数据挖掘与决策支持新版

《数据挖掘与决策支持新版》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、客户保留目标营销欺诈检测购物篮分析客户细分客户忠诚度信用打分信用风险评估营销组合管理和评估盈利能力分析价格优化客户服务自动化销售收入和需求预测利润分析交叉销售和增量销售活动管理客户流失分析客户服务和问题解决业绩和能力管理分销渠道业绩分析营业厅和服务商业绩分析流程和质量控制税收监控可能受益的商业活动数据挖掘解决方案历史数据预测模型新申请者信用等级评价预测模型：用过去的客户数据预测未来理解商业问题性别父亲的教育程度被访者教育程度工作类型城市当前收入水平性别父亲的教育程度被访者教育程度工作类型城市当前收入水平当前财政状况未来信用风险Time1Time2家庭收入销

2、售数量喜欢流行音乐我们的最终目的是希望从技术和商业角度为公司建立一个能够理解和实施数据挖掘的工作环境。数据挖掘的成功，并不在于特定工具和算法的选择，而是一个合适的环境。一个企业的执行能力越强，数据挖掘的能力就越大。企业所处的商业环境往往在战略上、顾客定位、数据仓库建立、市场定位、生命周期、分析技术等方面各不相同，成功的基础必须是基于对数据挖掘与商业规律良好结合的环境，建立自己的挖掘平台。数据挖掘环境建构数据挖掘是企业的组成部分。数据挖掘是企业的核心竞争力。数据挖掘是企业以顾客为导向的市场策略。数据挖掘是建立在客户为中心的数据仓库。数据挖掘环境关键因素选择一

3、个有效领导，宣传数据挖掘，保证高层关注；建立多学科合作，参与并在一起工作的团队，职责分明；从一开始就让各部分参与，他们是最终成功的决定者；从一开始让信息部门参与，他们能够存取和接触数据，获得硬件、软件和网络支持；利用示范项目是挖掘的开始，可以展示能力；数据挖掘是转换商业决策从产品到客户的变革开始；数据挖掘成功要素由一人专职负责：此人有着良好的沟通和成功记录，理解数据挖掘的各种可能情况，建立团队确保执行层的兴趣。团队由各个学科人员组成：技术组和商业组，8-12人。各个单位和部门一开始就参加进来。信息技术部门一开始也要参与进来。示范项目可以展示数据挖掘的能力强

4、有力的软件供应商和丰富经验的顾问。数据挖掘解决方案PreprocessedDataDataTranslatedDataPatterns/ModelsResultsPreprocessingAnalysisInputOutput数据挖掘解决方案主要数据挖掘技术分类Classification预测Prediction细分Segmentation关联Association序列Sequence将您的顾客和客户分类预测未来的销量和欺诈，流失将市场、顾客细分发现那些商品会在一起销售或购买找出时间进程中的模式或趋势决策树规则侦测回归分析聚类分析神经网络序列模式数据挖掘的

5、问题类型数据描述数据细分概念描述分类预测依赖型分析商业问题DecisionTreesNeuralNetworksRuleInductionNearestNeighborGeneticAlgorithms数据挖掘主要新技术决策树神经网络规则侦测序列规则基因算法客户总列表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分类决策树对象关系网络网络分析强弱路径自我小群

6、体缺失角色网络分析神经网络线性回归Logistics回归多层神经网络细胞繁殖数据挖掘技术分类数据挖掘验证驱动挖掘发现驱动挖掘SQLSQL生成器查询工具OLAP描述预测可视化聚类关联规则顺序关联汇总描述分类统计回归时间序列决策树神经网路SPSS-Clementine7.2ClementineInterfaceDataStream数据流StreamcanvasPalettesManagersProjectsReportwindowStatuswindowClementineToolbarsNodesPaletteBasicOperationSettingOpt

7、ionsforNodesSPSS-Clementine7.2客户流失模型分析问题描述：如何决定超市中商品的摆放来增加销售额结果描述:(Web图）数据挖掘的典型结果——交叉销售广电行业“复合人才”画像Clementine的分析模型算法SAS数据挖掘解决方案聚焦于信息发布信息有一个时间维信息过时后会失去价值信息过时后会令人误解信息必须在适当的时间、适当地点传送给适当的人信息消费者订阅者信息消费者订户通道发布和订阅发行者信息生产者主动式的信息发布!数据挖掘的方法论有时候我们并不关心模型如何运作，只是个黑盒子，我们只关心可能的最优结果。有时候需要使用模型能够得到与

8、数据相关的重要信息。我们也需要了解模型运作的细节，这也只是个半透明