市場(chǎng)營(yíng)銷中的數(shù)據(jù)分析方法(共71頁(yè)).ppt

1、市場(chǎng)營(yíng)銷中的數(shù)據(jù)分析方法2 4/21/2022報(bào)告內(nèi)容v 原理篇 客戶關(guān)系管理中的數(shù)量方法v 方法篇 數(shù)據(jù)分析方法概論 統(tǒng)計(jì)分析方法 數(shù)據(jù)挖掘分析方法v 工具篇 常用數(shù)據(jù)分析工具簡(jiǎn)介v 總結(jié) 基本結(jié)論3 4/21/2022市場(chǎng)營(yíng)銷中的數(shù)量決策問(wèn)題 傳統(tǒng)的純粹定性描述方法已遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代市場(chǎng)營(yíng)銷實(shí)踐的需要，為了體現(xiàn)市場(chǎng)營(yíng)銷學(xué)本身的科學(xué)性和對(duì)企業(yè)實(shí)踐的指導(dǎo)性，數(shù)據(jù)分析理論與方法在市場(chǎng)營(yíng)銷學(xué)中占有越來(lái)越重要的地位。 理論上計(jì)量市場(chǎng)營(yíng)銷學(xué)的出現(xiàn) 理念上數(shù)據(jù)庫(kù)營(yíng)銷、關(guān)系營(yíng)銷的興起 實(shí)務(wù)上數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理中的應(yīng)用 探察數(shù)量決策問(wèn)題的兩個(gè)視角 理論上的框架要素 實(shí)務(wù)上的業(yè)務(wù)流程4 4/21/20

2、22視角一：市場(chǎng)營(yíng)銷學(xué)的理論框架 核心概念營(yíng)銷觀念營(yíng)銷計(jì)劃營(yíng)銷組織營(yíng)銷控制營(yíng)銷審計(jì)產(chǎn)品策略定價(jià)策略分銷策略促銷策略需求分析市場(chǎng)細(xì)分目標(biāo)市場(chǎng)市場(chǎng)定位基礎(chǔ)理論戰(zhàn)略理論策略理論管理理論5 4/21/2022視角一示例：市場(chǎng)營(yíng)銷中的產(chǎn)品決策 產(chǎn)品定位 定位圖分析（感知定位圖、偏好定位圖等） 新產(chǎn)品擴(kuò)散與產(chǎn)品生命周期管理 巴斯模型（BASS Model） 生長(zhǎng)曲線模型（Growth Curve Model） 品牌決策 消費(fèi)者品牌選擇模型6 4/21/2022視角二示例：電信業(yè)業(yè)務(wù)流程視圖（eTOM）運(yùn)營(yíng)運(yùn)營(yíng)實(shí)施實(shí)施保障保障計(jì)費(fèi)計(jì)費(fèi)運(yùn)營(yíng)運(yùn)營(yíng)支撐與支撐與就緒就緒客戶關(guān)系管理客戶關(guān)系管理服務(wù)管理與運(yùn)營(yíng)服務(wù)管理

3、與運(yùn)營(yíng)資源管理與運(yùn)營(yíng)資源管理與運(yùn)營(yíng)供應(yīng)商供應(yīng)商/合作伙伴關(guān)系管理合作伙伴關(guān)系管理(應(yīng)用, 計(jì)算與網(wǎng)絡(luò))企業(yè)管理企業(yè)管理戰(zhàn)略與戰(zhàn)略與企業(yè)企業(yè)規(guī)劃規(guī)劃財(cái)務(wù)與資產(chǎn)財(cái)務(wù)與資產(chǎn)管理管理企業(yè)質(zhì)量管理企業(yè)質(zhì)量管理管理管理,過(guò)程與過(guò)程與IT規(guī)劃規(guī)劃 & 架構(gòu)架構(gòu)股東與外部股東與外部關(guān)系管理關(guān)系管理品牌管理品牌管理,市場(chǎng)研究市場(chǎng)研究 &廣告廣告人力資源人力資源管理管理災(zāi)難恢復(fù)災(zāi)難恢復(fù),安全安全 &欺詐管理欺詐管理研究與研究與開(kāi)發(fā)開(kāi)發(fā),技術(shù)技術(shù)獲取獲取戰(zhàn)略戰(zhàn)略, 基礎(chǔ)設(shè)施基礎(chǔ)設(shè)施 & 產(chǎn)品產(chǎn)品產(chǎn)品產(chǎn)品周期周期管理管理基礎(chǔ)設(shè)施基礎(chǔ)設(shè)施生命周期生命周期管理管理戰(zhàn)略與戰(zhàn)略與承諾承諾營(yíng)銷營(yíng)

4、銷 & 產(chǎn)品提供管理產(chǎn)品提供管理服務(wù)開(kāi)發(fā)與管理服務(wù)開(kāi)發(fā)與管理資源開(kāi)發(fā)與管理資源開(kāi)發(fā)與管理供應(yīng)鏈開(kāi)發(fā)與管理供應(yīng)鏈開(kāi)發(fā)與管理(應(yīng)用, 計(jì)算與網(wǎng)絡(luò))客戶客戶7 4/21/2022視角二示例：理解客戶與市場(chǎng) 市場(chǎng)購(gòu)買行為 消費(fèi)者購(gòu)買行為模型 消費(fèi)者品牌選擇模型 市場(chǎng)需求測(cè)量 市場(chǎng)需求預(yù)測(cè)模型 市場(chǎng)細(xì)分8 4/21/2022客戶生命周期與市場(chǎng)營(yíng)銷策略客戶生命周期客戶生命周期在不同生命在不同生命周期階段需周期階段需考慮不同問(wèn)考慮不同問(wèn)題題如何發(fā)現(xiàn)并獲取潛在客戶？階段A （Acquisition）客戶獲取如何把客戶培養(yǎng)成高價(jià)值客戶？階段B：（Build-up）客戶提升如何使客戶使用新電信產(chǎn)品?如何培

5、養(yǎng)顧客忠誠(chéng)度？階段C：(Climax)客戶成熟如何延長(zhǎng)客戶“生命周期”？階段D：(Decline)客戶衰退如何贏回客戶？階段E：(Exit)客戶離網(wǎng)客戶價(jià)值客戶價(jià)值多種分析主多種分析主題在不同時(shí)題在不同時(shí)期應(yīng)用期應(yīng)用客戶獲取市場(chǎng)細(xì)分與產(chǎn)品定位目標(biāo)客戶特征識(shí)別刺激需求提升銷售交叉銷售目標(biāo)營(yíng)銷客戶保持生存分析客戶風(fēng)險(xiǎn)客戶挽留9 4/21/2022客戶細(xì)分 細(xì)分是指將一個(gè)大的消費(fèi)群體劃分成一個(gè)個(gè)細(xì)分群的動(dòng)作，同屬于一個(gè)細(xì)分群的消費(fèi)者彼此相似，而隸屬于不同細(xì)分群的消費(fèi)者被視為不同。細(xì)分的目的可以讓管理者從一個(gè)比較高的層次上“鳥(niǎo)瞰”整個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，從而可以用不同的方法對(duì)待處于不同細(xì)分群眾的客戶，提供

