3．3 挖掘有价值的客户分类信息的算法与模型
    客户分类比较复杂，不同企业采用不同的标准，按行业、地区、性质对客户分类，是一种比较常见的简单方法，但不能准确反映出其对客户的影响，采用数据挖掘中的聚类算法，可以给出历史客户中最能影响客户分类的关键因素，并把客户细分成更多的组，以使每个组里的客户具有更多的相似性和特征；微软聚类算法可以解决此类问题。如图3所示。

    其数据模型如下：

   

   
    不需要指定输出列，只需要定义输入列即可，其余的都交给数据挖掘算法去完成。算法会自动依据历史数据，找出不同输人列分类之间的差异，从而给出最合适的分类依据，采用不同的算法，得出的结果可能会不同，这需要业务人员去验证其正确性。
    影响数据挖掘结果主要有以下几个因素：一是数据的准确性，二是合适的算法。数据的准确性必须在建立数据仓库时，要保证数据的真实性和正确性，如果是码表，则必须保证码表的转换是合法的数据。若结果与历史情况不符，则必须验证数据挖掘的每一个步骤都正确，包括数据的来源、ETL过程、数据仓库的更新、挖掘算法、输入列、输出列、阈值及值的微调等。

4 评估与总结
    研究的创新点在于以一套完整的、符合中国国情的企业客户管理理论为基础，结合先进的软件技术、数据挖掘技术，为企业如何快速、高效的实施企业客户管理提供有力的参考与借鉴。充分讨论了数据挖掘技术所带来的重大意义，以及在客户管理中应用的步骤和方法，并给出具体的实例做为参考。
    但是数据挖掘不是万能的，得出的结论也不是一成不变的，随着数据的变化、时间的推移，运行的结果也在变化。这需要技术人员、分析人员、业务人员、管理人员讨论分析，并逐步修正数据挖掘的算法与阈值，以使数据挖掘应用在任一时刻与现实相接近，从而保证结论的成功率。