期末论文
论文题目：数据挖掘在商业数据分析中的应用
所属课程名称_____
指导教师_____________
班级__________
学号_________
姓名_____________
成绩___________________
数据挖掘在商业数据分析中的应用
【摘要】本文主要介绍数据挖掘在商业数据分析中的应用，文章从数据挖掘的商业内涵、数据挖掘的商业需求分析出发，阐述了数据挖掘在海量信息中提取有效信息的作用。最后介绍了数据挖掘关于企业客户数据分析、企业财务预警两个方面上的应用及相关案例，说明了数据挖掘给人们带来了便利，给企业带来了新的利润空间以及为企业提供了决策支持，进一步强调了数据挖掘在商业数据分析中存在的必要性。
【关键字】数据挖掘；财务预警；决策支持
一、从商业角度看数据挖掘技术
数据挖掘从本质上说是一种新的商业信息处理技术。数据挖掘技术把人们对数据的应用，从低层次的联机查询操作，提高到决策支持、分析预测等更高级应用上。它通过对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，发现数据间的关联性、未来趋势以及一般性的概括知识等，这些知识性的信息可以用来指导高级商务活动。
从决策、分析和预测等高级商业目的看，原始数据只是被开采的矿山，需要挖掘和提炼才能获得对商业目的游泳的规律性知识。这正是数据挖掘这个名字的由来。所以，从商业角度看，数据挖掘就是按企业的既定业务目标，对大量的企业数据进行深层次分析以揭示隐藏的、未知的规律性并将其模型化，从而支持商业决策活动。从商业应用角度刻画数据挖掘，可以使我们更全面的了解数据挖掘的真正含义。它有别于机器学习等其它研究领域，从它的提出之日起就具有很强的商业应用目的。同时，数据挖掘技术只有面向特定的商业领域才有应用价值。数据挖掘并不是要求发现放之四海而皆准的真理，所有发现的知识都是相对的，并且对特定的商业行为才有指导意义。
二、数据挖掘技术的商业需求分析
数据挖掘之所以吸引专家学者的研究兴趣和引起商业厂家的广泛关注，主要在于大型数据系统的广泛使用和把数据转换成有用知识的迫切需要。60年代，为了适应信息的电子化要求，信息技术一直从简单的文件处理系统向有效的数据库系统变革。70年代，数据库系统的三个主要模式——层次、网络和关系型数据库的研究和开发取得了重要进展。80年代，关系型数据库及其相关的数据模型工具、数据索引及数据组织技术被广泛采用，并且成为了整个数据库市场的主导。80年代中期开始，关系数据库技术和新型技术的结合成为数据库研究和开发的重要标志。从数据模型上看，诸如扩展关系、面向对象、对象-关系（Object-Relation）以及演绎模型等被应用到数据库系统中。从应用的数据类型上看，包括空间、时态、多媒体以及WEB等新型数据成为数据库应用的重要数据源。同时，事务数据库（Transaction Database）、主动数据库（Active Database）、知识库（Knowledge Base）、办公信息库（Information Base）等技术也得到蓬勃发展。从数据的分布角度看，分布是数据库（Distributed Database）及其透明性、并发控制、并行处理等成为必须面对的课题。进入90年代，分布式数据库理论上趋于成熟，分布式数据库技术得到了广泛应用。目前，由于各种新型技术与数据库技术的有机结合，使数据库领域中的新内容、新应用、新技术层出不穷，形成了庞大的数据库家族。但是，这些数据库的应用都是以实时查询处理技术为基础的。从本质上说，查
询时对数据库的被动使用。由于简单查询只是数据库内容的选择性输出，因此它和人们期望的分析预测、决策支持等高级应用仍有很大距离。
新的需求推动新的技术的诞生。数据挖掘的灵魂是深层次的数据分析方法。数据分析是科学研究的基础，许多科学研究都是建立在数据收集和分析基础上的。同时在目前的商业活动中，数据分析总是和一些特殊的人群的高智商行为联系起来，因为并不是每个平常人都能从过去的销售情况预测将来发展趋势或作出正确决策的。但是，随着一个企业或行业业务数据不断积累，特别是由于数据库的普及，人工去整理和理解如此大的数据源已经存在效率、准确性等问题。因此，探讨自动化的数据分析技术，为企业提供能带来商业利润的决策信息而成为必然。事实上，数据（Data）、信息（Information）和知识（Knowledge）可以看作是广义数据表现的不同形式[1]。毫不夸张地说，人们对于数据的拥有欲是贪婪的，特别是计算机存储技术和网络技术的发展加速了人们收集数据的范围和容量。这种贪婪的结果导致了“数据丰富而信息贫乏（Data Rich & Information Poor）”现象的产生。数据库是目前组织和存储数据的最有效方法之一，但是面对日益膨胀的数据，数据库查询技术已表现出它的局限性。直观上说，信息或称有效信息是指人们又帮助的数据。例如，在现实社会中，如果人均阅读时间在30分钟的话，一个人一天最快只能浏览一份20版左右的报纸。如果你订阅了100份报纸，其实你每天也不过只阅读了一份而已。面对计算机中的海量的数据，人们也处于同样的尴尬境地，缺乏获取有效信息的手段。知识是一种概念、规则、模式和规律等。它不会象数据或信息那么具体，但是它却是人们一直不懈追求的目标。事实上，在我们的生活中，人们只是把数据看作是形成知识的源泉。我们是通过正面或反面的数据或信息来形成和验证知识的，同时又不断地利用知识来获得新的信息。因此，随着数据的膨胀和技术环境的进步，人们对联机决策和分析等高级信息处理的要求越来越迫切。在强大的商业需求的驱动下，商家们开始注意到有效地解决大容量数据的利用问题具有巨大的商机；学者们开始思考如何从大容量数据集中获取有用信息和知识的方法。因此，在二十世纪八十年代后期，产生了数据仓库和数据挖掘等信息处理思想。
三、数据挖掘在商业数据分析中的应用
（一）数据挖掘关于企业客户数据分析的应用
1.应用分析
数据挖掘是一种从数据集中提取那些隐藏在数据集中的有用数据的非平凡过程[2]。对于当前经济贸易的高度发展，目前数据挖掘在企业客户数据方面主要有以下几个方面的应用：
(1) 获得潜在客户信息。随着服务行业的竞争加剧，以客户为中心的理念不断加强，客户是服务行业的主要目标，如何挖掘自身客户是每个企业都在考虑的问题。例如电信、联通这些运营商如何来获取客户信息，哪些客户喜欢用移动号码，哪些客户喜欢用联通号码，他们的年龄分布群是怎样的，收入状况如何。通过分析挖掘这些数据的潜在规律可以更好地帮助他们获取潜在的客户信息
(2) 挖掘客户的潜在需求。分析客户、了解客户并引导客户需求已成为企业经营的重要课题。电信业务收据收集了客户交易的所有信息，对客户进行分类，确定不同类型的用户不同潜在行为，然后采取相应的营销策略，使企业产生利润最大化。
(3) 留住自己的客户。数据挖掘技术可以对大量的客户信息进行一个数据分类，把客户分成不同的类型，不同的客户类型具有不同的属性，企业可以根据不同的客户类型提供不同服务，让客户对企业产生很好的满意度，这样是留住客户的一个因素。数据挖掘技术还可以从这些数据中发现哪些特质的客户是有可能流失的，这样企业可以采取相应的措施对客户进行挽留。
(4) 聚类客户。它是通过分析客户的浏览行为来分析客户所属的类别。提取客户的共同特征，可以有效的帮助产品销售商更好的了解客户，想客户提供更加贴身的服务。例如，有些客户一直在买“婴儿衣服”，“尿不湿”这些产品，通过分析这个客户的浏览行为，我们可以将这个客户纳入“Parents”客户组，在下次该顾客光顾的时候相应就可以推荐“奶粉”，“玩具”等产品。