6、相對(duì)個(gè)性化的服務(wù)。 客戶細(xì)分的目的 更好的了解客戶結(jié)構(gòu) 改善客戶管理與溝通 增加客戶貢獻(xiàn)度 客戶細(xì)分中的數(shù)量方法 聚類分析 卡方自動(dòng)交互檢測(cè)（CHAID）10 4/21/2022營(yíng)銷策略營(yíng)銷策略客戶保持客戶保持基于獎(jiǎng)賞及高成本事件驅(qū)動(dòng)的保持策略專注的, 區(qū)分優(yōu)先級(jí)的Call center支持客戶獲取客戶獲取刻畫(huà)子分群的特征建立跟蹤系統(tǒng)（tracking systems）以從價(jià)值的角度監(jiān)控新來(lái)的客戶交叉銷售交叉銷售對(duì)高價(jià)值客戶進(jìn)行交叉銷售會(huì)產(chǎn)生更大的收益經(jīng)常地, 頭20%的客戶貢獻(xiàn)了將近100% 的整體利潤(rùn). 這些客戶對(duì)CRM策略開(kāi)發(fā)是至關(guān)重要的。示例：基于價(jià)值的客戶細(xì)分（高價(jià)值客戶）11 4/

7、21/2022中間層代表了客戶的大多數(shù). 他們利潤(rùn)較?。╰hin margins）但容量巨大（high volume）.營(yíng)銷策略營(yíng)銷策略定價(jià)與行為改變定價(jià)與行為改變識(shí)別服務(wù)機(jī)會(huì) 增強(qiáng)可能的定價(jià)結(jié)構(gòu)性定價(jià)以鼓勵(lì)改善收益性的行為交叉銷售交叉銷售利用預(yù)測(cè)模型識(shí)別具有潛在價(jià)值的客戶利用事件營(yíng)銷與關(guān)系營(yíng)銷策略去增加產(chǎn)品的持有量渠道與服務(wù)的效率渠道與服務(wù)的效率識(shí)別高成本/低回報(bào)的渠道并重新部署或調(diào)整結(jié)構(gòu)定位高成本業(yè)務(wù)流程以流線化或渠道遷移示例：基于價(jià)值的客戶細(xì)分（中價(jià)值客戶）12 4/21/2022盡管數(shù)量很少 (10% to 20%) 但他們消除了很大一部分的利潤(rùn). 營(yíng)銷策略營(yíng)銷策略改變定價(jià)改變定價(jià)識(shí)別

8、與負(fù)利潤(rùn)相關(guān)的定價(jià)策略與行為, 鼓勵(lì)服務(wù)使用與目標(biāo)定價(jià)以增加或引入由服務(wù)改變而帶來(lái)的可能收入客戶風(fēng)險(xiǎn)客戶風(fēng)險(xiǎn)避免向具有信用風(fēng)險(xiǎn)的客戶進(jìn)行交叉銷售客戶獲取客戶獲取識(shí)別低價(jià)值客戶并積極地在獲取過(guò)程中避免與這類客戶發(fā)生接觸示例：基于價(jià)值的客戶細(xì)分（低價(jià)值客戶）13 4/21/2022 RetirementAgeChildren IndependentWealth AccumulationFirst ChildFirst HomePre-RetirementCareer LaunchIndependenceFinancial DebutEmployment ChangeMarriageHigh Val

9、ue ?High Value ?Low Value ?Low Value ?示例：基于生命階段的客戶細(xì)分14 4/21/2022客戶獲取 在大多數(shù)商業(yè)領(lǐng)域中，業(yè)務(wù)發(fā)展的主要指標(biāo)里包括新客戶的獲取能力。新客戶的獲取包括發(fā)現(xiàn)那些對(duì)你的產(chǎn)品不了解的客戶，也包括以前接受你的競(jìng)爭(zhēng)對(duì)手服務(wù)的顧客。 客戶獲取中的數(shù)量方法 特征識(shí)別（Profiling and Penetration Analysis） 響應(yīng)模型（Response Model）15 4/21/2022客戶保持 隨著行業(yè)的競(jìng)爭(zhēng)越來(lái)越激烈和獲得一個(gè)新客戶的開(kāi)支愈來(lái)愈大，保持原有客戶的工作愈來(lái)愈有價(jià)值。 客戶保持中的數(shù)量方法 流失預(yù)測(cè)模型 客戶忠誠(chéng)

10、度模型16 4/21/2022交叉銷售與提升銷售 交叉營(yíng)銷是指你向現(xiàn)有的客戶提供新的產(chǎn)品和服務(wù)的營(yíng)銷過(guò)程。公司與其客戶之間的商業(yè)關(guān)系是一種持續(xù)的不斷發(fā)展的關(guān)系，在這種關(guān)系建立起來(lái)以后，可以有很多種方法來(lái)不斷改善這種關(guān)系。雙方的目標(biāo)是達(dá)到雙贏的結(jié)果，客戶獲益是由于他們得到了更好更貼切的服務(wù)質(zhì)量，商家則因?yàn)樵黾愉N售量獲利。 交叉銷售中的數(shù)量方法 購(gòu)買傾向預(yù)測(cè) 產(chǎn)品關(guān)聯(lián)分析17 4/21/2022客戶流失 客戶流失預(yù)警 分品牌、高/中/低價(jià)值、主動(dòng)/被動(dòng)構(gòu)建模型 分類預(yù)測(cè)數(shù)據(jù)挖掘模型 客戶挽留流程設(shè)計(jì) 彩鈴客戶流失預(yù)警 分主動(dòng)/捆綁構(gòu)建模型 分類預(yù)測(cè)數(shù)據(jù)挖掘模型 客戶挽留流程設(shè)計(jì) 競(jìng)爭(zhēng)對(duì)手流失預(yù)警

