中控?cái)?shù)據(jù)挖掘案例

1、wwwfirstconcn11 ，Credilogros改善客戶信用評(píng)分業(yè)務(wù)(直接數(shù)據(jù)挖掘，預(yù)測(cè)統(tǒng)計(jì)分析方法/軟件)Credilogros是阿根廷第五大信貸公司，它需要識(shí)別與潛在預(yù)先付款客戶(缺乏充分心信息系統(tǒng)中。數(shù)據(jù)挖掘的收益包括：1) 處理信用數(shù)據(jù)和提供最終信用評(píng)分的時(shí)間縮短到了8秒以內(nèi)。平均每月使用PASWModeler。這使該組織能夠迅速批準(zhǔn)或拒絕信貸請(qǐng)求。3) 風(fēng)險(xiǎn)監(jiān)控，僅在實(shí)施3 個(gè)月后就幫助Credilogros 將貸款支付失職減少了 20%。2，中國寶鋼集團(tuán)(直接數(shù)據(jù)挖掘，分類分析方法)寶鋼自1985年投產(chǎn)至今，積累了大量的生產(chǎn)數(shù)據(jù)，從每一爐鋼到每一塊板坯到每一 個(gè)鋼圈，各級(jí)計(jì)

2、算機(jī)系統(tǒng)可以把這些數(shù)據(jù)完整地收集起來。采用數(shù)據(jù)挖掘技術(shù)對(duì)鋼材生 產(chǎn)的全流程進(jìn)行質(zhì)量監(jiān)控和分析(通過全流程實(shí)時(shí)監(jiān)控獲得了豐富的生產(chǎn)數(shù)據(jù))，構(gòu)建 故障地圖，實(shí)時(shí)分析產(chǎn)品出現(xiàn)瑕疵的原因，有效提高了產(chǎn)品的優(yōu)良率。寶鋼采用了兩個(gè)數(shù)據(jù)挖掘工具，一個(gè)是自行研發(fā)的基于SAS的practicalMiner，另一 超過3000萬元的經(jīng)濟(jì)效益。在配礦優(yōu)化項(xiàng)目中，通過確定不同鐵礦石的合理比例，每年 可為寶鋼降低成本6000萬元。另外，通過分析軋制計(jì)劃，分析和優(yōu)化庫存結(jié)構(gòu)，降低庫 存成本和平衡物流成本。3 ，DHL實(shí)時(shí)跟蹤貨箱溫度 新裝貨?；凇昂谙蛔印碧峁┑拇罅繑?shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，可以根據(jù)溫度控制的目標(biāo)，制定和 優(yōu)化行

3、車線路、司機(jī)配置、提供車況評(píng)估等決策支持。wwwfirstconcn4，沃爾瑪超市里的尿布與啤酒(間接數(shù)據(jù)挖掘，關(guān)聯(lián)規(guī)則) 的發(fā)現(xiàn)是： 跟尿布一起購買最多的商品竟是啤酒！經(jīng)過大量實(shí)際調(diào)查和分析，揭示了一個(gè) 到超市去買嬰兒尿布，而他們中有30%40%的人同時(shí)也為自己買一些啤酒。產(chǎn)生這一現(xiàn)象 手帶回了他們喜歡的啤酒。在客戶關(guān)系管理中，“老客戶的保留”是十分重要的研究領(lǐng)域。已經(jīng)發(fā)生流失的客 戶還有較高的挽回余地，若銀行能在客戶剛剛產(chǎn)生流失意向時(shí)就準(zhǔn)確識(shí)別出他們，并輔 以適當(dāng)?shù)目蛻絷P(guān)懷策略，這些客戶應(yīng)具有更高的可能性被挽留。項(xiàng)目研究首先明確一個(gè)標(biāo)準(zhǔn)化、規(guī)范化的商業(yè)銀行數(shù)據(jù)挖掘流程框架，結(jié)合相應(yīng)的 數(shù)據(jù)

4、準(zhǔn)備、字段篩選、模型選擇等問題，逐步建立客戶流失分類預(yù)測(cè)的映射關(guān)系、客戶 按流失可能性從高到低排序、從客戶特征中挖掘出客戶將發(fā)生流失的規(guī)律、實(shí)現(xiàn)客戶挽 留策略的個(gè)性化定制和資源的差異化配置、將分類預(yù)測(cè)模型及相關(guān)結(jié)果部署于現(xiàn)有管理 6，中國銀聯(lián)股份有限公司 “異常交易檢測(cè)方法”2006年網(wǎng)上支付在我國所有的電子支付交易中占比96%，而且會(huì)越來越普及。另一方面，網(wǎng) 上支付的便利性和信用卡用戶的不斷增加也為犯罪分子進(jìn)行金融欺詐等犯罪提供了更多的 進(jìn)行的交易，或者合法用戶進(jìn)行的惡意透支行為等。提出一種基于數(shù)據(jù)挖掘的異常交易檢測(cè)方法，可以在業(yè)務(wù)層面和操作層面對(duì)交易中的異常進(jìn)wwwfirstconcn 業(yè)

