客戶保留目標(biāo)營(yíng)銷欺詐檢測(cè)購(gòu)物籃分析客戶細(xì)分客戶忠誠(chéng)度信用打分信用風(fēng)險(xiǎn)評(píng)估營(yíng)銷組合管理和評(píng)估盈利能力分析價(jià)格優(yōu)化客戶服務(wù)自動(dòng)化銷售收入和需求預(yù)測(cè)交叉銷售和增量銷售活動(dòng)管理客戶流失分析客戶服務(wù)和問(wèn)題解決業(yè)績(jī)和能力管理分銷渠道業(yè)績(jī)分析營(yíng)業(yè)廳和服務(wù)商業(yè)績(jī)分析流程和質(zhì)量控制稅收監(jiān)控可能受益的商業(yè)活動(dòng)數(shù)據(jù)挖掘解決方案歷史數(shù)據(jù)預(yù)測(cè)模型新申請(qǐng)者信用等級(jí)評(píng)價(jià)預(yù)測(cè)模型：用過(guò)去的客戶數(shù)據(jù)預(yù)測(cè)未來(lái)理解商業(yè)問(wèn)題

性別父親的教育程度被訪者教育程度工作類型城市當(dāng)前收入水平家庭收入銷售數(shù)量喜歡流行音樂(lè)

我們的最終目的是希望從技術(shù)和商業(yè)角度為公司建立一個(gè)能夠理解和實(shí)施數(shù)據(jù)挖掘的工作環(huán)境。數(shù)據(jù)挖掘的成功，并不在于特定工具和算法的選擇，而是一個(gè)合適的環(huán)境。

一個(gè)企業(yè)的執(zhí)行能力越強(qiáng)，數(shù)據(jù)挖掘的能力就越大。企業(yè)所處的商業(yè)環(huán)境往往在戰(zhàn)略上、顧客定位、數(shù)據(jù)倉(cāng)庫(kù)建立、市場(chǎng)定位、生命周期、分析技術(shù)等方面各不相同，成功的基礎(chǔ)必須是基于對(duì)數(shù)據(jù)挖掘與商業(yè)規(guī)律良好結(jié)合的環(huán)境，建立自己的挖掘平臺(tái)。數(shù)據(jù)挖掘環(huán)境建構(gòu)

數(shù)據(jù)挖掘是企業(yè)的組成部分。數(shù)據(jù)挖掘是企業(yè)的核心競(jìng)爭(zhēng)力。數(shù)據(jù)挖掘是企業(yè)以顧客為導(dǎo)向的市場(chǎng)策略。數(shù)據(jù)挖掘是建立在客戶為中心的數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)挖掘成功要素由一人專職負(fù)責(zé)：此人有著良好的溝通和成功記錄，理解數(shù)據(jù)挖掘的各種可能情況，建立團(tuán)隊(duì)確保執(zhí)行層的興趣。團(tuán)隊(duì)由各個(gè)學(xué)科人員組成：技術(shù)組和商業(yè)組，8-12人。各個(gè)單位和部門一開始就參加進(jìn)來(lái)。信息技術(shù)部門一開始也要參與進(jìn)來(lái)。示范項(xiàng)目可以展示數(shù)據(jù)挖掘的能力強(qiáng)有力的軟件供應(yīng)商和豐富經(jīng)驗(yàn)的顧問(wèn)。數(shù)據(jù)挖掘解決方案PreprocessedDataDataTranslatedDataPatterns/ModelsResultsPreprocessingAnalysisInputOutput數(shù)據(jù)挖掘解決方案數(shù)據(jù)挖掘的問(wèn)題類型數(shù)據(jù)描述數(shù)據(jù)細(xì)分概念描述分類預(yù)測(cè)依賴型分析商業(yè)問(wèn)題DecisionTreesNeuralNetworks

RuleInductionNearestNeighbor

GeneticAlgorithms數(shù)據(jù)挖掘主要新技術(shù)決策樹神經(jīng)網(wǎng)絡(luò)規(guī)則偵測(cè)序列規(guī)則基因算法

