解決的問(wèn)題，達(dá)到的目的.還要將準(zhǔn)備解決的問(wèn)題轉(zhuǎn)化為可以測(cè)量的目標(biāo)，即數(shù)據(jù)挖掘的成功準(zhǔn)則.(2)數(shù)據(jù)選擇.對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行了解和選擇.比如，數(shù)據(jù)從哪里獲得？數(shù)據(jù)倉(cāng)庫(kù)是否建立？?jī)?nèi)部數(shù)據(jù)是否可直接使用？數(shù)據(jù)哪些字段是必要的？通過(guò)數(shù)據(jù)選擇可以對(duì)基礎(chǔ)數(shù)據(jù)建立基本的可信度.(3)數(shù)據(jù)準(zhǔn)備.對(duì)選擇的數(shù)據(jù)進(jìn)行必要的預(yù)處理、轉(zhuǎn)換，以消除數(shù)據(jù)噪音，提高數(shù)據(jù)的完整性、準(zhǔn)確性和可信度.(4)模型構(gòu)造.這是數(shù)據(jù)挖掘的關(guān)鍵階段，這一階段的主要工作有：根據(jù)挖掘的商業(yè)目標(biāo)，選擇相應(yīng)的數(shù)據(jù)挖掘技術(shù)，建立培訓(xùn)數(shù)據(jù)和測(cè)試數(shù)據(jù)，利用培訓(xùn)數(shù)據(jù)采用相應(yīng)算法建立模型和模型解釋.(5)模型評(píng)估和校驗(yàn).使用測(cè)試數(shù)據(jù)對(duì)建立的模型進(jìn)行測(cè)試，計(jì)算誤差率，如未達(dá)到預(yù)期目標(biāo)，則根據(jù)誤差原因，重新回到模型構(gòu)造或數(shù)據(jù)選擇階段，重復(fù)相關(guān)過(guò)程，直至找到滿意的模型.(6)部署和應(yīng)用.建立滿意的模型后，就可以在整個(gè)企業(yè)內(nèi)部署和應(yīng)用模型.另外，在應(yīng)用的過(guò)程中還要不斷的測(cè)試模型的成功概率，從而完善模型.

3.2數(shù)據(jù)挖掘的常用分析方法在銀行分析型CRM中，金融客戶數(shù)據(jù)挖掘中的常用分析方法包括：關(guān)聯(lián)規(guī)則挖掘方法、分類方法、聚類分析聚類方法[4]以及神經(jīng)網(wǎng)絡(luò)分析方法等.

(1)關(guān)聯(lián)規(guī)則挖掘方法.關(guān)聯(lián)規(guī)則挖掘方法主要用于發(fā)現(xiàn)不同事件之間的關(guān)聯(lián)性，即一個(gè)事件發(fā)生的同時(shí)，另一個(gè)事件也經(jīng)常發(fā)生.關(guān)聯(lián)分析的重點(diǎn)在于快速發(fā)現(xiàn)那些有實(shí)用價(jià)值的關(guān)聯(lián)發(fā)生的事件.其主要依據(jù)是事件發(fā)生的概率和條件概率應(yīng)該符合一定的統(tǒng)計(jì)意義.(2)分類方法.分類在數(shù)據(jù)挖掘中是一項(xiàng)非常重要的任務(wù).類分析就是通過(guò)分析樣本客戶數(shù)據(jù)庫(kù)中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述，或建立分類模型，或挖掘出分類規(guī)則，然后用這個(gè)分類規(guī)則對(duì)其他客戶記錄進(jìn)行分類.分類模型也可用于預(yù)測(cè).預(yù)測(cè)的目的是利用客戶的歷史數(shù)據(jù)紀(jì)錄中自動(dòng)推導(dǎo)出對(duì)給定數(shù)據(jù)的推廣描述，從而對(duì)未來(lái)的客戶數(shù)據(jù)進(jìn)行預(yù)測(cè).(3)聚類方法.聚類是把一組個(gè)體按照相似性歸成若干類別，即“物以類聚”.聚類將沒(méi)有分類的記錄，在不知道應(yīng)分成幾類時(shí)，按數(shù)據(jù)內(nèi)在的差異性，合理地劃分成幾類，并確定每個(gè)記錄所屬類別.它的目的是使得屬于同一類別的個(gè)體之間的距離盡可能地小，而不同類別上的個(gè)體間的距離盡可能地大.(4)神經(jīng)網(wǎng)絡(luò)的分析方法.神經(jīng)網(wǎng)絡(luò)具有良好的魯棒性、自組織自適應(yīng)性、并行處理、分布存儲(chǔ)和高度容錯(cuò)等特性，非常適合解決數(shù)據(jù)挖掘的問(wèn)題，能產(chǎn)生較好的預(yù)測(cè)效果.

