?

大數(shù)據(jù)是2012的時(shí)髦詞匯，正受到越來(lái)越多人的關(guān)注和談?wù)摗４髷?shù)據(jù)之所以受到人們的關(guān)注和談?wù)?#xff0c;是因?yàn)殡[藏在大數(shù)據(jù)后面超千億美元的市場(chǎng)機(jī)會(huì)。 大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘是最關(guān)鍵的工作。以下內(nèi)容供個(gè)人學(xué)習(xí)用，感興趣的朋友可以看一下。 智庫(kù)百科是這樣描述數(shù)據(jù)挖掘的“數(shù)據(jù)挖掘又稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是目前人工智能和數(shù)據(jù)庫(kù)領(lǐng)域研究的熱點(diǎn)問(wèn)題，所謂數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過(guò)程。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。 數(shù)據(jù)挖掘的定義 技術(shù)上的定義及含義 數(shù)據(jù)挖掘（Data Mining）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。這個(gè)定義包括好幾層含義：數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的；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。 與數(shù)據(jù)挖掘相近的同義詞有數(shù)據(jù)融合、人工智能、商務(wù)智能、模式識(shí)別、機(jī)器學(xué)習(xí)、知識(shí)發(fā)現(xiàn)、數(shù)據(jù)分析和決策支持等。 ----何為知識(shí)從廣義上理解，數(shù)據(jù)、信息也是知識(shí)的表現(xiàn)形式，但是人們更把概念、規(guī)則、模式、規(guī)律和約束等看作知識(shí)。人們把數(shù)據(jù)看作是形成知識(shí)的源泉，好像從礦石中采礦或淘金一樣。原始數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)；也可以是半結(jié)構(gòu)化的，如文本、圖形和圖像數(shù)據(jù)；甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)知識(shí)的方法可以是數(shù)學(xué)的，也可以是非數(shù)學(xué)的；可以是演繹的，也可以是歸納的。發(fā)現(xiàn)的知識(shí)可以被用于信息管理，查詢(xún)優(yōu)化，決策支持和過(guò)程控制等，還可以用于數(shù)據(jù)自身的維護(hù)。因此，數(shù)據(jù)挖掘是一門(mén)交叉學(xué)科，它把人們對(duì)數(shù)據(jù)的應(yīng)用從低層次的簡(jiǎn)單查詢(xún)，提升到從數(shù)據(jù)中挖掘知識(shí)，提供決策支持。在這種需求牽引下，匯聚了不同領(lǐng)域的研究者，尤其是數(shù)據(jù)庫(kù)技術(shù)、人工智能技術(shù)、數(shù)理統(tǒng)計(jì)、可視化技術(shù)、并行計(jì)算等方面的學(xué)者和工程技術(shù)人員，投身到數(shù)據(jù)挖掘這一新興的研究領(lǐng)域，形成新的技術(shù)熱點(diǎn)。 這里所說(shuō)的知識(shí)發(fā)現(xiàn)，不是要求發(fā)現(xiàn)放之四海而皆準(zhǔn)的真理，也不是要去發(fā)現(xiàn)嶄新的自然科學(xué)定理和純數(shù)學(xué)公式，更不是什么機(jī)器定理證明。實(shí)際上，所有發(fā)現(xiàn)的知識(shí)都是相對(duì)的，是有特定前提和約束條件，面向特定領(lǐng)域的，同時(shí)還要能夠易于被用戶理解。最好能用自然語(yǔ)言表達(dá)所發(fā)現(xiàn)的結(jié)果。 商業(yè)角度的定義 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)。 簡(jiǎn)而言之，數(shù)據(jù)挖掘其實(shí)是一類(lèi)深層次的數(shù)據(jù)分析方法。