【正文】 掘的應(yīng)用 Debt10% of Ine Debt=0% Good Credit Risks Bad Credit Risks Good Credit Risks Yes Yes Yes NO NO NO Ine$40K Q Q Q Q I I 1 2 3 4 5 6 factor 1 factor 2 factor n 神經(jīng)網(wǎng)絡(luò) Neural Networks 聚類分析 Clustering Open Ac’t Add New Product Decrease Usage ??? Time 序列分析 Sequence Analysis 決策樹 Decision Trees ? 傾向性分析 ? 客戶保留 ? 客戶生命周期管理 ? 目標(biāo)市場(chǎng) ? 價(jià)格彈性分析 ? 客戶細(xì)分 ? 市場(chǎng)細(xì)分 ? 傾向性分析 ? 客戶保留 ? 目標(biāo)市場(chǎng) ? 欺詐檢測(cè) 關(guān)聯(lián)分析 Association ? 市場(chǎng)組合分析 ? 套裝產(chǎn)品分析 ? 目錄設(shè)計(jì) ? 交叉銷售 數(shù)據(jù)挖掘的應(yīng)用 ● 數(shù)據(jù)挖掘技術(shù)的分類 —— 回顧分析：注重解決過(guò)去和現(xiàn)在的問(wèn)題 如：兩年來(lái)不同地區(qū)、人口和產(chǎn)品情況下的各銷售部門銷售業(yè)績(jī)分析 —— 預(yù)測(cè)分析：在歷史信息的基礎(chǔ)上預(yù)測(cè)某些事件和行為 如：建立預(yù)測(cè)模型來(lái)描述客戶的流失率 —— 分類：根據(jù)某種標(biāo)準(zhǔn)將數(shù)據(jù)庫(kù)記錄分類到許多預(yù)先定義好的類別 如：信用卡公司將客戶記錄分為好、中、差三類 分類可以產(chǎn)生規(guī)則：如果一個(gè)客戶收入超過(guò) 5000萬(wàn)元，年齡在 45－ 55歲之間，居住在某地區(qū)，那么他的信用等級(jí)為好。 基因挖掘 基因表達(dá)路徑分析 基因表達(dá)相似性分析 基因表達(dá)共發(fā)生分析 。 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘的特點(diǎn) —— 數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別 數(shù)據(jù)挖掘是在沒(méi)有明確假設(shè)的前提下去挖掘信息 、 發(fā)現(xiàn)知識(shí) 。 ● 數(shù)據(jù)挖掘（ Data Mining） —— 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。 第 9章 數(shù)據(jù)挖掘與客戶關(guān)系管理 案例 卓越亞馬遜的推薦系統(tǒng) 學(xué)習(xí)目標(biāo) 通過(guò)本章的學(xué)習(xí)，將能夠： ? 理解數(shù)據(jù)挖掘的含義 ? 熟悉數(shù)據(jù)挖掘的功能 ? 熟悉數(shù)據(jù)挖掘的主要技術(shù) ? 掌握數(shù)據(jù)挖掘的業(yè)務(wù)流程 ? 了解客戶關(guān)系管理對(duì)數(shù)據(jù)挖掘的需求 ? 理解數(shù)據(jù)挖掘在客戶關(guān)系管理中的作用 4 數(shù)據(jù)挖掘 數(shù)據(jù)庫(kù)越來(lái)越大 有價(jià)值的知識(shí) 可怕的數(shù)據(jù) 數(shù)據(jù)挖掘背景 5 數(shù)據(jù)爆炸，知識(shí)貧乏 苦惱 : 淹沒(méi)在數(shù)據(jù)中 。 不能制定合適的決策 ! 數(shù)據(jù) 知識(shí) 決策 ? 模式 ? 趨勢(shì) ? 事實(shí) ? 關(guān)系 ? 模型 ? 關(guān)聯(lián)規(guī)則 ? 序列 ? 目標(biāo)市場(chǎng) ? 資金分配 ? 貿(mào)易選擇 ? 在哪兒做廣告 ? 銷售的地理位置 ? 金融 ? 經(jīng)濟(jì) ? 政府 ? POS ? 人口統(tǒng)計(jì) ? 生命周期 ——數(shù)據(jù)挖掘是一個(gè)利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)間關(guān)系的過(guò)程，這些模型和關(guān)系可以用來(lái)做出預(yù)測(cè)。 —— 數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。 數(shù)據(jù)挖掘所得到的信息應(yīng)具有先未知 ,有效和可實(shí)用三個(gè)特征： ? 先前未知的信息是指該信息是預(yù)先未曾預(yù)料到的 ,既數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識(shí) ,甚至是違背直覺的信息或知識(shí) ? 