11、聯(lián)通用戶流失預(yù)測(cè) 客戶挽留流程設(shè)計(jì)18 4/21/2022交叉銷售與提升銷售 購(gòu)買傾向預(yù)測(cè) 彩鈴預(yù)測(cè)模型 彩信預(yù)測(cè)模型 WAP預(yù)測(cè)模型 購(gòu)物藍(lán)分析 產(chǎn)品關(guān)聯(lián)分析 營(yíng)銷方案關(guān)聯(lián)分析 提升銷售 價(jià)值提升預(yù)測(cè)模型19 4/21/2022營(yíng)銷案預(yù)演營(yíng)銷預(yù)演是為了支持業(yè)務(wù)人員營(yíng)銷預(yù)演是為了支持業(yè)務(wù)人員制訂新的資費(fèi)營(yíng)銷方案，然后制訂新的資費(fèi)營(yíng)銷方案，然后對(duì)該方案在歷史數(shù)據(jù)上做相應(yīng)對(duì)該方案在歷史數(shù)據(jù)上做相應(yīng)的測(cè)算，從而根據(jù)測(cè)算結(jié)果來(lái)的測(cè)算，從而根據(jù)測(cè)算結(jié)果來(lái)指導(dǎo)下一步工作。指導(dǎo)下一步工作。20 4/21/2022營(yíng)銷活動(dòng)管理-CMP需求名稱：需求名稱：營(yíng)銷活動(dòng)管理（CMP）提出時(shí)間：提出時(shí)間：2006-01

12、-01需求提出部門(mén)：需求提出部門(mén)：市場(chǎng)部需求內(nèi)容描述：需求內(nèi)容描述：營(yíng)銷活動(dòng)管理。通過(guò)系統(tǒng)分析定位目標(biāo)營(yíng)銷的客戶群，并自動(dòng)生成客戶群信息進(jìn)行管理，通過(guò)實(shí)時(shí)跟蹤客戶的營(yíng)銷情況進(jìn)行營(yíng)銷策略的調(diào)整，并監(jiān)控渠道銷售信息。同時(shí)營(yíng)銷活動(dòng)完成以后進(jìn)行營(yíng)銷活動(dòng)的評(píng)估。需求時(shí)間計(jì)劃：需求時(shí)間計(jì)劃：計(jì)劃06年7月前完成東莞、佛山地市的推廣。需求數(shù)據(jù)要求：需求數(shù)據(jù)要求：目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別：需求優(yōu)先級(jí)別：高需求實(shí)施難度：需求實(shí)施難度：較高要求配合部門(mén)：要求配合部門(mén)：業(yè)務(wù)支撐中心、客戶服務(wù)部其他說(shuō)明：其他說(shuō)明：全省推廣需求，劉鵬負(fù)責(zé)需求分析和定位：需求分析和定位：屬于05年的需求，已經(jīng)納入日常維護(hù)，今年需要推

13、廣。根據(jù)省公司的統(tǒng)一規(guī)劃安排。省公司時(shí)間規(guī)劃：2006年上半年完成省、市二級(jí)規(guī)劃，東莞和佛山推廣1.2006年上半年完成三個(gè)事件營(yíng)銷21 4/21/2022KPI預(yù)測(cè)模型需求名稱：需求名稱：KPI預(yù)測(cè)模型提出時(shí)間：提出時(shí)間：2006-02-23需求提出部門(mén)：需求提出部門(mén)：東莞公司需求內(nèi)容描述：需求內(nèi)容描述：KPI指標(biāo)中的收入指標(biāo)作為核心指標(biāo)，規(guī)劃和預(yù)測(cè)十分重要。而收入受營(yíng)銷政策與執(zhí)行的影響較大，傳統(tǒng)的歷史曲線預(yù)測(cè)方法與手段不能準(zhǔn)確預(yù)測(cè)當(dāng)期及下期的收入。實(shí)現(xiàn)邏輯：將當(dāng)期營(yíng)收款細(xì)拆為“當(dāng)期收入”（如購(gòu)卡收入、補(bǔ)換卡收入、后付費(fèi)收入等）與“分期劃扣收入”（充值卡收入、營(yíng)銷活動(dòng)預(yù)存款收入等）兩個(gè)部分。

14、“當(dāng)期收入”非常穩(wěn)定，只受季節(jié)因素影響，“分期劃扣收入” 結(jié)合號(hào)碼級(jí)數(shù)據(jù)的消費(fèi)ARPU可以較為方便地預(yù)演推算。 推廣過(guò)去，針對(duì)KPI指標(biāo)的重要指標(biāo)（如收入、業(yè)務(wù)量等）都可以進(jìn)行規(guī)劃和預(yù)測(cè)，有效的幫助各部門(mén)制定相關(guān)的政策策略。需求時(shí)間計(jì)劃：需求時(shí)間計(jì)劃：無(wú)需求數(shù)據(jù)要求：需求數(shù)據(jù)要求：目前系統(tǒng)數(shù)據(jù)支撐。需求優(yōu)先級(jí)別：需求優(yōu)先級(jí)別：需求級(jí)別待定。需求實(shí)施難度：需求實(shí)施難度：高要求配合部門(mén)：要求配合部門(mén)：業(yè)務(wù)支撐中心、市場(chǎng)部其他說(shuō)明：其他說(shuō)明：區(qū)域接口人負(fù)責(zé)（劉鵬）需求分析和定位：需求分析和定位：需求可行，可以通過(guò)邏輯回歸構(gòu)建模型實(shí)現(xiàn)，具體的建設(shè)方案需要與相關(guān)人員進(jìn)行細(xì)化和確認(rèn)。22 4/21/202

15、2個(gè)人客戶分群需求名稱：需求名稱：個(gè)人客戶分群提出時(shí)間：提出時(shí)間：2006-02-23需求提出部門(mén)：需求提出部門(mén)：佛山公司需求內(nèi)容描述：需求內(nèi)容描述：每個(gè)人作為消費(fèi)者其對(duì)同一種產(chǎn)品的具體功能需求和關(guān)注點(diǎn)是不同的，因此作為為用戶服務(wù)的企業(yè)，必須盡可能的考慮這些差異，發(fā)現(xiàn)這些存在于客戶整體內(nèi)部的具有不同特征或消費(fèi)習(xí)慣的客戶群體，然后再根據(jù)每個(gè)群體的特征執(zhí)行針對(duì)性的管理或營(yíng)銷策略。將這個(gè)把客戶分成不同群體的過(guò)程稱之為“客戶分群”。 通過(guò)對(duì)客戶合理的類別劃分，并對(duì)當(dāng)前客戶以及預(yù)期的客戶群作區(qū)段分析，判斷不同區(qū)段的突出特點(diǎn)，對(duì)客戶總體構(gòu)成有準(zhǔn)確的認(rèn)識(shí)，對(duì)客戶的服務(wù)和營(yíng)銷更具針對(duì)性。對(duì)客戶分群可以達(dá)到如下