2. 案例分析——基于遗传算法（简称GA）的客户购买行为特征提取[3]
(1)案例说明：本案例采取大型零售超市数据，在该数据集中选取一年销售记录作为原始数据，共110种
产品，656个顾客，9535条交易记录。采取本案例提出特征提取算法，决策者可以对具有相同购买行为目标顾客群体制定有针对性营销策略。同时，也可以从整体顾客群体购买特征中发现一些关联度很强的产品组合，为产品的选购和服务方面提供决策支持。
(2)算法描述
图1 算法整体框架
(3)数据预处理
本案例选择SQL Server 2005数据仓库中零售超市footmart 的销售数据，从中随机选择656个顾客在1997年的购买商品记录，总计9353个交易记录，原始数据主要包括顾客ID，购买时间（以天为单位），购买商品代码，购买数量，商品销售单价等属性。我们把数据按照customer_id提取每个顾客在一年内购买的商品，以顾客ID号为索引组成购买商品序列（事务数据库D），处理过程如图2所示。
图2 处理过程
(4)结果分析
通过一系列遗传策略，我们可以直接找到顾客群体中高支持度和高置信度的规则集，从中我们可以发现顾客群体在购买行为方面特征。对于全体顾客，我们列举了5 条最优的规则（表1）。对各个子顾客群，我们列举了3 最优条规则（表2）。在所列出特征提取中，我们删除了顾客子群体与全体顾客有较强相似性的规则，以体现各个群体主要自身的特点。
表1
表2
对于整个顾客群体，通过对生成规则集进行分析，我们发现整个顾客群体更喜欢购买烹饪和日常零食类商品。从最优规则集中可以看出，像FreshVegetables、Fresh Fruit、Cooking Oil、Soup 这样的原料食品购买量较大，与此相关的关联规则支持度和置信度较高。一些熟食Cookie，Hamburger，Nuts 也是在最优规则集合中出现较多商品种类。这些商品或商品组合在销售过程中属于“明星商品或商品组合”，零售机构相关分析人员和决策者可以针对这些商品或商品组合，制定有效商品推荐和促销政策。还有一些就是兴趣度非常高的规则，如一些零食类食品如Bagels 与一些休闲杂志（magazines）具有很强的关联性，这对零售超市等机构为顾客提供商品推荐，以及商品摆放和布局具有辅助作用。
从结果中，我们看到不同顾客子群体也具有各自的一些特征，在不同的子群体内部很多商品之间具有很紧密的关系。例如在Group 1 中顾客更喜欢购买一些像Batteries、Paper Wipes、Lightbulbs等非饮食类商品（Non-consumableclass）并且这些商品间关联度比较高。在Group 2 中顾客更倾向于饮品和点心类如Wine、Milk、Soup、Muffins、Cookie、Pizza 等，还有一个有趣的现象是Shampoo在一些强规则出现频率较高，与上述饮料和点心食品有很强关联性。在Group 3中顾客更多购买的是烹饪调味原料如Fresh Vegetables、Fresh Fruit、Frozen Chicken、Dried Fruit、Soda、Spices 等，并且这些商品组成关联规则支持度和置信度也比较高且具有比较强关联性。Group 4 提取出的规则相对较少并无明显特点。Group 5 中顾客跟倾向于购买糖果类及相关零食，如Chocolate Candy、SourCream、Chips、Hard Candy 等，并且此类商品间关联度比较强。
从零售机构来看，主要的营销和促销策略主要有以下几种，对于某种销量高“明星产品”全场打折（现金或质量优惠），某一类或某种商品打折、代金券形式，同种商品新品牌推荐等。这些手段中前两种最为普遍。通过本文实验结果我们可以看出，对于零售机构，可以根据商品间的关联性和销售情况来制定产品组合折扣等营销策略，这种促销策略是跨种类交叉式营销策略，而不是单一的对某个或
某类商品进行打折促销，这样既迎合了顾客口味，同时，会刺激关联度强的商品销售。对于具有相似购买行为顾客群体，决策者可以根据各个群体行为特征有区别对待，针对各自特点对不同商品组合进行推荐和促销，这样完全面向顾客方法可以实现买方和卖方的“双赢”。
（二）数据挖掘关于企业财务数据预警的应用
1.采用数据挖掘构建财务预警系统的重大意义
人们普遍认为企业失败的前兆是“财务危机”[4]，它不仅给企业带来重大的经济损失和形象伤害，处理不当甚至会导致企业倒闭。在企业陷入财务危机的过程中，企业财务状况的变化可以通过财务报表反映出来，具体反映在某些财务指标的变化上。因此，这些财务指标对公司未来的财务状况是有预测能力的。因此，如果在企业财务危机发生的早期就采用一定的技术手段来对企业财务状况进行预测，例如采用数据挖掘算法构建财务预警系统，这样无论是对于上市公司自身，还是对投资者、债权人都具有十分重要的意义。
(1) 有利于投资者的投资决策，保护投资者的利益。广大投资者通过财务预警，可以及时了解上市公司的经营状况，防范投资风险。由于上市公司数目众多，信息量很大，年报、中报和平时的重大信息以及这之间的信息关联、交叉重复程度又比较大，再加上普通投资者一般缺乏进行分析所需要的高深的数理知识，在分析上市公司信息时往往难以做出正确的判断。而公司财务危机预测模型的建立，可以通过对上市公司不断挖掘有价值的信息，在上市公司发生财务危机之前就能及时准确地发出警报。从保护投资者的利益出发，中国证券监督管理委员会和证券交易所已经制定了一系列防范和化解财务危机的制度。但值得注意的是，除了预亏预警制度外，这些制度都是针对上市公司出现财务危机以后的相关措施，至于预亏预警制度，其发布与否以及发布的具体时间都取决于上市公司，上市公司的调控余地很大。而投资者在进行投资决策的时候，更多的是需要一种事前信息。他们想知道盈利的上市公司是否会突然亏损，亏损一年的上市公司是否会连续亏损，以及每股净资产低于面值的公司是否会出现破产的情况。若能建立一套行之有效的财务危机预测系统，对投资者的投资决策有着重要意义。
(2) 有利于证券监管部门更好地推进监管工作，并从实证研究角度上支持和加强证券监管部门的监管工作。从我国证券市场来看，经过10多年的发展，我国证券市场已经在我国国民经济中占有了非常重要的位置，而上市公司的财务状况更是投资者、政府监管部门等利益相关者关注的重要问题。为了提示不同程度的财务危机风险，证券监管部门制定了一系列制度，如ST制度、暂停上市和终止上市制度。而这些制度的约束条件都是以上市公司的亏损程度为基础的。那么是否存在其他能有效反映上市公司财务危机的财务指标，是否能从历史财务指标的变化中判断出上市公司发生财务危机的预兆，从而加强事前监管。若能通过实证研究，建立一套财务危机预测系统，并找出判断上市公司是否发生财务危机的关键性指标，对于证券监管部门的监管工作有着重要意义。
(3) 有利于上市公司防患于未然。真实的财务数据可说是企业经营绩效最客观的成绩单，相关的比率分析更是公司最好的财务预警讯息，会计资讯在上市公司的评估绩效及决策参考有着重要的内部功能。若能建立起上市公司财务预测系统，有助于上市公司及时发现问题，解决间题，防患于未然。