5、務(wù)層面的可信因子和操作層面的可信因子，最終決定當(dāng)前交易是否為異常交易。 戶推薦這種產(chǎn)品，最終直郵的回復(fù)率提高了100% 8 ，GUS日用品零售商店(神經(jīng)網(wǎng)絡(luò)模型、規(guī)則歸納技術(shù)) Clementine技術(shù)， 來商品銷售，庫存成本比原來減少了3.8%。9，美國國內(nèi)稅務(wù)局基于IBM DB2數(shù)據(jù)庫軟件的綜合逃稅人監(jiān)察項(xiàng)目，僅1996年就幫助稅務(wù)局追回補(bǔ)交稅款2億 的工作，為納稅人提供更迅捷、更準(zhǔn)確的服務(wù)。10，Mellon銀行 品的精確度，如家庭普通貸款。該工具可以(利用交往、分類或回歸分析等商業(yè)智能)確定 現(xiàn)有用戶購買特定附加產(chǎn)品：家庭普通信貸限額的傾向，可生成用于檢測(cè)的模型。wwwfirstcon

6、cn11，美國Firstar銀行 庭財(cái)產(chǎn)貸款、賒賬卡、存款證或其它儲(chǔ)蓄、投資產(chǎn)品，將它們分成若干組，然后預(yù)測(cè)何時(shí)為 客戶提供何種產(chǎn)品。利用KXEN對(duì)不斷增長的客戶群進(jìn)行分類，對(duì)每種產(chǎn)品找出最有價(jià)值的客戶，營銷費(fèi)用減少 30%；和SAS聯(lián)合開發(fā)反欺詐管理系統(tǒng)(2009年整個(gè)金融行業(yè)由于欺詐造成的損失為48億美 元)，對(duì)美國境內(nèi)的信用卡交易進(jìn)行實(shí)時(shí)的欺詐防范偵測(cè)，進(jìn)一步保護(hù)客戶利益。 周期無序，更使行情的走勢(shì)變化莫測(cè)。大連理工大學(xué)的碩士生黃玲琴提出了股票交易數(shù)據(jù)挖掘模型，利用決策樹分類算法中的ID3 算法并適當(dāng)調(diào)整以對(duì)股票交易數(shù)據(jù)樣本集進(jìn)行測(cè)試分析，由此生成決策樹作為分類器并對(duì)其 結(jié)果進(jìn)行了檢驗(yàn)，

7、最后根據(jù)決策樹分類規(guī)則開發(fā)出一淘股票分析預(yù)測(cè)系統(tǒng)。 曾經(jīng)得到過這個(gè)結(jié)論“如果微軟的股票下跌4%，那么IBM的股票將在兩周內(nèi)下跌5%”14，NBA教練提升獲勝機(jī)會(huì)NBAIBM開發(fā)的數(shù)據(jù)挖掘應(yīng)用軟件Advanced Scout系統(tǒng)來優(yōu)化他 教練可以通過Advanced Scout訪問NBA中心的服務(wù)器數(shù)據(jù)，包括每場(chǎng)比賽的 事件統(tǒng)計(jì)：得分、助攻、失誤等。事件標(biāo)記讓教練非常容易地通過搜索NBA比賽的錄像來 理解統(tǒng)計(jì)發(fā)現(xiàn)的含義。類似的應(yīng)用還有NHL-ICE，是國家曲棍球聯(lián)盟與IBM聯(lián)合開發(fā)的，可以讓教練、廣播員、新 聞?dòng)浾呒扒蛎酝诰騈HL的統(tǒng)計(jì)。wwwfirstconcn加拿大第三大銀行，之前于晚上6-