4 銀行分析型CRM系統(tǒng)應(yīng)用中存在的問(wèn)題及對(duì)策

對(duì)于我國(guó)的金融機(jī)構(gòu)而言，數(shù)據(jù)挖掘項(xiàng)目不是一個(gè)新鮮的話題，卻是一個(gè)缺少成功答卷的命題.數(shù)據(jù)控掘技術(shù)在銀行分析型CRM應(yīng)用過(guò)程中存在一些問(wèn)題，影響了系統(tǒng)的運(yùn)用：一是銀行花了很大精力建設(shè)的數(shù)據(jù)挖掘系統(tǒng)，沒(méi)有用戶或很少有人使用，二是數(shù)據(jù)挖掘的結(jié)果不能讓人滿意；三是系統(tǒng)靈活性不夠.數(shù)據(jù)挖掘作為非平凡的發(fā)現(xiàn)和探索過(guò)程，其需求具有很強(qiáng)的不確定性，需求變更相對(duì)頻繁.需求變更會(huì)涉及數(shù)據(jù)準(zhǔn)備、模型算法及前端應(yīng)用的一系列調(diào)整，使系統(tǒng)陷入疲于應(yīng)付的狀態(tài)等.

為實(shí)現(xiàn)數(shù)據(jù)挖掘在銀行分析型CRM中的成功應(yīng)用，應(yīng)從以下兩個(gè)方面入手.

4.1應(yīng)用層面(1)加強(qiáng)業(yè)務(wù)部門與技術(shù)部門的聯(lián)系與協(xié)調(diào).CRM是一項(xiàng)業(yè)務(wù)管理戰(zhàn)略，但這一戰(zhàn)略的實(shí)施離不開技術(shù)的支撐，這就意味著技術(shù)部門與業(yè)務(wù)部門間必須密切合作，共同確定滿足業(yè)務(wù)發(fā)展戰(zhàn)略需要的技術(shù)與架構(gòu).對(duì)現(xiàn)有業(yè)務(wù)的理解往往決定著項(xiàng)目建設(shè)的成敗，所以信息技術(shù)部門在部署相關(guān)技術(shù)架構(gòu)時(shí)，還需要明確業(yè)務(wù)部門的需求及業(yè)務(wù)處理的優(yōu)先級(jí).因此，如果雙方缺乏必要的合作，勢(shì)必會(huì)導(dǎo)致CRM系統(tǒng)不能很好地滿足企業(yè)整體業(yè)務(wù)的需求，影響CRM應(yīng)用的效益.在項(xiàng)目實(shí)施過(guò)程中，組建一個(gè)由技術(shù)部門與業(yè)務(wù)部門共同參與的項(xiàng)目小組非常必要，這樣更有利于實(shí)現(xiàn)業(yè)務(wù)與技術(shù)的雙向溝通.