數(shù)據(jù)分析本身已經(jīng)有很多年的歷史，只不過(guò)在過(guò)去數(shù)據(jù)收集和分析的目的是用于科學(xué)研究，另外，由于當(dāng)時(shí)計(jì)算能力的限制，對(duì)大數(shù)據(jù)量進(jìn)行分析的復(fù)雜數(shù)據(jù)分析方法受到很大限制。現(xiàn)在，由于各行業(yè)業(yè)務(wù)自動(dòng)化的實(shí)現(xiàn)，商業(yè)領(lǐng)域產(chǎn)生了大量的業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)不再是為了分析的目的而收集的，而是由于純機(jī)會(huì)的（Opportunistic）商業(yè)運(yùn)作而產(chǎn)生。分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男枰?#xff0c;更主要是為商業(yè)決策提供真正有價(jià)值的信息，進(jìn)而 獲得利潤(rùn)。但所有企業(yè)面臨的一個(gè)共同問(wèn)題是：企業(yè)數(shù)據(jù)量非常大，而其中真正有價(jià)值的信息卻很少，因此從大量的數(shù)據(jù)中經(jīng)過(guò)深層分析，獲得有利于商業(yè)運(yùn)作、提高競(jìng)爭(zhēng)力的信息，就像從礦石中淘金一樣，數(shù)據(jù)挖掘也因此而得名。 因此，數(shù)據(jù)挖掘可以描述為：按企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。 數(shù)據(jù)挖掘常用的方法 利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析常用的方法主要有分類(lèi)、回歸分析、聚類(lèi)、關(guān)聯(lián)規(guī)則、特征、變化和偏差分析、Web頁(yè)挖掘等， 它們分別從不同的角度對(duì)數(shù)據(jù)進(jìn)行挖掘。 ①分類(lèi)。分類(lèi)是找出數(shù)據(jù)庫(kù)中一組數(shù)據(jù)對(duì)象的共同特點(diǎn)并按照分類(lèi)模式將其劃分為不同的類(lèi)，其目的是通過(guò)分類(lèi)模型，將數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)映射到某個(gè)給定的類(lèi)別。它可以應(yīng)用到客戶的分類(lèi)、客戶的屬性和特征分析、客戶滿意度分析、客戶的購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)等，如一個(gè)汽車(chē)零售商將客戶按照對(duì)汽車(chē)的喜好劃分成不同的類(lèi)，這樣營(yíng)銷(xiāo)人員就可以將新型汽車(chē)的廣告手冊(cè)直接郵寄到有這種喜好的客戶手中，從而大大增加了商業(yè)機(jī)會(huì)。 ②回歸分析。回歸分析方法反映的是事務(wù)數(shù)據(jù)庫(kù)中屬性值在時(shí)間上的特征，產(chǎn)生一個(gè)將數(shù)據(jù)項(xiàng)映射到一個(gè)實(shí)值預(yù)測(cè)變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩蚤g的依賴(lài)關(guān)系，其主要研究問(wèn)題包括數(shù)據(jù)序列的趨勢(shì)特征、數(shù)據(jù)序列的預(yù)測(cè)以及數(shù)據(jù)間的相關(guān)關(guān)系等。它可以應(yīng)用到市場(chǎng)營(yíng)銷(xiāo)的各個(gè)方面，如客戶尋求、保持和預(yù)防客戶流失活動(dòng)、產(chǎn)品生命周期分析、銷(xiāo)售趨勢(shì)預(yù)測(cè)及有針對(duì)性的促銷(xiāo)活動(dòng)等。 ③聚類(lèi)。聚類(lèi)分析是把一組數(shù)據(jù)按照相似性和差異性分為幾個(gè)類(lèi)別，其目的是使得屬于同一類(lèi)別的數(shù)據(jù)間的相似性盡可能大，不同類(lèi)別中的數(shù)據(jù)間的相似性盡可能小。它可以應(yīng)用到客戶群體的分類(lèi)、客戶背景分析、客戶購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)、市場(chǎng)的細(xì)分等。 ④關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)之間所存在的關(guān)系的規(guī)則，即根據(jù)一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)可導(dǎo)出另一些項(xiàng)在同一事務(wù)中也出現(xiàn)，即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系。