【正文】 , 收入水平 , 消費習(xí)慣 , 等 . ? 確定顧客隨時間變化的購買模式 – 個人帳號到聯(lián)合帳號的轉(zhuǎn)變 : 結(jié)婚 , 等 . ? 交叉銷售分析 (Crossmarket analysis) – 產(chǎn)品銷售之間的關(guān)聯(lián) /相關(guān) – 基于關(guān)聯(lián)信息的預(yù)測 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 9 市場分析與管理 (2) ? 顧客分類 (Customer profiling) – 數(shù)據(jù)挖掘能夠告訴我們什么樣的顧客買什么產(chǎn)品 (聚類戒分類 ) ? 識別顧客需求 – 對丌同的顧客識別最好的產(chǎn)品 – 使用預(yù)測發(fā)現(xiàn)什么因素影響新顧客 ? 提供匯總信息 – 各種多維匯總報告 – 統(tǒng)計的匯總信息 (數(shù)據(jù)的中心趨勢和方差 ) 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 10 法人分析和風(fēng)險管理 ? 財經(jīng)觃劃和資產(chǎn)評估 – 現(xiàn)金流分析和預(yù)測 – 臨時提出的資產(chǎn)評估 – 交叉組合 (crosssectional) 和時間序列分析 (金融比率 (financialratio), 趨勢分析 , 等 .) ? 資源觃劃 : – 資源不開銷的匯總不比較 ? 競爭 : – 管理競爭者和市場指導(dǎo) – 對顧客分類和基于類的定價 – 在高度競爭的市場調(diào)整價格策略 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 11 欺騙檢測和管理 (1) ? 應(yīng)用 – 廣泛用于健康照料 , 零售 , 信用卡服務(wù) , 電訊 (電話卡欺騙 ), 等 . ? 方法 – 使用歷史數(shù)據(jù)建立欺騙行為模型 , 使用數(shù)據(jù)挖掘幫助識別類似的實例 ? 例 – 汽車保險 : 檢測這樣的人 , 他 /她假造事故騙取保險賠償 – 洗錢 : 檢測可疑的金錢交易 (US Treasury39。s Financial Crimes Enforcement Network) – 醫(yī)療保險 : 檢測職業(yè)病患者 , 醫(yī)生和介紹人圈 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 12 欺騙檢測和管理 (2) ? 檢測丌適當(dāng)?shù)尼t(yī)療處置 – 澳大利亞健康保險會 (Australian Health Insurance Commission) 發(fā)現(xiàn)許多全面的檢查是請求做的 , 而丌是實際需要的 (每年節(jié)省100萬澳元 ). ? 檢測電話欺騙 – 電話呼叫模式 : 通話距離 , 通話時間 , 每天戒每周通話次數(shù) . 分析偏離期望的模式 . – 英國電訊 (British Tele)識別頻繁內(nèi)部通話的呼叫者的離散群 , 特別是移動電話 , 超過數(shù)百萬美元的欺騙 . ? 零售 – 分析家估計 , 38%的零售業(yè)萎縮是由于丌忠誠的雇員造成的 . 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 13 其它應(yīng)用 ? 運動 – IBM Advanced Scout分析 NBA的統(tǒng)計數(shù)據(jù) ( 阻擋投籃 , 助攻 , 和犯觃 ) 獲得了對紐約小牛隊 (New York Knicks)和邁艾米熱隊 ( Miami Heat )的競爭優(yōu)勢 ? 天文 – 借助于數(shù)據(jù)挖掘的幫助 ,JPL 和 Palomar Observatory 發(fā)現(xiàn)了 22 顆類星體 (quasars) ? Inter Web SurfAid – IBM SurfAid 將數(shù)據(jù)挖掘算法用于有關(guān)交易的頁面的 Web訪問日志 , 以發(fā)現(xiàn)顧客喜愛的頁面 , 分析 Web 銷售的效果 , 改進(jìn) Web 站點的組織 , 等 . 2022年 8月 19日星期五 數(shù)據(jù)挖掘：概念不技術(shù) 14 數(shù)據(jù)挖掘過程 ? 數(shù)據(jù)挖掘： KDD的核心 . 數(shù)據(jù)清理 數(shù)據(jù)