輸格局發生了巨大的變化由原來的以鐵路為主發展到鐵路公路水路、運需要在發現優勢市場及價值客戶的基礎上制定精細化方案從而提高自身生產的全過程，其中沉淀了大量的調度及客貨信息數據，而鐵路貨運電子商中所沉淀的大量數據，鐵路部門卻缺乏對此的有效利用，目前鐵路部門息，也無法進行真正意義上的分析。因此，如何開發這些寶貴的數據資源，讓它有助于制定鐵路貨運決策，是鐵路部門亟待解決的問題，并且也是其提高市場競爭力的重要。鐵路作為我國重要的貨物方式之一而它傳統上的決策支持模式完策支持信息，讓鐵路部門能夠準確的把握市場及客戶，以此制定1此基礎上，鐵路部門能夠更好的把握市場的現狀及未來的，并從中發現優勢市場。根據不同的市場分類制定不同的策略，才能夠使得鐵路貨運更能夠適應這個發展的社會才能提高鐵路貨運的市場競爭力占領的市場份額2使用數據挖掘技術對鐵路貨運所累積的海量數據進行詳細的分析，能夠從中發掘對鐵路總公司有價值客戶。根據數據庫中所存在的，將客3、利用海量的歷史數據，可有針對性的制定策借助鐵路貨運市場細分及客戶價值細分有助于鐵路貨運部門針對不同的市場及客戶細分群體制定差異化的策略不僅能夠在進行差異化服務20％的客戶是一個企業生存的關鍵。市場細分作為現代的起點和根基是指導企業開展活動的重要理論基礎，也是市場理論的基礎。董大海（1999）1在評介斯和斯納模型與科值模型對指導企業市場實踐的意義的消費者假設等方面對目前市場細分研究成果進行回顧和評析其存在的問法的基礎上，提出了服務于戰略的市場細分模型。出二者各有其適用時期和范圍超市場細分更適用于高檔市場和一些次服務，市場細分理論是指導企業市場活動的重要理論在各行各業都有廣泛的進行了聚類分析，并提牌重組規劃。等（2006）7將市場細分理論用于指導商業銀行個人業務的市場營期變量等綜合指標作為客戶細分變量，對給定的樣本實施市場細分。在一段時期內較穩定的心理行為模式了消費者內外各種影響因素的綜（如、、職業、收入等、心理圖示、需要的價值、品牌感知和行行為，從而可以改進通道管理（ATM等。在零售業市場方面是數據挖掘技術應用最早也是最重要的領域，在醫療方面藥房通過分析醫師的處方判斷哪些醫師愿意他們的產品；醫師分析歷史和當前用藥情況，不僅診斷用藥而且預測潛在的問題。，互作用，數據挖掘能自動發現出某些不正常的數據分布制造和裝配操作過，在通訊部門：基于數據挖掘的分析協助組織策略變更以適應外部世客戶流失研究現運人員制定策略有指導作用的建議。市場相關理論基市場細分的概念是市場學家溫德爾(WendellR.Smith)于1956年提出來的按照消費者與需求把因規模過大導致企業難以服務的總體市場劃隨著數據庫技術的發展和Internet的迅速普及，人們所面對的數據量急劇增長，無論商業、企業、科研機構或部門都積累了大量的、以不同形式的分的理解和應用，依靠傳統的數據庫對數據進行查詢，檢索等分析不能幫助的有關數據從低層次抽象到次上的過程。那么我們可能通過背景知識歸納出“市、“中國“亞洲”等不同層次(SALESNO,AME,AGE,ALU,DETDEPT可能在特定的條件下需要知道所在公司()城市(CITY)或國家（COUNTY，數據關聯(associationysis)是數據庫中存在的一類重要的可被發現的知術的發展，零售部門可以利用前端收款機收集大量的售貨數據，如果對這些歷史事務數據進行分析，則可對顧客的行為提供極有價值的信息。例如，可（clustering，及到如圖2-1

2-1和清除重復數據。該步驟需要領域知識的判斷和選擇恰當的方法。使用某種對數據挖掘發現的模式進行度量和識別對其有效性和可運用性進行評估，即按照某一種度度量以找出表示知識的真正有價值的模式。7。：（2分類分類（Bayesianclassification）來源于概率統計學，在機器學習中得到充分研究信念網絡是基于分類技術的學習框架，研究主要集中在信念網絡本身架構以及它的推理算法上其中比較具有代表性的工作有變量簡單信念網、訓練信念網絡的梯度下降法、訓練EM等。：日常銷售中，有5％的客戶同時了電腦和U盤，在所有了電腦的客戶中，80％的人同時也了U盤。關聯規則的任務就是從大量數據集中挖掘出據項間的前后或因果關系。為了發現序列模式，不僅需要知道是否發生，個月內U盤。EnterpriseEnterpriseMinerSAS公司開發的數據挖掘軟件，提供多種數據挖掘算SAS公司在統計分析市場多年的經驗和歷史。此外，SAS公司在數據挖掘方Clementine是由IsUIntegnlSolutionsLimited)公司開發的數據挖掘工具平臺。1999年SPSS公司收購了ISLClementine在Clementine已經成為SPSS公司的又一亮點。Clementine為終端用戶和開發者Clementine的可視化編程環境中。 ligent ligentMiner是由IBM公司開發的數據挖掘軟件它包括In ligentMinerforData和 ligentMinerForText。 ligentMinerforText可以對文本數據類等工作，并確定信息重要性，從而幫助信息用戶避免過大的信息壓力。 一般必須與IBM公司的數據庫IBMDB2配合使用In ligentMiner的特色有兩點：一是它的數據挖掘算法的可伸縮性；二是它與IBMDB2關系數據庫系數據挖掘與市場31董大海,,.顧客價值及其構成[J].大連理工大學學（社會科學版）,1999,20(4):18-202.市場細分研究綜述：回顧與展望[J].山東大學學報(哲會科學版2003,(6):44-3.產業市場的市場細分方法與模型研究[J].現代財經,2004,55-4.市場細分理論的新發展[J].中國流通經濟,2004,(4):33-5史有春,,.市場細分新范式：基于兩類不同產品的管理評論,2010,13(326-6史有春.江蘇移動通信公司基于顧客行為細分的決策[J].經濟管理,(21):91-7,.個人市場細分及客戶群差異性分析[J].金融,2006,42-8Wilkie,WilliamL.andJoelB.Cohen(1977).ABehavioralScienceLookatMarketSegmentationResearch[A].MovingAHeadWithAttitudeResearch[C].YoramWind,ed.Chicago:AmericanMarketingAssociation.9LeonG.Schiffman,LeslieLazarKanuk1995).ConsumerBehavior(5thed)[M].北京:,PrinticeHallInternational,Inc.1995.10Hand,D.J.,AdvancesinInligentDataysis[M].Berlin:Heidelberg,Springer-11Lachlan,G.J.andBasford,K.E.,MixtureModels:InferenceandApplicationstoClustering[J].NewYorkandBasel:MarcelDekkerInc.,1988.12李,.數據挖掘與知識發現[M].：高等教育,13.海量數據挖掘技術研究[D].杭州：浙江大學.14王興起.機器學習算法及其應用的研究[D].15.聚類分析中若干關鍵技術及其在電信領域的應用研究[D].:郵電大學,2007.16,數據挖掘中聚類若干問題研究[D].西安.西安電子科技大學17,.數據挖掘：方法與應用[M].:大學,