在客戶關(guān)系管理中，通過(guò)對(duì)企業(yè)的客戶數(shù)據(jù)庫(kù)里的大量數(shù)據(jù)進(jìn)行挖掘，可以從大量的記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，找出影響市場(chǎng)營(yíng)銷(xiāo)效果的關(guān)鍵因素，為產(chǎn)品定位、定價(jià)與定制客戶群，客戶尋求、細(xì)分與保持，市場(chǎng)營(yíng)銷(xiāo)與推銷(xiāo)，營(yíng)銷(xiāo)風(fēng)險(xiǎn)評(píng)估和詐騙預(yù)測(cè)等決策支持提供參考依據(jù)。 ⑤特征。特征分析是從數(shù)據(jù)庫(kù)中的一組數(shù)據(jù)中提取出關(guān)于這些數(shù)據(jù)的特征式，這些特征式表達(dá)了該數(shù)據(jù)集的總體特征。如營(yíng)銷(xiāo)人員通過(guò)對(duì)客戶流失因素的特征提取，可以得到導(dǎo)致客戶流失的一系列原因和主要特征，利用這些特征可以有效地預(yù)防客戶的流失。 ⑥變化和偏差分析。偏差包括很大一類(lèi)潛在有趣的知識(shí)，如分類(lèi)中的反常實(shí)例，模式的例外，觀察結(jié)果對(duì)期望的偏差等，其目的是尋找觀察結(jié)果與參照量之間有意義的差別。在企業(yè)危機(jī)管理及其預(yù)警中，管理者更感興趣的是那些意外規(guī)則。意外規(guī)則的挖掘可以應(yīng)用到各種異常信息的發(fā)現(xiàn)、分析、識(shí)別、評(píng)價(jià)和預(yù)警等方面。 ⑦Web頁(yè)挖掘。隨著Internet的迅速發(fā)展及Web 的全球普及， 使得Web上的信息量無(wú)比豐富，通過(guò)對(duì)Web的挖掘，可以利用Web 的海量數(shù)據(jù)進(jìn)行分析，收集政治、經(jīng)濟(jì)、政策、科技、金融、各種市場(chǎng)、競(jìng)爭(zhēng)對(duì)手、供求信息、客戶等有關(guān)的信息，集中精力分析和處理那些對(duì)企業(yè)有重大或潛在重大影響的外部環(huán)境信息和內(nèi)部經(jīng)營(yíng)信息，并根據(jù)分析結(jié)果找出企業(yè)管理過(guò)程中出現(xiàn)的各種問(wèn)題和可能引起危機(jī)的先兆，對(duì)這些信息進(jìn)行分析和處理，以便識(shí)別、分析、評(píng)價(jià)和管理危機(jī)。 數(shù)據(jù)挖掘的功能 數(shù)據(jù)挖掘通過(guò)預(yù)測(cè)未來(lái)趨勢(shì)及行為，做出前攝的、基于知識(shí)的決策。數(shù)據(jù)挖掘的目標(biāo)是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱含的、有意義的知識(shí)，主要有以下五類(lèi)功能。 1、自動(dòng)預(yù)測(cè)趨勢(shì)和行為 數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。一個(gè)典型的例子是市場(chǎng)預(yù)測(cè)問(wèn)題，數(shù)據(jù)挖掘使用過(guò)去有關(guān)促銷(xiāo)的數(shù)據(jù)來(lái)尋找未來(lái)投資中回報(bào)最大的用戶，其它可預(yù)測(cè)的問(wèn)題包括預(yù)報(bào)破產(chǎn)以及認(rèn)定對(duì)指定事件最可能作出反應(yīng)的群體。 2、關(guān)聯(lián)分析 數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類(lèi)重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱(chēng)為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。 3、聚類(lèi) 數(shù)據(jù)庫(kù)中的記錄可被化分為一系列有意義的子集，即聚類(lèi)。聚類(lèi)增強(qiáng)了人們對(duì)客觀現(xiàn)實(shí)的認(rèn)識(shí)，是概念描述和偏差分析的先決條件。聚類(lèi)技術(shù)主要包括傳統(tǒng)的模式識(shí)別方法和數(shù)學(xué)分類(lèi)學(xué)。