高管商学院 数据挖掘PDF电子书下载

第一部分 本书焦点 3

第1章 数据挖掘概述 3

1.什么是数据挖掘 5

2.数据挖掘能做什么 5

分类 6

估计 6

预测 7

描述与可视化 8

聚类 8

组合或关联法则 8

3.商业领域的数据挖掘 9

作为研究工具的数据挖掘 9

改进生产过程的数据挖掘 10

市场营销中的数据挖掘 11

客户关系管理中的数据挖掘 11

4.技术层面的数据挖掘 12

数据挖掘与机器学习 12

数据挖掘与决策支持 13

数据挖掘与统计学 13

数据挖掘与计算机技术 16

第2章 为什么要精通数据挖掘这门艺术 17

数据挖掘的四种方法 19

购买评分 19

购买软件 20

聘请编外专家 26

培养企业内部骨干 29

本章小结 32

第3章 数据挖掘方法论：互动循环系统 33

1.数据挖掘的两种类型 34

有监督的数据挖掘 34

无监督的数据挖掘 36

2.数据挖掘的互动循环过程 36

3.正确识别业务问题 38

实施数据挖掘是否必要 39

是否存在最让人感兴趣的客户子群或客户细分 39

关于数据 40

相应的行业规范有哪些 40

印证业内专家的观点 41

4.将数据转换成可操作的决策 41

确认和获取数据 42

生成有效数据、探索数据以及清洁数据 44

将数据转换成具有合适的粒度的数据 44

加入衍生变量 45

准备建模数据集 46

检测模型的执行效率 47

选择建模技术和训练模型 47

5.将结果生成决策 49

6.评测模型的有效性 51

7.成功建立预测模型的要点 52

预测模型的时间范围 52

模型的使用有效期 53

假定1：过去是将来的预言家 54

假定2：数据是可以获得的 55

本章小结 56

假定3：数据中应包括我们的预期目标 56

第4章 客户和他们的生命周期 58

1.谁是企业的客户 58

消费者 59

企业客户 60

客户市场细分 63

2.客户的生命周期 65

客户生命周期的不同阶段 66

客户生命周期中的重要事件 68

客户生命周期中不同的时段所产生的资料 71

3.客户的生理生命周期 72

4.选择最佳时机，锁定最佳客户 73

预算最优化 73

促销活动最优化 75

客户最优化 78

本章小结 82

第二部分 数据挖掘的三大支柱 91

第5章 数据挖掘技术与算法 91

1.不同的目标要求不同的技术 92

2.三种数据挖掘技术 94

不同的数据类型要求不同的方法 94

3.自动类别侦测 95

K—均值类别侦测的工作原理 96

选择聚类所产生的后果 99

4.决策树 102

决策树的工作原理 102

决策树的建立过程 104

选择决策树所产生的后果 109

5.神经网络 111

神经网络的训练 115

选择神经网络所产生的后果 116

本章小结 118

第6章 无所不在的数据 119

1.数据结构 120

行 120

列 122

数据挖掘中列的作用 125

2.数据看起来究竟像什么 127

数据挖掘中的数据 127

数据从哪里来 128

粒度的合适水平 136

度量数据取值的不同方法 138

3.多少数据才足够呢 142

4.衍生变量 143

使用衍生变量时应该注意的问题 144

离群点的处 145

列变量的组合 146

分类汇总 147

从某一列中提取信息 149

时间序列 151

5.案例：客户行为的界定 153

6.受污染的数据 161

缺失数据 161

定义模糊 163

谬误值 163

本章小结 165

第7章 建立有效的预测模型 166

预测模型的建立过程 167

1.建立好的预测模 167

对模型效果的衡量 169

模型稳定性 174

保持模型稳定性所面临的挑战 174

2.对模型集进行处理 175

分割与掌握：训练集、测试集与评价集 175

模型集规模对模型效果的影响 176

模型集密度对模型效果的影响 177

抽样 178

何谓过抽样 179

利用时间相关资料来建立模型 184

模型输入和模型输出 185

执行时间：考虑模型的建立时间 187

时间和遗漏数据 190

建立时间上易于转换的模型 191

字段命名 194

3.使用多个模型 195

多个模型的表决 196

将输入分段 199

对模型进行组合的其他原因 201

4.做试验 202

模型集 203

不同类型的模型以及模型参数 204

时间范围 205

本章小结 205

第8章 实施控制：建立数据挖掘环境 207

1.起步 207

何谓数据挖掘环境 208

数据挖掘环境得以成功的要素 209

四个案例研究 209

2.案例1：建造公司内部核心竞争力 210

保险行业的数据挖掘 210

开端 211

3.案例2：创造新的商机 214

向网上发展 214

环境 215

潜在客户的数据仓库 215