(2)注重挖掘過(guò)程.在數(shù)據(jù)挖掘課題中，大部分時(shí)間都是對(duì)問(wèn)題的理解及數(shù)據(jù)的收集、處理和整理，對(duì)數(shù)據(jù)挖掘過(guò)程的掌握很重要.因此，數(shù)據(jù)挖掘技術(shù)應(yīng)用于銀行CRM系統(tǒng)的實(shí)踐中，應(yīng)注意本3個(gè)方面問(wèn)題. ①要有明確的挖掘目標(biāo).數(shù)據(jù)挖掘并非是萬(wàn)能的，它必須在確定的主題下才能發(fā)揮好的效果.銀行首先應(yīng)該對(duì)涉及CRM系統(tǒng)的各類商業(yè)問(wèn)題進(jìn)行分類，選定合適的商業(yè)問(wèn)題來(lái)分別進(jìn)行挖掘處理；其次根據(jù)商業(yè)問(wèn)題，從大量的銀行業(yè)務(wù)數(shù)據(jù)中選擇和識(shí)別這些數(shù)據(jù)，便于對(duì)數(shù)據(jù)進(jìn)行有效處理，使之更加適應(yīng)挖掘工具. ②前期準(zhǔn)備工作至關(guān)重要.在數(shù)據(jù)挖掘的過(guò)程中，大部分時(shí)間都花在對(duì)問(wèn)題的理解及數(shù)據(jù)的收集、處理和整理過(guò)程中.數(shù)據(jù)的質(zhì)量決定挖掘結(jié)果的正確與否，在采集數(shù)據(jù)時(shí)應(yīng)特別注意數(shù)據(jù)的準(zhǔn)確性.③挖掘結(jié)果及時(shí)試用并反饋修整模型.挖掘結(jié)果的解釋十分重要，結(jié)果要及時(shí)反饋到?jīng)Q策人，為銀行的科學(xué)決策提供支持.同時(shí)，結(jié)果使用后要及時(shí)反饋給分析人員，以便對(duì)模型進(jìn)行修正，為今后的數(shù)據(jù)挖掘提供資料.

4.2技術(shù)層面在銀行分析型CRM中，數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)挖掘的基礎(chǔ)，如果數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)質(zhì)量不能得到保證，會(huì)嚴(yán)重降低數(shù)據(jù)挖掘的使用率和可信度，還可能給決策分析帶來(lái)災(zāi)難的后果.如果數(shù)據(jù)挖掘能力不強(qiáng)，則系統(tǒng)不能滿足用戶要求.數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘是銀行分析型CRM應(yīng)用中的兩個(gè)方面.

(1)數(shù)據(jù)倉(cāng)庫(kù).數(shù)據(jù)倉(cāng)庫(kù)是企業(yè)信息系統(tǒng)中最為復(fù)雜的部分，特別是銀行、保險(xiǎn)等金融企業(yè)，數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)必須匯集來(lái)自眾多業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，支持紛繁的業(yè)務(wù)分析，而且它還必須隨著業(yè)務(wù)需求的變化而不斷調(diào)整.因此，在數(shù)據(jù)倉(cāng)庫(kù)建設(shè)中，要注意的方面有：①數(shù)據(jù)倉(cāng)庫(kù)規(guī)劃.數(shù)據(jù)倉(cāng)庫(kù)工程是為了滿足對(duì)經(jīng)營(yíng)管理決策支持的需要，在整個(gè)企業(yè)范圍內(nèi)，建立統(tǒng)一協(xié)調(diào)的全局信息環(huán)境的龐大工程，是一項(xiàng)復(fù)雜的信息集成工程.在數(shù)據(jù)倉(cāng)庫(kù)工程中，涉及的業(yè)務(wù)和技術(shù)面都比較廣，參加的業(yè)務(wù)部門多，頭緒繁雜.如果沒(méi)有一個(gè)統(tǒng)一的規(guī)劃，很難保證項(xiàng)目的成功實(shí)施.規(guī)劃應(yīng)體現(xiàn)超前性，具有超前性的系統(tǒng)才會(huì)長(zhǎng)久，才會(huì)更容易體現(xiàn)技術(shù)的先進(jìn)性和業(yè)務(wù)的預(yù)見(jiàn)性.②元數(shù)據(jù)管理.數(shù)據(jù)質(zhì)量直接影響數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的生命力.在數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中，元數(shù)據(jù)機(jī)制監(jiān)測(cè)每次從數(shù)據(jù)源抽取數(shù)據(jù)的過(guò)程中，記錄有關(guān)錯(cuò)誤的統(tǒng)計(jì)信息，從而為系統(tǒng)管理人員提供數(shù)據(jù)質(zhì)量的信息，因此，必須重視元數(shù)據(jù)的管理[5].對(duì)元數(shù)據(jù)的管理，比較完備的方式是利用現(xiàn)成的產(chǎn)品工具進(jìn)行管理.沒(méi)有工具時(shí)，元數(shù)據(jù)的管理體現(xiàn)為文檔管理，文檔的內(nèi)容就是元數(shù)據(jù)，文檔應(yīng)做到多樣、齊全，才能應(yīng)付后續(xù)不可預(yù)見(jiàn)的風(fēng)險(xiǎn).③ETCL(抽取、轉(zhuǎn)換、清洗和加載)過(guò)程，后臺(tái)處理系統(tǒng)是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)成功的基礎(chǔ)，在金融數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)中，它從其他各個(gè)業(yè)務(wù)系統(tǒng)中抽取數(shù)據(jù)進(jìn)行轉(zhuǎn)換、清洗、匯總和聚合，并加載到數(shù)據(jù)倉(cāng)庫(kù)中，時(shí)間和速度在數(shù)據(jù)倉(cāng)庫(kù)的ETCL過(guò)程中非常重要[6].如果技巧和方法不當(dāng)，則加載效率不高.對(duì)銀行這樣的企業(yè)，可用于加載的時(shí)間非常短，每天的后續(xù)加載壓力會(huì)很大.因此，數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)就應(yīng)充分考慮這個(gè)問(wèn)題.另外，數(shù)據(jù)倉(cāng)庫(kù)無(wú)論從有儲(chǔ)方式，組織形式還是數(shù)據(jù)類型，與源系統(tǒng)都是不一致的.在ETCL過(guò)程中，一方面，ETCL過(guò)程本身可能帶來(lái)數(shù)據(jù)質(zhì)量問(wèn)題，要通過(guò)加強(qiáng)ETL階段的測(cè)試工作進(jìn)行排除；另一方面，ETL人員通過(guò)對(duì)源數(shù)據(jù)的詳細(xì)查看，可以發(fā)現(xiàn)非常全面而細(xì)節(jié)的源數(shù)據(jù)質(zhì)量問(wèn)題.

