数据挖掘 客户关系管理的科学与艺术PDF电子书下载

第1部分本书焦点 1

目录 1

第1章数据挖掘概述 3

1．什么是数据挖掘？ 4

2．数据挖掘能做什么？ 5

分类 5

估计 5

预测 6

组合或关联法则 6

聚类 6

描述与可视化 7

3．商业领域的数据挖掘 7

作为研究工具的数据挖掘 7

改进生产过程的数据挖掘 8

市场营销中的数据挖掘 8

4．技术层面的数据挖掘 9

数据挖掘与机器学习 9

客户关系管理中的数据挖掘 9

数据挖掘与统计学 10

数据挖掘与决策支持 10

数据挖掘与计算机技术 12

5．数据挖掘的社会背景 12

第2章为什么要精通数据挖掘这门艺术 14

1．数据挖掘的四种方法 15

购买评分 16

购买软件 16

聘请编外专家 22

培养企业内部骨干 24

本章小结 25

第3章数据挖掘方法论：互动循环系统 26

1．数据挖掘的两种类型 27

有监督的数据挖掘 27

无监督的数据挖掘 28

2．数据挖掘的互动循环过程 29

3．正确识别业务问题 30

相应的行业规范有哪些？ 31

关于数据 31

是否存在最让人感兴趣的客户子群或客户细分？ 31

实施数据挖掘是否必要？ 31

印证业内专家的观点 32

4．将数据转换成可操作的决策 32

确认和获取数据 32

生成有效数据、探索数据以及清洁数据 34

将数据转换成具有合适的粒度的数据 35

准备建模数据集 36

加入衍生变量 36

选择建模技术和训练模型 37

检测模型的执行效率 37

5．将结果生成决策 39

6．评测模型的有效性 40

7．成功建立预测模型的要点 41

预测模型的时间范围 41

模型的使用有效期 42

假定1：过去是将来的预言家 42

假定2：数据是可以获得的 43

本章小结 44

假定3：数据中应包括我们的预期目标 44

第4章客户和他们的生命周期 46

1．谁是企业的客户 46

消费者 47

企业客户 48

客户市场细分 50

2．客户的生命周期 51

客户生命周期的不同阶段 52

客户生命周期中的重要事件 53

客户生命周期中不同的时段所产生的资料 55

3．客户的生理生命周期 56

4．选择最佳时机，锁定最佳客户 57

预算最优化 57

促销活动最优化 59

客户最优化 61

本章小结 64

第2部分数据挖掘的三大支柱 71

第5章数据挖掘技术与算法 71

1．不同的目标要求不同的技术 71

不同的数据类型要求不同的方法 73

2．三种数据挖掘技术 73

K—均值类别侦测的工作原理 74

3．自动类别侦测 74

选择聚类所产生的后果 77

4．决策树 79

决策树的工作原理 79

决策树的建立过程 81

选择决策树所产生的后果 85

5．神经网络 85

神经网络的训练 89

选择神经网络所产生的后果 90

本章小结 91

第6章无所不在的数据 92

1．数据结构 93

行 93

列 95

数据挖掘中列的作用 97

数据挖掘中的数据 99

2．数据看起来究竟像什么？ 100

数据从哪里来 100

粒度的合适水平 105

度量数据取值的不同方法 107

3．多少数据才足够呢？ 110

4．衍生变量 111

使用衍生变量时应该注意的问题 112

离群点的处理 112

列变量的组合 113

分类汇总 114

从某一列中提取信息 115

时间序列 117

5．案例：客户行为的界定 119

缺失数据 125

6．受污染的数据 125

定义模糊 126

谬误值 126

本章小结 127

第7章建立有效的预测模型 129

1．建立好的预测模型 129

预测模型的建立过程 130

对模型效果的衡量 131

模型稳定性 135

2．对模型集进行处理 136

保持模型稳定性所面临的挑战 136

分割与掌握：训练集、测试集与评价集 137

模型集规模对模型效果的影响 137

模型集密度对模型效果的影响 138

抽样 138

何谓过抽样？ 139

利用时间相关资料来建立模型 142

模型输入和模型输出 144

执行时间：考虑模型的建立时间 145

时间和遗漏数据 148

建立时间上易于转换的模型 149

字段命名 151

3．使用多个模型 151

多个模型的表决 152

将输入分段 155

对模型进行组合的其他原因 156

4．做试验！ 157

模型集 158

不同类型的模型以及模型参数 158

时间范围 159

本章小结 160

第8章实施控制：建立数据挖掘环境 161

1．起步 161

何谓数据挖掘环境？ 162

四个案例研究 162

数据挖掘环境得以成功的要素 162

2．案例1：建造公司内部核心竞争力 163

保险行业的数据挖掘 163

开端 164

向网上发展 166

3．案例2：创造新的商机 166

环境 167

潜在客户的数据仓库 167

下一个步骤 169

4．案例3：在数据仓库工作中培养数据挖掘技能 169

特殊类型的数据仓库 169

数据挖掘的计划 171