4.案例3：在数据仓库工作中培养数据挖掘技能 218

下一个步骤 218

特殊类型的数据仓库 220

数据挖掘的计划 220

信息技术部门内部的数据挖掘 221

5.案例4：利用特斯拉快速建模环境法(RME)进行数据挖掘 221

建立高级数据挖掘环境所需的条件 222

什么是RME 223

RME如何运作 223

RME如何协助数据准备 225

RME如何支持抽样 227

RME如何协助建立模型 228

RME如何协助模型评估和管理 228

本章小结 230

第三部分 案例研究 238

第9章 数据挖掘在目录直销业中的应用——有谁会需要香油袋和长裤拉伸器 238

1.佛蒙特乡村小店 239

VCS的发家史 239

2.商业问题 241

预测模型 241

3.数据 244

4.技术路线 246

数据挖掘软件的选择 246

RFM与细分的基础 246

挑战者——神经网络、决策树和回归分析 249

计算投资回报率 251

5.未来 251

决定可能已经发生的事 251

期望收益 252

本章小结 252

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 253

1.获取利润 253

2.商业问题 254

3.数据 255

从账户到客户 258

推出产品 260

4.解决问题的方法 262

如果走起来像只鸭 263

标准分数 263

这个方法的陷阱 264

5.建模 266

决策树模型 269

建立其他模型 277

得到交叉销售模型 277

6.更完美的世界 278

本章小结 279

1.无线通信业 281

第11章 数据挖掘在无线通信业中的应用——客人，您慢些走 281

一个快速成熟的行业 282

与其他行业的区别 284

2.商业问题 285

项目背景 285

无线通信市场的特点 286

何为流失 287

为什么建立流失模型有用 288

三个目标 289

建立流失模型的方法 291

项目简介 293

3.实际应用——寻找流失模型 294

建模工具的选取 294

对模型进行分类 294

最终的四个模型 295

选择建模算法 299

模型集的大小和密度 304

潜伏期的影响(或考虑实际应用) 305

及时更新模型 306

基本客户模型 308

4.数据 308

从通电话到数据 309

顾客历史流失率 310

客户及账单层次的数据 311

服务端数据 311

付费历史资料 311

变量剔除 312

衍生变量 313

听取客户意见 314

5.建立客户流失模型的经验 314

寻找最显著的变量 314

听取数据的声音 315

包含历史流失率 316

构造模型集 317

为流失管理应用建立模型 317

由数据决定模型参数 319

理解算法和工具 319

本章小结 319

第12章 数据挖掘在电信业中的应用——以客户为中心 321

1.数据流程 322

什么是数据流程 322

基础操作 323

并行环境下的数据流程 325

数据流程为何有效率 327

2.业务问题 328

项目背景 328

3.数据 329

重要的市场营销问题 329

通话明细数据 330

客户数据 331

辅助文件 335

4.发现之旅 335

在通话记录中能发现什么 335

每日时段通话分析 338

通话的市场细分 340

国际长途模式 344

什么时候使用者在家 345

因特网服务的提供者 348

专用网络 350

同时发生的通话 352

本章小结 355

第13章 谁正在买什么——超市内的数据挖掘应用 356

1.行业发展趋势 357

超市作为信息中介商 359

将重心由商品转换到客户 360

3.分析不同人种的购买模式 362

2.三个案例 362

商业背景 363

数据 363

可视化工具的成功 365

一个失败的方法 367

恰好与事实相符 368

商业背景 370

数据 370

4.谁在超市购买酸奶 370

从杂货到客户 373

寻找顾客聚类 375

将聚类结果应用到业务中 378

5.谁在健康食品店购买肉 380

购物篮分析用的关联规则 382

人比杂货店更令人感兴趣 384

本章小结 387

第14章 不浪费、不短缺：改善生产流程 389

技术问题 390

1.唐纳利父子公司用以降低成本的数据挖掘技术 390

商业问题 391

数据 391

归纳滚筒条纹惯例 395

印刷厂的改变 397

长期影响 398

2.时代公司减少纸张损耗的努力 398

商业问题 399

数据 401

浪费的种类 404

解决问题的方法 404

可避免的浪费 407

可避免浪费的归纳规则 407

数据转换 408

数据的特性描述和概要 410

决策树 410

关联规则 413

综合 413

本章小结 414