1 引言
有效信息的获取是企业快速决策的关键。而面对海量的信息，如何从中取出所需要的数据，是急于解决的问题。商场具有商品流动性大和顾客群体复杂的特点，如何挖掘出销售数据中潜在的商业价值，如何在留住老顾客的基础上拓展新顾客，是目前商业企业在激烈的竞争中所要迫切解决的问题。
我国管理信息系统大发展是在20世纪80年代末90年代初。随着改革开放的进一步深化和市场经济体制的确立，我国的商业企业，特别是零售也逐步走向成熟。然而和国外大型商业企业相比，其市场竞争力和总体销售额存在很大差距。而目前国内市场的某些商品供大于求的趋势也加剧了这种竞争。因此如何降低成本，有针对性的进行顾客关系管理，成为企业发展和盈利的关键。
论文主要研究的是在现有POS-MIS系统的基础上，将顾客关系管理的思想融入系统，挖掘出销售数据中潜在的商业价值，为决策者提供必要的信息支撑。
2 顾客关系管理与数据挖掘简介
2.1 顾客关系管理
顾客关系管理(CRM，Customer Relationship Management)从管理科学的角度来考察，它源于“以顾客为中心”的市场营销理论。是一种旨在改善企业与顾客之间关系的管理机制。CRM重点是重视顾客利益，让顾客满意。据统计，开发一个新顾客的成本是保留一个老顾客成本的5倍，而企业的资源是有限的，如何在保证企业最大利益的同时，又以最小的代价保留住已有的顾客、拓展新顾客是企业关心的重点。企业根据顾客价值的变化，来制定相关的业务策略，使用顾客关怀等手段，来建立主动式营销模式，从而使顾客的忠诚度提高，帮助企业提升业绩。
2.2 数据挖掘
数据挖掘(Data Mining)是从大量的数据中抽取出潜在的、不为人知的有用信息、模式和趋势。数据挖掘目的是提高市场决策能力，检测异常模式，在过去的经验基础上预言未来趋势等。其主要方法有统计分析方法、决策树、人工神经网络、基因算法、粗糙集等。目前数据挖掘主要分为数据库挖掘、文本挖掘和Web挖掘。这里涉及到主要是基于关系数据库的数据挖掘。
3 基于CRM的大型商场运营模型
对于商业企业，顾客是企业的上帝。为此，“以顾客为中心”的思想融入企业的信息管理平台，并采用现代数据挖掘技术为企业的决策分析提供服务。鉴于上述思想，论文在设计中将顾客关系管理融入到商场管理模式中，形成了图1所示的商场运营模型。
图1 基于CRM的商场运营模型
从图1可以看出，商业企业的运营是以顾客关系管理为基础，进销存管理为主流的闭环控制系统，各环节是紧密相关的，进销存管理的任何于系统的不稳定都会造成系统的振荡。由于现代市场竞争环境的变化频度大，企业要不断根据市场的变化做出相应的决策。而顾客关系管理正是沟通企业和顾客的桥梁，其运作的好坏不仅影响企业的短期销售额，还将进一步影响整个商业企业的发展。
以顾客关系管理为基础的大型商场运营模式，可以有效的牢固已有顾客群体，预测商场的销售走势，提供进货和促销参考等。顺客关系管理能使企业了解顾客的需求，从而最大限度的降低库存，把握市场的最佳时机，应对商场的快速变化。
4 系统总体功能设计
基于以上分析，采用以顾客关系管理为基础，以进销存管理为主线的系统设计思想，进行了大型商场POS MIS系统总体功能设计。其主要功能模块包括进货信息管理、销售信息管理、库存信息管理、顾客关系管理和系统信息管理等模块。如图2所示。
图2 系统总体模块设计
图2中，顾客关系管理主要包括5个方面。基本信息管理：主要是针对会员级顾客的信息添加、修改和删除等；积分卡管理：主要是针对顾客已有的消费情况进行积分统计，是进行顾客分类分析的基础；顾客分类管理：是针对顾客的消费情况以及消费潜力，将顾客分成不同的类别，并对重点顾客予以重点的关怀；消费行为分析：是针对不同地域、年龄、职业等顾客消费习惯，分析不同顾客群的消费特征，作为其决策的依据；消费信息挖掘：是从顾客消费信息中挖掘出具有潜在价值的信息。
5 系统实现
5.1 基本功能实现
本着操作简单、方便，功能齐全，界面简洁美观的思想，进行系统设计。系统主要分为前台POS系统和后台MIS系统两部分。前台POS系统是收集各类销售数据的窗口，是整个POS-MIS系统的基础。POS系统主要采取了条码扫描的方式，进行顾客交易的快速结算，顾客信息收集，简单的数据统计以及数据的导入导出等功能。其收集的顾客信息和销售信息将作为后台MIS系统数据库挖掘分析的基础。
