【正文】 9。雖然這些統(tǒng)計(jì)方法本身都十分復(fù)雜，但使用者并不會(huì)牽涉到這些繁雜的統(tǒng)計(jì)。 Clustering則是二者都可以用的上。 6. 國內(nèi)的例子 現(xiàn)在許多電信公司都開始往 DataMining 的方向走，中華電信、遠(yuǎn)傳、臺(tái)灣大哥大及東森電訊 ? 等，銀行方面如中信銀，花旗、匯豐都已經(jīng)開始規(guī)劃進(jìn)行本身信息流及客戶流的 DataMining，網(wǎng)絡(luò)方面像 104 人力銀行，數(shù)博網(wǎng)，資商訊息亦開始從事 DataMining 的研究開發(fā)。 公司 由于該公司最先采用大量的交易數(shù)據(jù)厙，而改革了零售業(yè)。這次活動(dòng)的回復(fù)率很高，與花費(fèi)數(shù)百萬美元的廣播活動(dòng)不相上下。T 的 NCR 計(jì)算機(jī)部門，及擁有美國航空公司的 AMR 公司旗下的 Sabre Decision Technologies 部門。到目前為止，在多次重復(fù)整理歷史資料后，這臺(tái) SP/2 已經(jīng)匯編出一套含 22 個(gè)詳細(xì)而高度機(jī)密的統(tǒng)計(jì)性資料文件。該公司把焦點(diǎn)集中在這種技術(shù)的商業(yè)利益上，保持?jǐn)?shù)據(jù)的品質(zhì)，設(shè)定實(shí)際的目標(biāo)， 而利用其結(jié)果時(shí)采取的步驟雖然小，但是實(shí)用?！肝铱梢耘e出數(shù)百種與客戶購買行為有關(guān)的例子，」溫曲先生指出：「這些信息實(shí)在是無價(jià)之寶。 在資料被存入 Data Warehouse 之后， Intelligent Miner 會(huì)根據(jù)客戶的相關(guān)資料，將客戶分為 150 類。為了達(dá)成這個(gè)目標(biāo)，我們必須了解六百萬客戶所做的每一筆交易，以及這些交易彼此之間的關(guān)連性。英國 Safeway 定義了明確并實(shí)際的目標(biāo)，使用相當(dāng)干凈的數(shù)據(jù)源，進(jìn)行 Data Mining，并且投注許多人力用以解讀 Data Mining 的結(jié)果，并且采取實(shí)際的行動(dòng)以善用 Data Mining 所發(fā)掘出來的信息。 針對(duì) Retention Gap，可以由原客戶后來卻轉(zhuǎn)成競爭對(duì)手的客戶群中，分析其特征，再根據(jù)分析結(jié)果到現(xiàn)有客戶資料中找出可能轉(zhuǎn)向的客戶，然后設(shè)計(jì)一些方法預(yù)防客戶流失；更有系統(tǒng)的做法是藉由 Neural Network 根據(jù)客戶的 消費(fèi)行為與交易紀(jì)錄對(duì)客戶忠誠度進(jìn)行 Scoring 的排序，如此則可區(qū)隔流失率的等級(jí)進(jìn)而配合不同的策略。 Web Mining 不僅只限于一般較為人所知的 log file 分析，除了計(jì)算網(wǎng)頁瀏覽率以及訪客人次外，舉凡網(wǎng)絡(luò)上的零售、財(cái)務(wù)服務(wù)、通訊服務(wù)、政府機(jī)關(guān)、醫(yī)療咨詢、遠(yuǎn)距教學(xué)等等，只要由網(wǎng)絡(luò)連結(jié)出的數(shù)據(jù)庫夠大夠完整，所有 OffLine 可企業(yè)管理 資源網(wǎng) ()大量管理資料下載 進(jìn)行的分析， Web Mining 都可以做，甚或更可整合 OffLine 及 OnLine 的數(shù)據(jù)庫，實(shí)施更大規(guī)模的模型預(yù)測與推估，畢竟憑借因特網(wǎng)的便利性與滲透力再配合網(wǎng)絡(luò)行為的可追蹤性與高互動(dòng)特質(zhì)，一對(duì)一行銷的理念是最有機(jī)會(huì)在網(wǎng)絡(luò)世界里完全落實(shí)的。 ● 分析客戶的行為，可以讓您看出您的客戶是不是準(zhǔn)備要轉(zhuǎn)向您的競爭對(duì)手。