16、目標(biāo)：了解客戶的總體構(gòu)成了解各種客戶價(jià)值的客戶群體特征了解流失客戶的客戶群體特征了解使用各種套餐的客戶群體特征了解各消費(fèi)等級(jí)的客戶群體特征需求時(shí)間計(jì)劃：需求時(shí)間計(jì)劃：無(wú)需求數(shù)據(jù)要求：需求數(shù)據(jù)要求：目前系統(tǒng)數(shù)據(jù)支撐。需求優(yōu)先級(jí)別：需求優(yōu)先級(jí)別：中等需求實(shí)施難度：需求實(shí)施難度：中等要求配合部門(mén)：要求配合部門(mén)：業(yè)務(wù)支撐中心、市場(chǎng)部、數(shù)據(jù)業(yè)務(wù)中心其他說(shuō)明：其他說(shuō)明：區(qū)域接口人負(fù)責(zé)（劉敏）需求分析和定位：需求分析和定位：需求可行?？蛻舴诸?聚類是根據(jù)一個(gè)或多個(gè)客戶屬性組合把所有客戶劃分成不同的類，同類內(nèi)的客戶具有最大的相似性，異類間的客戶具有最大的差異性。通過(guò)對(duì)客戶合理的類別劃分，并對(duì)當(dāng)前客戶以及預(yù)期的

17、客戶群作區(qū)段分析，判斷不同區(qū)段的突出特點(diǎn)，對(duì)客戶總體構(gòu)成有準(zhǔn)確的認(rèn)識(shí)，對(duì)客戶的服務(wù)和營(yíng)銷更具針對(duì)性。對(duì)于各種業(yè)務(wù)（新業(yè)務(wù)）可以單獨(dú)進(jìn)行客戶的細(xì)分，也可按照各種業(yè)務(wù)的綜合指標(biāo)進(jìn)行客戶細(xì)分，使市場(chǎng)營(yíng)銷更具針對(duì)性。23 4/21/2022個(gè)人客戶價(jià)值評(píng)估需求名稱：需求名稱：個(gè)人客戶價(jià)值評(píng)估提出時(shí)間：提出時(shí)間：2006-02-23需求提出部門(mén)：需求提出部門(mén)：市場(chǎng)部需求內(nèi)容描述：需求內(nèi)容描述：有區(qū)別的看待個(gè)人客戶的差異性，觀察其價(jià)值特征變化，綜合考慮成本，用戶成長(zhǎng)度，客戶消費(fèi)等因素，通過(guò)建模量化個(gè)人客戶對(duì)公司的貢獻(xiàn)和價(jià)值。客戶價(jià)值包括客戶貢獻(xiàn)與客戶成本兩個(gè)側(cè)面，對(duì)于前者，客戶的帳單金額已是很好的衡量指標(biāo)

18、，但是也需要綜合考慮其他指標(biāo)（如新業(yè)務(wù)使用情況、長(zhǎng)途或者漫游比例等）；而對(duì)于后者，由于利用財(cái)務(wù)數(shù)據(jù)進(jìn)行分?jǐn)偦蛘呋顒?dòng)單位成本進(jìn)行直接計(jì)算還需時(shí)日（等待財(cái)務(wù)部的成本分?jǐn)偣ぷ魍瓿桑十?dāng)前階段是處理貢獻(xiàn)類相關(guān)指標(biāo)以供用戶直觀考察。需求時(shí)間計(jì)劃：需求時(shí)間計(jì)劃：06年3月廣州數(shù)據(jù)集市試點(diǎn)需求數(shù)據(jù)要求：需求數(shù)據(jù)要求：目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別：需求優(yōu)先級(jí)別：高需求實(shí)施難度：需求實(shí)施難度：高要求配合部門(mén)：要求配合部門(mén)：業(yè)務(wù)支撐中心、財(cái)務(wù)部其他說(shuō)明：其他說(shuō)明：負(fù)責(zé)人待定需求分析和定位：需求分析和定位：個(gè)人客戶價(jià)值如果考慮成本分?jǐn)?，需要等?cái)務(wù)部開(kāi)展的成本分?jǐn)偼瓿珊蟛拍芸紤]到地市的實(shí)施。24 4/21/2022

19、新產(chǎn)品生命周期分析需求名稱：需求名稱：新產(chǎn)品生命周期分析提出時(shí)間：提出時(shí)間：2006-02-23需求提出部門(mén)：需求提出部門(mén)：數(shù)據(jù)業(yè)務(wù)中心需求內(nèi)容描述：需求內(nèi)容描述：目前地市沒(méi)有明確和急需的需求，只是有個(gè)這樣的概念和初步的想法。省公司想法是作為一個(gè)科研項(xiàng)目來(lái)研究和分析，希望能研究一些成果幫助市公司的市場(chǎng)分析和營(yíng)銷策略。需求時(shí)間計(jì)劃：需求時(shí)間計(jì)劃：根據(jù)省公司的統(tǒng)一規(guī)劃安排。需求數(shù)據(jù)要求：需求數(shù)據(jù)要求：目前系統(tǒng)數(shù)據(jù)支撐需求優(yōu)先級(jí)別：需求優(yōu)先級(jí)別：高需求實(shí)施難度：需求實(shí)施難度：高要求配合部門(mén)：要求配合部門(mén)：業(yè)務(wù)支撐中心、市場(chǎng)部其他說(shuō)明：其他說(shuō)明：試點(diǎn)科研項(xiàng)目，鄧逸斌、劉鵬負(fù)責(zé)需求分析和定位：需求分析和

20、定位：題目比較難，優(yōu)先級(jí)別比較高，先按照省公司的思路和計(jì)劃安排走。初步思路進(jìn)行兩個(gè)方面的研究：現(xiàn)有新業(yè)務(wù)產(chǎn)品的生命周期曲線研究 本研究的內(nèi)容主要包括構(gòu)建產(chǎn)品生命周期曲線預(yù)測(cè)模型并基于相關(guān)產(chǎn)品展開(kāi)數(shù)據(jù)實(shí)證研究，同時(shí)對(duì)實(shí)證結(jié)果進(jìn)行有效的業(yè)務(wù)解釋并形成合理的政策建議。2.新業(yè)務(wù)產(chǎn)品生命周期變遷之關(guān)鍵績(jī)效指標(biāo)的研究 本研究的內(nèi)容主要包括分析并總結(jié)產(chǎn)品生命周期變遷過(guò)程中對(duì)階段性轉(zhuǎn)折點(diǎn)具有前瞻警示作用的業(yè)務(wù)指標(biāo)，并在此基礎(chǔ)之上構(gòu)建切實(shí)可行的關(guān)鍵指標(biāo)體系25 4/21/2022報(bào)告內(nèi)容v 原理篇 客戶關(guān)系管理中的數(shù)量方法v 方法篇 數(shù)據(jù)分析方法概論 統(tǒng)計(jì)分析方法 數(shù)據(jù)挖掘分析方法v 工具篇 常用數(shù)據(jù)分析工具

