《数据挖掘:客户关系管理的科学与艺术》内容简介：数据挖掘是信息领域发展最快的技术，很多不同领域的专家，比如统计学家、数据库专家等，都从中获得了发展的空间，使得数据挖掘日益成为企业界讨论的热门话题。随着信息技术的发展，人们采集数据的手段日益丰富与高明，由此积累的数据日益膨胀，数据量达到GB甚至TB级，而且高维数据也日益成为主流。这些海量数据及其高维特征使得传统的数据分析手段相形见绌。计算机性能的日益更新，使得人们能够期望计算机帮助我们分析与理解数据，帮助我们以丰富的数据为基础做出正确决策。

《客户关系管理》个性化客户关系的早期理论与原则，关系理论的总体概览，诸如菲利普.科特勒、埃思尔.戴森、杰夫.摩尔和斯思.戈汀等革命性的领袖所做出的贡献，根据客户的价值和需求来识别客户和区别对待客户的指引，通过使用互动工具和客户个性化工具来建造相互依存型关系所得到的好处，对客户反馈意见及其隐私的重要性的描述，衡量由客户发动的成功的咨询意见，对零售行业的未来与革命情况的讨论，对企业的客户关系领导人的最主要的素质进行检验的附录，它为创造一种管理客户关系的职业生涯以及帮助公司把客户价值当作高层领导的决策基础等方面，提供了基础性工具。

《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》内容简介：谁将是忠实的客户？谁将不是呢？哪些消息对哪些客户细分最有效？如何最大化客户的价值？如何将客户的价值最大化？《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》提供了强大的工具，可以从上述和其他重要商业问题所在的公司数据库中提取它们的答案。自《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》第1版问世以来，数据挖掘已经日益成为现代商业不可缺少的工具。在这个最新版本中，作者对每个章节都进行了大量的更新和修订，并且添加了几个新的章节。《数据挖掘技术:应用于市场营销、销售与客户关系管理(第3版)》保留了早期版本的重点，指导市场分析师、业务经理和数据挖掘专家利用数据挖掘方法和技术来解决重要的商业问题。在不牺牲准确度的前提下，为了简单起见，即使是复杂的主题，作者也进行了...(展开全部)

从默默无闻到行业领-先，华为的持续成长得益于它的三大核心系统：研发、服务和营销。在营销方面，很多人都对著-名的华为“铁三角”略有耳闻，但那只是庞大系统的冰山一角，华为出色的营销水平背后，有着一套独立、完整的客户关系管理流程（Manage Client Relationships，MCR）作为强大的支撑。如何选择自己的客户？如何将客户档案数字化管理，使之便于评估？用何种方式与客户接触能够提升客户满意度？……客户关系是一门科学，也是一门艺术。对于各行各业、各种体量的企业来说，华为的销售体系都能为其提供非常有价值的参考与借鉴。《客户第一：华为客户关系管理法》通过对华为的客户发展、市场竞争、流程标准、组织能力的阐述，全面展示了这套兼具科学性与艺术性的营销系统，帮助更多企业和营销人员理解华为“客户第一”的价值理念，思考并规划适合自身的营销组织架构、销售战略以及更高效的客户管理流程。

从默默无闻到行业领-先，华为的持续成长得益于它的三大核心系统：研发、服务和营销。在营销方面，很多人都对著-名的华为“铁三角”略有耳闻，但那只是庞大系统的冰山一角，华为出色的营销水平背后，有着一套独立、完整的客户关系管理流程（Manage Client Relationships，MCR）作为强大的支撑。如何选择自己的客户？如何将客户档案数字化管理，使之便于评估？用何种方式与客户接触能够提升客户满意度？……客户关系是一门科学，也是一门艺术。对于各行各业、各种体量的企业来说，华为的销售体系都能为其提供非常有价值的参考与借鉴。《客户第一：华为客户关系管理法》通过对华为的客户发展、市场竞争、流程标准、组织能力的阐述，全面展示了这套兼具科学性与艺术性的营销系统，帮助更多企业和营销人员理解华为“客户第一”的价值理念，思考并规划适合自身的营销组织架构、销售战略以及更高效的客户管理流程。