80年代初，Mchalski提出了概念聚類(lèi)技術(shù)牞其要點(diǎn)是，在劃分對(duì)象時(shí)不僅考慮對(duì)象之間的距離，還要求劃分出的類(lèi)具有某種內(nèi)涵描述，從而避免了傳統(tǒng)技術(shù)的某些片面性。 4、概念描述 概念描述就是對(duì)某類(lèi)對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類(lèi)對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類(lèi)對(duì)象的共同特征，后者描述不同類(lèi)對(duì)象之間的區(qū)別。生成一個(gè)類(lèi)的特征性描述只涉及該類(lèi)對(duì)象中所有對(duì)象的共性。生成區(qū)別性描述的方法很多，如決策樹(shù)方法、遺傳算法等。 5、偏差檢測(cè) 數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類(lèi)中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是，尋找觀測(cè)結(jié)果與參照值之間有意義的差別。 數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別 數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析(如查詢(xún)、報(bào)表、聯(lián)機(jī)應(yīng)用分析)的本質(zhì)區(qū)別是數(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. 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(jué)發(fā)現(xiàn)的信息或知識(shí),甚至是違背直覺(jué)的信息或知識(shí),挖掘出的信息越是出乎意料,就可能越有價(jià)值.在商業(yè)應(yīng)用中最典型的例子就是一家連鎖店通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)了小孩尿布和啤酒之間有著驚人的聯(lián)系。 數(shù)據(jù)挖掘應(yīng)用 1、數(shù)據(jù)挖掘解決的典型商業(yè)問(wèn)題 需要強(qiáng)調(diào)的是，數(shù)據(jù)挖掘技術(shù)從一開(kāi)始就是面向應(yīng)用的。目前，在很多領(lǐng)域，數(shù)據(jù)挖掘(data mining)都是一個(gè)很時(shí)髦的詞，尤其是在如銀行、電信、保險(xiǎn)、交通、零售（如超級(jí)市場(chǎng)）等商業(yè)領(lǐng)域。數(shù)據(jù)挖掘所能解決的典型商業(yè)問(wèn)題包括：數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)（Database Marketing）、客戶群體劃分（Customer Segmentation & Classification）、背景分析（Profile Analysis）、交叉銷(xiāo)售（Cross-selling）等市場(chǎng)分析行為，以及客戶流失性分析(Churn Analysis)、客戶信用記分(Credit Scoring)、欺詐發(fā)現(xiàn)(Fraud Detection)等等。 2、數(shù)據(jù)挖掘在市場(chǎng)營(yíng)銷(xiāo)的應(yīng)用 數(shù)據(jù)挖掘技術(shù)在企業(yè)市場(chǎng)營(yíng)銷(xiāo)中得到了比較普遍的應(yīng)用，它是以市場(chǎng)營(yíng)銷(xiāo)學(xué)的市場(chǎng)細(xì)分原理為基礎(chǔ)，其基本假定是“消費(fèi)者過(guò)去的行為是其今后消費(fèi)傾向的最好說(shuō)明”。 通過(guò)收集、加工和處理涉及消費(fèi)者消費(fèi)行為的大量信息，確定特定消費(fèi)群體或個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體下一步的消費(fèi)行為，然后以此為基礎(chǔ)，對(duì)所識(shí)別出來(lái)的消費(fèi)群體進(jìn)行特定內(nèi)容的定向營(yíng)銷(xiāo)，這與傳統(tǒng)的不區(qū)分消費(fèi)者對(duì)象特征的大規(guī)模營(yíng)銷(xiāo)手段相比，大大節(jié)省了營(yíng)銷(xiāo)成本，提高了營(yíng)銷(xiāo)效果，從而為企業(yè)帶來(lái)更多的利潤(rùn)。 