【正文】 6。產(chǎn)品、客戶、服務(wù)等發(fā)展計劃216。其他困惑、目標(biāo)、洞察216。業(yè)務(wù)報表業(yè)務(wù)問題定義的過程問題表述問題分析（數(shù)據(jù)分析）其他成功案例經(jīng)驗數(shù)據(jù)支持情況分析適合的建模方法分析適合的問題列表業(yè)務(wù)問題業(yè)務(wù)問題 業(yè)務(wù)問題規(guī)范化的問題定義規(guī)范化的問題定義規(guī)范化的問題定義目標(biāo)明確價值評估有效易于行動可借鑒、可重用優(yōu)先級的問題列表需要回答的問題l 問題的業(yè)務(wù)表述（問題、目標(biāo)）？l 涉及什么產(chǎn)品或服務(wù)、什么客戶群？l 曾經(jīng)或現(xiàn)在是怎樣解決的？l 解決的流程和結(jié)果怎樣？l 支持的數(shù)據(jù)從哪里來，如何組織？l 哪些變量會是有關(guān)的？l 希望通過實施挖掘得到怎樣的結(jié)果、該結(jié)果怎樣明確表述？l 將怎樣使用實施挖掘得到的結(jié)果（發(fā)布、行動）？l 將如何評估數(shù)據(jù)挖掘的應(yīng)用效果？Scope Business Problem 度量數(shù)稱勝數(shù)據(jù)挖掘方法論Teradata Data WarehouseSelect amp。 Sample 必也正名乎Clean Data 謹(jǐn)防假做真時真亦假，無為有處有還無Explore Business Facts in DB (EDA) 望聞問切Model 奇正之變，不可勝窮也Deploy工欲成其事，必先利其器資料品質(zhì)的好壞對模型影響甚巨? 資料的量 — 業(yè)務(wù)部門對行銷活動的相關(guān)信息紀(jì)錄不完整 , 故無法取得可供分析的資料? 資料的質(zhì) — 空值或不合理值過多80%為空值Qualifying data takes 60 80% project effort.0及負(fù)值均為不合理值Scope Business Problem 度量數(shù)稱勝Teradata Data WarehouseSelect amp。 Sample 必也正名乎Clean Data 謹(jǐn)防假做真時真亦假，無為有處有還無Explore Business Facts in DB (EDA) 望聞問切Model 奇正之變，不可勝窮也Deploy工欲成其事，必先利其器? 從運行經(jīng)驗收集 “ 為什么 (因素 )” 或征狀? 從數(shù)據(jù)倉庫觀察是不是看得到這些因素或征狀? 分隔變量，為建模做準(zhǔn)備數(shù)據(jù)挖掘方法論 核查目前的數(shù)據(jù)源，探索在每個待選的自變量和目標(biāo)變量之間是否存在關(guān)系。數(shù)值分析是全面理解數(shù)據(jù)的第一步，隨之進行的統(tǒng)計分析便于更好地了解有關(guān)數(shù)據(jù)的分布。包括：216。 數(shù)據(jù)質(zhì)量 檢查216。 數(shù)據(jù)的必要整理216。 通過圖形化呈現(xiàn)工具和其他的統(tǒng)計方法理解數(shù)據(jù)216。 分析待選自變量和目標(biāo)變量之間的關(guān)系216。 數(shù)據(jù)轉(zhuǎn)換 以輔助數(shù)據(jù)的分析216。 數(shù)據(jù)派生 為建立模型做準(zhǔn)備216。 整理和呈現(xiàn)數(shù)據(jù)探索的發(fā)現(xiàn)探索型數(shù)據(jù)分析探索式資料分析Credit Card Attrition Model探索剪卡客戶行為之資料來源基本屬性?反應(yīng)狀況?和客戶接觸情形?行銷活動類別?客戶抱怨紀(jì)錄?客戶詢問紀(jì)錄?消費 /預(yù)借現(xiàn)金金額?消費 /預(yù)借現(xiàn)金類別?消費 /預(yù)借現(xiàn)金特店類別?最后交易日?消費地區(qū)?往來期間?發(fā)卡年度 /專案?持有卡別?持有卡片數(shù)?信用額度?卡片申請來源?帳上循環(huán)金額?可用額度?分行別?開卡注記?卡片評等等級?預(yù)約額度 ?自動扣繳帳款?是否使用消費簡訊?信用卡貢獻度?應(yīng)繳金額?付款金額?未付金額?循環(huán)利息?繳款狀況?繳款評等?付款比例?額度使用比例?繳款方式?性別?年齡?星座?年收入?教育程度?職業(yè) /位階?帳寄地址?居住地址?持有產(chǎn)品數(shù)?婚姻狀態(tài)?Email?客戶等級?集團貢獻度帳單 /付款狀況 卡片狀況 消費行為行銷活動 /客服接觸情形?