資源描述：
《數(shù)據(jù)挖掘與決策支持新版》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、客戶保留目標(biāo)營銷欺詐檢測購物籃分析客戶細(xì)分客戶忠誠度信用打分信用風(fēng)險評估營銷組合管理和評估盈利能力分析價格優(yōu)化客戶服務(wù)自動化銷售收入和需求預(yù)測利潤分析交叉銷售和增量銷售活動管理客戶流失分析客戶服務(wù)和問題解決業(yè)績和能力管理分銷渠道業(yè)績分析營業(yè)廳和服務(wù)商業(yè)績分析流程和質(zhì)量控制稅收監(jiān)控可能受益的商業(yè)活動數(shù)據(jù)挖掘解決方案歷史數(shù)據(jù)預(yù)測模型新申請者信用等級評價預(yù)測模型：用過去的客戶數(shù)據(jù)預(yù)測未來理解商業(yè)問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)前收入水平當(dāng)前財政狀況未來信用風(fēng)險Time1Time2家庭收入銷
2、售數(shù)量喜歡流行音樂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能夠理解和實施數(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，而是一個合適的環(huán)境。一個企業(yè)的執(zhí)行能力越強，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)倉庫建立、市場定位、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。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)的核心競爭力。數(shù)據(jù)挖掘是企業(yè)以顧客為導(dǎo)向的市場策略。數(shù)據(jù)挖掘是建立在客戶為中心的數(shù)據(jù)倉庫。數(shù)據(jù)挖掘環(huán)境關(guān)鍵因素選擇一
3、個有效領(lǐng)導(dǎo)，宣傳數(shù)據(jù)挖掘，保證高層關(guān)注；建立多學(xué)科合作，參與并在一起工作的團隊，職責(zé)分明；從一開始就讓各部分參與，他們是最終成功的決定者；從一開始讓信息部門參與，他們能夠存取和接觸數(shù)據(jù)，獲得硬件、軟件和網(wǎng)絡(luò)支持；利用示范項目是挖掘的開始，可以展示能力；數(shù)據(jù)挖掘是轉(zhuǎn)換商業(yè)決策從產(chǎn)品到客戶的變革開始；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，建立團隊確保執(zhí)行層的興趣。團隊由各個學(xué)科人員組成：技術(shù)組和商業(yè)組，8-12人。各個單位和部門一開始就參加進(jìn)來。信息技術(shù)部門一開始也要參與進(jìn)來。示范項目可以展示數(shù)據(jù)挖掘的能力強
4、有力的軟件供應(yīng)商和豐富經(jīng)驗的顧問。數(shù)據(jù)挖掘解決方案PreprocessedDataDataTranslatedDataPatterns/ModelsResultsPreprocessingAnalysisInputOutput數(shù)據(jù)挖掘解決方案主要數(shù)據(jù)挖掘技術(shù)分類Classification預(yù)測Prediction細(xì)分Segmentation關(guān)聯(lián)Association序列Sequence將您的顧客和客戶分類預(yù)測未來的銷量和欺詐，流失將市場、顧客細(xì)分發(fā)現(xiàn)那些商品會在一起銷售或購買找出時間進(jìn)程中的模式或趨勢決策樹規(guī)則偵測回歸分析聚類分析神經(jīng)網(wǎng)絡(luò)序列模式數(shù)據(jù)挖掘的
5、問題類型數(shù)據(jù)描述數(shù)據(jù)細(xì)分概念描述分類預(yù)測依賴型分析商業(yè)問題DecisionTreesNeuralNetworksRuleInductionNearestNeighborGeneticAlgorithms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分類決策樹對象關(guān)系網(wǎng)絡(luò)網(wǎng)絡(luò)分析強弱路徑自我小群
6、體缺失角色網(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)挖掘驗證驅(qū)動挖掘發(fā)現(xiàn)驅(qū)動挖掘SQLSQL生成器查詢工具OLAP描述預(yù)測可視化聚類關(guān)聯(lián)規(guī)則順序關(guān)聯(lián)匯總描述分類統(tǒng)計回歸時間序列決策樹神經(jīng)網(wǎng)路SPSS-Clementine7.2ClementineInterfaceDataStream數(shù)據(jù)流StreamcanvasPalettesManagersProjectsReportwindowStatuswindowClementineToolbarsNodesPaletteBasicOperationSettingOpt
7、ionsforNodesSPSS-Clementine7.2客戶流失模型分析問題描述：如何決定超市中商品的擺放來增加銷售額結(jié)果描述:(Web圖）數(shù)據(jù)挖掘的典型結(jié)果——交叉銷售廣電行業(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)布信息有一個時間維信息過時后會失去價值信息過時后會令人誤解信息必須在適當(dāng)?shù)臅r間、適當(dāng)?shù)攸c傳送給適當(dāng)?shù)娜诵畔⑾M者訂閱者信息消費者訂戶通道發(fā)布和訂閱發(fā)行者信息生產(chǎn)者主動式的信息發(fā)布!數(shù)據(jù)挖掘的方法論有時候我們并不關(guān)心模型如何運作，只是個黑盒子，我們只關(guān)心可能的最優(yōu)結(jié)果。有時候需要使用模型能夠得到與
8、數(shù)據(jù)相關(guān)的重要信息。我們也需要了解模型運作的細(xì)節(jié)，這也只是個半透明
