1.什么是數(shù)據(jù)挖掘？

數(shù)據(jù)挖掘（DataMining）起源于 1989 年 8 月，美國(guó)底特律舉辦的第 11 屆國(guó)際聯(lián)合人工 智能學(xué)術(shù)會(huì)議中 Piatetsky·Sharpiro 提出的 KDD（Knowledge Discovery and DataMining）。

它的含義就是從海量的數(shù)據(jù)中抽取出有意義的、重要的、潛在有用的信息和知識(shí)的過(guò)程。從技術(shù)上來(lái)說(shuō)，數(shù)據(jù)挖掘是一門交叉學(xué)科，融合了統(tǒng)計(jì)學(xué)、人工智能、模式識(shí)別、機(jī)器學(xué)習(xí)等內(nèi)容。

數(shù)據(jù)挖掘的工作過(guò)程可以包括數(shù)據(jù)的抽取、存儲(chǔ)管理、挖掘和展現(xiàn)等幾個(gè)部分。所謂抽取就是將數(shù)據(jù)從外部數(shù)據(jù)源或者其他聯(lián)機(jī)事務(wù)處理系統(tǒng)中導(dǎo)入到數(shù)據(jù)倉(cāng)庫(kù)或者其他數(shù)據(jù)庫(kù)中。存儲(chǔ)管理主要針對(duì)如何管理海量的數(shù)據(jù)、優(yōu)化查詢效率和處理各種并發(fā)數(shù)據(jù)等。挖掘就是利用各種的挖掘算法得到相應(yīng)知識(shí)的過(guò)程。最后數(shù)據(jù)展現(xiàn)就是實(shí)現(xiàn)各種預(yù)定義查詢、動(dòng)態(tài)報(bào)表查詢等內(nèi)容，展示的方式包括直方圖、動(dòng)態(tài)模擬和餅圖等形式。更簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘就是將對(duì)數(shù)據(jù)的簡(jiǎn)單查詢提升到挖掘信息和知識(shí)的過(guò)程。

2.數(shù)據(jù)挖掘方法的幾個(gè)步驟：

數(shù)據(jù)挖掘是一個(gè)閉環(huán)的、反復(fù)循環(huán)的過(guò)程。需要業(yè)務(wù)分析人員和 IT 工程師共同完成。一般來(lái)說(shuō)它有以下幾個(gè)步驟：

• 定義業(yè)務(wù)范圍。在這個(gè)階段需要明確對(duì)數(shù)據(jù)挖掘的目標(biāo)和定位，制定數(shù)據(jù)挖掘的計(jì)劃。
• 選擇合適的數(shù)據(jù)，定義相關(guān)的訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集等內(nèi)容。
• 對(duì)數(shù)據(jù)進(jìn)行探索分析，使數(shù)據(jù)集盡可能滿足建模算法的要求。
• 分析并且確定數(shù)據(jù)挖掘模型。建模人員需要不斷地測(cè)試模型性能，從而選擇出最佳的數(shù)據(jù)模型。
• 模型實(shí)施和評(píng)價(jià)。通過(guò)模型的結(jié)果幫助相關(guān)人員做出戰(zhàn)略決策。同時(shí)搜集結(jié)果反饋，判斷是否需要改進(jìn)模型。

3.數(shù)據(jù)挖掘常用算法

常用的數(shù)據(jù)挖掘算法主要包括分類、聚類和關(guān)聯(lián)規(guī)則三種。

分類主要是對(duì)目標(biāo)數(shù)據(jù)進(jìn)行分類?？梢酝ㄟ^(guò)訓(xùn)練集建立模型，通過(guò)測(cè)試集去驗(yàn)證模型的效果，最后再通過(guò)該模型對(duì)目標(biāo)數(shù)據(jù)進(jìn)行分類。其中常用的分類算法是決策樹(shù)。

聚類主要是將相似的事物分成一類，將差異較大的事物分布在不同的類中，即“物以類聚”，保證各個(gè)組間的特征差異性最大。例如聚類分析可以發(fā)現(xiàn)特征差異很大的客戶群。

聚類和分類的區(qū)別是：聚類不依賴確定好的組別，也沒(méi)有樣本數(shù)據(jù)，數(shù)據(jù)是按照自身特征的相似性聚集在不同的類別中，在數(shù)據(jù)挖掘中，常用的聚類算法是 K 均值算法；關(guān)聯(lián)規(guī)則主要是確定哪些事物可以在一起出現(xiàn)，例如設(shè)計(jì)各種商品和服務(wù)的組合。