(4) 有利于债权人等利益相关者做出及时、正确的决策。上市公司的利益相关者还包括债权人，如银行等。尽管目前上市公司有着直接的融资渠道，但间接融资仍在上市公司的资本结构中占有相当大的比重。债权人在进行是否对上市公司贷款的决策时，迫切想知道上市公司是否会发生财务危机，从而保证其发放贷款的安全性和收益性。尤其是在中国特定的环境下，债权转让市场还没有建立起来，债权人持有的债权流动性不强，一旦上市公司发生财务危机，债权很有可能收不回来，坏账的可能性很大。故建立上市公司财务危机预测系统对银行等债权人也有着重要的意义。
2. 案例分析——基于聚类算法的财务预警[5]
(1)案例说明：本案例选取2005年、2006年沪深两市被特别处理的公司（ST公司）以及相应的财务正常
公司（如表3，表4，表5，表6），共44家公司数据，并以2005年公司作为训练数据，2006年公司作为测试数据对模型进行测试。为了能够较为全面的反映公司情况，一开始选择能够查询到的全部财务指标，包括净资产收益率(主营业务利润)，净资产收益率(营业利润)，净资产收益率(净利润)，净资产收益率(利润总额)，资产收益率，净利润率，净资产增长率，总资产增长率，主营业务收入增长率，营业利润增长率，税后利润增长率，流动比率，速动比率，存货流动负债比率，现金流动负债比率，股东权益比率，现金负债比率，债务资本比率，债务资产比率，存货周转率，应收账款周转率，资产周转率，固定资产周转率，存货销售期，应收账款回收期，市盈率，市净率，市销率。
表3：2006年财务危机公司
表4：2006年财务正常公司
表5:2005年财务危机公司
表6:2005年财务正常公司
(2)算法过程
图3 使用聚类算法财务预警的过程
(3)结果分析
表7是采取基于PSO的模糊聚类算法得到财务预警结果。从每个经济指标上来看，各项平均值都较差的簇b代表有警的一类，各项都较好的簇a代表无警的一类；每个语意变量“低”，“较低”，“中”，“较高，，，“高”，分别第四章基于聚类算法的财务预警以1、2、3、4、5代替，则可以将不同指标对于距离的度量标准化。表(4一2)左边各公司是无警的公司，右边的各公司是有警的公司，总体分类正确率为(44一8)/44一81.818%，基本达到了初步设想。
表7 基于PSO的模糊聚类预警结果
四、总结
本文从商业角度阐述了数据挖掘的概念和含义，并通过相关实例和数据对数据挖掘的商业应用进行了剖析，说明了数据挖掘对于商业数据分析的重要意义。
现代化的企业搜集了大量数据或高维数据，包括市场、客户、供货商、竞争对手以及未来趋势等重要信息，但是信息超载与无结构化，使得企业决策部门无法有效利用现存的信息，甚至使决策行为产生混乱与误用。总之，如果能通过数据挖掘技术，从大量的数据中，挖掘出不同的信息与知识来支持决策，必能产生企业的竞争优势。
【参考文献】
1、Agosta L. The essential guide to data warehousing. Prentice-Hall Inc. 2000.
2、师江波，胡建华. 基于数据挖掘的电信客户流失预测分析[J]. 山西电子技术，2009,1.
3、张志宏. 电子商务模式下的顾客行为特征提取及利润挖掘. 天津大学硕士学位论文，2010,6.
4、尹侠，肖序，胡永康. 上市公司财务预警的实证分析，财经理论与实践，2001，22(114):83一87.
5、冯征. 数据挖掘方法在财务预警中的应用研究. 天津大学博士学位论文，2007,3.
大数据 目录 一、大数据概念 (1) 二、大数据分析 (2) 三、大数据技术 (3) 四、大数据特点 (4) 五、大数据处理 (4) 六、大数据应用与案例分析 (6) 一、大数据概念 "大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。"大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。 "大数据"是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从数据的类别上看，"大数据"
指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。研发小组对大数据的定义："大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。" Kelly说："大数据是可能不包含所有的信息，但我觉得大部分是正确的。对大数据的一部分认知在于，它是如此之大，分析它需要多个工作负载，这是AWS的定义。当你的技术达到极限时，也就是数据的极限"。大数据不是关于如何定义，最重要的是如何使用。最大的挑战在于哪些技术能更好的使用数据以及大数据的应用情况如何。这与传统的数据库相比，开源的大数据分析工具的如Hadoop的崛起，这些非结构化的数据服务的价值在哪里。 二、大数据分析 从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？ 1、可视化分析 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了 2、数据挖掘算法 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，
传统与新兴的融合——平安保险电子商务之路摘要： 本案例分析分三部分展开对中国平安保险有限公司电子商务的研究，第一部分介绍平安保险的概况和开展电子商务的背景，第二部分具体介绍平安保险的电子商务模式，第三部分从三个角度对平安保险的案例进行评析，包括开展电子商务的益处，存在的问题及启示。关键词：保险电子商务，流程模式，KPI管理，BCC,CRM 一、平安保险概况和开展电子商务的背景 1.1概况 ?中国平安保险(集团)股份有限公司是中国第一家以保险为核心的，融证券、信托、银行、资产管理、企业年金等多元金融业务为一体的紧密、高效、多元的综合金融服务集团。是中国第一家股份制保险公司，也是中国第一家有外资参股的全国性保险公司。公司成立于1988年，总部位于深圳。2003年2月，经国务院批准，公司完成分业重组，更名为现名。经营理念“差异、专业、领先、长远”。 1.2公司历程 ?1988年3月21日成为我国第一家股份制、地方性的保险企业 ?1992年9月29日平安保险公司更名为中国平安保险公司 ?1995年实行了产险、寿险、证券、投资四大业务的统一管理、分业经营。总公司成立电脑工作委员会
?1996年平安信托投资公司和中国平安保险海外公司成立 ?1998年麦肯锡改革方案全面推出 ?1998年10月中旬，中国第一家全国性电话咨询中心—平安Call Center 项目将全面提升平安服务、销售和信息管理的手段和水平。同时电子商务项目也开始起步?2000年平安3A客户服务体系初步建成。7月18日，平安全国电话中心95511在苏州开通，并力争三年内建成亚洲最大的企业电话中心；8月18日，一站式综合理财网站PA18正式启用，平安大步进入电子商务 ?2002年6月27日引进礼贤业务员甄选系统（LASS系统） ?2003年更名为中国平安保险股份有限公司。国内首次实现特服号码海外直拨 ?2004年11月10日平安人寿行销支援管理系统正式投入使用 ?2006年8月成功收购深圳商业银行89.24％股权，取得一张全国性的中资银行牌照。 ?2007年，在上海证券交易所挂牌上市，证券简称为“中国平安” ?2008年，发布公告，公开发行不超过12亿股的A股和412亿元分离交易可转债，其融资总额将近1600亿元。 1.3开展电子商务的背景 ?开展电子商务的必然性： 1.我国加入WTO，由“保险+电子商务”组成的服务则是国内保险公司与国外保险公司竞争的有力武器。 2.随着网络的普及，通过网络对保险业的需求业迅速增长