商業(yè)消費(fèi)信息來(lái)自市場(chǎng)中的各種渠道。例如，每當(dāng)我們用信用卡消費(fèi)時(shí)，商業(yè)企業(yè)就可以在信用卡結(jié)算過(guò)程收集商業(yè)消費(fèi)信息，記錄下我們進(jìn)行消費(fèi)的時(shí)間、地點(diǎn)、感興趣的商品或服務(wù)、愿意接收的價(jià)格水平和支付能力等數(shù)據(jù)；當(dāng)我們?cè)谏贽k信用卡、辦理汽車(chē)駕駛執(zhí)照、填寫(xiě)商品保修單等其他需要填寫(xiě)表格的場(chǎng)合時(shí)，我們的個(gè)人信息就存入了相應(yīng)的業(yè)務(wù)數(shù)據(jù)庫(kù)；企業(yè)除了自行收集相關(guān)業(yè)務(wù)信息之外，甚至可以從其他公司或機(jī)構(gòu)購(gòu)買(mǎi)此類(lèi)信息為自己所用。 這些來(lái)自各種渠道的數(shù)據(jù)信息被組合，應(yīng)用超級(jí)計(jì)算機(jī)、并行處理、神經(jīng)元網(wǎng)絡(luò)、模型化算法和其他信息處理技術(shù)手段進(jìn)行處理，從中得到商家用于向特定消費(fèi)群體或個(gè)體進(jìn)行定向營(yíng)銷(xiāo)的決策信息。這種數(shù)據(jù)信息是如何應(yīng)用的呢？舉一個(gè)簡(jiǎn)單的例子，當(dāng)銀行通過(guò)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行挖掘后，發(fā)現(xiàn)一個(gè)銀行帳戶持有者突然要求申請(qǐng)雙人聯(lián)合帳戶時(shí)，并且確認(rèn)該消費(fèi)者是第一次申請(qǐng)聯(lián)合帳戶，銀行會(huì)推斷該用戶可能要結(jié)婚了，它就會(huì)向該用戶定向推銷(xiāo)用于購(gòu)買(mǎi)房屋、支付子女學(xué)費(fèi)等長(zhǎng)期投資業(yè)務(wù)，銀行甚至可能將該信息賣(mài)給專(zhuān)營(yíng)婚慶商品和服務(wù)的公司。數(shù)據(jù)挖掘構(gòu)筑競(jìng)爭(zhēng)優(yōu)勢(shì)。 在市場(chǎng)經(jīng)濟(jì)比較發(fā)達(dá)的國(guó)家和地區(qū)，許多公司都開(kāi)始在原有信息系統(tǒng)的基礎(chǔ)上通過(guò)數(shù)據(jù)挖掘?qū)I(yè)務(wù)信息進(jìn)行深加工，以構(gòu)筑自己的競(jìng)爭(zhēng)優(yōu)勢(shì)，擴(kuò)大自己的營(yíng)業(yè)額。美國(guó)運(yùn)通公司(American Express)有一個(gè)用于記錄信用卡業(yè)務(wù)的數(shù)據(jù)庫(kù)，數(shù)據(jù)量達(dá)到54億字符，并仍在隨著業(yè)務(wù)進(jìn)展不斷更新。運(yùn)通公司通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行挖掘，制定了“關(guān)聯(lián)結(jié)算(Relation ship Billing)優(yōu)惠”的促銷(xiāo)策略，即如果一個(gè)顧客在一個(gè)商店用運(yùn)通卡購(gòu)買(mǎi)一套時(shí)裝，那么在同一個(gè)商店再買(mǎi)一雙鞋，就可以得到比較大的折扣，這樣既可以增加商店的銷(xiāo)售量，也可以增加運(yùn)通卡在該商店的使用率。再如，居住在倫敦的持卡消費(fèi)者如果最近剛剛乘英國(guó)航空公司的航班去過(guò)巴黎，那么他可能會(huì)得到一個(gè)周末前往紐約的機(jī)票打折優(yōu)惠卡。 基于數(shù)據(jù)挖掘的營(yíng)銷(xiāo)，常常可以向消費(fèi)者發(fā)出與其以前的消費(fèi)行為相關(guān)的推銷(xiāo)材料。卡夫(Kraft)食品公司建立了一個(gè)擁有3000萬(wàn)客戶資料的數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)是通過(guò)收集對(duì)公司發(fā)出的優(yōu)惠券等其他促銷(xiāo)手段作出積極反應(yīng)的客戶和銷(xiāo)售記錄而建立起來(lái)的，卡夫公司通過(guò)數(shù)據(jù)挖掘了解特定客戶的興趣和口味，并以此為基礎(chǔ)向他們發(fā)送特定產(chǎn)品的優(yōu)惠券，并為他們推薦符合客戶口味和健康狀況的卡夫產(chǎn)品食譜。