8、9點(diǎn)通過電話向客戶推銷產(chǎn)品，反饋率非常低。采用IBM DB2 Intelligent Miner Scoring后，基于銀行賬戶余額、客戶已擁有的銀行產(chǎn)品以及所處地點(diǎn) 和信貸風(fēng)險(xiǎn)等標(biāo)準(zhǔn)來評(píng)價(jià)記錄檔案。這些評(píng)價(jià)可以用于確定客戶購買某一具體產(chǎn)品的可能性。 時(shí)還能制訂適當(dāng)?shù)膬r(jià)格和設(shè)計(jì)各種獎(jiǎng)勵(lì)方案，甚至確定利息費(fèi)用。16，圣地亞哥proflowersProflowers是一家賣花的公司，因?yàn)轷r花極易枯萎，需要均勻地削減庫存，否則可能導(dǎo)致一 庫存鮮花的凋謝。通過采用Websidestory的數(shù)據(jù)挖掘ASP服務(wù)Hitbox， proflowers可以在業(yè)務(wù)高峰日也能對(duì)銷售情況做出迅速反應(yīng)。比如，如果100

9、人中僅有5人看 到玫瑰時(shí)就會(huì)購買，而盤景的轉(zhuǎn)換率則為100比20，那么不是頁面設(shè)計(jì)有問題，就是玫瑰的 化該商品或取消優(yōu)惠價(jià)格。eBags提箱、手提袋、錢包以及提供其它旅行服務(wù)，通過采用Kana公司的E-Marketing Suite，獲得客戶購買行為習(xí)慣方面的信息。根據(jù)不同的購買習(xí)慣，網(wǎng)站不停地 創(chuàng)建頁面以適合每個(gè)具體的訪問者。比如，如果訪問者的瀏覽記錄顯示其對(duì)手提包感興趣， 網(wǎng)站將創(chuàng)建這些商品的客戶化頁面。18，Carrier利用郵政編碼數(shù)據(jù)提升銷售Carrier是康涅狄格州的一家空調(diào)制造商，僅僅通過利用郵政編碼數(shù)據(jù)，其升級(jí)版B2C網(wǎng)站的 統(tǒng)提示輸入郵政編碼。這些信息被發(fā)送到WebMiner

10、服務(wù)器，然后數(shù)據(jù)挖掘軟件對(duì)客戶進(jìn)行 遙控器的空調(diào)機(jī)；如果客戶來自市區(qū)，則彈出式廣告將展示窗式空調(diào)機(jī)。wwwfirstconcn 20,狀態(tài)監(jiān)測(cè)(信息業(yè))：此案例的目的是想根據(jù)機(jī)器監(jiān)控狀態(tài)的信息，利用數(shù)據(jù)挖掘(分類模 ee 店的銷售量，也可以增加運(yùn)通卡在該商店的使用率。建立一個(gè)擁有3000萬客戶資料的數(shù)據(jù)庫，收集對(duì)公司發(fā)出的優(yōu)惠券等作出積極反應(yīng)的客戶信 產(chǎn)品的優(yōu)惠券，并為他們推薦符合客戶口味和健康狀況的卡夫產(chǎn)品食譜。23，數(shù)據(jù)挖掘是指從數(shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的并具有潛在價(jià)值的信息 的過程。數(shù)據(jù)挖掘是一種決策支持過程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì) 學(xué)、數(shù)據(jù)庫、可視

11、化等技術(shù)，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘 出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。數(shù)據(jù)挖掘的分析方法包括“兩類七種”1. 直接數(shù)據(jù)挖掘：建立模型對(duì)特定變量進(jìn)行描述。1) 分類(Classification)：客戶分類、滿意度分析、購買趨勢(shì)預(yù)測(cè)2) 估值(Estimation)：預(yù)防客戶流失、產(chǎn)品生命周期、銷售趨勢(shì)分析測(cè)(Prediction)：異常信息的發(fā)現(xiàn)、分析等2. 間接數(shù)據(jù)挖掘：在所有的變量中建立起某種關(guān)系。1) 相關(guān)性分組/關(guān)聯(lián)規(guī)則(Affinity grouping/Association rules)：市場(chǎng)營銷wwwfirstconc

12、n2) 聚類(Clustering)：市場(chǎng)細(xì)分、客戶背景分析可視化(Description and Visualization)4) 復(fù)雜數(shù)據(jù)型挖掘(Text, Web,圖形圖像，視頻，音頻等)1) 人工神經(jīng)網(wǎng)絡(luò)2) 決策樹3) 遺傳算法4) 緊鄰算法5) 規(guī)則推導(dǎo)1. 粗糙集5. 模糊集6. 神經(jīng)網(wǎng)絡(luò)和支持向量機(jī) 回歸分析如下：1. 理解數(shù)據(jù)和數(shù)據(jù)的來源(understanding)2. 獲取相關(guān)知識(shí)與技術(shù)(acquisition)ationandchecking4. 去除錯(cuò)誤或不一致的數(shù)據(jù)(data cleaning)6. 實(shí)際數(shù)據(jù)挖掘工作(data mining)7. 測(cè)試和驗(yàn)證挖掘結(jié)果(testing and verifi