CDA數據分析師原創作品, 轉載需授權
1.什麼是數據挖掘
數據挖掘一般是指從大量的數據中自動搜索隱藏其中的、有特殊關係的信息的過程。
它可以直接針對個人消費者，通過建立對應的模型來預測客戶行爲。企業可以瞭解有關其客戶的更多信息，以制定更有效的營銷策略，增加銷售量或者降低銷售成本。數據挖掘依賴於有效的數據收集，倉儲和計算機處理。
2.數據挖掘的重要性
CDA數據分析研究院認爲，數據挖掘和業務結合使用時纔有意義。例如，通過結合業務知識的理解，數據挖掘可以通過預測不同客戶羣體的響應率，準確定位高響應率客戶，提高高價值客戶保留率，大大降低營銷的時間成本和客戶管理成本。
如果沒有數據挖掘，即使企業有關於您的相關信息，他們所知道的只是您所提供的信息。通過數據挖掘，他們可以知道更多。比如，如果某企業擁有您和其他客戶的消費行爲數據，就可以通過關聯規則算法預測出您所偏好的產品，進而向您推薦更加符合您心意的產品，同時企業也提高了銷售量。
- 如何更好挖掘數據價值
大多數公司只從數據分析中獲得了約30%的潛在價值，CDA數據研究院認爲其原因在於大部分數據分析師在挖掘數據價值時沒有系統把握好數據分析流程的核心。
3.1 業務理解
在業務理解的過程：
首先，需要清楚地瞭解業務目標，找出業務需求。
接下來，通過查找需要考慮的變量，假設條件，約束條件和其他重要因素來評估當前情況。
然後，從業務目標和當前情況，創建數據挖掘目標。
最後，形成一個良好的數據挖掘計劃，以實現業務目標。該計劃應儘可能詳細。
3.2 數據理解
數據理解階段從初始數據收集開始，該數據收集從可用數據源收集，以幫助熟悉數據。通過執行一些重要的工作，包括數據加載和數據集成，以便成功地進行數據收集。
接下來，需要仔細檢查並報告所獲取數據的屬性。
然後，需要通過處理數據挖掘問題來探索數據，這些問題可以使用查詢，報告和可視化的方式來解決。
最後，必須通過回答一些重要問題來檢查數據質量，例如“獲取的數據是否完整？”，“獲取的數據中是否有任何缺失值？”
3.3 數據準備
數據準備通常佔用項目時間的大約90％。數據準備階段的結果是最終數據集。一旦識別出可用的數據源，就需要選擇、清理、構造，並將其格式化爲所需的形式。在此階段可以進行更深入的數據探索任務，這個需要數據分析師基於業務的理解來選擇是否進行下一步的探索。
3.4 建立模型
首先，選擇合適的建模技術用於準備好的數據集。
接下來，生成測試數據集以驗證模型的準確度。
然後，在準備好的數據集上創建一個或多個模型。
最後，需要對涉及利益相關的模型進行仔細評估，以確保所創建的模型符合業務計劃。
3.5 模型評估
在評估階段，必須在第一階段的業務目標背景下評估模型結果。在此階段，如果在模型結果中發現的新模式或其他因素，可能會提出新的業務需求。獲得業務理解是數據挖掘中的一個迭代過程。必須在此步驟中決定是否繼續進入製作報告階段。
3.6 部署計劃
通過數據挖掘過程獲得的信息，結合相關業務，部署階段可以像創建報告一樣簡單，也可以像重複數據挖掘過程一樣複雜。從項目的角度來看，項目的最終報告需要總結項目經驗並審查項目，驗證模型效果和業務目標達成情況。