第一章 数据挖掘的源起与内容

经营好的小商店自然与他们的客户形成学习关系。

了解的更多，优质服务客户，获取忠实客户，获取盈利。

大型公司需要利用每笔客户交易所产生的数据，将客户数据转换为客户知识。

小企业成功之处---与客户建立1对1的关系。客户关系管理customer relationship management,CRM)

数据挖掘在提高公司与客户形成学习关系的能力，进而改善客户关系管理中所起的作用。

努力了解客户，使客户选择和我们进行商业活动，而不是选择竞争对手。

哪些人值得投入资金和精力来保持联系，哪些人可以放弃。

 

数据挖掘是一系列工具和技术的集合，是支持以客户为中心的组织需要的多项技术之一；数据挖掘是一种态度，它表明商业活动应该基于认知，分析获得的决策比没有任何分析所得的决策要好的多，经过预算的结果更有利于商业盈利。

 

必须要做的事：

1.注意客户正在做什么？

2.记住公司及其客户曾经做过什么？

3.从记住的信息学习

4.按照获取的知识进行商业活动使顾客更加受益。

 

1，2依靠交易处理（transaction processing)x系统收集客户信息，用数据仓库存储客户历史行为信息，使用数据挖掘来把历史数据转变成为来行动计划，然后通过某种客户关系策略将这一计划付诸实施。

 

数据仓库的作用 整理多渠道获取的信息data warehousing

重要特征之一是随时间变化追踪客户行为的能力。如使用趋势上升还是下降、回头频繁程度如何、更倾向哪种方式、对哪种促销形式有回应？

有人保留过商品投递记录和客户响应记录，发现过一些规律。

 

核心思想：过去的数据包含对未来有用的信息。

 

数据挖掘是一个工具，只知道它如何工作是不够的，还必须了解如何应用它。

数据挖掘是探查和分析大量数据以发现有意义的模式和规则的过程。本书数据挖掘目标是允许公司通过对客户的更好了解来改善其市场、销售和客户支持运作。

定向数据挖掘：目的是解释或者分类某个特殊的目标域，如收入或者反馈。

非定向数据挖掘：目的是在不预设目标域或确定类的前提下，找出在批量数据间的模式或者相似性。

 

数据挖掘与模型构造密切相关。模型就是把一组输入关联到一个特定输出的一个算法或者规则集。

数据挖掘也叫知识发现或者数据库中的知识发现。

 

可完成的任务

1.分类

一般考察一类中新出现的对象的特征，然后归类到已定义的类。分类工作包括向数据库增加一个新列，指示某种分类代码。

准备：一个清晰定义的类，一些已分类了的实例。

如：信用卡申请者划分为低、中、高风险

     发现欺诈信息

决策树与最近邻技术常用，神经网络、链接分析某些情况下用。

2.估计

处理连续值结果，如按照估分定序，150万人中选50人投送广告，如估计一个家庭孩子数目、估计一个家庭的总收入、估计客户寿命等

回归模型，神经网络常用，如果估计是一个事件的时间（如客户停止时间），生存分析也常用。

3.预测

所有分类估计技术稍加改变可用于预测，这种改变是利用训练样本中那些已知历史数据验证样本中要预测的变量值。历史数据用于构造模型，以解释当前观察到的行为。当这个模型应用于当前的输入，所产生的结果就是对未来的预测。

4.关联分组或关联规则

关联分组是确定哪些事情应该分在一起。购物篮分析。

5.聚类

一般用于其它形式数据挖掘或建模的前奏。然后对每一类进行分析或其它操作。如每种人群哪个促销手段反应最好。

6.描述和建立简档

加强理解。决策树是对一个与特殊目标相关的客户建立简档的强有力工具。关联规则和聚类也可。

 

 

 

为什么现在要研究？

 1.数据正在生成 大量数据使得意义更大

2.数据正在成为数据仓库

3.计算能力也可以了

4.客户关系管理的兴趣增加       每种业务都是服务业务、信息是产品

5.商业数据挖掘软件已经易于使用

 

目前如何使用数据挖掘

1.超级市场成为信息经济人

2.基于推荐的商业    例子：一卖酒的，每个客户注册完成一个葡萄酒调查，用于创建用户口味的简档。随着时间推移，用户可以更新简档，并评价已购买的产品。

3.交叉销售

   客户关系管理的中心原则：关注重要客户，钱包份额，从而获取更多利润。

4.抓住好的客户    了解谁可能离开，为什么离开，哪些消费者应该得到诱因从而保持下来，应该允许哪些用户离开？

5.淘汰差的客户  

6.变革一个行业