本科学生综合性实验报告项目组长张梦瑶学号0141262 成员 专业国际经贸班级国贸142 实验项目名称商务数据分析报告 指导教师及职称李虹来 开课学期2015 至2016 学年下学期 上课时间2016 年 6 月16 日
1.商业理解阶段 网上销售与传统的店面销售不同，没有售货员提供现场咨询服务。但是，网上销售可以利用互联网的优势，为用户提供更优质的服务。由于服务器会记录用户在浏览电子商务网站时的所有行为，因此，企业很容易收集用户的浏览记录、交易信息及偏好数据。 在个性化推荐技术的关联规则分析中，最典型的例子是购物篮分析，其目标是发现交易数据库中不同商品之间的联系强度，挖掘用户潜在购买模式，并将这些模式所对应的服务或产品展示给用户，为其提供参考，从而提高用户的满意度及购买率。 2. 数据理解阶段 本案例采用淘宝网的用户交易数据进行分析，每条交易记录包括记录号和顾客购买的商品，表1给出了数据集中各属性名及意义，表2为部分交易实例数据示例。 3. 数据准备阶段 原始数据集可能包含了一些冗余的数据、空值和零值等，这种格式不能作为关联规则分析算法的输入，需要对数据进行预处理。本案例的预处理中包括过滤掉原始数据集中的商品数量和单价这两个属性。同时为了保护顾客的隐私，过滤了用户名属性，并且用交易号来唯一表示顾客的每一次交易。处理后的数据集如表3所示。
在Clementine软件进行关联规则挖掘时，必须把数据格式转换成Clementine软件能处理的格式。通常有两种格式：一种是布尔矩阵形式，即每行表示一条交易记录，列中的T/F值表示该商品是否有在相应的交易记录中出现，T表示有出现，F表示没有出现（表4列出转换后的前3条记录信息）；一种是事务处理格式，即每行对应一个交易号和一个商品项（表5列出了前3个事务对应的事务处理格式）。 4. 数据建模 利用Clementine中的Apriori算法进行关联规则分析，设定最小支持度1%，最小置信度50%，输入为布尔矩阵格式的交易数据（如表4），输出商品的关联规则及相应的支持度、置信度和提升度信息（如表6）。表中显示“高跟鞋”和“洗发水”、“童装”和“玩具”、“文具”经常被一起购买。 表6 Apriori算法运行结果 5. 模型评估 我们选取以下的关联规则向顾客进行推荐。 规则1：（玩具、文具）=>童装 规则2：洗发水=>高跟鞋 规则3：玩具=>童装 规则4：地毯=>家具 规则5：（短裙、高跟鞋）=>女装T恤 规则6：（童装、文具）=>玩具 再结合规则和实际经验知识，可以对规则进行进一步优化处理。在本案例中，可以对规则1{（玩具、文具）=>童装}和规则3{玩具=>童装}进行合并，以规则3的形式呈现。 6. 模型发布 通过建模分析由得出的关联规则，企业就可以得到商品销售的一些合理搭配，进而设定相应的推荐策略。如在顾客购买了地毯后，可以向其推荐家具类商品；或者当顾客购买了童装后，可以向其推荐玩具和文具类商品；这些都可能是顾客感兴趣或需要的商品。
大数据的商业应用 对大数据的开放和应用将对社会、商业和个人都产生巨大而深远的影响。目前我们已经观察到或者可以预测到的影响包括但不仅限于以下几个方面。 第一，围绕大数据的应用将激发前所未有的创新浪潮。社交网络的流行和物联网的建设使得对个体和群体（无论是人或物）的实时观察和了解正在逐渐成为可能，这为预测群体行为和了解个体偏好提供了强有力的工具。利用大数据这一特性的应用已经在多个领域展现其惊人的威力和创新能力。 第二，大数据的开放将极大地提升社会的公开透明度和提高政策制定的效率。一方面，多种类型数据的公开大大提升了政府的透明度，通过公众的监督提高民主程度。另一方面，通过为大众提供创新的平台，充分汲取群体的智慧，有效榨取数据的可利用价值，反过来可以提升社会效率和政府效率。 第三，随着大数据时代的来临和深化，在商业、经济及其他领域中，决策行为将日益基于数据和分析而做出，而并非基于经验和直觉。伴随着数据的大量累积和数据处理能力的不断提升，利用数据来进行判断和预测的能力将会得到无限的放大，数据将引领社会前进的方向。第四，个人成为大数据链条中不可或缺的一环，而对数据的依赖将改变人类的生活方式。 对银行的影响 （一）大数据提供了全新的沟通渠道和营销手段 一方面，社交媒体的兴起给银行提供了全新的与客户接触的渠道。已经有多家银行开通了官方微博，通过树立社会化的形象，拉近与客户之间的距离，利用社交媒体的力量，往往能够取得意想不到的效果。光大银行在2011年4月份通过其官方微博发起了“95595酒窝哦酒窝——光大电子银行酒窝传递活动”，向网民征集酒窝照片，并由参与者向好友进行传递，征集的照片会组成一个笑容墙展示，一个月的时间里有超过740000人参与了活动，使得光大银行的客服电话号码一夜走红。 另一方面，通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。银行本身拥有客户的大量数据，通过对数据的分析可以获得很多信息，从而成为进行管理和营销的依据。但由于银行拥有的客户信息并不全面，这种分析有时候难以得出理想的结果甚至有可能得出错误的结论。比如说，如果某位信用卡客户
1.前言 随着中国加入WTO，国金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢？ 数据挖掘、模式(Patterns>等形式。用统计分析和数据挖掘解决商务问题。 金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达到有效增加客户数量的目的等。 客户细分―使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。 数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。 客户流失―挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包成本。 为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一部分中尽可能多地找出潜在的流失者，从而进行有效的保留活动并降低成本。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。 交叉销售 在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。 研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用银行服务的年限就会增大，每个客户的利润率也随着增大。 从客户的交易数据和客户的自然属性中寻找、选择最有可能捆绑在一起销售的产品和服务，发现有价值的产品和服务组合，从而有效地向客户提供额外的服务，提高活期收入并提升客户的收益率。