4.數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的關(guān)系

我們可以引用商業(yè)智能的概念，決策人員以企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，由聯(lián)機(jī)分析處理工具、數(shù)據(jù)挖掘工具加上決策人員的專業(yè)知識(shí)，從數(shù)據(jù)中獲得有用的信息和知識(shí)，幫助企業(yè)獲取利潤(rùn)，而數(shù)據(jù)挖掘就是建立在數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上的增值技術(shù)。

數(shù)據(jù)倉(cāng)庫(kù)是為了支持企業(yè)決策分析的數(shù)據(jù)集合。它是面向主題的、集成的、穩(wěn)定的，并且隨著時(shí)間發(fā)生變化。它的關(guān)鍵技術(shù)包括數(shù)據(jù)的抽取、 清洗、轉(zhuǎn)換、加載和維護(hù)技術(shù)。

數(shù)據(jù)挖掘是從海量的數(shù)據(jù)中，抽取出有意義的、潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù)挖掘的數(shù)據(jù)來(lái)源可以是數(shù)據(jù)倉(cāng)庫(kù)或者是其他數(shù)據(jù)庫(kù)。對(duì)于挖掘的數(shù)據(jù)需要進(jìn)行選擇，挖掘的結(jié)果也需要進(jìn)行評(píng)估，按照評(píng)估結(jié)果的不同，一般需要重新分析和計(jì)算。

數(shù)據(jù)挖掘可以對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的歷史數(shù)據(jù)進(jìn)行提煉和挖掘，使得這些數(shù)據(jù)成為信息和知識(shí)?？梢越柚鷮?duì)歷史數(shù)據(jù)的分析，發(fā)現(xiàn)數(shù)據(jù)內(nèi)部有價(jià)值的規(guī)律。

數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)挖掘的基礎(chǔ)。因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是完整的、集成的，它為數(shù)據(jù)挖掘提供了扎實(shí)的數(shù)據(jù)基礎(chǔ)。數(shù)據(jù)倉(cāng)庫(kù)可以為數(shù)據(jù)挖掘提供需要的歷史數(shù)據(jù)和全面的數(shù)據(jù)處理、分析等基礎(chǔ)設(shè)施。

5.數(shù)據(jù)挖掘的主要過(guò)程

數(shù)據(jù)挖掘的過(guò)程主要包括：定義商業(yè)問(wèn)題、建立數(shù)據(jù)挖掘庫(kù)、確定分析的內(nèi)容、準(zhǔn)備數(shù)據(jù)、建立模型、評(píng)價(jià)模型和實(shí)施。

5.1 定義各種商業(yè)問(wèn)題

對(duì)業(yè)務(wù)問(wèn)題和數(shù)據(jù)挖掘的目標(biāo)進(jìn)行明確的定義，例如從整體上分析市場(chǎng)的結(jié)構(gòu)和發(fā)展的趨勢(shì)，或者從微觀的角度分析客源的結(jié)構(gòu)。

5.2 建立數(shù)據(jù)挖掘庫(kù)

主要過(guò)程包括：對(duì)數(shù)據(jù)的搜集，確定需要挖掘的數(shù)據(jù)源。選擇用于挖掘的數(shù)據(jù)，對(duì)數(shù)據(jù)的質(zhì)量進(jìn)行評(píng)估，確定數(shù)據(jù)的哪些屬性會(huì)影響模型的質(zhì)量，判斷是 否建立數(shù)據(jù)倉(cāng)庫(kù)。

5.3 確定分析的內(nèi)容

以旅游行業(yè)為例，分析的內(nèi)容可以包括：線路分析、出行時(shí)間、人數(shù)分析、旅游目的分析和客戶關(guān)聯(lián)分析等。舉例來(lái)說(shuō)，根據(jù)分析可以確定旅游業(yè)的旺季 集中在哪幾個(gè)月份，哪些群體更喜歡外出旅游等。

5.4 準(zhǔn)備數(shù)據(jù)

準(zhǔn)備數(shù)據(jù)的主要過(guò)程包括：選擇最優(yōu)的預(yù)測(cè)變量，如果數(shù)據(jù)量較大，可以進(jìn)行數(shù)據(jù)抽樣，也可以在原始數(shù)據(jù)中衍生新的變量作為預(yù)測(cè)變量。

5.5 建立模型

建立對(duì)商業(yè)問(wèn)題最有用的模型，然后不斷地優(yōu)化，它是一個(gè)反復(fù)的閉環(huán)過(guò)程。同時(shí)還要決定預(yù)測(cè)的類型，例如是分類還是回歸。

