1 / 33

第 9 章

第 9 章. 基本的資料探勘、線上分析處理、資訊呈現. 資料探勘 ( 續 ). 企業常將顧客分類，進行資料探勘，以便行銷策略可更有效的針對特定群體。典型的例子是以 RFM 區分顧客，意即最近購買時間、頻率、金額等，這些資料庫取自顧客，可進行量化分析。. 資料探勘. 倉儲資料儲存室是企業的資源，須完成三個基本功能： 從倉儲資料儲存室中取得資料 資料轉換成資訊 資訊呈現給 CRM 系統的使用者. 資料探勘 ( 續 ). 資料探勘是從倉儲中取得資料，有些資料探勘軟體也可作資料轉換與呈現， OLAP( 線上分析處理 ) 系統是針對資料倉儲使用者設計的軟體

emery
Download Presentation

第 9 章

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第 9 章 基本的資料探勘、線上分析處理、資訊呈現

  2. 資料探勘(續) • 企業常將顧客分類，進行資料探勘，以便行銷策略可更有效的針對特定群體。典型的例子是以RFM區分顧客，意即最近購買時間、頻率、金額等，這些資料庫取自顧客，可進行量化分析。

  3. 資料探勘 • 倉儲資料儲存室是企業的資源，須完成三個基本功能： • 從倉儲資料儲存室中取得資料 • 資料轉換成資訊 • 資訊呈現給CRM系統的使用者

  4. 資料探勘(續) • 資料探勘是從倉儲中取得資料，有些資料探勘軟體也可作資料轉換與呈現，OLAP(線上分析處理)系統是針對資料倉儲使用者設計的軟體 • 資料探勘並非只是從資料倉儲直接取得資料，而是從之前未知的資料中取得資訊。 • 資料探勘(data mining)可界定為蒐集資料市集之過程，可使使用者了解以前未知的資料型態、關係、趨勢等。將其運用於CRM，則是從顧客資料中，更了解顧客及其行為。

  5. 決策支援 • 資料倉儲系統並非只是交易處理系統，而是要用於決策制定。 • 將電腦運用於決策支援系統(DSS)的理念可追溯至Gorry與Morton兩位麻省理工學院教授於1971年發表於史隆管理評論(Sloan Management Review)的文章，該理念可相對於管理資訊系統(MIS- Management Information System)，但MIS偏向企業整體資訊之發掘，但運用的結果是，管理者不一定知道所需的資訊，而資訊專業人員也不一定懂管理。 • Gorry與Morton將MIS觀念與決策支援系統(DSS- Decision Support System)觀念結合，以便針對問題加以解決。

  6. 圖表9.1 供決策支援之資料探勘

  7. 假設驗證與知識發現 • 資料探勘之使用過程稱為假設驗證(hypothesis verification)，使用者可用CRM系統支持或拒絕其假設。 • 資料探勘也有助於知識發現(knowledge discovery)，使用者透過CRM系統之使用，可確認資料中存在之特性，透過資料之發掘予以陳述。 • 假設驗證以使用者導向(user-driven)進行，知識發現則以系統導向(system-driven)之方式進行。

  8. 資料探勘功能 • 分類 • 許多公司常依顧客行為將顧客分類，以提供較佳之服務 • 分群 • 賣方喜歡依顧客相似特性，將顧客分群，企業可依此資料，對特定分群推出行銷方案。 • 資料探勘軟體可結合人口統計變數、地理、活動、心理、行為變數等資料進行分群，計算程序(algorithm)可將資料結合軟體，以得到更豐富的資訊。

  9. 資料探勘功能(續) • 連結 • 連結是用於產品之間，賣方可了解連結是否存在，及其強度，且基於相關產品而進行決策。 • 例如：早餐之製造商可藉優惠券資料獲知哪些產品被購買，零售商可將常被一起購買之產品放在一起展示，確認連結之過程稱為發現連結(associations discovery)。

  10. 資料探勘功能(續) • 型態或序列 • 賣方也會對顧客購買行為之型態或序列有興趣，有些行為會以某序列方式發生，資料探勘型態稱為發現序列型態(sequential pattern discovery)，包含時間為變數，序列的強度可用量化方式加以衡量。 • 另一個發現型態或序列的方法是相似時間序列發現(similar time sequence discovery) ，不僅發現序列型態，也確認相似型態的行為。顧客依序列購物，及相似時間序列發現可用於確認其他分群也有類似的序列，資料探勘軟體系統可完成這些功能。 • 哈拉博奕公司如何應用此功能

  11. 知識發現方法 • 決策樹 • 決策樹(decision tree)是基於屬性而進行推導的過程，可用一系列的架構進行推論，通常只有一個起點，但有多個終點 • 決策樹的基礎稱為根部，分枝的盡頭則稱為樹葉，通常根部在圖表的上方或左方，邏輯過程是由上而下或由左至右。