生命周期是指从出生到死亡的整个过程。大数据是一种特殊的信息资源，也有其自身的生命周期。无论是商业大数据还是政府大数据，在大数据交易平台上作为产品进行交易之前，都要经过数据生成、采集、预处理和分析的过程，这个过程就是不断积累大数据价值的过程，为建立大数据权主体和利益分配奠定了基础。 大数据交易完成后，大数据买家将利用大数据产品，挖掘其潜在价值。买家的反馈将对大数据交易市场产生重要影响。买方使用大数据后，应按与大数据交易平台或卖方签订的合同处理大数据。大数据的生成、收集、预处理、分析、交易、反馈和处置是大数据产品的全生命周期过程。 在商业大数据的生成过程中，大数据来源方主要是个人和企业，个人会产生网页浏览记录、消费行为、出行轨迹、文字评论、上传的
多媒体资料等大数据，企业则产生业务、财务等方面的大数据。 在商业大数据的采集、预处理、分析过程中，企业占据主导地位，大数据交易平台次之，个人仅占很少比例，这是因为企业、大数据交易平台本身具有人才众多、技术手段先进、资金雄厚等天然优势，而个人在人力、时间、软件、硬件、技术手段等多方面都处于明显劣势，所以参与度很低。 在购买商业大数据时，企业是主要参与方，政府、事业单位、大数据交易平台、个人较少，这种现象的产生与各个买方对大数据的利用目的是分不开的：企业有非常明确的盈利目的，渴望通过利用大数据实现自身业务的进一步发展以实现盈利；而政府、大部分事业单位（自收自支事业单位除外）不以盈利为目的，没有强烈的购买动机；大数据交易平台只是起到一个中介作用，渴望引入更多品种、数量的大数据产品，吸引更多大数据买卖双方在自己的平台进行交易以抽取提成实现盈利；个人用户中有部分买家是处于科研目的购买大数据，
《商业数据分析》规范与要素 数据分析有多种类别，比如运营分析、产品分析、商业分析等。每个类别有自己框架和重点，同时也会有些许的交集。比如对通过用户分层，看不同用户的表现。运营分析、产品分析、商业分析大概都会用到这个视角。那么我们今天就聊聊其中的商业分析，更准确点说是商业数据分析。 长期浸泡在商业分析或者战略分析圈里朋友应该都感受到了。同过去相比，现在的商业或战略分析，有了很大的变化。过去的数据没有现在这么丰富，很多商业或战略分析更多的定性分析，对数据的依赖不多。现如今会更多的倚重数据了。所以现在的商业分析部招人会倾向于数据分析背景的同学，而不是只会写PPT的同学了。 那么如何做商业数据分析呢？首先不要把商业分析想的特别高大上，遥不可及。他也有固定的套路和章法可循。商业数据分析，是一个系统性
的工程，要有体系性的框架。主要是弄清楚以下几个问题，那么基本的商业分析框架就搭起来了。剩下的就是如何用数据来描述其中的关系和逻辑了。 客户细分-- 谁是客户 这个是最重要的。要弄清楚客户是谁，并对客户做细分。有的公司说，我是面向C端的，所有的人都是我的客户。细细一想，显然不是这样的，比如京东、天猫、淘宝，各自的客户人群就有明显的差别；京东的男性用户偏多；天猫用户倾向于高品质；淘宝用户比较闲，喜欢逛；他们各自核心用户的画像差别就更大了。 再比如爱奇艺、优酷、抖音都是视频内容平台，他们的客户也是不一样的。当然，有可能平台大了，覆盖的用户范围广了，会有不同的客户群。那么就更需要对客户群做细分了。所以做商业分析的第一步就是弄清楚谁是客户，哪些是核心客户，这样才能有的放矢，提供不同的价值。说到价值，下面我们就聊聊针对客户的价值输出。
2014年第1期(总第20期) 哈尔滨师范大学社会科学学报 Journal of Social Science of Harbin Normal University No.1，2014Total No.20 大数据分析驱动 企业商业模式的创新研究 李艳玲 （东北财经大学管理科学与工程学院，辽宁 大连116025） ［摘 要］随着大数据时代的来临，大数据发展催化了大量的相关产业，也带来了商业模式创新的机 遇。大数据问题迅速从技术层面上升到国家战略的最高层面。商务管理在大数据背景下面临诸多的时代挑战，分析企业在应用与研究方面所面临的问题，研究大数据环境下所带来的商业机会的新变化与新思路，思考并探索如何让我国在商业模式创新中迅速适应大数据环境，并有效利用新的机遇与挑战等问题刻不容缓，文章探讨了大数据驱动的商业模式的创新，并对大数据的发展做出展望。 ［关键词］大数据;商业模式;创新研究［中图分类号］F49 ［文献标识码］A ［文章编号］2095－0292（2014）01－0055－05 ［收稿日期］2013－11－10 ［作者简介］李艳玲，东北财经大学管理科学与工程学院副教授，博士研究生，主要从事大数据商业模式创新、管理决策研究。 由于社会化媒体和移动互联网的日益普及， 在最近及未来几年中，各种新的、强大的数据源会持续爆炸式地增长，过去曾经用的名词“信 息爆炸” 、“海量数据”已不足以描述数据的增长态势，2011年5月，美国麦肯锡全球研究院 （MGI ）发表一篇名为“Big data ：The next fron-tier for innovation ，competition and productivity ”（大数据：未来创新、竞争、生产力的指向标） 的研究报告，“Big Data ”（大数据）这个关键词便开始流行起来。 大数据是指大小超出了传统数据库软件工具 的抓取、存储、管理和分析能力的数据群，按EMC 的界定，其中的“大”是指大型数据集，一般在10TB 规模左右；多用户把多个数据集放在一起，形成PB 级的数据量，同时这些数据来自多种数据源，以实时、迭代的方式来实现。IBM 公司把大数据概括成三个V ，即大量化（Volume ）、多样化（Variety ）、快速化（Veloci-ty ），这三个特点反映了大数据所潜藏的巨大价值（Value ），总体概括为四个特征，即4V 。 面对与日俱增的大量复杂的数据，大数据将 会对高级分析产生巨大的影响，如何通过技术、 安全实践和IT 技能的正确组合来发现数字宇宙的潜在效益，帮助客户管理、保护和挖掘这些可以改变游戏规则的数据价值，并把它们直接转化为竞争优势，真正驾驭数字宇宙，发挥大数据的巨大潜力，是每个企业迫切解决的关键问题。同时，分析和利用大数据也可以催生无数新的服务和商机，也让一些传统行业找到了新的发展机会，更为紧迫的是，大数据时代产生了对“数据科学家”这种新兴复合型人才的迫切需求。对数据的洞察力进一步体现公司的战略和行动，将形成正向反馈，有助于企业积累竞争优势，这是大数据分析对产品创新活动的一个新的典型特征。传统创新活动主要局限在企业内部、数据有限、不能及时方便获取，而大数据时代开放性、网络化的数据无处不在，即时发生大量数据，为实时化、个性化创新方式提供了大量的在产品市场化之前进行互动设计的可能性。这方面的研究应充分利用大数据并结合行业特点研究一些重点行业中的产品及服务创新，例如金融、保险、医疗、零售、物流、互联网、电信等具有突出代表 — 55—
四大经典大数据应用案例解析 什么是数据挖掘(Data Mining)?简而言之，就是有组织有目的地收集数据，通过分析数据使之成为信息，从而在大量数据中寻找潜在规律以形成规则或知识的技术。在本文中，我们从数据挖掘的实例出发，并以数据挖掘中比较经典的分类算法入手，给读者介绍我们怎样利用数据挖掘的技术解决现实中出现的问题。 数据挖掘是如何解决问题的? 本节通过几个数据挖掘实际案例来诠释如何通过数据挖掘解决商业中遇到的问题。下面关于“啤酒和尿不湿”的故事是数据挖掘中最经典的案例。而Target 公司通过“怀孕预测指数”来预测女顾客是否怀孕的案例也是近来为数据挖掘学者最津津乐道的一个话题。
