期刊文献+

SQL Server2008在煤炭企业智能客户关系管理中的应用研究 预览 被引量:2

Research of application of SQL Server 2008 in intelligent customer relationship management system of coal enterprises
在线阅读 下载PDF
分享 导出
摘要 针对煤炭企业客户关系管理系统的信息化、智能化需求,提出了一种基于SQL Server2008的煤炭企业智能客户关系管理系统的设计方案;给出了智能客户关系管理系统的数据挖掘流程,详细介绍了SQL Server2008中的商业智能工具在煤炭企业智能客户关系管理系统中的应用,包括煤炭企业智能客户关系管理系统的集群部署结构及其软件架构。实例分析结果验证了该系统的可行性。 In view of requirements of informatization and intelligence of customer relationship management system of coal enterprises, the paper proposed a design scheme of intelligent customer relationship management system of coal enterprises based on SQL Server 2008. It gave data mining flow of the intelligent customer relationship management system, and detailedly introduced application of intelligent business tool of SQL Server 2008 in the intelligent customer relationship management system of coal enterprises, which includes structure of cluster deployment and software framework of the intelligent customer relationship management system of coal enterprises. The example analysis results validate feasibility of the system.
作者 欧阳浩 戎陆庆 黄镇谨 陈波 王萌 OUYANG Hao, RONG Luqing, HUANG Zhenjin, CHEN Bo, WANG Meng(1. School of Computer, Guangxi University of Science and Technology, Liuzhou 545006, China; 2. School of Management, Guangxi University of Science and Technology, Liuzhou 545006, China)
出处 《工矿自动化》 北大核心 2014年第3期98-102,共5页 Industry and Automation
基金 广西自然科学基金项目(2013GXNSFAA019336,2013GXNSFBA019280) 广西壮族自治区教育厅项目(201203YBl24) 广西壮族自治区教改项目(2013JGA417) 广西科技大学科学基金项目(校科自1261128).
关键词 煤炭企业 智能客户关系管理 数据挖掘 SQL SERVER coal enterprises intelligent customer relationship management data mining SQL Server
作者简介 欧阳浩(1979-),男,湖南平江人,讲师,硕士,主要研究方向为数据挖掘及人工智能,E-mail:ouyanghao@tom.com。
  • 相关文献

参考文献8

二级参考文献17

  • 1郑字军,杜家兴.SQL Server 2005 + Visual C# 2005专业开发精解[M].北京:清华大学出版社,2007:366-373. 被引量:1
  • 2Grabmeier J, Rudolph A. Techniques of Cluster Algorithms in Data Mining[J]. Data Mining and Knowledge Discovery,2002,6 (4) : 303 - 304. 被引量:1
  • 3Nan Jiawei, Kamber M. Data Mining: Concepts and Techniques [ M ]. San Francisco: Morgan Kaufmarm Publishers,2000:200 - 245. 被引量:1
  • 4Ester M,Kriegel H P,Sander J,et al. A Density - based Algorithm for Discovering Clusters in Large Spatial Databases [ C]//Proc. of 1996 Intl. Conf. on Knowledge Discovery and Data Mining. Portland, OR: [ s. n. ], 1996:226 - 231. 被引量:1
  • 5Ankerst M,Breuning M, Kfiegel H P, et al. Optics:Ordering Points to Identify the Clustering Structure[C]//Proc. of 1999 ACM - SIGMOD Intl. Conf. on Management of Data. Philadelphia,PA: [s. n. ], 1999. 被引量:1
  • 6Mac Queen J. Some methods for classification and analysis of multivariate observations [ C]//Proc. of the 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley: [s. n. ], 1967:281 - 297. 被引量:1
  • 7Goodman J. Leveraging the customer database to your competitive advantage [ J ]. Direct Marketing, 1992,55 ( 8 ) : 26 - 27. 被引量:1
  • 8Bult J R,Wansbeek T J. Optimal selection for direct mail[J]. Market ng Science, 1995,14(4) :378 - 394. 被引量:1
  • 9席俊杰 吴中 徐颖.制造业设备前期管理中网络信息挖掘研究.2004,(26):20-22. 被引量:1
  • 10郑英,数据库与数据挖掘技术理论及研究的应用[D].甘肃工业大学,2001. 被引量:1

共引文献87

同被引文献6

引证文献2

二级引证文献1

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