高管商学院 数据挖掘【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

高管商学院 数据挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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RME223

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