21、簡(jiǎn)介v 總結(jié) 基本結(jié)論26 4/21/2022數(shù)量分析方法（Quantitative Analysis） 數(shù)量分析是對(duì)事物的數(shù)量特征、數(shù)量關(guān)系與數(shù)量變化的分析。 數(shù)量分析的類型 按照分析的目的 探索性數(shù)據(jù)分析 描述性數(shù)據(jù)分析 解釋性數(shù)據(jù)分析 按照問(wèn)題的本質(zhì) 確定性分析 不確定性分析27 4/21/2022數(shù)量分析中的模型化方法 數(shù)量模型是對(duì)現(xiàn)實(shí)問(wèn)題的描述和模仿 模型是為認(rèn)識(shí)目的或?qū)嵺`目的而建立的 典型的模型化過(guò)程準(zhǔn)備假設(shè)確定數(shù)學(xué)關(guān)系求解分析檢驗(yàn)應(yīng)用28 4/21/2022數(shù)據(jù)分析模型n的數(shù)據(jù)分析模型 絕對(duì)模型（Categorical Model）：依據(jù)預(yù)定義路徑尋找原因，如查詢 解釋模型（Ex

22、egetical Model）：依據(jù)多層次路徑尋找原因，如多維分析 思考模型（Contemplative Model）：參數(shù)化路徑，如場(chǎng)景分析 公式模型（Formulaic Model）：模型化路徑，如數(shù)據(jù)挖掘ReportingAd Hoc QueriesPredictive ModelingWhat happened ?Why did it happen ?What will happen ?ROI應(yīng)用復(fù)雜性應(yīng)用復(fù)雜性Stage 3Stage 2Stage 1Human DiscoveryMachine-assisted Discovery29 4/21/2022常用的數(shù)據(jù)分析方法/模型 數(shù)

23、量分析是對(duì)事物的數(shù)量特征、數(shù)量關(guān)系與數(shù)量變化的分析。 數(shù)量分析的類型 按照分析的目的 探索性數(shù)據(jù)分析 描述性數(shù)據(jù)分析 解釋性數(shù)據(jù)分析 按照問(wèn)題的本質(zhì) 確定性分析 不確定性分析30 4/21/2022認(rèn)識(shí)分析數(shù)據(jù)：數(shù)據(jù)測(cè)量尺度 名義尺度 有序尺度 間隔尺度 比例尺度31 4/21/2022認(rèn)識(shí)分析數(shù)據(jù)：數(shù)據(jù)結(jié)構(gòu)類型 截面數(shù)據(jù)（Cross-section Data） 時(shí)間序列數(shù)據(jù)（Time-series Data） 面板數(shù)據(jù)（Panel Data）32 4/21/2022數(shù)據(jù)分析的出發(fā)點(diǎn)：數(shù)據(jù)矩陣 截面數(shù)據(jù)（Cross-section Data） 時(shí)間序列數(shù)據(jù)（Time-series Data）

24、面板數(shù)據(jù)（Panel Data）33 4/21/2022常用的統(tǒng)計(jì)分析方法 數(shù)據(jù)分類分析 聚類分析 判別分析 數(shù)據(jù)化簡(jiǎn)分析 主成分分析 因子分析 數(shù)據(jù)相關(guān)分析 回歸分析 典型相關(guān)分析 數(shù)據(jù)預(yù)測(cè)分析 時(shí)間序列預(yù)測(cè)34 4/21/2022什么是數(shù)據(jù)挖掘？DataInformationKnowledgeWisdomn存在太多數(shù)據(jù)挖掘的定義，但基本上有這樣一種描述結(jié)構(gòu) To find / discover / extract / dredge / harvest 、 Interesting / novel / useful / implicit / actable / meaningful 、 Inf

25、ormation / knowledge / patterns / trends / rules / anomalies 、 In massive data / large data set / large database / data warehouse 、Data + contextInformation + rulesKnowledge + experience35 4/21/2022為什么會(huì)出現(xiàn)數(shù)據(jù)挖掘？n數(shù)據(jù)爆炸性增長(zhǎng)是數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生的根本原因。 只見(jiàn)樹(shù)木，不見(jiàn)森林（Drowning in data but starving for information） 計(jì)算復(fù)雜度 數(shù)據(jù)

26、管理問(wèn)題 數(shù)據(jù)類型的多樣性處理大容量數(shù)據(jù)是數(shù)據(jù)挖掘技術(shù)區(qū)別于其他數(shù)據(jù)分析方法的唯一標(biāo)志嗎？36 4/21/2022其他數(shù)據(jù)分析方法：統(tǒng)計(jì)學(xué)n從處理數(shù)據(jù)的角度看、 數(shù)據(jù)規(guī)模不同 數(shù)據(jù)來(lái)源不同：觀測(cè)數(shù)據(jù)（Secondary Analysis） VS 試驗(yàn)數(shù)據(jù)（Primary Analysis） 數(shù)據(jù)類型不同（結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)）n從分析思想的角度看 更關(guān)注實(shí)證性分析（Empirical Analysis）而非探索性分析（Exploratory Analysis） 更關(guān)注模型（Model）而非算法（Algorithm）n但二者具有相當(dāng)密切的聯(lián)系 從數(shù)據(jù)分析的角度，統(tǒng)計(jì)學(xué)現(xiàn)在是且仍

27、將是數(shù)據(jù)挖掘最重要的技術(shù)支撐和思想源泉 更加深入的滲透和交叉（如探索性數(shù)據(jù)分析，EDA）數(shù)據(jù)挖掘是數(shù)據(jù)驅(qū)動(dòng)的探索性分析 !37 4/21/2022數(shù)據(jù)挖掘：多學(xué)科的匯合數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)技術(shù)統(tǒng)計(jì)學(xué)其它學(xué)科信息科學(xué)機(jī)器學(xué)習(xí)可視化人工智能科學(xué)計(jì)算38 4/21/2022數(shù)據(jù)挖掘是一個(gè)過(guò)程- “from data mining to knowledge discovery in database”. U. fayyad, and (1996)39 4/21/2022數(shù)據(jù)挖掘過(guò)程中的數(shù)據(jù)預(yù)處理n數(shù)據(jù)清洗 填充缺失值, 修均噪聲數(shù)據(jù), 識(shí)別或刪除孤立點(diǎn), 并解決數(shù)據(jù)不一致問(wèn)題 主要分析方法：分箱（Binni