本书系统地介绍了数据挖掘理论、方法与应用，包括数据特征分析与预处理，经典数据挖掘算法（分类、回归、聚类、关联规则和集成学习等），大数据新常态下催生的数据分析方法（推荐系统、链接分析与网页排序、互联网信息抽取、日志挖掘与查询分析等）等理论与方法。在此基础上，每章均有基于Python语言的实例应用。本书可以作为高等院校数据科学与大数据技术专业相关课程的教材，以及计算机、软件工程等专业的教材或参考书。高职高专学校相关专业也可选用部分内容开展教学。

“如果你想学习如何用一款统计专家和数据挖掘专家所开发的免费软件包，那就选这本书吧。本书包括大量实际案例，它们充分体现了R软件的广度和深度。” —— Bernhard Pfahringer, 新西兰怀卡托大学 本书利用大量给出必要步骤、代码和数据的具体案例，详细描述了数据挖掘的主要过程和技术，广泛涵盖数据大小、数据类型、分析目标、分析工具等方面的各种具有挑战性的问题。 本书的支持网站（http://www.liaad.up.pt/~ltorgo/DataMiningWithR/）给出了案例研究的所有代码、数据集以及R函数包。 本书特色 通过仔细选择的案例涵盖了主要的数据挖掘技术。 给出的代码和方法可以方便地复制或者改编后应用于自己的问题。 不要求读者具有R、数据挖掘或统计技术的基础知识。 包含R和MySQL基础知识的简介。 提供了对数据挖掘技术的特性、...(展开全部)

本书基于北京大学光华管理学院“数据挖掘与应用”课程。书中系统、全面地介绍了数据挖掘领域的理论、技术工具以及实践方法。主要内容包括：数据挖掘方法论、数据理解和数据准备、缺失数据、关联规则挖掘、多元统计降维、聚类分析、线性回归和广义线性回归、回归模型规则化、神经网络、决策树、支持向量机、模型评估、模型组合、协同过滤等。 书中在每种数据挖掘技术后，均辅以大量医疗、金融、营销、保险、政府部门等应用案例，并均配有相关应用的 SAS 和 R 代码，以及视频课程二维码。 第二版在头一版的基础上，增加了缺失数据、回归模型中的规则化和变量选择、卷积神经网络、支持向量机、协同过滤这5章内容。在已有各章内，本书亦增加了新的内容和示例。近些年来，R因为其自由、免费、开源，已经发展为数据分析领域*强大的软件之一。因此，本书除了继续展示 SAS 程序，还增加了 R 程序。

《数据挖掘与应用》全面地介绍了数据挖掘的相关主题.包括数据理解与数据准备、关联规则挖掘、多元统计中的降维方法、聚类分析、神经网络、决策树方法、模型评估等内容。全书体系完整，文字精炼，注重对数据挖掘方法的直觉理解及其应用：同时，保持了一定的严谨性，为学生理解和运用这些方法提供了坚实的基础。 《数据挖掘与应用》实例丰富，并附有相应SAS程序，以便于学生尽快理解相关内容并用以解决实际问题。 《数据挖掘与应用》配有教辅，可以免费提供给任课教师使用。如需要，欢迎填写书后的“教师反馈及课件申请表’索取。

Python是一种带有动态语义的、解释性的、面向对象的高级编程语言。其高级内置数据结构，结合动态类型和动态绑定，使其对于敏捷软件开发非常具有吸引力。同时，Python作为脚本型（胶水）语言连接现有的组件也十分高效。Python语法简洁，可读性强，从而能降低程序的维护成本。不仅如此，Python支持模块和包，鼓励程序模块化和代码重用。