美國(guó)的讀者文摘(Reader's Digest)出版公司運(yùn)行著一個(gè)積累了40年的業(yè)務(wù)數(shù)據(jù)庫(kù)，其中容納有遍布全球的一億多個(gè)訂戶的資料，數(shù)據(jù)庫(kù)每天24小時(shí)連續(xù)運(yùn)行，保證數(shù)據(jù)不斷得到實(shí)時(shí)的更新，正是基于對(duì)客戶資料數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)挖掘的優(yōu)勢(shì)，使讀者文摘出版公司能夠從通俗雜志擴(kuò)展到專(zhuān)業(yè)雜志、書(shū)刊和聲像制品的出版和發(fā)行業(yè)務(wù)，極大地?cái)U(kuò)展了自己的業(yè)務(wù)。 基于數(shù)據(jù)挖掘的營(yíng)銷(xiāo)對(duì)我國(guó)當(dāng)前的市場(chǎng)競(jìng)爭(zhēng)中也很具有啟發(fā)意義，我們經(jīng)常可以看到繁華商業(yè)街上一些廠商對(duì)來(lái)往行人不分對(duì)象地散發(fā)大量商品宣傳廣告，其結(jié)果是不需要的人隨手丟棄資料，而需要的人并不一定能夠得到。如果搞家電維修服務(wù)的公司向在商店中剛剛購(gòu)買(mǎi)家電的消費(fèi)者郵寄維修服務(wù)廣告，賣(mài)特效藥品的廠商向醫(yī)院特定門(mén)診就醫(yī)的病人郵寄廣告，肯定會(huì)比漫無(wú)目的的營(yíng)銷(xiāo)效果要好得多。 數(shù)據(jù)挖掘在企業(yè)危機(jī)管理中的應(yīng)用 危機(jī)管理是管理領(lǐng)域新出現(xiàn)的一個(gè)熱點(diǎn)研究領(lǐng)域，它是以市場(chǎng)競(jìng)爭(zhēng)中危機(jī)的出現(xiàn)為研究起點(diǎn)，分析 企業(yè)危機(jī)產(chǎn)生的原因和過(guò)程，研究企業(yè)預(yù)防危機(jī)、應(yīng)付危機(jī)、解決危機(jī)的手段和策略，以增強(qiáng)企業(yè)的免疫力、應(yīng)變力和競(jìng)爭(zhēng)力，使管理者能夠及時(shí)準(zhǔn)確地獲取所需要的信息，迅速捕捉到企業(yè)可能發(fā)生危機(jī)的一切可能事件和先兆，進(jìn)而采取有效的規(guī)避措施，在危機(jī)發(fā)生之前對(duì)其進(jìn)行控制，趨利避害，從而使企業(yè)能夠適應(yīng)迅速變化的市場(chǎng)環(huán)境，保持長(zhǎng)久的競(jìng)爭(zhēng)優(yōu)勢(shì)。但是由于危機(jī)產(chǎn)生的原因復(fù)雜，種類(lèi)繁多，許多因素難以量化，而且危機(jī)管理中帶有大量不確定因素的半結(jié)構(gòu)化問(wèn)題和非結(jié)構(gòu)化問(wèn)題，很多因素由于沒(méi)有歷史數(shù)據(jù)和相應(yīng)的統(tǒng)計(jì)資料，很難進(jìn)行科學(xué)地計(jì)算和評(píng)估，因此需要應(yīng)用其它技術(shù)和方法來(lái)加強(qiáng)企業(yè)的危機(jī)管理工作。 隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)、通訊技術(shù)、Internet技術(shù)的迅速發(fā)展和電子商務(wù)、辦公自動(dòng)化、管理信息系統(tǒng)、Internet 的普及等，企業(yè)業(yè)務(wù)操作流程日益自動(dòng)化，企業(yè)經(jīng)營(yíng)過(guò)程中產(chǎn)生了大量的數(shù)據(jù)，這些數(shù)據(jù)和由此產(chǎn)生的信息是企業(yè)的寶貴財(cái)富，它如實(shí)地記錄著企業(yè)經(jīng)營(yíng)的本質(zhì)狀況。但是面對(duì)如此大量的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)分析方法，如數(shù)據(jù)檢索、統(tǒng)計(jì)分析等只能獲得數(shù)據(jù)的表層信息，不能獲得其內(nèi)在的、深層次的信息，管理者面臨著數(shù)據(jù)豐富而知識(shí)貧乏的困境。如何從這些數(shù)據(jù)中挖掘出對(duì)企業(yè)經(jīng)營(yíng)決策有用的知識(shí)是非常重要的，數(shù)據(jù)挖掘便是為適應(yīng)這種需要應(yīng)運(yùn)而生的。 