5.6 評(píng)估模型

當(dāng)模型建立之后，應(yīng)該評(píng)估結(jié)果和價(jià)值。隨著應(yīng)用數(shù)據(jù)的變化，模型的準(zhǔn)確率也會(huì)隨之發(fā)生變化。因?yàn)楦鞣N隱含的因素，可能會(huì)導(dǎo)致經(jīng)過(guò)模擬計(jì)算出來(lái)的高準(zhǔn)確率模型，不一定是正確的模型。

5.7 實(shí)施

當(dāng)模型建立并且經(jīng)過(guò)驗(yàn)證之后，提供給分析人員作為參考。

6. 數(shù)據(jù)挖掘的主要應(yīng)用——客戶精準(zhǔn)營(yíng)銷

6.1 客戶精準(zhǔn)營(yíng)銷背景

隨著技術(shù)的發(fā)展和市場(chǎng)競(jìng)爭(zhēng)的激烈，傳統(tǒng)的營(yíng)銷系統(tǒng)很難應(yīng)對(duì)復(fù)雜的市場(chǎng)環(huán)境，大眾化的營(yíng)銷方式已經(jīng)逐漸失去了優(yōu)勢(shì)，只有基于客戶基本信息和行為，采用客戶精準(zhǔn)營(yíng)銷的方式才能提高營(yíng)銷的效益，同時(shí)大大降低營(yíng)銷的成本。那么什么是客戶精準(zhǔn)營(yíng)銷呢？

客戶精準(zhǔn)營(yíng)銷就是通過(guò)挖掘技術(shù)手段，實(shí)現(xiàn)企業(yè)和客戶之間的個(gè)性化溝通服務(wù)體系。精準(zhǔn)營(yíng)銷包括客戶的需求分析、市場(chǎng)細(xì)分等內(nèi)容。因?yàn)槭袌?chǎng)需求的多樣化，要求企業(yè)能夠?yàn)榭蛻籼峁┒鄻踊漠a(chǎn)品和服務(wù)，可以快速捕捉到市場(chǎng)的需求和未來(lái)發(fā)展預(yù)測(cè)的能力。

下面分別以旅游行業(yè)和銀行為例，介紹客戶精準(zhǔn)營(yíng)銷的應(yīng)用方式。

6.2 關(guān)于旅游行業(yè)的客戶精準(zhǔn)營(yíng)銷

旅游行業(yè)的客戶精準(zhǔn)營(yíng)銷，可以通過(guò)客戶細(xì)分、客戶流失分析、交叉銷售和客戶價(jià)值評(píng)估等模型來(lái)實(shí)現(xiàn)。

客戶細(xì)分的目的是為了實(shí)現(xiàn)客戶的差異化服務(wù)?？蛻袅魇Х治鍪菫榱送炝艨蛻?，并提高客戶的忠誠(chéng)度。交叉銷售是為了提升交叉銷售率。客戶價(jià)值評(píng)估是綜合衡量客戶在當(dāng)前貢獻(xiàn)度、未來(lái)貢獻(xiàn)度、信用度、忠誠(chéng)度和未來(lái)成長(zhǎng)潛力等幾個(gè)方面的表現(xiàn)。

（1）客戶細(xì)分

客戶細(xì)分可以實(shí)現(xiàn)客戶的差異化服務(wù)，使產(chǎn)品和服務(wù)更直接地針對(duì)合適的客戶群?？蛻艏?xì)分可以使用挖掘的分類和聚類算法實(shí)現(xiàn)。

客戶細(xì)分的流程

客戶行為細(xì)分模型可以通過(guò)選擇變量，分析影響客戶分組的主要因子，根據(jù)聚類形成相似的群體，保證組中特征差別明顯，最后提出針對(duì)性的業(yè)務(wù)推廣與建議。

1）選擇變量，分析影響客戶分組的主要因子。

2）保證組中特征差別明顯。

3）提出針對(duì)性的業(yè)務(wù)推廣與建議。

業(yè)務(wù)推廣建議：

a）特征組 2：統(tǒng)計(jì)分析發(fā)現(xiàn)該比例人數(shù)較多，且大部分都是 25 歲～35 歲之間的，人群多是商務(wù)人士，喜歡購(gòu)物。

b）特征組 1：統(tǒng)計(jì)分析發(fā)現(xiàn)該比例人群大多都是中年人士，以家庭為單位的旅游居多，大多喜歡景點(diǎn)游，較少喜歡購(gòu)物游，消費(fèi)趨于理性。

c）特征組 3：統(tǒng)計(jì)分析發(fā)現(xiàn)該比例人群多數(shù)都是 20～24 歲之間的學(xué)生群體，購(gòu)物欲望較小，喜歡景點(diǎn)游和過(guò)夜。