(2)數(shù)據(jù)挖掘.數(shù)據(jù)挖掘是根據(jù)企業(yè)的既定業(yè)務(wù)目標(biāo)和對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析、揭示隱藏的、未知的、規(guī)律性，或驗(yàn)證已知的規(guī)律，并將其模型化的一種先進(jìn)有效的方法.在銀行分析型CRM中，客戶數(shù)據(jù)挖掘能力是CRM系統(tǒng)的主要技術(shù)要求之一，對(duì)數(shù)據(jù)挖掘，關(guān)鍵在于對(duì)數(shù)據(jù)挖掘的算法、分法和應(yīng)用的理解和掌握.由于每一個(gè)問(wèn)題常常有幾種不同的算法可以解決,每種算法也都可以用來(lái)解決不同的問(wèn)題[7].因此，對(duì)每種算法和應(yīng)用的理解至關(guān)重要，需要非常熟悉，才能多方法融合，有機(jī)組合互補(bǔ).

5 結(jié)束語(yǔ)

基于數(shù)據(jù)挖掘的銀行分析型CRM的應(yīng)用是一項(xiàng)復(fù)雜的系統(tǒng)工程，在應(yīng)用過(guò)程中獲得高層領(lǐng)導(dǎo)和管理層的支持及銀行員工的理解、協(xié)作和共同認(rèn)可極為重要.同時(shí)，還需加強(qiáng)員工培訓(xùn)和對(duì)最終用戶的支持，使他們能夠成功地應(yīng)用這一系統(tǒng)，從而提升競(jìng)爭(zhēng)力.

參考文獻(xiàn)：

[1] 何榮勤.CRM原理設(shè)計(jì)實(shí)踐[M].北京：電子工業(yè)出版社，2006.

[2] 張永虎.CRM系統(tǒng)及其在我國(guó)銀行業(yè)的應(yīng)用分析[J].中國(guó)金融電腦，2002(3)：67-70.

[3] 董寧.數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2007(6)：1429-1431.

[4] 劉同明.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2001.

[5] 聶茹.數(shù)據(jù)倉(cāng)庫(kù)元數(shù)據(jù)建設(shè)思考[J].計(jì)算機(jī)應(yīng)用研究，2005(2)：57-57.

[6] 王克龍.數(shù)據(jù)倉(cāng)庫(kù)中ETL技術(shù)的探討與實(shí)踐[J].計(jì)算機(jī)應(yīng)用與軟件，2005(11)：30-32.

[7] 鄒志文.數(shù)據(jù)挖掘算法研究與綜述[J].計(jì)算機(jī)工程與設(shè)計(jì)，2005(9)：2304-2308.