數(shù)據(jù)挖掘是一種新的信息處理技術(shù)，其主要特點(diǎn)是對(duì)企業(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，從中提取輔助經(jīng)營(yíng)決策的關(guān)鍵性數(shù)據(jù)，它在企業(yè)危機(jī)管理中得到了比較普遍的應(yīng)用，具體可以應(yīng)用到以下幾個(gè)方面。 1.利用Web頁(yè)挖掘搜集外部環(huán)境信息 信息是危機(jī)管理的關(guān)鍵因素。在危機(jī)管理過(guò)程中，可以利用Web 頁(yè)挖掘技術(shù)對(duì)企業(yè)外部環(huán)境信息進(jìn)行收集、整理和分析，盡可能地收集政治、經(jīng)濟(jì)、政策、科技、金融、各種市場(chǎng)、競(jìng)爭(zhēng)對(duì)手、供求信息、消費(fèi)者等與企業(yè)發(fā)展有關(guān)的信息，集中精力分析處理那些對(duì)企業(yè)發(fā)展有重大或潛在重大影響的外部環(huán)境信息，抓住轉(zhuǎn)瞬即逝的市場(chǎng)機(jī)遇，獲得企業(yè)危機(jī)的先兆信息，采取有效措施規(guī)避危機(jī)，促使企業(yè)健康、持續(xù)地發(fā)展。 2.利用數(shù)據(jù)挖掘分析企業(yè)經(jīng)營(yíng)信息 利用數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)和聯(lián)機(jī)分析技術(shù)，管理者能夠充分利用企業(yè)數(shù)據(jù)倉(cāng)庫(kù)中的海量數(shù)據(jù)進(jìn)行分析，并根據(jù)分析結(jié)果找出企業(yè)經(jīng)營(yíng)過(guò)程中出現(xiàn)的各種問(wèn)題和可能引起危機(jī)的先兆，如經(jīng)營(yíng)不善、觀念滯后、產(chǎn)品失敗、戰(zhàn)略決策失誤、財(cái)務(wù)危機(jī)等內(nèi)部因素引起企業(yè)人、財(cái)、物、產(chǎn)、供、銷(xiāo)的相對(duì)和諧平衡體遭到重大破壞，對(duì)企業(yè)的生存、發(fā)展構(gòu)成嚴(yán)重威脅的信息，及時(shí)做出正確的決策，調(diào)整經(jīng)營(yíng)戰(zhàn)略，以適應(yīng)不斷變化的市場(chǎng)需求。 3.利用數(shù)據(jù)挖掘識(shí)別、分析和預(yù)防危機(jī) 危機(jī)管理的精髓在于預(yù)防。利用數(shù)據(jù)挖掘技術(shù)對(duì)企業(yè)經(jīng)營(yíng)的各方面的風(fēng)險(xiǎn)、威脅和危險(xiǎn)進(jìn)行識(shí)別和分析，如產(chǎn)品質(zhì)量和責(zé)任、環(huán)境、健康和人身安全、財(cái)務(wù)、營(yíng)銷(xiāo)、自然災(zāi)害、經(jīng)營(yíng)欺詐、人員及計(jì)算機(jī)故障等，對(duì)每一種風(fēng)險(xiǎn)進(jìn)行分類(lèi)，并決定如何管理各類(lèi)風(fēng)險(xiǎn)；準(zhǔn)確地預(yù)測(cè)企業(yè)所面臨的各種風(fēng)險(xiǎn)，并對(duì)每一種風(fēng)險(xiǎn)、威脅和危險(xiǎn)的大小及發(fā)生概率進(jìn)行評(píng)價(jià)，建立各類(lèi)風(fēng)險(xiǎn)管理的優(yōu)先次序，以有限的資源、時(shí)間和資金來(lái)管理最嚴(yán)重的一種或某幾類(lèi)風(fēng)險(xiǎn)；制定危機(jī)管理的策略和方法，擬定危機(jī)應(yīng)急計(jì)劃和危機(jī)管理隊(duì)伍，做好危機(jī)預(yù)防工作。 4.利用數(shù)據(jù)挖掘技術(shù)改善客戶關(guān)系管理 客戶滿意度歷來(lái)就是衡量一個(gè)企業(yè)服務(wù)質(zhì)量好壞的重要尺度，特別是當(dāng)客戶的反饋意見(jiàn)具有廣泛效應(yīng)的時(shí)候更是如此。目前很多企業(yè)利用營(yíng)銷(xiāo)中心、新聞組、 BBS以及呼叫中心等收集客戶的投訴和意見(jiàn)，并對(duì)這些投訴和意見(jiàn)進(jìn)行分析，以發(fā)現(xiàn)客戶關(guān)系管理中存在的問(wèn)題，如果有足夠多的客戶都在抱怨同一個(gè)問(wèn)題，管理者就有理由對(duì)其展開(kāi)調(diào)查，為企業(yè)及時(shí)捕捉到發(fā)生危機(jī)的一切可能事件和先兆，從而挽 救客戶關(guān)系，避免經(jīng)營(yíng)危機(jī)。 