一、尿不湿和啤酒 很多人会问，究竟数据挖掘能够为企业做些什么?下面我们通过一个在数据挖掘中最经典的案例来解释这个问题——一个关于尿不湿与啤酒的故事。超级商业零售连锁巨无霸沃尔玛公司(Wal Mart)拥有世上最大的数据仓库系统之一。为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行了购物篮关联规则分析，从而知道顾客经常一起购买的商品有哪些。在沃尔玛庞大的数据仓库里集合了其所有门店的详细原始交易数据，在这些原始交易数据的基础上，沃尔玛利用数据挖掘工具对这些数据进行分析和挖掘。一个令人惊奇和意外的结果出现了：“跟尿不湿一起购买最多的商品竟是啤酒”!这是数据挖掘技术对历史数据进行分析的结果，反映的是数据的内在规律。那么这个结果符合现实情况吗?是否是一个有用的知识?是否有利用价值? 为了验证这一结果，沃尔玛派出市场调查人员和分析师对这一结果进行调查分析。经过大量实际调查和分析，他们揭示了一个隐藏在“尿不湿与啤酒”背后的美国消费者的一种行为模式： 在美国，到超市去买婴儿尿不湿是一些年轻的父亲下班后的日常工作，而他们中有30%～40%的人同时也会为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫不要忘了下班后为小孩买尿不湿，而丈夫们在买尿不湿后又随手带回了他们喜欢的啤酒。另一种情况是丈夫们在买啤酒时突然记起他们的责任，又去买了尿不湿。既然尿不湿与啤酒一起被购买的机会很多，那么沃尔玛就在他们所有的门店里将尿不湿与啤酒并排摆放在一起，结果是得到了尿不湿与啤酒的销售量双双增长。按常规思维，尿不湿与啤酒风马牛不相及，若不是
2016年出版
正文目录 1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势 (4) 1.1、商业智能（BI）认可度持续提高，市场规模不断扩大 (4) 1.2、BI 产业链结构分析 (6) 1.2.1、BI 上游 (6) 1.2.2、BI 下游 (6) （1）、电信行业：大数据潜在金矿、亟待规模开发 (8) （2）、金融行业：效率与安全双轮驱动大数据应用深化 (8) （3）、电子政务：政务信息化政策利好大数据整体解决方案商用 (9) （4）、电力行业：生产信息决策与节能减排双重利好于大数据 (10) 1.3、BI 与大数据的联系与区别 (10) 2、大数据：逐步走向成熟，市场进入爆发成长期 (11) 2、从BI 到大数据4.0的演变历程 (12) 2.1、大数据核心技术不断演进，年增50% (12) 2.1.1、大数据的史前时代 (16) 2.1.2、大数据1.0 效率为先(2012-2015)：非结构化数据处理加速 (17) 2.1.3、大数据2.0 变现为王(2015-2020)：用户画像与标签 (18) 2.1.4、大数据3.0 与4.0 决策为本(2020-2030)：机器学习与洞察 (19) 2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型 (20) 2.2.1、从概念热炒到实际应用，大数据步入快速成长期 (20) 2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型 (21) 2.3、大数据助力产业升级创新 (22) 3、大数据主要应用分析 (23) 3.1、电信行业大数据应用 (23) 3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代 (23) 3.1.2、电信运营商大数据变现具备基础 (24) 3.1.3、利用大数据，聚焦服务、创新、运行支撑 (25) 3.1.4、海外成功先例，值得借鉴 (26) （1）、全球电信运营商大数据实践 (26) （2）、法国电信：利用大数据开拓新服务领域 (28) （3）、西班牙电信大数据应用 (29) 3.2、金融行业大数据应用 (29) 3.2.1、强调大数据环境下的客户、市场、运营洞察 (29) 3.2.2、工商银行：利用大数据洞察客户心声 (31) 3.3、互联网大数据应用分析 (32) 3.3.1、大数据先行者，促进营销、信息与业务多重变革 (32) 3.3.2、BAT：领军大数据变革时代 (33) 3.3.3、亚马逊：用户行为数据分析助推个性化营销 (36) 3.4、工业大数据应用 (37) 3.4.1、借力大数据，实现设备、系统、决策智能化 (37) 3.4.2、工业大数据：中国制造2025 核心技术 (37) 3.4.3、汽车行业：“变形金刚”改变行业战斗方式 (38) 3.5、航空业大数据应用分析 (39)
石家庄工商职业学院开设商务数据分析与应用专业的可行性分析报告 一、商务数据分析与应用专业简介 1.培养目标：本专业以服务于各个行业的数据分析与应用，尤其是互联网和电信行业。适应企业发展及人才需求为宗旨，培养学生具备数据采集，数据分析，数据处理、商业创新能力和电子商务职业素养，掌握互联网时代电商商务数据分析整体发展状况及基本理论知识，熟练运用数据工具开展数据分析，数据挖掘，数据展示，具备利用数据进行相关的商务策划，综合运营管理能力的应用型创业型人才。 2.主要课程：计算机应用基础、统计学，数据分析与应用、网络营销与策划、数据模型与客户行为分析、数据基础、DATAHOOP平台、客户数据分析方法、战略管理、营销管理，SPSS等。 3．就业前景毕业生可在互联网公司、电子商务公司及各类企业从事基于数据平台的数据采集，数据挖掘，营销决策，投资风险分析、客户关系管理等工作 4.获得证书 数据分析员，数据分析师 二、商务数据分析与应用行业发展现状及高职高专人才需求分析 1.行业发展现状分析。 2015年9月5日，经李克强总理签批，国务院日前印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。 《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源开放，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商业服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。
大数据实现商业价值的9种方法 现在已经有了许多利用大数据获取商业价值的案例，我们可以参考这些案例并以之为起点，我们也可以从大数据中挖掘出更多的金矿。2013 TDWI关于管理大数据的调查显示，89%的受访者认为大数据是一个机会，而在2011年的大数据分析的调查中这个比例仅为70％。在这两次调查中受访问者均普遍认为，要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。此外，其他从大数据中获取商业价值的方法包括数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合。虽然很多人已有了这样一个认识：大数据将为我们呈现一个新的商业机会。但目前仅有少量公司可以真正的从大数据中获取到较多的商业价值。下边介绍了9个大数据用例，我们在进行大数据分析项目时可以参考一下这些用例，从而更好地从大数据中获取到我们想要的价值。从数据分析中获取商业价值。请注意，这里涉及到一些高级的数据分析方法，例如数据挖掘、统计分析、自然语言处理和极端SQL等等。与原来的报告和OLAP技术不同，这些方法可以让你更好地探索数据和发现分析见解。探索大数据以发现新的商业机会。很多大数据都是来自一些新的来源，这代表客户或合作伙伴互动的新渠道。和任何新的数