28、ng）、聚類、回歸n數(shù)據(jù)集成 多個(gè)數(shù)據(jù)庫(kù)、數(shù)據(jù)方或文件的集成n數(shù)據(jù)變換 規(guī)范化與匯總n數(shù)據(jù)簡(jiǎn)化 減少數(shù)據(jù)量的同時(shí), 還可以得到相同或相近的分析結(jié)果 主要分析方法：抽樣、主成分分析n數(shù)據(jù)離散化 數(shù)據(jù)簡(jiǎn)化的一部分, 但非常重要 (尤其對(duì)于數(shù)值型數(shù)據(jù)來(lái)說(shuō))40 4/21/2022數(shù)據(jù)挖掘過(guò)程中的數(shù)據(jù)探索n探索性數(shù)據(jù)分析（Exploratory Data Analysis, EDA） 探索性地查看數(shù)據(jù)，概括數(shù)據(jù)集的結(jié)構(gòu)和關(guān)系 對(duì)數(shù)據(jù)集沒(méi)有各種嚴(yán)格假定 “玩”數(shù)據(jù)n主要任務(wù) 數(shù)據(jù)可視化（a picture is worth a thousand words） 殘差分析（數(shù)據(jù)擬合 + 殘差） 數(shù)據(jù)的重新表

29、達(dá)（什么樣的尺度對(duì)數(shù)抑或平方跟會(huì)簡(jiǎn)化分析？） 方法的耐抗性（對(duì)數(shù)據(jù)局部不良的不敏感性，如中位數(shù)耐抗甚于均值）n常見(jiàn)方法 統(tǒng)計(jì)量，如均值、方差、根方差、協(xié)方差、峰度、偏度、相關(guān)系數(shù)等 統(tǒng)計(jì)圖，如餅圖、直方圖、散點(diǎn)圖、箱尾圖等 模型，如聚類41 4/21/2022數(shù)據(jù)挖掘結(jié)果的評(píng)價(jià)n興趣度度量：一個(gè)模式是有意義的，如果它易于被人理解，在某種程度上，對(duì)于新數(shù)據(jù)或者測(cè)試數(shù)據(jù)是有效的、潛在有用或者驗(yàn)證了用戶渴望確認(rèn)的某些假設(shè)。 目前仍無(wú)很好的解決辦法，很大程度上仍依靠人工 不存在解決這個(gè)問(wèn)題的簡(jiǎn)單技術(shù)，最終答案是不要把數(shù)據(jù)挖掘當(dāng)作脫離數(shù)據(jù)內(nèi)涵的簡(jiǎn)單技術(shù)來(lái)運(yùn)用 客觀興趣度：基于統(tǒng)計(jì)或模式的結(jié)構(gòu)，如統(tǒng)計(jì)量、

30、支持度、lift等 主觀興趣度：基于用戶對(duì)數(shù)據(jù)的確信程度，如意外程度、新奇程度或者可行動(dòng)性等 過(guò)度擬合（Over-fitting）問(wèn)題42 4/21/2022什么不是數(shù)據(jù)挖掘？n定量分析（Quantitative Analysis）的需要存在企業(yè)管理運(yùn)行的各個(gè)側(cè)面或環(huán)節(jié)，但并非所有的定量分析問(wèn)題都可以歸結(jié)到數(shù)據(jù)挖掘范疇的問(wèn)題。 簡(jiǎn)單的報(bào)表、圖表及多維分析仍是日常分析工作的主要內(nèi)容 小樣本數(shù)據(jù)的分析傳統(tǒng)統(tǒng)計(jì)分析方法更成熟有效，如趨勢(shì)預(yù)測(cè) 某些特定業(yè)務(wù)問(wèn)題無(wú)法用數(shù)據(jù)挖掘算法加以解決，例如資源最優(yōu)配置問(wèn)題是個(gè)運(yùn)籌學(xué)問(wèn)題某些物流管理問(wèn)題或者供應(yīng)鏈管理問(wèn)題是個(gè)隨機(jī)規(guī)劃問(wèn)題營(yíng)銷預(yù)演本質(zhì)是個(gè)系統(tǒng)仿真問(wèn)題43

31、 4/21/2022幾個(gè)基本概念n模型（Model） vs 模式（Pattern） 數(shù)據(jù)挖掘的根本目的就是把樣本數(shù)據(jù)中隱含的結(jié)構(gòu)泛化（Generalize）到總體（Population）上去 模型：對(duì)數(shù)據(jù)集的一種全局性的整體特征的描述或概括，適用于數(shù)據(jù)空間中的所有點(diǎn)，例如聚類分析 模式：對(duì)數(shù)據(jù)集的一種局部性的有限特征的描述或概括，適用于數(shù)據(jù)空間的一個(gè)子集，例如關(guān)聯(lián)分析n算法（Algorithm）：一個(gè)定義完備（well-defined）的過(guò)程，它以數(shù)據(jù)作為輸入并產(chǎn)生模型或模式形式的輸出n描述型挖掘（Descriptive） vs 預(yù)測(cè)型挖掘（Predictive） 描述型挖掘：對(duì)數(shù)據(jù)進(jìn)行概括，

32、以方便的形式呈現(xiàn)數(shù)據(jù)的重要特征 預(yù)測(cè)型挖掘：根據(jù)觀察到的對(duì)象特征值來(lái)預(yù)測(cè)它的其他特征值 描述型挖掘可以是目的，也可以是手段44 4/21/2022幾類基本的挖掘算法n關(guān)聯(lián)規(guī)則（模式、描述型） 發(fā)現(xiàn)數(shù)據(jù)集中的頻繁模式 例如：buy(x,”diapers”) buy(x,”beers”) 0.5%, 60%n分類與預(yù)測(cè)（模型、預(yù)測(cè)型） 發(fā)現(xiàn)能夠區(qū)分或預(yù)測(cè)目標(biāo)變量（唯一的）的規(guī)則或者函數(shù) 分類的目標(biāo)變量一般是范疇型的，而預(yù)測(cè)則是數(shù)量型的，并不必然帶有任何時(shí)間延續(xù)型的暗示 例如：股票市值的預(yù)測(cè)，病人病情的判斷n聚類（模型、描述型） 對(duì)數(shù)據(jù)分組以形成新類，類標(biāo)記是未知的 例如：市場(chǎng)細(xì)分n孤立點(diǎn)探測(cè)（Ou

33、tlier Detection）（模式、預(yù)測(cè)型） 分析異?；蛟肼晹?shù)據(jù)的行為模式 例如：欺詐檢測(cè)45 4/21/2022關(guān)聯(lián)規(guī)則的基本概念n基本定義 給定（1）事務(wù)數(shù)據(jù)集（2）每個(gè)事務(wù)是數(shù)據(jù)項(xiàng)的集合，試圖發(fā)現(xiàn)項(xiàng)集中的頻繁模式或關(guān)聯(lián)關(guān)系 所謂頻繁模式或者關(guān)聯(lián)規(guī)則就是一個(gè)具有“A B”形式的邏輯蘊(yùn)涵式 頻繁模式并不必然蘊(yùn)涵著因果關(guān)系或相關(guān)關(guān)系！ 算法實(shí)現(xiàn)基本上基于APRIORI法則：頻繁項(xiàng)集的所有非空子集一定也是頻繁（Frequent）的n基本分類 布爾關(guān)聯(lián)規(guī)則 vs 定量關(guān)聯(lián)規(guī)則buy(x,”diapers”) buy(x,”beers”)Age(x,”30.39”) income(x,”42k.

