数据挖掘在生活上的应用

浮世若离丶

13026

116

收藏 2017-09-04

随着信息科技的进步，数据的收集变得十分便利。各式各样(手机、信用卡、浏览网页及部落格等)的信息，从不同的数据源，涌入我们预先设计好的数据仓储。这些信息透过数据挖掘的技术组合在一起，就可快速地勾勒出每个人对生活的品味、特征，并进一步影响我们的生活。

未来数据化世界的一个场景

底下显示未来数据化世界的一个场景。

客服：「xx披萨店您好！请问有什么需要我为您服务？」
顾客：「妳好，我想要………」
客服：「先生，请先告诉我您的会员卡号码！」
顾客：「我的会员卡号码是xxxxxxxx」
客服：「林先生您好，您是住在庄敬路一段…..，您家电话是xxxxxxxx，您的公司电话是xxxxxxxx，您的移动电话是xxxxxxxxxx(1.链接客户资料仓储)。请问这些信息是否有需要更新？」
顾客：「为什么妳知道我所有的电话号码？」
客服：「林先生，因为我们联机我们公司的顾客关系管理系统！」
顾客：「我想要一个海鲜披萨……」
客服：「林先生，海鲜披萨不适合您！」
顾客：「为什么?」
客服：「根据您的医疗纪录(2.链接医疗资料仓储)，您有高血压和胆固醇偏高的问题」
顾客：「那……妳们有什么可以推荐的？」
客服：「您可以试试我们的低脂健康披萨！」
顾客：「妳怎么知道我会喜欢吃这种的？」
客服：「喔！因为您上星期一在中央图书馆借了一本《低脂健康食谱》(3.链接图书借阅数据仓储)」
顾客：「好…我要一个家庭号特大披萨，要多少钱？」
客服：「嗯？这个足够您一家十口吃，六百九十九元！」
顾客：「可以刷卡吗？」
客服：「林先生，对不起，请您付现！因为您的信用卡已经刷爆了。您现在还欠银行十万四千八百零七元，而且还不包括房贷利息(4.链接金融资料仓储-信用卡)！」
顾客：「喔！那我先去附近的提款机领钱！」
客服：「林先生，根据您的记录，您已经超过今日提款机提款限额(5.链接金融资料仓储-现金卡)！」
顾客：「算了！妳们直接把披萨送来吧！我这里有现金。妳们多久会送到？」
客服：「大约三十分钟，如果您不想等，可以自己骑车来！」
顾客：「什么？」
客服：「根据我们公司顾客关系管理系统的记录，您有一辆摩托车，车号是x-xxxxx.」(1.链接客户资料仓储)
顾客：「……＃@$%^&$%^&※!」
客服：「林先生，请您说话小心一点。您在20xx年x月x日用脏话侮辱警察，被判了十日拘役(6.链接刑事刑案数据库)！」
顾客：「………………」
客服：「请问还需要什么吗?」
顾客：「没有了！是不是有送三罐可乐？」
客服:「是的！不过根据记录(2.链接医疗资料仓储)，您有糖尿病…………」

由以上的例子可以看到，数据化整合世界所带给我们思考上的冲击。同时，这样的场景并非遥不可及，而是逐渐、逐渐的在发生。以下将从大卖场的手推车开始告诉你，利用数据挖掘的数据化营销方式，将如何颠覆许多传统的营销模式。

神奇的大卖场手推车
传统我们到大卖场(如大润发、家乐福等)购物时，因为要买的东西很多，免不了要推一辆手推车。目前手推车的运作方式是你必需先投1元硬币，才能取出一辆手推车。当你将手推车推至定点归还时，就会退还你原先投的那个1元硬币。这样的方式方便手推车的管理，不会到处都有手推车。但手推车除了装载货物外，不能有其他的用途？新一代智能型手推车的出现，改变了我们的想法？

新一代的智能型手推车结合了无线射频识别(Radio Frequency Identification, RFID)技术、室内定位(Indoor Positioning System, IPS)及资料探勘(Data Mining)技术，将手推车的功能除了购物外，还能准确地预测你对产品的喜好，适时提供相关的优惠信息给你，以提高产品的交叉销售率(Cross-Selling Rate)，并提升顾客的价值(Customer Value)。

当你要使用智能型手推车时，首先你需要先插入会员卡，以便辨认你的身份。利用无线射频识别技术，当你从货架上取得产品并放入手推车后，你购物的信息便已储存在大卖场的数据库中。大卖场的管理人员，也可随时并轻松地掌握整个卖场货物的销售量及库存量，并适时订购即将缺货的商品。当你完成购物时，仅需直接至柜台缴款，并索取购物明细，即可完成交易，大大地简化整个管理及购物的流程。

利用室内定位技术，则卖场的管理者可随时掌握每个顾客/手推车的购物动线。可了解大多数顾客的购物路径，在每个区域的停留时间。哪些区域是热门区，哪些乏人问津，哪些部分的动线设计不良，哪些货品摆设的位置不对，都可透过这项技术发掘出来，大大地改善整个购物的动线及商品的摆设。