利用 Data Mining，零售業(yè)者可以更有效的決定進(jìn)貨量或庫存量，或是在店里要如何擺設(shè)貨品，同時(shí)也可以用來評(píng)估店里的促銷活動(dòng)的成效。這說明數(shù)據(jù)與知識(shí)的發(fā)掘是一項(xiàng)信息豐富性的工作，面對(duì)易變的環(huán)境，沒有現(xiàn)成的 Model 馬上可用，也不要期望按照程序即能成功。 目前企業(yè)界把 Data Mining 應(yīng)用在許多領(lǐng)域。同質(zhì)分組相當(dāng)于行銷術(shù)語中的區(qū)隔化 (segmentation)，但是，假定事先未對(duì)于區(qū)隔加以定義，而數(shù)據(jù)中自然產(chǎn)生區(qū)隔。使用的技巧包括統(tǒng)計(jì)方法上之相關(guān)分析、回歸分析及類神經(jīng)網(wǎng)絡(luò)方法。所以， KDD 是一連串的程序， Data Mining 是其中的一個(gè)步驟而已。有些人會(huì)說：「我已經(jīng)有 OLAP 的工具了，所以我不需要 Data Mining。將這些整合過的數(shù)企業(yè)管理 資源網(wǎng) ()大量管理資料下載 據(jù)置放于數(shù)據(jù)倉儲(chǔ)中，而公司的決策者則利用這些數(shù)據(jù)作決策；但是，這個(gè)轉(zhuǎn)換及整合數(shù)據(jù)的過程，是建立一個(gè)數(shù)據(jù)倉儲(chǔ)最大的挑戰(zhàn)?！笖?shù)據(jù)倉儲(chǔ)」，簡單地說，就是搜集來自其它系統(tǒng)的有用數(shù)據(jù)，存放在一整合的儲(chǔ)存區(qū)內(nèi)。 Segmentation ● Retention ● Target Market ● Acquisition ● Knowledge Portal ● CrossSelling ● Campaign Management ● ECommerce ● Profitability Analysis ● Pricing ● Fraud Detection ● Risk Assessment ● Portfolio Management ● Employee Turnover ● Cash Management ● Production Efficiency ● Network Performance ● Network Performance ● Manufacturing Processes ● Combinatorial Chemistry ● Geic Research ● Epidemiology 企業(yè)管理 資源網(wǎng) ()大量管理資料下載 現(xiàn)今計(jì)算機(jī)運(yùn)算能力的躍進(jìn)，以及數(shù)據(jù)儲(chǔ)存技術(shù)的進(jìn)步，數(shù)據(jù)倉儲(chǔ)的廣泛建置，加上企業(yè)行銷策略轉(zhuǎn)為針對(duì)單一消費(fèi)者個(gè)人行銷，更突顯 Data Mining 對(duì)于企業(yè)的迫切性。它不是在那邊監(jiān)視你的數(shù)據(jù)的狀況，然后告訴你說你的數(shù)據(jù)庫里發(fā)生了某種特別的現(xiàn)象。企業(yè)管理 資源網(wǎng) ()大量管理資料下載 臺(tái)灣輔仁大學(xué)教授謝綁昌先生作的“數(shù)據(jù)挖掘與統(tǒng)計(jì)工作”報(bào)告原文 數(shù)據(jù)發(fā)掘的工作（ Data Mining）是近年來數(shù)據(jù)庫應(yīng)用領(lǐng)域中，相當(dāng)熱門的議題。 我們對(duì)于這種 Data Mining 的產(chǎn)品應(yīng)該有一個(gè)正確的認(rèn)知，就是它不是一個(gè)無所不能的魔法。 