34、48k”) buy(x,”P(pán)C”) 單維關(guān)聯(lián)規(guī)則 vs 多維關(guān)聯(lián)規(guī)則 單層關(guān)聯(lián)規(guī)則 vs 多層關(guān)聯(lián)規(guī)則Age(x,”30.39”) income(x,”42k.48k”) buy(x,”IBM PC”) 序列模式（Sequence Pattern）數(shù)據(jù)項(xiàng)是一個(gè)包含時(shí)間標(biāo)簽的序偶item(i),t46 4/21/2022關(guān)聯(lián)規(guī)則的度量n發(fā)現(xiàn)具有最小置信度和支持度的全部規(guī)則 X Y Z 支持度(support), s, 事務(wù)中包含X & Y & Z的概率 置信度(confidence), c, 事務(wù)中包含X & Y的條件下, 包含Z的條件概率n令最小支持度為50%, 最小置

35、信度為50%, 則有A C (50%, 66.6%)C A (50%, 100%)顧客購(gòu)買尿布顧客購(gòu)買尿布顧客購(gòu)買兩者顧客購(gòu)買兩者顧客購(gòu)買啤酒顧客購(gòu)買啤酒47 4/21/2022對(duì)支持度與置信度的批判n示例 總共5000名學(xué)生, 其中3000人玩籃球3750人吃谷類食品2000人既玩籃球又吃谷類食品play basketball eat cereal 40%, 66.7% 是一個(gè)誤導(dǎo)規(guī)則, 因?yàn)槌怨阮愂称返膶W(xué)生占學(xué)生總數(shù)的75%, 比66.7%更高play basketball not eat cereal 20%, 33.3% 其實(shí)是一個(gè)更精確的規(guī)則, 盡管它的支持度和置信度都比較低48 4

36、/21/2022關(guān)聯(lián)規(guī)則的應(yīng)用n市場(chǎng)購(gòu)物籃分析（Market Basket Analysis） 例如一個(gè)事務(wù)是客戶的一個(gè)購(gòu)物清單，同一客戶的兩份清單被認(rèn)為是兩個(gè)不同的事務(wù) 數(shù)據(jù)項(xiàng)是所有可能陳列貨物的全集 目標(biāo)是發(fā)現(xiàn)同時(shí)出現(xiàn)的貨品組合間的關(guān)聯(lián)模式 應(yīng)用：商品貨價(jià)設(shè)計(jì)、倉(cāng)儲(chǔ)規(guī)劃、網(wǎng)頁(yè)布局、產(chǎn)品目錄設(shè)計(jì)等等n交叉銷售（Cross Selling） 客戶依次購(gòu)買不同產(chǎn)品的序列 目標(biāo)是發(fā)現(xiàn)在購(gòu)買某一產(chǎn)品組合之后客戶可能購(gòu)買的另一產(chǎn)品或服務(wù) 應(yīng)用：網(wǎng)絡(luò)故障分析、網(wǎng)站門(mén)戶設(shè)計(jì)等49 4/21/2022分類問(wèn)題的基本定義n給定一數(shù)據(jù)集合（訓(xùn)練集） 數(shù)據(jù)記錄由一系列變量組成 其中有一個(gè)變量是目標(biāo)分類標(biāo)簽n尋找一

37、模型，使目標(biāo)分類變量值是其他變量值的一個(gè)函數(shù)n利用上述函數(shù)，一未知分類變量值的數(shù)據(jù)記錄能夠盡可能準(zhǔn)確地被判定到某一類別中去 一般會(huì)有另一獨(dú)立地?cái)?shù)據(jù)集（測(cè)試集）用以驗(yàn)證所構(gòu)建分類函數(shù)的準(zhǔn)確性，避免過(guò)度擬合50 4/21/2022分類過(guò)程示意訓(xùn)練集訓(xùn)練集分類學(xué)習(xí)分類學(xué)習(xí)訓(xùn)練集訓(xùn)練集分類器分類器IF rank = professorOR years 6THEN tenured = yesJef is YES!51 4/21/2022分類中的決策樹(shù)（Decision Tree）歸納n決策樹(shù) 類似于流程圖的樹(shù)型結(jié)構(gòu) 內(nèi)部節(jié)點(diǎn)代表對(duì)某個(gè)屬性的一次測(cè)試 分支代表測(cè)試的輸出結(jié)果 葉節(jié)點(diǎn)代表分類標(biāo)簽或分布n決策

38、樹(shù)的生成包括兩個(gè)階段 樹(shù)的創(chuàng)建首先, 所有訓(xùn)練樣本都位于根節(jié)點(diǎn)遞歸地基于選擇屬性來(lái)劃分樣本集 樹(shù)的修剪識(shí)別并刪除那些反映噪聲或孤立點(diǎn)的分支n應(yīng)用決策樹(shù): 對(duì)未知樣本進(jìn)行分類 在決策樹(shù)上測(cè)試樣本的各個(gè)屬性值52 4/21/2022決策樹(shù)示意age?overcaststudent?credit rating?noyesfairexcellent40nonoyesyesyes30.40n示例：是否購(gòu)買計(jì)算機(jī)？ 53 4/21/2022聚類的基本概念n基本定義 將數(shù)據(jù)對(duì)象集劃分成事先未知的分組或類別 聚類的原則：類內(nèi)相似度高，類間相似度低 相似度一般為某種距離函數(shù)D(i,j) 聚類既可以作為獨(dú)立分析工

39、具考察數(shù)據(jù)分布結(jié)構(gòu)，也可以作為其他分析方法的預(yù)處理步驟 很不幸，對(duì)聚類結(jié)果的評(píng)價(jià)一般都是主觀的n基本分類 將數(shù)據(jù)對(duì)象集劃分成事先未知的分組或類別54 4/21/2022聚類示意n 基于歐氏距離的三維空間中的聚類)|(|),(222jzizjyiyjxixjidA1A2B1xyz55 4/21/2022從算法到應(yīng)用56 4/21/2022報(bào)告內(nèi)容v 原理篇 客戶關(guān)系管理中的數(shù)量方法v 方法篇 數(shù)據(jù)分析方法概論 統(tǒng)計(jì)分析方法 數(shù)據(jù)挖掘分析方法 其他分析方法v 工具篇 常用數(shù)據(jù)分析工具簡(jiǎn)介v 總結(jié) 基本結(jié)論57 4/21/2022數(shù)據(jù)分析軟件數(shù)據(jù)分析軟件的種類數(shù)據(jù)分析軟件的種類 按照分析模式 統(tǒng)計(jì)分