客戶服務(wù)建議：

a）對(duì)于特征組 2，應(yīng)該增加購(gòu)物游的宣傳，例如香港購(gòu)物三日游。時(shí)間宜選擇在假期。

b）對(duì)于特征組 1，可以增加適合家庭游的景點(diǎn)、游樂(lè)園的宣傳，例如香港迪斯尼三日游， 時(shí)間宜選擇公共假期。

c）對(duì)于特征組 3，可以增加類似于運(yùn)動(dòng)、長(zhǎng)途類型的旅游，例如西藏七日游。

客戶細(xì)分的優(yōu)勢(shì)：

a）確定每個(gè)客戶群的特征，指導(dǎo)差異化的客戶服務(wù)。

b）可以協(xié)助企業(yè)推出新產(chǎn)品。

c）為新產(chǎn)品尋找目標(biāo)群體。

d）理解客戶對(duì)產(chǎn)品的喜好，按需求提供產(chǎn)品。

e）針對(duì)客戶群制定推廣策略。

（2）客戶流失分析

舉例來(lái)說(shuō)，滿足該規(guī)則，如果旅游者的年出游次數(shù)突然減少，并且對(duì)購(gòu)物、住宿等評(píng)價(jià)很低，可能是高危用戶。如果旅游者的出游次數(shù)沒(méi)有減少，但是對(duì)購(gòu)物、住宿評(píng)價(jià)變低，客戶可能會(huì)流失。

（3）交叉銷售

交叉銷售是促使客戶購(gòu)買尚未使用的產(chǎn)品和服務(wù)的營(yíng)銷手段，通過(guò)研究客戶對(duì)產(chǎn)品的使用習(xí)慣和消費(fèi)行為特點(diǎn)去發(fā)現(xiàn)老客戶的潛在需求。同時(shí)交叉銷售可以通過(guò)產(chǎn)品之間的關(guān)聯(lián)，尋找捆綁銷售的機(jī)會(huì)，為新產(chǎn)品尋找已有用戶中的目標(biāo)群體。交叉銷售的目的是向新老客戶推銷尚未使用的產(chǎn)品，同時(shí)將老產(chǎn)品銷售給新客戶。

（4）客戶價(jià)值評(píng)估

客戶價(jià)值評(píng)估模型的搭建，主要衡量客戶五個(gè)方面的表現(xiàn)，包括：客戶的當(dāng)前貢獻(xiàn)度、未來(lái)貢獻(xiàn)度、信用度、忠誠(chéng)度和成長(zhǎng)潛力等。

6.3 關(guān)于銀行業(yè)的客戶精準(zhǔn)營(yíng)銷

舉例來(lái)說(shuō)，當(dāng)一名客戶在銀行中存入一筆存款后，他可能會(huì)考慮如何使這些資金獲得更大的收益，如果這時(shí)銀行銷售人員與客戶主動(dòng)聯(lián)系，并且給予恰當(dāng)?shù)慕ㄗh，完成營(yíng)銷任務(wù)的概率就會(huì)大大增加。也就是通過(guò)評(píng)估分析、發(fā)現(xiàn)和識(shí)別客戶的需求，制定相應(yīng)的營(yíng)銷策略。

對(duì)于商業(yè)銀行來(lái)說(shuō)，通過(guò) CRM 系統(tǒng)中的客戶行為信息，識(shí)別出客戶的交易信息，并發(fā)現(xiàn)背后隱藏的客戶需求，這種方式不僅可以挽留客戶，而且還能提升客戶的忠誠(chéng)度，創(chuàng)造更大的利潤(rùn)。

精準(zhǔn)營(yíng)銷方案的設(shè)計(jì)：

（1）現(xiàn)狀調(diào)研與分析

主要包括對(duì)業(yè)務(wù)和數(shù)據(jù)的現(xiàn)狀調(diào)研，理解營(yíng)銷的活動(dòng)方式和過(guò)程。

（2）對(duì)客戶交易行為的定義與分析

主要包括數(shù)據(jù)的準(zhǔn)備和模型的建立。

（3）營(yíng)銷活動(dòng)的設(shè)計(jì)和評(píng)估改進(jìn)

可以先對(duì)部分客戶進(jìn)行嘗試性的營(yíng)銷，然后與傳統(tǒng)營(yíng)銷方式的結(jié)果進(jìn)行對(duì)比，驗(yàn)證推廣的可實(shí)施性，最后對(duì)驗(yàn)證結(jié)果進(jìn)行評(píng)估和修正，直至滿足目標(biāo)。