有了以上两项技术，仅能改善整体的购物流程及商品管理。若要准确地预测顾客对产品的喜好，并适时提供相关的优惠信息，以提高产品的交叉销售率，则需透过数据挖掘技术。资料探勘中的序列型样(Sequential Patterns)技术，会发掘出产品购买的先后关系及时间间隔。根据一项调查显示，购物者原本想要购买的东西，通常会漏掉11%忘了买。因此，当你将会员卡插入手推车的同时，利用此项技术即可于手推车的液晶显示屏上显示，你可能需要购买的商品列表及摆放的位置，并提供给你部份的折扣，以刺激你的购买兴趣。数据挖掘中的关联规则(Association Rules)技术，则会发掘出产品间同时购买的可能性。因此，当你将某商品放入手推车的同时，利用此项技术可于手推车的液晶显示屏上显示，通常购买此种商品的人，也会同时购买那些搭配的商品，以提高产品的交叉销售率。

除了上述两项技术外，数据挖掘中的分类(Classification)技术，会发掘出购买某特定商品的顾客特征(Characteristics)，以便推荐商品给有此特征，但还未购买此特定商品的顾客。资料探勘中的分群(Clustering)技术，则会将顾客根据他们所购买的金额及购买商品的类型，区分成几个族群(Clusters)，并提供不同的营销手法。例如，有一个族群的客户是属于有固定采购预算的客户(可从过去数月的购买金额可以推算出)。则针对此种客户，我们是否应给他们一些优惠及折扣，以刺激购买？我想答案应该是否定的。因为他们的预算是固定的，所以每花一块钱来购买促销品，则会少一块钱来购买其他的商品，就会损害到公司的利润。另一个可能会发掘出的族群，是一些只会购买促销商品，而不会购买其他商品的精算型客户。针对这种会拉低公司获利的客户，我们可以故意提供一些他们不愿意购买的商品类型，并提供折扣。对他们希望购买的商品，却一点折扣也没有。让他们觉得公司的服务非常差，以至于想换到别家卖场去。

颠覆传统的营销测试
新一代的智能型手推车除了上述令人惊艳的功能外，它还能进行不同于以往的营销测试。举例来说，假如我们想要测试购买产品A用户的产品忠诚度。传统的方式，你可能需在路边询问路人是否有购买过产品A。然后经过一连串的问卷调查、统计检定，才能归纳出那种人对产品A的忠诚度高。有了智能型手推车后，这样的工作就显得简单许多。

我们可以由无线射频识别技术，知道目前卖场购买产品A的确实人数，假设100人。假如这100人分属我们由数据挖掘技术所发掘出的3个族群，且分别为族群1(30人)、族群2(40人)、族群3(30人)。由于我们想要利用产品B(是产品A最大的竞争对手)去测试顾客对产品A的忠诚度，所以我们将族群1随机平分成3个小族群：一群去促销产品B，并给与5%的优惠；一群去促销产品B，并给与10%的优惠；一群去促销产品B，但只有通知，没有优惠。其它两群也是以相同的方式去产生小族群。整体的营销测试，如图1所示。

图1 营销测试图

然后我们将这些促销的信息立即显示于顾客智能型手推车的液晶显示屏上，并告知活动的时间只有30分钟。由室内定位技术我们可以立即得知顾客对这项活动的热衷程度(被锁定的族群可用不同的颜色显示，并观察是否有朝产品B的方向移动)。同时我们也可以立即得知，哪一个族群的人，对产品A的忠诚度最不足？那一种人，只要略施小惠，即投奔他营？哪一种人，需要较大的优惠，才能打动他？那一种人，不动如山，对产品A的忠诚度，矢志不移？这样的活动，可以随时做，并实时得到营销测试的结果，岂不令人赞叹！

结语
无论在职场或是商场，数据挖掘一旦成为分析数据的重要工具后，我们必需学会利用数字来当做武器。我们必需了解整个数据挖掘的分析方法，并精通这些方法。不论你愿不愿意，数据挖掘的数据时代已经来临。它正悄悄的形塑我们的生活、工作及购物的方式。

—台湾铭传大学教授李御玺

CDA针对市场业务分析人员，推出的非编程类软件SPSS系列，包含数据分析和数据挖掘两个方向，课程不需要掌握复杂的编程软件，旨在以最简易的方式实现商业分析和决策。

同时针对市场和学员需求，我们对以往的数据分析师课程进行了完善和修改，本期增加了课程的厚度，课程内容和课程容量，完善了课程的知识体系。

一、更加完善的课程知识体系。
结合CDA LEVEL I业务数据分析师考纲要求，业务数据分析师课程从，数据分析概念与统计学基础、SQL数据库基础、数据采集与处理、数据建模分析理论方向出发，并且结合银行、零售、电信等行业真实案例穿插讲解。结合业务数据分析师就业岗位需求，课程涵盖数据分析全流程的学习，涵盖业务理解-数据理解-数据前处理-建模分析-模型部署与数据可视化整个流程的学习。

二、更加多样的上课模式。
除上课所讲解内容以外，针对需要学员课下需要自学和掌握的部分，我们都安排了就学网视频进行自学，完善知识体系。如业务分析师-SPSS课程补充自学部分有：《SQL数据库知识与实操》《数据可视化》

三、更加丰富的项目实战。
每个阶段的课程在课后配备至少1到2两个实战的项目，项目均为精心设计，有详细的目标和完备的Notebook。同时配备有交流社区和集中讲师答疑。每个项目完成才可以完成结业。

开课时间：9月16日

课程安排：
第一阶段：数据分析概念与统计学基础（12课时）
第二阶段：SPSS数据清洗与统计分析（12课时）
第三阶段：SPSS建模分析（12课时）
第四阶段：SPSS综合案例分析（12课时）

补充内容：
《SQL数据库知识与实操》-12课时
《数据可视化》-6课时

课程报名：