一、數據挖掘定義

數據挖掘作用：描述過去、預測未來、評估，是商業智能（BI）一個重要應用方向。
**商業智能（BI）**是指通過對行業認知、經驗、結合數學、管理、市場營銷等理論，利用軟件、算法（如：神經網絡、遺傳算法、聚類、客戶細分等）對企業數據、業務、市場進行分析及預測，以圖表、數據分析報告等形式給企業決策、市場營銷、業務拓展、信息運營等做支撐工作。即商業智能（BI）=數據+人+工具+算法+知識+預測

數據挖掘的應用領域

二、數據挖掘建模步驟

1.理解業務

• 業務調研
  訪談式、誘導式、確認式等。
• 問題定位
  思維導圖法：業務產生背景、目前發展狀況、業務影響
• 制定目標
  我們需要做什么、怎么實現？
• 業務分析
  產生原因分析：個人、企業、對手、第三方等。

2.指標設計

分類分析方法

戰略管理	SWOT分析、PEST分析、麥肯錫7s分析、五力模型、波士頓矩陣、通用矩陣
營銷	4P-4C-4R、體驗式營銷、資費管理4階段、品牌健康度、精準營銷、整合營銷
服務、渠道	客戶滿意度、客戶期望管理、KANO服務質量模型
客戶及客戶心理	馬斯洛需求理論、客戶畫像視圖、峰終定律、心理定勢、決策價值鏈

步驟:

• 客戶認知需要
  被動了解、主動了解
• 收集數據信息
  被動了解、主動了解的指標數據
• 評價模型構建
  
• 客戶購買決策情況
  客戶購買、變更、退訂等情況
• 客戶購后行為情況
  主動傳播、后期輸出

3.數據提取

• 數據提取
• 數據清洗
  缺失數據、錯誤數據、冗余數據處理等。
• 數據來源審核
• 數據集成

4.數據探索

• 數據檢測、數據統計與描述、驗證數據質量
• 數據轉換以滿足數據建模要求

5.算法選擇

場景算法

客戶細分、客戶行為細分、市場細分	描述性算法，如：聚類分析
收入/風險預測、客戶流失預測、產品交叉銷售、潛在客戶挖掘、客戶欺詐等異常行為預測與分析	預測類算法 連續變量：線性回歸、非線性回歸、時間序列等；離散變量：神經網絡、決策樹、貝葉斯分析、logistic回歸等；非預測類算法：關聯分析、偏差檢測等
客戶價值評估、產品價值評估、渠道價值評估、客戶滿意度評估、客戶穩定性評估	因子分析、主成分分析、數學統計公式

6.模型有效性、應用性評估

評估標準

評估方法

評估與參照對象、參照依據、評估準則的選擇

評估工具

評估分析、增益圖、提升圖等

7.模型發布

• 根據模型輸出結果，綜合分析業務現狀并制定針對性市場策略
• 針對性客戶營銷和服務
• 數據挖掘模型及其功能展示

8.模型優化

9.參考文獻：https://wenku.baidu.com/view/c2c82c61a21614791611286c.html

總結

以上是生活随笔為你收集整理的数据挖掘与商业智能理论的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。