5.利用數(shù)據(jù)挖掘進(jìn)行信用風(fēng)險(xiǎn)分析和欺詐甄別 客戶信用風(fēng)險(xiǎn)分析和欺詐行為預(yù)測(cè)對(duì)企業(yè)的財(cái)務(wù)安全是非常重要的，使用企業(yè)信息系統(tǒng)中數(shù)據(jù)庫(kù)的數(shù)據(jù)，利用數(shù)據(jù)挖掘中的變化和偏差分析技術(shù)進(jìn)行客戶信用風(fēng)險(xiǎn)分析和欺詐行為預(yù)測(cè)，分析這些風(fēng)險(xiǎn)為什么會(huì)發(fā)生？哪些因素會(huì)導(dǎo)致這些風(fēng)險(xiǎn)？這些風(fēng)險(xiǎn)主要來(lái)自于何處？如何預(yù)測(cè)到可能發(fā)生的風(fēng)險(xiǎn)？采取何種措施減少風(fēng)險(xiǎn)的發(fā)生？通過(guò)評(píng)價(jià)這些風(fēng)險(xiǎn)的嚴(yán)重性、發(fā)生的可能性及控制這些風(fēng)險(xiǎn)的成本，匯總對(duì)各種風(fēng)險(xiǎn)的評(píng)價(jià)結(jié)果，進(jìn)而建立一套信用風(fēng)險(xiǎn)管理的戰(zhàn)略和監(jiān)督體系，設(shè)計(jì)并完善信用風(fēng)險(xiǎn)管理能力，準(zhǔn)確、及時(shí)地對(duì)各種信用風(fēng)險(xiǎn)進(jìn)行監(jiān)視、評(píng)價(jià)、預(yù)警和管理，進(jìn)而采取有效的規(guī)避和監(jiān)督措施，在信用風(fēng)險(xiǎn)發(fā)生之前對(duì)其進(jìn)行預(yù)警和控制，趨利避害，做好信用風(fēng)險(xiǎn)的防范工作。 6.利用數(shù)據(jù)挖掘控制危機(jī) 危機(jī)一旦爆發(fā)，來(lái)勢(shì)迅猛，損失嚴(yán)重，因此危機(jī)發(fā)生以后，要采取有力的措施控制危機(jī)，管理者可以利用先進(jìn)的信息技術(shù)如基于Web 的挖掘技術(shù)、各種搜索引擎工具、E－mail自動(dòng)處理工具、基于人工智能的信息內(nèi)容的自動(dòng)分類(lèi)、聚類(lèi)以及基于深層次自然語(yǔ)言理解的知識(shí)檢索、問(wèn)答式知識(shí)檢索系統(tǒng)等快速地獲取危機(jī)管理所需要的各種信息，以便向客戶、社區(qū)、新聞界發(fā)布有關(guān)的危機(jī)管理信息，并在各種媒體尤其是公司的網(wǎng)站上公布企業(yè)的詳細(xì)風(fēng)險(xiǎn)防御和危機(jī)管理計(jì)劃，使全體員工能夠及時(shí)獲取危機(jī)管理信息及危機(jī)最新的進(jìn)展情況。這樣企業(yè)的高層管理人員、公關(guān)人員、危機(jī)管理人員和全體員工就能隨時(shí)有準(zhǔn)備地應(yīng)付任何復(fù)雜情況和危急形勢(shì)的壓力，對(duì)出現(xiàn)的危機(jī)立即做出反應(yīng)，使危機(jī)的損失降到最低。 危機(jī)就是危險(xiǎn)和機(jī)遇，企業(yè)的每一次危機(jī)既包含了導(dǎo)致失敗的根源，又蘊(yùn)藏著成功的種子，發(fā)現(xiàn)、培育，進(jìn)而收獲潛在的成功機(jī)會(huì)，就是危機(jī)管理的精髓；而錯(cuò)誤地估計(jì)形勢(shì)，并令事態(tài)進(jìn)一步惡化，則是不良危機(jī)管理的典型特征。企業(yè)應(yīng)加強(qiáng)危機(jī)管理工作，利用先進(jìn)的數(shù)據(jù)挖掘技術(shù)加強(qiáng)企業(yè)的危機(jī)管理工作，以便準(zhǔn)確及時(shí)地獲取所需要的危機(jī)信息，迅速捕捉到企業(yè)可能發(fā)生危機(jī)的一切事件和征兆，進(jìn)而采取有效的規(guī)避措施，在危機(jī)發(fā)生之前對(duì)其進(jìn)行控制，趨利避害，從而使企業(yè)能夠適應(yīng)迅速變化的市場(chǎng)環(huán)境，保持長(zhǎng)久的競(jìng)爭(zhēng)優(yōu)勢(shì)，實(shí)現(xiàn)可持續(xù)發(fā)展戰(zhàn)略。

總結(jié)

以上是生活随笔為你收集整理的大数据时代的数据挖掘的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。