40、析軟件 數(shù)據(jù)挖掘軟件 OLAP軟件 科學(xué)計(jì)算軟件 按照分析范圍 通用分析軟件 專用分析軟件 按照分析規(guī)模 企業(yè)級(jí)分析軟件 桌面級(jí)分析軟件58 4/21/2022數(shù)據(jù)分析軟件的基本特點(diǎn) 功能全面，系統(tǒng)地集成了多種成熟的數(shù)據(jù)分析方法 有完善的數(shù)據(jù)定義、操作和管理功能 方便地生成各種統(tǒng)計(jì)圖形和統(tǒng)計(jì)表格 使用方式簡(jiǎn)單、靈活，有完備的聯(lián)機(jī)幫助功能 軟件開(kāi)放性好，能方便地和其他軟件進(jìn)行數(shù)據(jù)交換59 4/21/2022學(xué)習(xí)使用統(tǒng)計(jì)分析軟件的基本方法 弄清分析的目的 正確收集待處理和分析的數(shù)據(jù)(目的、影響因素的剔除） 弄清分析方法的概念、含義和適用范圍。無(wú)需記憶公式 選擇一種或幾種分析方法來(lái)探索性地分析數(shù)據(jù)

41、讀懂計(jì)算機(jī)分析的數(shù)據(jù)結(jié)果，發(fā)現(xiàn)規(guī)律，得出結(jié)論60 4/21/2022SAS：The Power to Know SAS (Statistical Analysis System)是一個(gè)模塊化、集成化的大型應(yīng)用軟件系統(tǒng)；目前國(guó)際上最流行的一種大型統(tǒng)計(jì)分析系統(tǒng)；統(tǒng)計(jì)分析的標(biāo)準(zhǔn)軟件 SAS系統(tǒng)主要完成以數(shù)據(jù)為中心的四大任務(wù)：數(shù)據(jù)訪問(wèn)；數(shù)據(jù)管理；數(shù)據(jù)呈現(xiàn)；數(shù)據(jù)分析。 它由數(shù)十個(gè)專用模塊構(gòu)成，SAS/STAT（統(tǒng)計(jì)分析）；SAS/ETS（經(jīng)濟(jì)計(jì)量與時(shí)間序列分析）；SAS/QC（質(zhì)量控制管理）；SAS/OR（運(yùn)籌學(xué)）；SAS/IML（矩陣運(yùn)算）；SAS/GRAPH（繪圖）等61 4/21/2022SPSS

42、：Real Stat, Real Easy SPSS（Statistical Package for the Social Science）社會(huì)科學(xué)統(tǒng)計(jì)軟件包是世界是著名的統(tǒng)計(jì)分析軟件之一。 SPSS for Windows是一個(gè)組合式軟件包，它集數(shù)據(jù)整理、分析功能于一身。用戶可以根據(jù)實(shí)際需要和計(jì)算機(jī)的功能選擇模塊，以降低對(duì)系統(tǒng)硬盤(pán)容量的要求，有利于該軟件的推廣應(yīng)用。 SPSS的基本功能包括數(shù)據(jù)管理、統(tǒng)計(jì)分析、圖表分析、輸出管理等等。SPSS統(tǒng)計(jì)分析過(guò)程包括描述性統(tǒng)計(jì)、均值比較、一般線性模型、相關(guān)分析、回歸分析、對(duì)數(shù)線性模型、聚類分析、數(shù)據(jù)簡(jiǎn)化、生存分析、時(shí)間序列分析、多重響應(yīng)等幾大類，每類中

43、又分好幾個(gè)統(tǒng)計(jì)過(guò)程，比如回歸分析中又分線性回歸分析、曲線估計(jì)、Logistic回歸、Probit回歸、加權(quán)估計(jì)、兩階段最小二乘法、非線性回歸等多個(gè)統(tǒng)計(jì)過(guò)程，而且每個(gè)過(guò)程中又允許用戶選擇不同的方法及參數(shù)。SPSS也有專門(mén)的繪圖系統(tǒng)，可以根據(jù)數(shù)據(jù)繪制各種圖形。62 4/21/2022報(bào)告內(nèi)容v 原理篇 客戶關(guān)系管理中的數(shù)量方法v 方法篇 數(shù)據(jù)分析方法概論 統(tǒng)計(jì)分析方法 數(shù)據(jù)挖掘分析方法v 工具篇 常用數(shù)據(jù)分析工具簡(jiǎn)介v 總結(jié) 基本結(jié)論63 4/21/2022總結(jié)總結(jié) 關(guān)鍵是業(yè)務(wù)問(wèn)題的發(fā)現(xiàn)及其構(gòu)建以及切實(shí)迎合業(yè)務(wù)需要 從分析方法的角度切入討論只是手段而非目的 方法還是很重要的 方法應(yīng)該是最不會(huì)成為問(wèn)

44、題的 方法是個(gè)工具箱關(guān)于Teradata65 4/21/20222005 Revenue by Business UnitTeradata Data WarehouseRetail SolutionsFinancial Solutions Worldwide Customer ServicesSystemediaNCR公司概貌 Fortune 500 company Global operations in over 100 countries & territories More than 28,000 employees $6B revenue Non-pension operat

45、ing income 3 point improvement to 9%66 4/21/202250% of Top Global Retailers 60% of Top Most Admired Global Companies 90% of Top Global Telco Firms60% of Top Global Airlines50% of the Top Transportation Logistic FirmsTeradata在Fortune500中的優(yōu)異表現(xiàn)Leading industries Banking Government Insurance & Healt

46、hcare Manufacturing Retail Telecommunications Transportation Logistics Travel World class customer list More than 800 customersGlobal presence Over 100 countries and territories FORTUNE Global Rankings, July 2005Top Ten Ranking in Fortune 50067 4/21/2022分析型CRM是擅長(zhǎng)之一RetailFinancial TravelCommunication

47、s InsuranceManufacturing/SourcingUnion Bank of Norway68 4/21/2022Technology ROI Awards Harrahs - Grand Prize Winner State of Iowa - Winner, Public SectorTDWI Best Practices Award Enterprise Data Warehouse: Union Pacific Government & Non-profit: State of MichiganWorld Class Solution Awards Jeffer

48、son County Public Schools, winner- Data Management category; GCN Agency Awards US Air Force Knowledge Systems, Material Systems Group/Enterprise Systems DivisionNCDM Database Excellence Award Fubon Financial Holding Company (Taiwan) - Silver AwardCIO Magazine Enterprise Value Awards Continental Airl

49、ines, Winner - Transportation Ace Hardware, Winner - Retail/WholesaleIntelligent Enterprise Editors Choice Awards Teradata named one of Intelligent Enterprise Dozen Most Influential CompaniesDM Review 100 Teradata - industry leader in business intelligence, data warehousing and analytics market CRM Market Leader Teradata - Market Leader in CRM Analytics categoryBest Practices in Busine