信息技术部门内部的数据挖掘 171

建立高级数据挖掘环境所需的条件 172

5．案例4：利用特斯拉快速建模环境法（RME）进行数据挖掘 172

RME如何运作？ 173

什么是RME？ 173

RME如何协助数据准备 175

RME如何支持抽样 176

RME如何协助建立模型 177

RME如何协助模型评估和管理 177

本章小结 179

第3部分案例研究 186

第9章数据挖掘在目录直销业中的应用 186

——有谁会需要香油袋和长裤拉伸器？ 186

1．佛蒙特乡村小店 186

VCS的发家史 187

预测模型 189

2．商业问题 189

3．数据 191

数据挖掘软件的选择 192

RFM与细分的基础 192

4．技术路线 192

挑战者——神经网络、决策树和回归分析 194

决定可能已经发生的事 196

计算投资回报率 196

5．未来 196

期望收益 197

本章小结 197

第10章数据挖掘在在线银行业中的应用——顾客垂青的下一个产品是什么？ 198

1．获取利润 198

2．商业问题 199

3．数据 200

从账户到客户 202

推出产品 204

4．解决问题的方法 206

标准分数 206

如果走起来像只鸭 207

这个方法的陷阱 208

5．建模 209

决策树模型 211

得到交叉销售模型 218

建立其他模型 218

6．更完美的世界 219

本章小结 220

第11章数据挖掘在无线通信业中的应用——客人，您慢些走！ 221

1．无线通信业 222

一个快速成熟的行业 222

与其他行业的区别 223

2．商业问题 224

项目背景 224

何为流失？ 225

无线通信市场的特点 225

为什么建立流失模型有用？ 226

三个目标 227

建立流失模型的方法 228

项目简介 230

3．实际应用——寻找流失模型 230

建模工具的选取 231

对模型进行分类 231

最终的四个模型 232

选择建模算法 235

模型集的大小和密度 239

潜伏期的影响（或考虑实际应用） 240

及时更新模型 241

4．数据 242

基本客户模型 243

从通电话到数据 243

顾客历史流失率 244

客户及账单层次的数据 244

变量剔除 245

付费历史资料 245

服务端数据 245

衍生变量 246

5．建立客户流失模型的经验 247

寻找最显著的变量 247

听取用户意见 247

听取数据的声音 247

包含历史流失率 248

构造模型集 249

本章小结 251

理解算法和工具 251

为流失管理应用建立模型 251

由数据决定模型参数 251

第12章数据挖掘在电信业中的应用——以客户为中心 253

1．数据流程 254

什么是数据流程？ 254

基础操作 255

并行环境下的数据流程 256

2．业务问题 258

项目背景 258

数据流程为何有效率？ 258

重要的市场营销问题 259

3．数据 259

通话明细数据 260

客户数据 261

辅助文件 264

4．发现之旅 264

在通话记录中能发现什么？ 264

每日时段通话分析 266

通话的市场细分 268

国际长途模式 271

什么时候使用者在家？ 274

因特网服务的提供者 276

专用网络 276

同时发生的通话 279

本章小结 282

第13章谁正在买什么？ 283

——超市内的数据挖掘应用 283

1．行业发展趋势 283

将重心从商品转换到客户 285

超市作为信息中介商 285

2．三个案例 287

3．分析不同人种的购买模式 287

商业背景 287

数据 288

可视化工具的成功 289

一个失败的方法 290

恰好与事实相符 291

4．谁在超市购买酸奶？ 293

商业背景 293

数据 294

寻找顾客聚类 299

从杂货到客户 299

将聚类结果应用到业务中 302

5．谁在健康食品店购买肉？ 303

购物篮分析用的关联规则 306

人比杂货店更令人感兴趣 307

本章小结 308

第14章不浪费、不短缺：改善生产流程 310

1．唐纳利父子公司用以降低成本的数据挖掘技术 310

商业问题 311

技术问题 311

数据 312

归纳滚筒条纹惯例 315

印刷厂的改变 316

长期影响 317

2．时代公司减少纸张损耗的努办 317

商业问题 318

数据 320

解决问题的方法 322

浪费的种类 323

可避免的浪费 325

可避免浪费的归纳规则 325

数据转换 325

数据的特性描述和概要 327

决策树 327

关联规则 330

综合 330

本章小结 331

第15章社会议题：数据挖掘与隐私权 332

1．隐私棱镜 333

2．数据挖掘是一种威胁吗？ 334

3．对隐私的期望 335

隐私的重要性 336

4．现实世界中的信息 339

5．电子世界中的信息 340

分辨客户 341

综合 342

6．数据挖掘的希望 344

索引 347