Clementine数据挖掘入门及实战sysu.pdf

数据挖掘与SPSSModeler
(Clementine)Clementine数据挖掘使用
入门及实战

■Shanghai(8621)53060345■Guangzhou(8620)382403850
目录

实战练习

建模技术
CLEM基
本操作
数据挖•可初步开展数据挖
掘概述掘工作
•掌握CLEM常用建-购物蓝分析
模技术-时序购买分析
掌握的基本
•CLEM-基本建模技术-药品使用规则分
操作析
-神经网络
-CLEM简介-····
•从整体上了解解-规则归纳
-读取数据文件*根据前面的数据，练
数据挖掘-模型比较与合并
-数据质量习数据分析挖掘过程
-数据挖掘介绍-KOHONEN网络
-数据处理介绍
-数据挖掘价值-关联规则
-寻找数据之间的关
-数据挖掘产品-时序分析
系
数据挖掘概述

数据挖掘介绍

数据挖掘价值

数据挖掘产品
什么是数据挖掘？

•不同的定义
–从大量数据中发现非平凡的、先前不知道的、有价值的规律的过程
–从大量数据中自动化（或者半自动化）的发现有价值规律的过程
–按既定业务目标，对大量的企业数据进行探索，揭示隐藏其中的规律性，
并进一步将其模型化的先进、有效的方法。

•数据挖掘的其他名称
–数据库内知识发现（KDD-Knowledgediscoveryindatabases）
–数据/模式分析
–商业智能
–人工智能
–……
数据挖掘的起源

•来源于机器学习/人工智能、模式识别、统计学和数据库

•传统技术的局限性
–巨量的数据
–高维数据
–数据分布不理想
机器学习/
统计学
模式识别

数据挖掘

数据库系统
为什么进行数据挖掘？商业观点

•业务中产生了大量的数据，这些数据存储在业务系统中却不能创造价值
–客户信息数据
–客户交易行为数据
–客户反馈数据
–网络数据
–……

•计算机变得越来越便宜、功能却越来越强大

•商业竞争越来越激烈，对客户了解越多就意味着机会越大
为什么进行数据挖掘？技术观点

•业务中的数据量呈现指数增长（GB/小时）

•传统技术难以从这些大量数据中发现有价值的规律

•数据挖掘可以帮助我们从大量数据中发现有价值的规律

4,000,000

3,500,000
3,000,000TheData
2,500,000

2,000,000Gap

1,500,000Totalnewdisk(TB)since

1,000,0001995
500,000Numberof

0analysts
19951996199719981999
From:R.Grossman,C.Kamath,V.Kumar,“DataMiningforScientificandEngineeringApplications”
一个市场营销的例子

女性对市场活动做出
回应，男性对市场活
动不做出回应，和年
龄无关

在数据中发现有价值的规则或者模式
一个市场营销的例子

数据变的复杂会如何？

女性对市场活动做出回应，
老年男性也可能对市场活动
做出回应
一个市场营销的例子

通过数据挖掘发
现回应的5条规
则：
1、如果收入大
于29622，有孩
子，并且孩子的
数量小于等于2，
那么对市场活动
会回应
……

通过数据挖掘发
现不回应的5条
规则：
1、如果收入小
于12640.3，并
且有一个孩子，
那么对市场活动
不会回应数据挖掘可以从异常复杂的数据中发现规律
……
数据挖掘技术的分类

数据挖掘

描述预测

分类统计回归时间序列预测
可视化

聚类决策树

关联规则神经网络

顺序关联

汇总
数据挖掘概述

数据挖掘介绍

数据挖掘价值

数据挖掘产品
数据挖掘效果模拟分析

目的：发现新客户(使响应率从1%提高到1.2%)

数据挖掘以前数据挖掘以后差别投入
减少
发信的数量1,000,000750,000(250,000)
成本$1,000,000$750,000($250,000)
响应的数量10,0009,000(1,000)
每个响应的收入$125$125$0
总收入$1,250,000$1,125,000($125,000)
净利润$250,000$375,000$125,000
建模的费用040,000$40,000
最终的利润$250,000$335,000$85,000
收益
增加
数据挖掘收益分析

向60%的客户发信，得到了90%的收益

数据挖掘的意义
利润分析图

盈亏平
衡加速亏
损

超额利
润
成功案例

面临问题：怎样扩展和现有客户关系？怎么控制营销费用提升利润？

解决方案：建立关联预测模型来发现交叉销售和"翻滚"销售机会。

应用效果：产品销售提高50%营销费