后台MIS系统主要是进行商场商品进销存管理、员工管理、顾客关系管理、统计分析等的平台，实现了各类信息的录入、修改、删除、综合查询以及报表等基本功能和统计分析，顾客关系管理等功能模块。体现了“以顾客为中心”的经营管理理念，使商场在快速变化的商机中抓住顾客，在竞争中赢得优势。
5.2 顾客关系管理实现
(1)基本信息管理
对顾客的信息进行添加、维护等管理。顾客的基本信息是进行顾客关系管理基础，因此准确全面的获取顾客信息是十分必要的。在系统中考虑了会员顾客和非会员顾客两种情况。对于会员，在办理商场会员时可以获取其基本信息；而对于非会员顾客，设计时在前台POS系统中增加了快捷键，收银员可以在收款时快速获取消费者的性别、年龄等基本信息，并将其存入数据库。
(2)积分卡管理
积分卡管理主要是针对持卡顾客。根据会员的消费情况，按消费额增加其积分点数，对于积分点不同的顾客在消费时将给予不同的优惠政策。商场可肚通过积分卡的形式，定期给高积分的顾客提供奖励政策，这样既可以提高现有顾客的忠诚度，也可以激励其他顾客消费。根据这些要求，系统在设计时丰富了积分卡管理功能，使商家可以轻松的实行积分卡制度。
(3)顾客分类管理
在顾客分类管理模块中引入了基本的ABC分析法。根据研究表明，20％的顾客占据了企业销售额的80％，即存在着“关键的少数，次要的多数”。在顾客关系管理中，根据顾客的消费额将其分成ABC3类。由于A类顾客数量较少，购买量却占企业销售的大部分，企业可以为A类顾客建立专门的档案，提供优惠的销售折扣；而对数量众多，但购买量很小的C类顾客可以适当降低服务成本。这就以最低的投入实现了最好的管理效果，确保了企业销售利润。
系统在设计阶段考虑到不同商场界定ABC3类顾客的标准不同，采取自定义比例的柔性设计。
(4)消费行为分析
由于年龄、职业、性别、经历、地域特征等原因，造成了顾客消费习惯不同。系统设计时，根据顾客地域性不同，将其消费情况按年龄、学历等进行了分类，统计分析出该地区顾客的不同消费特征，这就为公司的合理决策提供了必要的依据。从而配合ABC分类可以预测最有潜力的顾客群体，进行有针对性的销售活动。
由界面可以清楚看到不同消费群体存在巨大的消费差异，而这种图形化的显示也为管理者决策提供了最直观的依据。
(5)消费信息挖掘
消费信息中蕴涵着大量的有用信息，如何从中挖掘出潜在的商机是问题的关键。在系统的设计中尝试了关联规则算法。关联规则研究有助于发现交易数据库中不同商品之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。
在应用中改进了FP-growth的方法。FP-growth方法采用了分而治之的策略：在经过了第一次扫描之后，把数据库中的频集压缩进一棵频繁模式树(FP-tree)，同时依然保留其中的关联信息。随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关。然后再对这些条件库分别进行挖掘。
以一天食品销售相关度挖掘为例进行说明，其算法如下：
(1)进行数据的预处理，以销售单为单位，剪除销售单中的非食品类商品，剔除只有单项数据的销售单。
(2)扫描一次处理后的数据库，产生频繁元素集合F及其频度，以频度降序排列，生成频繁元素列表L。
(3)以“null”作为FP-tree的根，按L中元素出现的次序排列频度，将排过序的频度元素记为[p|P]，P是第一个元素，P是剩余元素列表。然后调用insert_tree([p|P]，T)函数，第一次调用时，T为根节点。
挖掘开始时，根据支持度从小到大选取长度为1的频繁模式。然后找出所有项对应的频繁模式，去除其重复的频繁模式，即可肚直观发现其相应项的相关程度。通过此方法的尝试，挖掘出牛奶和面包的关联性，达到了预期的效果。
6 结论
文章探讨了基于CRM的大型商场POS-MIS系统设计与开发，将CRM的思想融入到了商场MIS系统中，同时也在数据挖掘方面也进行了一定的探讨。通过对国内大型商场的调查分析，证明作者提出的解决方案和实现的系统模型是切实可行的，能针对性的解决商场存在的问题。同时也为下一步更深入的将数据挖掘技术应用到顾客关系管理方面的研究奠定了基础。