客戶持有有效信用卡中 , 最早發(fā)卡日距離現(xiàn)在 之期間?續(xù)卡的客戶中 , 收到續(xù)卡多久會剪卡?疑似被他行 BT客戶分析：使用循環(huán)息 2個月以 上 , 當(dāng)月以匯款的方式 , 全額繳清帳款?由普 /金 /白金卡免收年費之條件 , 分析其比例 及剪卡情形?交易類分析：可區(qū)分為＇ 31＇ 客戶主動消費 , ＇ 51＇ 預(yù)借現(xiàn)金 , 其他為手續(xù)費、年費 及循環(huán)息等?針對一般消費 +預(yù)借現(xiàn)金的次數(shù)及金額進行析?針對往來期間六個月以上的卡戶分析其交易 次數(shù)與交易金額增減趨勢?分析客戶繳款行為時 ,區(qū)分為無消費、有消費 全額繳清及未全額繳清?針對疑似被他行余額代償?shù)目☉舴治銎淅U清帳 款至剪卡間隔期間探索式資料分析 — 基本屬性216。女性較男性剪卡率高 — 女性用戶較多 , 且剪卡率高216。年齡大剪卡率低 — 30歲以下 的年輕用戶剪卡率較高216。申請時年收入越高剪卡率越低 — 年收入 60萬以下 的客戶剪卡率較高216。申請時教育程度越高剪卡率越低 — 大專以下 的客戶剪卡率較高216。申請時職業(yè)位階高剪卡率低 — 主管級客戶較職員 ,公務(wù)員剪卡率低216。申請時已婚客戶剪卡率較低216。帳寄地址于北中區(qū)的主卡人剪卡率低216。有 EMail的客戶剪卡率低模型喂入變量分析及選取流程帳單 /付款狀況 卡片狀況行銷活動 /客服接觸情形? 性別? 年齡? 星座? 年收入? 教育程度? 職業(yè)? 帳寄地址? 應(yīng)繳金額? 付款金額? 未付金額? 循環(huán)利息? 繳款狀況? 繳款評等? 付款比例? 往來期間? 持有卡別? 持有卡片數(shù)? 信用額度? 卡片申請來源? 帳上循環(huán)金額? 回應(yīng)狀況? 和客戶接觸情形? 行銷活動類別ModelData Warehouse消費行為? 消費 /預(yù)借現(xiàn)金金額? 消費 /預(yù)借現(xiàn)金次數(shù)? 消費 /預(yù)借現(xiàn)金類別? 消費 /預(yù)借現(xiàn)金特店類別? 基礎(chǔ)變量 — 性別 , 年齡 …? 衍生變量 — 最近 3個月總消費金額 , 信用額度使用比例 …業(yè)務(wù)規(guī)則 /需求數(shù)據(jù)倉庫現(xiàn)有資料喂入模型變量Scope Business Problem 度量數(shù)稱勝Teradata Data WarehouseSelect amp。 Sample 必也正名乎Clean Data 謹(jǐn)防假做真時真亦假，無為有處有還無Explore Business Facts in DB (EDA) 望聞問切Model 奇正之變，不可勝窮也Deploy工欲成其事，必先利其器數(shù)據(jù)挖掘方法論?嘗試不同的方法以建置準(zhǔn)確及穩(wěn)定的模型?檢視模型結(jié)果在業(yè)務(wù)上的合理性及可行性確定挖掘技術(shù)l 特征分析l 決策樹l 聚類分析l 回歸分析l 關(guān)聯(lián)規(guī)則l ……建立模型的過程 (舉例 )Model(粗糙 )驗證數(shù)據(jù)集模型評分測試數(shù)據(jù)集訓(xùn)練數(shù)據(jù)集Model(改進 )Model(最好 )預(yù)測預(yù)測建立模型，模型的結(jié)果可能產(chǎn)生過度擬合改進模型以使模型效果穩(wěn)定評估模型的準(zhǔn)確性 做出預(yù)測?Adapted from Michael J. A. Berry, Gordon S. Linoff (2022), ‘Building Effective Predictive Models: A Process for Building Predictive Models’ in Mastering Data Mining.兩類主要模型的評估l預(yù)測216。命中率216。召回率216。提升 (LIFT)l分群216。各個群內(nèi)特征明顯216。不同群之間差異明顯216。有明顯的市場指導(dǎo)意義 用模型的結(jié)果來協(xié)助 業(yè)務(wù)開展、戰(zhàn)略設(shè)計和戰(zhàn)術(shù)實施 ；收集結(jié)果進行反饋，為模型的退化進行偵測，以更進一步改善模型性能。模型實施Model(Rules)ScoringSegments TargetSegmentOutput DataInput Data (Time Series)Rules or sThresholdNew Data模型實施模型部署和應(yīng)用項目時間表示例項目管理三月二月 四月項目規(guī)劃建模調(diào)研 /定義業(yè)務(wù)問題范圍提交最終文檔測試評估討論持續(xù)的建模知識共享五月數(shù)據(jù)探索系統(tǒng)集成 。 