据来源一样，大数据值得探索。通过数据探索，你可以了解一些之前所不知道的商业模式和事实真相，比如新的客户群细分、客户行为、客户流失的形式，和最低成本的根本原因等等。对已收集到的大数据进行分析。许多公司都收集了大量的数据，他们感觉这些数据存在着商业价值，但并不知道怎样从这些弄出来的值大的数据。不同行业的数据集有所不同，比如，如果你处于网络营销行业，你可能会有大量Web站点的日志数据集，这可以把数据按会话进行划分，进行分析以了解网站访客的行为并提升网站的访问体验。同样，来自制造业的质量保证数据将有助于公司生产出更可靠的产品和选择更好的供应商，而通过RFID 数据可以帮助你更深入地供应链中产品的运动轨迹。重点分析对你的行业有价值的大数据。大数据的类型和内容因行业而异，每一类数据对于每个行业的价值是不一样的。比如电信行业的呼叫详细记录（CDR），零售业、制造业或其他以产口为中心的行业的RFID数据，以及制造业（特别是汽车和消费电子）中机器人的传感器数据等等，这些都是各个行业中非常重要的数据。理解非结构化的大数据。非结构化的信息主要指的是是使用文字表达的人类语言，这与大多数关系型数据有着很大的不同，你需要使用一些新的工具来进行自然语言处理、搜索和文本分析。把基于文本内容的业务流程进行可视化展示，比如，保险索赔过
金融行业应用 1.前言 随着中国加入WTO，国内金融市场正在逐步对外开放，外资金融企业的进入在带来先进经营理念的同时，无疑也加剧了中国金融市场的竞争。金融业正在快速发生变化。合并、收购和相关法规的变化带来了空前的机会，也为金融用户提供了更多的选择。节约资金、更完善的服务诱使客户转投到竞争对手那里。即便是网上银行也面临着吸引客户的问题，最有价值的客户可能正离您而去，而您甚至还没有觉察。在这样一种复杂、激烈的竞争环境下，如何才能吸引、增加并保持最好的客户呢？ 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规则(Rules)、模式(Patterns)等形式。用统计分析和数据挖掘解决商务问题。 金融业分析方案可以帮助银行和保险业客户进行交叉销售来增加销售收入、对客户进行细分和细致的行为描述来有效挽留有价值客户、提高市场活动的响应效果、降低市场推广成本、达到有效增加客户数量的目的等。 客户细分―使客户收益最大化的同时最大程度降低风险 市场全球化和购并浪潮使市场竞争日趋激烈，新的管理需求迫切要求金融机构实现业务革新。为在激烈的竞争中脱颖而出，业界领先的金融服务机构正纷纷采用成熟的统计分析和数据挖掘技术，来获取有价值的客户，提高利润率。他们在分析客户特征和产品特征的同时，实现客户细分和市场细分。 数据挖掘实现客户价值的最大化和风险最小化。SPSS预测分析技术能够适应用于各种金融服务，采用实时的预测分析技术，分析来自各种不同数据源－来自ATM、交易网站、呼叫中心以及相关分支机构的客户数据。采用各种分析技术，发现数据中的潜在价值，使营销活动更具有针对性，提高营销活动的市场回应率，使营销费用优化配置。 客户流失―挽留有价值的客户 在银行业和保险业，客户流失也是一个很大的问题。例如，抵押放款公司希望知道，自己的哪些客户会因为竞争对手采用低息和较宽松条款的手段而流失；保险公司则希望知道如何才能减少取消保单的情况，降低承包成本。 为了留住最有价值的客户，您需要开展有效的保留活动。然而，首先您需要找出最有价值的客户，理解他们的行为。可以在整个客户群的很小一部分中尽可能多地找出潜在的流失者，从而进行有效的保留活动并降低成本。接着按照客户的价值和流失倾向给客户排序，找出最有价值的客户。 交叉销售 在客户关系管理中，交叉销售是一种有助于形成客户对企业忠诚关系的重要工具，有助于企业避开“挤奶式”的饱和竞争市场。由于客户从企业那里获得更多的产品和服务，客户与企业的接触点也就越多，企业就越有机会更深入地了解客户的偏好和购买行为，因此，企业提高满足客户需求的能力就比竞争对手更有效。 研究表明，银行客户关系的年限与其使用的服务数目、银行每个账户的利润率之间，存在着较强的正相关性。企业通过对现有客户进行交叉销售，客户使用企业的服务数目就会增多，客户使用银行服务的年限就会增大，每个客户的利润率也随着增大。
大数据在商业地产运用案例 一段记录顾客在商店浏览购物的视频、顾客在购买产品和服务前后的行为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就会发现，原来这里面有很多秘密。而所有秘密的支持都依靠一种技术——大数据。 一.进军电商的核心--大数据研究 从国内近年来新开张的商业物业来看，影院、餐厅、美容、健身、娱乐等“亲历性”服务项目占有的面积正在不断增多，而单纯的商品销售面积正在不断减少，这也是苏宁、国美、万达等传统商业企业全面高调进军电商的原因。 只有进入电商领域，他们才能积累更多的数据，为大数据时代的到来积累资本。全渠道销售模式是未来零售新方向,或有可能颠覆单一模式(纯线上或纯线下模式),开创零售行业新格局。而开展线上线下互动的O2O模式的核心，就是大数据应用。 数据对于零售企业的最大价值：为零售策略的开展提供细致的指导建议； 1、精准营销； 2、产品研发； 3、完善供应链； 二.典型零售企业的大数据建设 1.朝阳大悦城: 朝阳大悦城的生命力何在？除了及时的业态调整和不断创新的营销活动等这些表面上看到的动作，朝阳大悦城真正的核心竞争力是高效的运营管理，是以大数据为基础来部署，所有的营销、招商、运营、活动推广都围绕着大数据的分析报告来进行的大战略。 数据运营案例： a、根据超过100万条会员刷卡数据的购物篮清单，将喜好不同品类不同品牌的会员进行分类，将会员喜好的个性化品牌促销信息精准进行通知。 b、朝阳大悦城在商场的不同位置安装了将近200个客流监控设备，并通过Wi-Fi站点的登录情况获知客户的到店频率，通过与会员卡关联的优惠券得知受消费者欢迎的优惠产品。 c、经过客流统计系统的追踪分析，提供解决方案改善消费者动线，4层的新区开业之后客人总是不愿意往新里走，因为消费熟悉之前的动线，所以很少有人过去，该区域的销售表现一直不尽如人意。为此，招商部门在4层的新老交接区的空区开发了休闲水吧，打造成欧洲风情街，并提供iPAD无线急速上网休息区。通过精心设计，街区亮相后新区销售有了明显的改观。 d、打通微信与实体会员卡，会员的消费数据、阅读行为、会员资料打通后，更好地了解消费者的消费偏好和消费习惯，从而更有针对性地提供一系列会员服务。 2.银泰百货 银泰大数据战略： a、2013年，银泰百货全国门店的WIFI网络将铺设完毕，顾客进店可以免费登录使用WIFI。 b、打通线上线下，开启020，顾客通过手机端参与产品折扣活动，再到实体店提货的购物模式。
