CRM系统:数据挖掘技术在高校学生CRM 中的应用*

摘要：本文对数据挖掘在高校学生CRM 的应用进行了初步探讨，以决策树为例，建立了学生发展状况分类评估模型，并且对模型的应用进行了分析。基于数据挖掘的智能学生分析系统对于促进分层次学生管理的有效实施起着重要作用。关键词：高校学生CRM 数据挖掘决策树方法学生发展状况分类中图分类号：TP274 文献标识码：B 文章编号：1673-8454（2009）05-0083-03 近年来，随着信息技术的普及，高校逐步建立了各种各样的学校信息管理系统以应对日常的管理需要。同时，随着高校的不断扩招，高校学生规模剧增和教育资源的有限性都使得高校学生管理变得日趋复杂。因此，在高等教育中实施学生客户关系管理（CRM）有助于对庞大的学生群实施低成本、有效的管理。另一方面，以往传统的教务管理信息系统主要是用来满足信息查询、统计汇总、成绩管理、招生管理、就业管理等基本教务管理需要。这些系统积累了海量的学生管理信息数据，但是对这些数据没有充分利用，出现了所谓“数据爆炸，知识贫乏”等现象。这些系统、数据以及管理思路为在高校实施分析型CRM 提供了一定基础。因此，本文采用数据挖掘中的决策树方法，目的在于发现学生发展的因素以及各种因素的关联，并对学生的状况分类评估，发现有价值的情况，帮助管理部门实施有效的分层次学生管理。一、高校学生CRM CRM 是一种以客户为中心的经营策略，它以信息技术为手段，对相关业务功能重新设计，并对相关工作流程进行重组，以达到留住老客户、吸引新客户、提高客户利润贡献度的目的。CRM 目的在于建立一个收集和分析客户数据的系统，使企业在客户服务、市场竞争、销售及服务等方面形成彼此协调的关系实体，旨在改善企业与客户之间的关系。高校客户是指接受高校所提供的无形产品（即教育）的对象，主要包含在校学生和毕业离校学生，他们是教育价值的最终体现者。企业CRM 和学校CRM 的性质不同，但是追求的目标是相似的：企业是为了争取有价值的客户，而高校是为了吸引和培养优秀的学生，一切以学生的发展和成才为目标，为社会创造社会效益和经济效益。按照CRM 的观点，学校应该把学生看成是客户，一切工作为了学生，培养学生，学校只有实行有效的学生关系管理，提高学校管理学生水平和满足学生被培养的需要，提高学校的竞争优势，才能吸引更多的学生，实现更多的学生价值。二、数据挖掘在高校分析型CRM 中的应用数据挖掘是从实际应用数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。将数据挖掘技术运用在CRM 中就能在海量的客户数据库中将看似没有联系的数据进行分析和处理，提取出有价值的客户关系，并能对未来的发展趋势和行为进行预测，为企业提供战略决策支持。[1] 数据挖掘在CRM 中的应用有客户细分分析、客户识别分析、客户保持和流失的分析、客户关联需求的分析、交叉销售和客户贡献分析等。高校实施CRM 的目的，是可以从客户数据分析中挖掘客户服务发展方向，基于数据挖掘的CRM 提供了一个利用各种方式收集和分析客户数据的智能系统，可帮助高校有效地制订客户发展策略，为客户提供个性化服务，并将极大地提高高校的决策效率和决策能力。高校积累了学生的数据信息，为实施分析型CRM 提供了可能。数据挖掘工具在高校分析型CRM 中的应用，可以对学生信息分析和处理，对客户数据和客户行为模式进行挖掘，实行对学生的科学分类和评价，从而帮助管理者实施针对性强的精细化管理。可以采用的数据挖掘工具有：决策树、关联规则、基于案例的学习、神经网络、支持向量机、遗传算法、统计分析等。三、数据挖掘在高校分析型CRM 的实施过程 1.确定业务目标目前，高校的不断扩招使得高等教育已经从过去的精英教育迈入平民教育。面对学生规模庞大与学校资源有限的矛盾，高校不可能对整个学生群实施一对一的培养方式。为了达到高等教育培养精英的目的，非常有必要按照CRM 的思想实行分层次的客户管理，即对有价值的学生实行重点客户管理，从了解社会发展需要的角度出发培养学生，使所培养的学生具备市场所要求的技能和素质。分层并不是只关注少数学生而摈弃大多数学生。按照对学生的各种考评记录，结合管理需要确定有价值学生的标准，实施重点分层次的培养。[2] 将特定学生群划分成不同层级，摸清不同层级的需要，以便为他们提供个性化的服务，在教育管理中实践“因材施教”的思想。 2.数据准备用于数据挖掘的学生信息存储在学生（本科生和研究生）信息数据库中。该学生信息数据库包含了学生入学情况子库、学生基本信息子库、学生成绩库、学生科研子库、学生英语过级子库、学生计算机过级子库、学生奖励情况子库、学生心理测评记录子库、学生参加社会实践活动（社团和社会实践）情况库、学生毕业与就业情况子库、学校的考评标准及各种评价管理标准等。