Data Mining 可說會(huì)合了以下六種領(lǐng)域： 企業(yè)管理 資源網(wǎng) ()大量管理資料下載 ● Database systems, Data Warehouses, OLAP ● Machine learning ● Statistical and data analysis methods ● Visualization ● Mathematical programming ● High performance puting Data Mining 應(yīng)用的行業(yè)包括了金融業(yè)、電信業(yè)、零售商、直效行銷、制造業(yè)、醫(yī)療保健及制藥業(yè)等等，應(yīng)用領(lǐng)域如下表： Applications of Data Mining Customerfocused Operationsfocused Researchfocused ● Lifetime Value ● MarketBasket Analysis ● Profiling amp。隨著科技的進(jìn)步，功能完善的數(shù)據(jù)庫系統(tǒng)就成了最好的收集資料的工具。 數(shù)據(jù)倉儲(chǔ)本身是一個(gè)非常大的數(shù)據(jù)庫，它儲(chǔ)存著由組織作業(yè)數(shù)據(jù)庫中整合而來的數(shù)據(jù)，特別是指從在線處理系統(tǒng)（ OLTP）所得來的數(shù)據(jù)。 OLAP 能不能代替 Data Mining？ 所謂 OLAP（ Online Analytical Process）意指由數(shù)據(jù)庫所連結(jié)出來的在線查詢分析程序。這些程序是一個(gè)循環(huán)的關(guān)系，一直重復(fù)的步驟，最后才得到一些有用的知 識(shí)。例如按照信用申請者之教育程度、行為別來推估其信用卡消費(fèi)量。 同質(zhì)分組 將異質(zhì)母體中區(qū)隔為較具同構(gòu)型之群組 (clusters)。最后，依據(jù)資料挖寶分析結(jié)果，可區(qū)分集群和從事推廣促銷活動(dòng)，成功 的把共同基金推展至市場上。例如，不充足的教育訓(xùn)練、不適當(dāng)?shù)闹С止ぞ?、?shù)據(jù)的無效性、過于豐富的樣型（ patterns）、多變與具時(shí)間性的數(shù)據(jù)、空間導(dǎo)向數(shù)據(jù)（ spatially oriented data）、復(fù)雜的數(shù)據(jù)型態(tài)、數(shù)據(jù)的衡量性 (scalability)。 MarketBasket Analysis 主要是用來幫助零售業(yè)者了解客戶的消費(fèi)行為，譬如哪些產(chǎn)品客戶會(huì)一起購買，或是客戶在買了某一樣產(chǎn)品之后，在多久之內(nèi)會(huì)買另一樣產(chǎn)品等等。 下面是一些 Data Mining 的在科學(xué)、行銷、工業(yè)、商業(yè)、體育 ? 等各方面運(yùn)用的類型： ● 在財(cái)務(wù)金融方面，預(yù)測市場動(dòng)向，防范犯罪詐欺。 該如何測量一個(gè)網(wǎng)站是否成功？哪些內(nèi)容、優(yōu)惠、廣告是人氣最旺的？主要訪客是哪些人？什么原因吸引他們前來？如何從堆積如山之大量由網(wǎng)絡(luò)所得數(shù)據(jù)中找出讓網(wǎng)站運(yùn)作更有效率的操作因素？以上種種皆屬 Web Mining 分析之范疇。利用 Data Mining 可以更有效的決定產(chǎn)品組合、產(chǎn)品推薦、進(jìn)貨量或庫存量，甚或是在店里要如何擺設(shè)貨品等，同時(shí)也可以用來評(píng)估促銷活動(dòng)的成效。英國 Safeway 使用 Intelligent Miner 從數(shù)據(jù)中萃取商業(yè)知識(shí)，這是一個(gè) Data Mining 可以成為企業(yè)的一部份的最佳范例。這意味著我們必須更了解客戶個(gè)人。在英國 Safeway 的個(gè)案里，資料源為單一的交易處理系統(tǒng)，該公司對(duì)這些數(shù)據(jù)質(zhì)量有足夠的信心， 而且該公司的目標(biāo)僅在于大略的估計(jì)其客戶是哪些人，所以 Data Cleansing 并不是主要的問題。