Pivot专业解析——史上最全数据科学/商业分析项目分析 “大数据”作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。 对于“大数据”(Big data)，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”这个术语最早期用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce 和Google File System (GFS)的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。不过，大约从2009年开始，“大数据”才成为互联网信息技术行业的流行词汇。 美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。随着最近Big Data在业界的兴起，很多美国大学开设了大数据相关的program或者在原有的统计、数学或是计算机专业开设相关的Concentration。笔者在这里就一些开设的项目和相关的技能做简要介绍。大数据硕士项目主要为业界从事互联网分析，广告分析，或者统计分析的相关职位输送人才。 大数据相关技能
统计学相关知识: 回归分析，多元统计分析，时间序列分析 统计软件：R, SPSS, SAS计算机算法知识：数据结构，算法，数据库，数据挖掘，机器学习, 数据可视化计算机编程: C/C++, Java, Python, Hadoop/MapReduce 申请人背景 大数据项目根据项目所在学院适合不同本科背景的人申请，尤其偏爱在数学、计算机、统计方面背景比较强的同学，同时部分项目也需要一定商业实践经历。 开设相关或类似项目学校 MITMS in Business Analytics – Data Science Track 开设学院：商学院 适合背景：数学/计算机/工程 点评：Sloan商学院2016Fall新开的一年项目，特为理工科开设，主要针对数学/工程背景希望转商科。除了强大的数理背景外还需要实习经历，要求三封推荐信中至少有一封是来自业界人士。 Harvard S. M in Computational Science and Engineering –Data Science Track 开设学院：工学院 适合背景：数学/计算机/工程 点评：传统计算机数学交叉项目，比较喜欢数学背景，里面很多科偏应用数学，
广州药业集团进行数据分析系统的成功案例 广州药业集团是香港上市的H股公司，下属八家制造企业，三家医药贸易企业，是中国最大的中成药制造商，中国第三大医药贸易商。广药集团应用广药数据分析系统后，应收款周转天数由70天下降到50天，对于提高企业的整体管理水平和科学决策水平起到了积极的作用。 1.应用背景 由于广药是当初多家企业组成集团公司，在各企业中都存在各自的系统。这就决定了它们产生的营运数据的不同，这些数据格式的不同，跨越软件和硬件平台的不同。而且随着时间的增加，数据量日益增大，如果需要及时访问大量的数据会使系统瘫痪。企业中的这些系统仅是简单的MIS系统，无法提供深层次的管理决策服务，这些数据也没得到很好的利用。同时随着我国市场经济的不断发展，WTO的临近。广药面临着日趋激烈的市场竞争，为了提高企业的整体管理水平、适应社会能力和竞争能力，高效快捷地进行数据分析处理和预测是就显得非常重要。因此建立一套用来"了解和掌握市场信息和企业内部的变化情况和根据市场的变化迅速调整优化企业的产品结构和市场策略"的系统就非常重要。 2.系统目标 帮助企业对内部和外部的营运数据进行收集、归纳、量化，并提供多种数据分析、数据挖掘工具，辅助企业管理者进行科学分析预测，提高企业的数量化管理水平、提高的市场竞争力。主要功能有：关键指标分析系统、财务分析系统、销售分析系统、生产计划和库存分析系统、预测分析系统及多元统计分析系统。 3.体现价值 (1) 实现了关键性分析数据的集中存储、管理和共享 广药以往用于关键性经营指标分析的数据由于存放在不同平台的业务系统数据库中，没有统一的管理和规划，几乎没有通用性和和兼容性，很难实现总部的管理利用，只能由人工进行统计和计算，时间的延误和计算的误差无法避免，分析准确性较差。在广药数据分析系统的实施与使用后，由系统自动从不同的业务系统平台定期收集所需相关数据，存储于数据库中，实现了数据的集中存储、管理和共享。 (2) 日常经营统计数据的灵活获取 以往，要获得不同分析角度不同侧重点的可靠性指标需要进行大量重复工作，难度较大，很难做到及时准确，同时，分析角度稍有变化现有的数据可能就无法再次利用。在使用广药数据分析系统后，系统提供的多视角分析和数据挖掘功能使用户多角度灵活分析其产品可靠性指标的需求得到充分满足。同时，通过对分析角度之间任的意组合、对分析角度任意层次间的灵活钻取和对分析结果的切片等操作，保证了灵活、高效地获取所需的可靠性指标信息。 (3) 使得管理者可以从复杂的观察工作中抽身而出 以往是管理者想知道目前企业经营状况，须叫有关人员统计大量报表，让后管理者再从报表中查找问题。上了广药数据分析系统后，只要通过设定企业日常关注的一些重要指标及这些指标异常的参数，每天本模块会自动检查这些指标，发现问题即时提示。这样管理者每
商业数据分析工具》实验教学大 纲 大纲制定（修订）时间： 2017 年 11 月 课程总学时： 16 实验（上机）计划学时： 8 开课单位： 经济管理学院 、大纲编写依据 3. 近年来《商业数据分析工具》实验教学经验。 二、实验课程地位及相关课程的联系 1. 《商业数据分析工具》是信息管理与信息系统专业重要的专业方向课程； 2. 本实验项目是《商业数据分析工具》课程综合知识的运用； 3. 本实验是一门实践性很强的课程，在计算机行业里应用非常广泛，通过上机 实验，不仅巩固学生在课堂上所学的知识，加深对数据分析工具的理解，更重要的 是通过实验题目，提高学生的动手能力，增强学生就业的竞争力； 4.本实验为后续的《商业数据分析工具》和毕业设计等课程有指导意义。 三、本课程实验目的和任务 1. 理解商业数据分析的基本理论，训练运用商业数据分析软件对研究问题进行 分析、设计、实践的基本技术，掌握科学的实验方法； 2. 培养学生观察问题、分析问题和独立解决问题的能力； 课程名称： 商业数据分析工具》 课程编码： 课程类别： 专业选修课程 课程性质：选修 适用专业： 信息管理与信息系统 1. 信息管理与信息系统专业 2017教学计划； 2. 信息管理与信息系统专业 求； 商业数据分析工具》 理论教学大纲对实验环节的要
3.通过本课程的学习与实践，加深对数据分析方法的基本理论(回归分析、方差 分析、聚类分析、判别分析等)的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 4.培养正确记录实验数据和现象，正确处理实验数据和分析实验结果及调试程序的能力，以及正确书写实验报告的能力。 四、实验基本要求 1.实验项目的选定依据教学计划对学生实践能力培养的要求; 2.巩固和加深学生对商业数据分析工具的运用，提高学生解决问题的能力及结合运用所学知识解决问题的能力； 3.实验项目要求学生掌握excel基础知识、SPSS部分知识,并运用相关知识自行设计实验方案，完成具有一定数据的计算跟分析。 4.通过实验，要求学生做到: (1)能够预习实验，自行设计实验方案，并撰写实验报告; (2)学会Excel的使用，能利用Excel程序对数据进行处理，验证课程中涉及的各知识点； (3)能够独立分析数据计算结果，并撰写实验报告。 五、实验内容和学时分配