有效信息是指符合實(shí)際情況且具有一定的代表性 ? 可實(shí)用是指可以指導(dǎo)企業(yè)的營(yíng)銷決策 數(shù)據(jù)挖掘的特點(diǎn) ? 數(shù)據(jù)挖掘是在沒(méi)有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí) ? 數(shù)據(jù)挖掘所得到的信息應(yīng)具有先未知、有效和可實(shí)用三個(gè)特征 ? 數(shù)據(jù)源必須是大量的、真實(shí)的、有噪聲的 ? 發(fā)現(xiàn)的是用戶感興趣的知識(shí) ? 發(fā)現(xiàn)的知識(shí)要可接受、可理解、可運(yùn)用 ? 并不要求發(fā)現(xiàn)放之四海皆準(zhǔn)的知識(shí)，僅支持特定的發(fā)現(xiàn)問(wèn)題 客戶接觸 客戶信息 客戶數(shù)據(jù)庫(kù) 統(tǒng)計(jì)分析與數(shù)據(jù)挖掘 客戶知識(shí)發(fā)現(xiàn) 客戶管理 知識(shí)發(fā)現(xiàn)：從數(shù)據(jù)中深入抽取隱含的、未知的和有潛在用途的信息 從商業(yè)數(shù)據(jù)到商業(yè)智能 各行業(yè)電子商務(wù)網(wǎng)站 算 法 層 商 業(yè) 邏 輯 層 行 業(yè) 應(yīng) 用 層 商業(yè)應(yīng)用 商業(yè)模型 挖掘算法 CRM 產(chǎn)品推薦 客戶細(xì)分 客戶流失 客戶利潤(rùn) 客戶響應(yīng) 關(guān)聯(lián)規(guī)則、序列模式、分類、聚集、神經(jīng)元網(wǎng)絡(luò)、偏差分析 … WEB挖掘 網(wǎng)站結(jié)構(gòu)優(yōu)化 網(wǎng)頁(yè)推薦 商品推薦 。 銀行 電信 零售 保險(xiǎn) 制藥 生物信息 科學(xué)研究 。 數(shù)據(jù)挖掘技術(shù) ●數(shù)據(jù)挖掘技術(shù)的分類 —— 聚類：根據(jù)某些屬性將數(shù)據(jù)庫(kù)分割為一些子集和簇 如：在了解客戶的過(guò)程中，嘗試使用從未使用過(guò)的屬性分割人群以發(fā)現(xiàn)潛在客戶的簇 —— 關(guān)聯(lián)：通過(guò)考察記錄來(lái)識(shí)別數(shù)據(jù)間的密切關(guān)系 關(guān)聯(lián)關(guān)系常常表現(xiàn)為規(guī)則，常用于超市購(gòu)物籃分析 如：所有包含 A和 B的記錄中有 60％同時(shí)包含 C。 模式是數(shù)據(jù)驅(qū)動(dòng)的，一般只反映數(shù)據(jù)本身 —— 模型 對(duì)構(gòu)建事件的源時(shí)的歷史數(shù)據(jù)庫(kù)的描述，并且能夠成功地應(yīng)用于新的數(shù)據(jù)，以便對(duì)缺少的數(shù)據(jù)作出預(yù)測(cè)或?qū)ζ谕臄?shù)據(jù)作出說(shuō)明。 數(shù)據(jù)挖掘技術(shù) ●經(jīng)典方法 —— 統(tǒng)計(jì) 統(tǒng)計(jì)可以通過(guò)對(duì)類似下列問(wèn)題的回答獲得模式 ○在我的數(shù)據(jù)庫(kù)中存在什么模式 ○某個(gè)事件發(fā)生的可能性是什么 ○那些模式是重要的模式 統(tǒng)計(jì)的一個(gè)重要價(jià)值就是它提供了對(duì)數(shù)據(jù)庫(kù)的高層視圖，這種視圖提供了有用的信息，但不要求在細(xì)節(jié)上理解數(shù)據(jù)庫(kù)的每一條記錄。 在分支后 ， 要使不同分支之間數(shù)據(jù)的差異盡可能大 、 同一分支內(nèi)的數(shù)據(jù)盡量相同 。 數(shù)據(jù)挖掘方法 決 策 樹 的 算 法 步 驟 ○假設(shè) T為訓(xùn)練實(shí)例集 ○選擇一個(gè)最能區(qū)別 T中實(shí)例的屬性 ○創(chuàng)建一個(gè)決策節(jié)點(diǎn)，它的值為所選擇的屬性 ○創(chuàng)建該節(jié)點(diǎn)的分支，每個(gè)分支代表所選屬性的一個(gè)唯一值 ○使用分支的值，將數(shù)據(jù)實(shí)例分割為子類 ○對(duì)于步驟 5所創(chuàng)建的各個(gè)子類： ★如果子類中的數(shù)據(jù)實(shí)例滿足以下條件，可按此決策樹對(duì)新數(shù)據(jù)實(shí)例指定類別 ☆分割中只包含一條數(shù)據(jù)實(shí)例 ☆分割中所有數(shù)據(jù)實(shí)例的屬性都相同 ☆繼續(xù)分割得到的改進(jìn)不明顯 ★如果子類不滿足上述條件，則設(shè) T’為當(dāng)前子類數(shù)據(jù)實(shí)例集合，返回步驟 2 數(shù)據(jù)挖掘方法 決策樹的屬性選取 屬性選取標(biāo)準(zhǔn)： 最大化反映數(shù)據(jù)差異，使樹的層次和節(jié)點(diǎn)數(shù)最小 患者代碼 嗓子痛 發(fā)燒