数据挖掘项目介绍.pdf

大数据—优于析,智于行 作者:王沧经(勇) 目录 1.数据挖掘概述 2 1.1 现实情况 2 1.2 数据挖掘定义 3 1.3 数据挖掘技术发展 3 1.4 数据挖掘在业务方面的应用(以金融业为例) 4 1.4.1 客户细分―使客户收益最大化的同时最大程度降低风险 4 1.4.2 客户流失―挽留有价值的客户 4 1.4.3 交叉销售 5 1.4.4 开发新客户 5 2.数据挖掘项目实施步骤 5 2.1 数据理解 6 2.2 数据准备 6 2.3 建立模型 6 2.4 模型评估 6 2.5 发布结果 6 1 大数据—优于析,智于行 作者:王沧经(勇) 1.数据挖掘概述 1.1 现实情况 ①.业务中的数据量呈现指数增长（GB/小时） ②.传统技术难以从这些大量数据中发现有价值的规律 ③.数据挖掘可以帮助我们从大量数据中发现有价值的规律 社会需求：著名的“啤酒尿布”案例：美国加州某个超级卖场通过数据挖掘发现，下 班后前来购买婴儿尿布的男顾客大都购买啤酒。于是经理当机立断，重新布置货架，把啤 酒类商品布置在婴儿尿布货架附近，并在二者之间放置佐酒食品，同时还把男士日常用品 就近布置。这样，上述几种商品的销量大增。 2 大数据—优于析,智于行 作者:王沧经(勇) 1.2 数据挖掘定义 数据挖掘技术定义： 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据 中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规 则(Rules)、模式(Patterns)等形式。 用统计分析和数据挖掘解决商务问题。 数据挖掘商业定义： 按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或 验证已知的规律性，并进一步将其模型化的先进有效的方法。 数据挖掘是从海量数据中提取隐含在其中的有用信息和知识的过程。它可以帮助企业 对数据进行微观、中观乃至宏观的统计、分析、综合和推理，从而利用已有数据预测未来， 帮助企业赢得竞争优势。 1.3 数据挖掘技术发展 数据挖掘是一个交叉学科领域，受多个学科影响，包括数据库系统、统计学、机器学 习、可视化和信息科学 。 技术分类 一、预言（Predication）：用历史预测未来 二、描述（Description）：了解数据中潜在的规律 3 大数据—优于析,智于行 作者:王沧经(勇) 数据挖掘技术 ①.关联分析 ②.序列发现 ③.分类和预测 ④.聚类 ⑤.异常检测 ⑥.汇总 ⑦.回归 ⑧.时间序列分析 1.4 数据挖掘在业务方面的应用(以金融业为例) 1.4.1 客户细分―使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业 务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分 析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征 的同时，实现客户细分和市场细分。 数据挖掘实现客户价值的最大化和风险最小化。SPSS 预测分析技术能够适应用于各种 金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易网站、 呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使 营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。 1.4.2 客户流失―挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道， 自己的哪些客户会因