因此該公司得以重新安排貨架的擺設(shè)，使得橘子汁的 銷量能夠增加到最大。 英國 Safeway 采取的 Data Mining 方式可能是很典型的。但是 哪些特性的組合才是最需要觀察的？且數(shù)據(jù)的范圍要訂在多少昵？賬單月費(fèi)快速減少，可能代表顧客完全背公司而去了，但是我們可以從顧客的國際電話中找到更精微的模式嗎？或從顧客打電話紿客戶服務(wù)專線的次數(shù)找到模式？ 為找出這個(gè)模式， MCI 定期啟動(dòng)該公司的 IBMSP/2 超級(jí)計(jì)算機(jī)－該公司的數(shù)據(jù)倉儲(chǔ)（ data warehouse），以找出最顯著的變項(xiàng)，并密切注意這個(gè)變項(xiàng)。與該公司共同設(shè)計(jì)這套程序的有 ATamp。 US West 從 1996 年 11 月 4 日到 1997 年 1 月初，進(jìn)行首波 DM 活動(dòng)?，F(xiàn)在，該銀行能夠預(yù)測諸如誰能提早還款、誰可能拖延付款等因素，而藉此調(diào)整不同的利率與手續(xù)費(fèi)?！甘袌鲆毁徫锘@」分析的目的，在查看顧客上門時(shí)，傾向購買的產(chǎn)品組合。 Classification 以及 Regression 主要是用來做預(yù)測，而 Association 與 Sequence主要是用來描述行為（例如消費(fèi)行為）。然而因?yàn)?Data Mining 已漸普遍，所以 Neural Nets 以及 Decision Tree 也漸漸受到采用。它來找到一組能夠產(chǎn)生最佳輸出結(jié)果的加權(quán)值（ Weights）。 可是 Neural Net 有兩個(gè)問題。風(fēng)險(xiǎn)高 39。高負(fù)債 39。 Decision Trees 企業(yè)管理 資源網(wǎng) ()大量管理資料下載 Regression 是使用一系列的現(xiàn)有數(shù)值來預(yù)測一個(gè)連續(xù)數(shù)值的可能值。 Association主要是要找出下面這樣的信 息：如果 Item A 是某一事件的一部份，則 Item B 也出現(xiàn)在該事件中的機(jī)率有 X%。以下介紹一般常用的工具分類，列于下表： 表 Data mining 分析工具 Data mining tools 定義 代表性產(chǎn)品 企業(yè)管理 資源網(wǎng) ()大量管理資料下載 Casebased Reasoning 在關(guān)系型數(shù)據(jù)庫中提供一個(gè) Means找出 record 以發(fā)現(xiàn)類似規(guī)范的記錄或一般記錄 Express Easy Reasoner Data Visualization 其目標(biāo)是從不同的角度，讓信息以圖形方式呈現(xiàn)，讓使用者容 易和快速的使用。但是，重要的是這些產(chǎn)品應(yīng)用新的技術(shù)，如類神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、專家系統(tǒng)等人工智能的工具，使 AI 找到新的應(yīng)用 Domain。強(qiáng)固性使問題的限制條件降到最低，并大幅提高系統(tǒng)的容錯(cuò)能力；而求值空間的獨(dú)立性則使遺傳算法的設(shè)計(jì)單一化，且適用于多種不同性質(zhì)、領(lǐng)域的問題。市場上有各種不同型式的數(shù)據(jù)掘取軟件。 同樣地，茱迪拜爾預(yù)期將來的 Data Mining 工具、數(shù)據(jù)庫、以及 OLAP 間會(huì)呈現(xiàn)更緊密的整合?，F(xiàn)代的企業(yè)體經(jīng)常搜集了大量資料，包括市場、客戶、供貨商、競爭對(duì)手以及未來趨勢等重要信息，但是信息超載與無結(jié)構(gòu)化，使得企業(yè)決策單位無法有效利用現(xiàn)存的信息，甚至使決策行為產(chǎn)生混亂與誤用