開發(fā) Cubes和 Reports, 聯(lián)調(diào)啟動議程l數(shù)據(jù)挖掘概述216。數(shù)據(jù)挖掘業(yè)務(wù)案例216。數(shù)據(jù)挖掘概念與常用技術(shù)l數(shù)據(jù)挖掘軟件與架構(gòu)216。數(shù)據(jù)挖掘常見軟件216。Teredata Warehouse Miner架構(gòu)特點 l數(shù)據(jù)挖掘?qū)嵤┡c應(yīng)用216。挖掘過程 :有效的實施方法論216。應(yīng)用過程 :策劃和執(zhí)行216。系統(tǒng)支撐 :有效的 IT系統(tǒng)216。成功的關(guān)鍵MarketPlanningCustomerInteractionLearningActionAnalysis amp。Refinement KnowledgeDiscovery知識必將替代暴力、金錢，成為所有力量中最強有力的力量。 —— 托夫勒 《 力量的轉(zhuǎn)移 》營銷 (策劃 /執(zhí)行 )數(shù)據(jù)挖掘模型n 客戶分群模型n 收入流失模型n 信用度模型n 購買傾向模型n …n … n …n …n …營銷戰(zhàn)略 …目標(biāo)客戶群1目標(biāo)客戶群2目標(biāo)客戶群3營銷方案營銷方案營銷方案客戶交互郵寄Email傳真電話 網(wǎng)頁 零售 面對面交流營銷執(zhí)行資料更新數(shù)據(jù)倉庫目標(biāo)營銷營銷方案調(diào)優(yōu)營銷執(zhí)行調(diào)優(yōu)行動：需要支持試驗 分析 /調(diào)查某年某月 某年某月應(yīng)用 營銷戰(zhàn)略形成與實施某年某月 某年某月營銷執(zhí)行活動評估營銷方案效果評估營銷執(zhí)行活動調(diào)整營銷方案調(diào)整確定模型調(diào)整 ……原來是這樣的 ……原來可以做得這么好1 2 3 4議程l數(shù)據(jù)挖掘概述216。數(shù)據(jù)挖掘業(yè)務(wù)案例216。數(shù)據(jù)挖掘概念與常用技術(shù)l數(shù)據(jù)挖掘軟件與架構(gòu)216。數(shù)據(jù)挖掘常見軟件216。Teredata Warehouse Miner架構(gòu)特點 l數(shù)據(jù)挖掘?qū)嵤┡c應(yīng)用216。挖掘過程 :有效的實施方法論216。應(yīng)用過程 :策劃和執(zhí)行216。系統(tǒng)支撐 :有效的 IT系統(tǒng)216。成功的關(guān)鍵ANA CRMAd Hoc Query/OLAP Enterprise Data WarehouseCustomers一切盡在掌握Analytical ModelsData Mining客 戶 經(jīng)理 分析 人員 業(yè)務(wù) 主管Power User 企業(yè) 戶個人 戶 潛在客 戶CTI, Portal, SMS…. 實際 溝通管理 議程l數(shù)據(jù)挖掘概述216。數(shù)據(jù)挖掘業(yè)務(wù)案例216。數(shù)據(jù)挖掘概念與常用技術(shù)l數(shù)據(jù)挖掘軟件與架構(gòu)216。數(shù)據(jù)挖掘常見軟件216。Teredata Warehouse Miner架構(gòu)特點 l數(shù)據(jù)挖掘?qū)嵤┡c應(yīng)用216。挖掘過程 :有效的實施方法論216。應(yīng)用過程 :策劃和執(zhí)行216。系統(tǒng)支撐 :有效的 IT系統(tǒng)216。成功的關(guān)鍵成功的關(guān)鍵人力 資 源 系 統(tǒng) 和工具 管理好的數(shù)據(jù) 業(yè)務(wù)專 家數(shù)據(jù)分析 專 家 數(shù)據(jù) 倉庫數(shù)據(jù)分析 軟 件 數(shù)據(jù) 質(zhì) 量保 證好的模型 業(yè)務(wù)專 家數(shù)據(jù)分析 專 家 數(shù)據(jù) 倉庫數(shù)據(jù)分析 軟 件 數(shù)據(jù)挖掘 實 施方法 論好的 營銷業(yè)務(wù)專 家營銷專 家渠道 執(zhí) 行者數(shù)據(jù)分析 專 家營銷 支撐 (CRM) 營銷 流程 管理營銷 組織 保 證學(xué)習(xí)、學(xué)習(xí)、再學(xué)習(xí)Zhang liming(021)13361803375THANKS