数据挖掘与数据分析.ppt

DataMining：

Concept,technicalandmethod;议程;议程;“无所不能〞的数据挖掘？;既有客户的维持

Customer

Retention;Define;Define;信用卡卡戶响应特定保险行销

客戶回應模型目的

提升交叉销售的成功率

预测客戶响应的可能性

过去的经验

响应率~30%

成本~150万

利润~260万

建模后

40%的成本

60%的利润;Define;议程;DataMiningisfor

poweruserstofollowa

provenmethodologyto

discoveraction-orientedinsightsfrom

detailoperationsdatatoimprovebusiness.

数据挖掘是分析专家使用已验证的方法在经营数据中开掘可采取行动的改善企业的洞察力。;数据挖掘:多学科的融合;;数据挖掘潜在应用;市场分析和管理(1);市场分析和管理(2);欺诈检测和管理(1);欺诈检测和管理(2);其它应用;客户为中心，市场为导向;常见的业务问题;;;数据挖掘分类;数据挖掘分类;曾经欠费;决策数模型

根本假设:近朱者赤，近墨者黑;依赖变量

(因变量);拟合一条穿过数据的线，线上的点使对应数据点的方差最小……;与线形回归相似，它的依赖变量(因变量)不是连续的，而是离散的;逻辑回归模型(Logisticregression);描述;ShortDarkHair,Smiling;K-均值算法;X1;客户分群(Clustering);“啤酒与尿布〞;关联规那么;关联规那么;关联规那么-购物车;数据挖掘分类的多维视图;议程;数据挖掘工具-功能;数据挖掘工具-特性;TeradataWarehouseMiner的开展背景;议程;1997年，数据挖掘实验室已经开发和验证了数据挖掘的方法论:

当时使用第三方分析工具

SAS/SPSS/Quadstone;TeraMinerStats1.0and2.0?1998-1999

描述统计/数据转换/矩阵生成

与第三方分析软件的互补

TeradataWarehouseMiner3.x?2000-2003

分析型算法评分

与第三方分析软件各有优势

TeradataWarehouseMiner4.0?2004

形成完备的分析工具包

TeradataProfiler

TeradataADSGenerator

TeradataWarehouseMiner

;;单变量统计

Count/Minimum/Maximum/Mean

StandardDeviation

StandardMeanError

Variance

CoefficientofVariance

Skewness

Kurtosis

UncorrectedSumofSquares

CorrectedSumofSquares

Modes

根本数据质量分析

DataTypes

Count

#NULLValues

#PositiveValues

#NegativesValues

#Zeros

#Blanks

#UniqueValues;相关分析

Quicklyviewcorrelationsacrossvariables

数据探索器

PerformsbasicstatisticalanalysisonasetoftablesandselectedcolumnswithinanyTeradatadatabase

Intelligentdecisionsaboutwhichfunctionstoperform

ValuesAnalysis-Everycolumninthesetofinputtables

UnivariateStatisticalAnalysis-Everycolumnofnumericordatetype

FrequencyAnalysis-Everycolumnthathaslessthanorequaltoanumberofuniquevalues

HistogramAnalysis-Everynumericordatetypecolumnthathasmorethananumberofuniquevalues;变量生成

Aggregations

Count,Average,Sumetc.

WindowedAggregates/OLAP

R