TY - BOOK
T1 - Tiedon louhinta ja asiakkuudenhallinta -tuoteselvitys
AU - Käpylä, Tuula
PY - 2000
Y1 - 2000
N2 - Tiedon louhinta (data mining) on termi, jonka tarkkaa merkitystä ei ole vielä kiinnitetty. Termiä on käytetty viittaamaan periaatteisiin ja tekniikoihin, joita käytetään hyvin suurien tietomäärien tutkimiseen. Tiedon louhinta mahdollistaa löytää raakatie dosta (data) tai esim. tietovarastosta (data warehouse) kätkeytyvää informaatiota (esim. trendejä, malleja ja yhteyksiä). Tiedon louhinnan oleellinen osa on tutkittavaa tietoa kuvaavan mallin rakentaminen. Mallin rakentamistekniikoita on useita, esim. pä ätöspuut (decision trees), geneettiset algoritmit (genetic algorithms), neuroverkot (neural networks) ja tilastolliset menetelmät. Tiedon louhinnan ero esim. perinteisten kyselyjen ja OLAP (online analytical processing) -työkalujen käyttöön on lähinnä siinä, että tiedon louhinnassa käyttäjän ei tarvitse olla yhtä hyvin perillä tietovaraston sisällöstä. Tiedon louhinnan tekniikat perustuvat tällä hetkellä mm. tekoälyn puolella kehitettyihin algoritmeihin. Esimerkkejä tiedon louhinnan tekniikoista ovat mm. assosiaatio, klusterointi (ryvästys, clustering) ja luokittelu (classification). Asiakkuudenhallinta (Customer Relationship Management, CRM) tarkoittaa nimensä mukaisesti asiakkuuden kokonaisvaltaista hallintaa. Termiä CRM on kuitenkin usein käytetty käsiteltäessä vain yrityksen myynti- ja asiakastukipalveluja ja niiden tietojen kerä ämistä. CRM ei ole pelkästään tiedon keräämistä vaan tämän tiedon perusteellista analysointia, esim. asiakassegmenttien tunnistamista klusterointitekniikoilla. CRM-järjestelmien tavoitteena on auttaa luomaan pitkiä asiakassuhteita ymmärtämällä asiakkaan tarpeet ja mieltymykset. Myynti- ja markkinointijärjestelmissä CRM perustuu asiakkaan ja hänen ostoskäyttäytymisensä tunnistukseen sekä saatujen tietojen analysointiin. Yritys esim. tietää, ketkä ovat sen kannattavimmat asiakkaat ja voi kohdentaa markkin oinnin sen mukaisesti. Asiakkaan antaman tiedon määrä kasvaa sähköisen asioinnin myötä, ja asiakastiedon hallinta ei onnistu enää perinteisin keinoin. Tarvitaan mm. tehokkaita tiedon analysointimenetelmiä ja näiden menetelmien tulosten hyödyntämistä CRM- järjestelmissä. Tähän raporttiin on koottu tietoja tuotteista ja palveluista, joita voi käyttää tiedon louhintaan ja asiakkuudenhallintaan. Tiedot on koottu www-sivuilta ja yritysten lähettämistä esitteistä. Tiedot perustuvat siten saamiimme tietoihin ja dokumentteihin eikä omiin käyttökokemuksiimme, koska olemme käyttäneet vain osaa tuotteista. Tiedot kerättiin loka-marraskuussa vuonna 2000.
AB - Tiedon louhinta (data mining) on termi, jonka tarkkaa merkitystä ei ole vielä kiinnitetty. Termiä on käytetty viittaamaan periaatteisiin ja tekniikoihin, joita käytetään hyvin suurien tietomäärien tutkimiseen. Tiedon louhinta mahdollistaa löytää raakatie dosta (data) tai esim. tietovarastosta (data warehouse) kätkeytyvää informaatiota (esim. trendejä, malleja ja yhteyksiä). Tiedon louhinnan oleellinen osa on tutkittavaa tietoa kuvaavan mallin rakentaminen. Mallin rakentamistekniikoita on useita, esim. pä ätöspuut (decision trees), geneettiset algoritmit (genetic algorithms), neuroverkot (neural networks) ja tilastolliset menetelmät. Tiedon louhinnan ero esim. perinteisten kyselyjen ja OLAP (online analytical processing) -työkalujen käyttöön on lähinnä siinä, että tiedon louhinnassa käyttäjän ei tarvitse olla yhtä hyvin perillä tietovaraston sisällöstä. Tiedon louhinnan tekniikat perustuvat tällä hetkellä mm. tekoälyn puolella kehitettyihin algoritmeihin. Esimerkkejä tiedon louhinnan tekniikoista ovat mm. assosiaatio, klusterointi (ryvästys, clustering) ja luokittelu (classification). Asiakkuudenhallinta (Customer Relationship Management, CRM) tarkoittaa nimensä mukaisesti asiakkuuden kokonaisvaltaista hallintaa. Termiä CRM on kuitenkin usein käytetty käsiteltäessä vain yrityksen myynti- ja asiakastukipalveluja ja niiden tietojen kerä ämistä. CRM ei ole pelkästään tiedon keräämistä vaan tämän tiedon perusteellista analysointia, esim. asiakassegmenttien tunnistamista klusterointitekniikoilla. CRM-järjestelmien tavoitteena on auttaa luomaan pitkiä asiakassuhteita ymmärtämällä asiakkaan tarpeet ja mieltymykset. Myynti- ja markkinointijärjestelmissä CRM perustuu asiakkaan ja hänen ostoskäyttäytymisensä tunnistukseen sekä saatujen tietojen analysointiin. Yritys esim. tietää, ketkä ovat sen kannattavimmat asiakkaat ja voi kohdentaa markkin oinnin sen mukaisesti. Asiakkaan antaman tiedon määrä kasvaa sähköisen asioinnin myötä, ja asiakastiedon hallinta ei onnistu enää perinteisin keinoin. Tarvitaan mm. tehokkaita tiedon analysointimenetelmiä ja näiden menetelmien tulosten hyödyntämistä CRM- järjestelmissä. Tähän raporttiin on koottu tietoja tuotteista ja palveluista, joita voi käyttää tiedon louhintaan ja asiakkuudenhallintaan. Tiedot on koottu www-sivuilta ja yritysten lähettämistä esitteistä. Tiedot perustuvat siten saamiimme tietoihin ja dokumentteihin eikä omiin käyttökokemuksiimme, koska olemme käyttäneet vain osaa tuotteista. Tiedot kerättiin loka-marraskuussa vuonna 2000.
KW - data mining
KW - CRM
M3 - Report
T3 - VTT Tutkimusraportti
BT - Tiedon louhinta ja asiakkuudenhallinta -tuoteselvitys
PB - VTT Technical Research Centre of Finland
ER -