  12. 圖表9.2 決策樹

  13. 圖表9.2 決策樹(續)

  14. 知識發現方法(續) • 算術推導 • 算術推導(genetic algorithm)則基於最適化之觀念加以推導，圖表9.3表示廣告策略之推導，該策略目標是使銷售極大，太少廣告將喪失潛在的收入，太多也對企業不利。

  15. 圖表9.3 算術推導之例

  16. 知識發現方法(續) • 記憶體為基礎之推導 • 記憶體為基礎之推導(memory based reasoning)是指基於已往記憶，預測未來可能發生之事項，運用在行銷上，則是以已往產品之購買預測其品牌忠誠度。 • 資料探勘的應用中，資料紀錄可得知顧客行為，大量購買的顧客可分類為忠誠的顧客，也可用於預測未來可能的序列行為。 • RFM(最近購買時間、頻率、金額等)是記憶體為基礎之推導的例子，可預測其未來行為。

  17. 知識發現方法(續) • 神經網絡分析 • 神經網絡分析(neural networks)是基於人體腦部之基礎，配合電腦輸入、處理、輸出等架構，所形成的分析架構 • 圖表9.4A是分析中的元件要素，包含輸入、處理、輸出等，為單一方向推導 • 圖表9.4B則結合更多來源，形成網絡分析。 • 圖表9.5則以表列方式呈現四種基本的資料探勘所能達成之功能。

  18. 圖表9.4 神經網絡分析

  19. 圖表9.5 知識發現方法可完成之基本功能

  20. 線上分析處理(OLAP)之基本概念 • OLAP是基於資料倉儲使用者之需求，使其達成互動效果，並進行多維度分析及獲得迅速回應。使用者可基於網路(Web)畫面進行互動利用，且可獲得包含圖形之結果。 • OLAP可用於移動平均及時間序列等之運算，OLAP也支援向下查詢、向上查詢、橫向查詢、穿越查詢 • OLAP也可將資料加以轉軸，從不同角度看資料，將於圖表9.6討論。

  21. 圖表9.6 產品多元分類

  22. 圖表9.6 產品多元分類(續)

  23. 圖表9.6 產品多元分類(續)

  24. 基本的線上分析處理架構 • OLAP的資料可取自關係性或多維度的資料庫，前者稱為ROLAP(關係性線上分析處理- Relational Online Analytical Processing)，後者稱為MOLAP(多維度線上分析處理- Multidimensional Online Analytical Processing)，架構列於圖表9.7 • ROLAP從關係性資料庫管理系統中取得資料，MOLAP則從多維度資料庫系統中取得資料。

  25. 圖表9.7 ROLAP 與 MOLAP 架構

  26. 關係性線上分析處理(ROLAP) • 各資料庫以關係性表格組成，採資料庫常用標準軟體，經證明可不受限於資料規模，但若受資料規模限制，則影響其分析能力。

  27. 圖表9.8 ROLAP 報告之例子

  28. 多維度線上分析處理(MOLAP) • 多維度資料庫正在成長，IBM與微軟已發展多維度資料庫管理系統(MDBMSs) • MDBMSs適用於OLAP以完成多維度分析，但資料庫規模受限。因此須將MDDB下載至顧客工作站，MDBMSs只需管理一部分的資料庫即可。CRM系統的設計者須決定用ROLAP或MOLAP • ROLAP適用於資料庫很大，而分析為中等 • MOLAP適用於資料庫較小，而分析較複雜 • 須結合ROLAP與MOLAP的強勢，則須用HOLAP。

  29. 圖表9.9 MOLAP 報告之例子

  30. OLAP軟體 • OLAP軟體系統有兩個例子，一個是微軟SQL 2000伺服器，另一個是IBM DB2。 • 微軟的產品可提供多維度構面，且將量化數據加以彙總，資料可用彈性及迅速報告之方式提供。細節及彙總資料可用關係性或多維度OLAP資料庫加以儲存，或以複雜結合方式，稱為HOLAP (Hybrid Online Analytical Processing)。在HOLAP，細節資料儲存在關係性資料庫，而彙總資料儲存在多維度資料庫。 • IBM DB2則可提供假設導向之資料探勘，且迅速回應，以假設推導之邏輯加以分析。

  31. 資訊呈現 • 資訊使用者 • 初學者(novice)是指沒有受過特別的電腦訓練，需要訊息，但不須分析，主管是其中一例，他只需彙總的資訊。 • 分析人員(analyst)是指精通分析之使用，且應用統計工具，將資訊加以轉換，以供主管使用，主管的幕僚是其中一例。有權力者(power user)，他們將資訊分析，且加入其他總體資訊，通常是資訊專業人員

  32. 資訊呈現(續) • 資訊傳送軟體 • 報告撰寫 • 資料庫查詢語言 • 決策支援系統 • 線上分析處理

  33. 圖表9.10 資訊傳送過程(End)

More Related