学生（本科生和研究生）入学情况子库主要包括入学的各门课程的成绩和其他入学相关记录情况。学生基本信息子库反映了学生基本档案情况，包括学号、姓名、性别、政治面貌、民族类别、身份证号、家庭地址、籍贯等。学生成绩库主要包括学号、课程号、课程类别（学位课程、非学位课）、学分、课程成绩等。学生科研子库包括学生参加的科研项目与发表论文的情况等。学生英语过级子库和学生计算机过级子库包括英语四六级和计算机等级考试的成绩。学生奖励情况子库包括学生各种奖励的记录。学生心理测评记录子库包括入学、定期及毕业前的、采用网络或者书面的心理测评结果，包括个人基本心理档案、心理测评量表和测评结果、统计分析结果等。学生参加社会实践活动情况库存放社团和社会实践的主管单位对学生的评价记录、活动记录和担任职务等数据。学生毕业与就业情况子库记录了学生毕业论文答辩及就业去向等情况。上述的数据库基本覆盖了学生的所有情况，有些子库是不变动或者很少变动的，如入学子库和基本信息子库，不是数据挖掘关心的重点；而有些数据频繁变动的子库是本文实施数据挖掘关心的重点。对上述数据搜集和整理，并从现有的可得的数据源进行抽取、转换、装载以保证数据的准确性和一致性，为数据处理做准备。 3.数据分析与预处理第一步，学生发展状况设为模型因变量Y，根据学生中期或者期末筛选考核情况将Y 分为三个等级：学生发展差为1（处分、留级、降级、退学、无资格授予学位、心理确诊严重失常）、学生发展中等为2（通过中期考核及其他非好、非差的学生）、学生发展好为3（国家或市级重大综合类别的奖励、保送研究生、允许提前毕业）。第二步，分析学生发展的影响因素，也就是确定模型的输入变量，这里重点说明决策树的处理和建模流程。学生的发展级别作为模型的输出变量Y，这里确定学生发展级别的影响因素为模型的输入变量（自变量） X={X1，X2，X3，X4，X5，X6，X7，X8，X9}，分别为：入学平均成绩、心理健康程度、学位课平均成绩、非学位课平均成绩、科研能力、社会实践能力、奖励情况、英语等级、计算机等级。第三步，处理并获得因变量的值，如：对连续变量进行“离散化”处理，对缺失值用平均值进行处理。对于入学成绩，将排名的前三分之一归为3，中间三分之一归为2，后三分之一归为1。对于学位课成绩、非学位课成绩处理的标准是：不及格为1（平均成绩＜60），及格为2（60≤平均成绩＜70），中等为3（70≤平均成绩＜80）、良好为4(80≤平均成绩＜90)、优秀为5(90≤平均成绩＜100)。心理健康程度一般是按照教育部颁布的大学生心理健康测评要求进行，基于学生心理健康调查表的评价结果一般分为三个类别：第一类是确诊为有心理卫生问题的学生，是指有严重神经症并明显影响生活学习的学生；第二类是没有严重心理卫生问题的学生，他们存在一般心理问题，如人际关系不协调、交往不适应等；第三类是没有任何心理卫生问题的学生；第一、二、三类分别对应1、2、3。[3] 科研能力、社会实践能力、奖励情况应该按照学院学校的条文规定将每个条目折合成相应的分数进行累计，累计的总分可以按照区间分成3 个级别，即：优良为3、中等为2、差为1。例如:科研能力一般包括主持参加项目和发表论文，国家级、省级项目对应的分值有所不同，不同级别的论文对应的分值也有所不同，每个项目或者论文按照规定折合分值累计得到总分，一般将没有项目论文归为1，某个分值以上和以下分别归为优良和中等。类似的，社会实践能力、奖励情况也将得到的总分变成相应级别。英语等级和计算机等级按照下面标准折合成相应级别:小于60 分为差（1），大于等于60 且小于85 分为中等（2），大于等于85 分为优良（3）。强力推荐： 天柏客户关系管理系统 天柏客户关系管理系统（CRM）是一款集专业性、实用性、易用性为一体的纯B/S架构的CRM系统，它基于以客户为中心的协同管理思想和营销理念，围绕客户生命周期的整个过程，针对不同价值的客户实施以客户满意为目标的营销策略，通过企业级协同，有效的“发现、保持和留住客户”，从而达到留住客户、提高销售，实现企业利润最大化的目的。通过对客户进行7P的深入分析，即客户概况分析(Profiling)、客户忠诚度分析(Persistency)、客户利润分析(Profitability)、客户性能分析(Performance)、客户未来分析(Prospecting)、客户产品分析(Product)、客户促销分析(Promotion)以及改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程并提高各个环节的自动化程度，从而帮助企业达到缩短销售周期、降低销售成本、扩大销售量、增加收入与盈利、抢占更多市场份额、寻求新的市场机会和销售渠道，最终从根本上提升企业的核心竞争力，使得企业在当前激烈的竞争环境中立于不败之地。