客戶總列表30%VIP0-1孩子2-3孩子20%VIP4+孩子$50-75kincome15%VIP$75k+income70%VIP$50-75kincome$20-50kincome85%VIPAge:40-6080%VIPAge:20-4045%VIP分類決策樹網(wǎng)絡(luò)分析神經(jīng)網(wǎng)絡(luò)線性回歸Logistics回歸多層神經(jīng)網(wǎng)絡(luò)細(xì)胞繁殖數(shù)據(jù)挖掘技術(shù)分類數(shù)據(jù)挖掘驗(yàn)證驅(qū)動(dòng)挖掘發(fā)現(xiàn)驅(qū)動(dòng)挖掘SQLSQL生成器查詢工具OLAP描述預(yù)測(cè)可視化聚類關(guān)聯(lián)規(guī)則順序關(guān)聯(lián)匯總描述分類統(tǒng)計(jì)回歸時(shí)間序列決策樹神經(jīng)網(wǎng)路ClementineInterfaceDataStream數(shù)據(jù)流StreamcanvasPalettesManagersProjectsReportwindowStatuswindowClementineToolbarsNodesPaletteSettingOptionsforNodesSPSS-Clementine7.2廣電行業(yè)“復(fù)合人才”畫像Clementine的分析模型算法SAS數(shù)據(jù)挖掘解決方案聚焦于信息發(fā)布信息有一個(gè)時(shí)間維信息過(guò)時(shí)后會(huì)失去價(jià)值信息過(guò)時(shí)后會(huì)令人誤解信息必須在適當(dāng)?shù)臅r(shí)間、適當(dāng)?shù)攸c(diǎn)傳送給適當(dāng)?shù)娜诵畔⑾M(fèi)者訂閱者信息消費(fèi)者訂戶通道發(fā)布和訂閱發(fā)行者信息生產(chǎn)者主動(dòng)式的信息發(fā)布!數(shù)據(jù)挖掘的方法論

有時(shí)候我們并不關(guān)心模型如何運(yùn)作，只是個(gè)黑盒子，我們只關(guān)心可能的最優(yōu)結(jié)果。

有時(shí)候需要使用模型能夠得到與數(shù)據(jù)相關(guān)的重要信息。我們也需要了解模型運(yùn)作的細(xì)節(jié)，這也只是個(gè)半透明的盒子。語(yǔ)義層設(shè)計(jì)業(yè)務(wù)數(shù)據(jù)庫(kù)最終用戶數(shù)據(jù)結(jié)構(gòu)語(yǔ)義層信息系統(tǒng)人員商業(yè)理解體系的核心——語(yǔ)義層數(shù)據(jù)源終端用戶商業(yè)元語(yǔ)查詢面板數(shù)據(jù)源數(shù)據(jù)挖掘不能作的事情

如何定義要數(shù)據(jù)挖掘的商業(yè)問(wèn)題隱含解決企業(yè)問(wèn)題的有用數(shù)據(jù)識(shí)別數(shù)據(jù)質(zhì)量，搜集初始數(shù)據(jù)精加工并整合數(shù)據(jù)，使其滿足挖掘建模要求數(shù)據(jù)變換，使得數(shù)據(jù)庫(kù)僅包含建模輸入變量

根據(jù)模型制訂行動(dòng)計(jì)劃，并付諸實(shí)施

評(píng)價(jià)行動(dòng)結(jié)構(gòu)，反饋信息輸入數(shù)據(jù)庫(kù)，進(jìn)一步挖掘計(jì)算機(jī)及數(shù)據(jù)處理軟件、統(tǒng)計(jì)軟件的發(fā)展使得我們做數(shù)據(jù)挖掘和統(tǒng)計(jì)分析成為簡(jiǎn)單而可能的事情。分析工具和軟件WORDEXECLPowerPointAccessMicrosoftVisioSmartDrawPCEDITEpiDataSPSSEnterStation&BuilderSPSSforWindows8.0-11.5AnswerTree3.0DecisionTimeandWhatIfClementine7.0-7.2SAS6.12-8.2Lisrel8