资料探勘在商业管理及决策分析之实例应用.pptVIP

1999/3/13 元智大學 -- 1999 資料倉儲/資料探勘商業應用分析研討會 1999/3/13 資料探勘在商業管理與決策分析之實例應用  報告人 邱昭彰 博士 資訊管理系/資訊管理研究所 元智大學 URL:.tw/faculty/chiu/chiu.htm 經營環境 經營環境日益挑戰 考量：成本、利潤、品質 . . . . 管理活動 整合：業務運作、管理控制、策略規畫 資訊密集行業 全方位/多角化經營 資料 --企業寶貴之資產 資料探勘之基本概念 背景 管理資訊超載及結構化不足 資訊混亂與誤用 管理問題複雜度高 即時決策分析日益重視 發展目的 有效利用蒐集之市場、客戶、供應商、競爭對手及未來趨勢資訊 使企業經由有效之方法與技術從歷史資料裡擷取有用的知識 資料探勘原理 主要方法 資料庫、資料視覺、統計學、機器學習等 相關技術 類神經網路、模糊邏輯、基因演算法、基因規畫、 案例庫推理法、規則庫推理、統計迴歸等 知識表現 決策樹 、法則、定量數學公式、黑箱公式 等 Data mining主要功能與技術 功能 技術 適用領域 關聯性 (Association) 案例庫推理/集合理論/統計 菜籃分析 時間序列 (Sequence) 類神經網路/統計 利率預測 分類 (Classification) 基因演算/類神經網路/統計/ 客戶評鑑分類 模糊邏輯案例推理/決策樹 公式 (Modeling) 基因規劃/基因演算/迴歸 銷售預測 群組 (Clustering) 類神經網路/模糊邏輯/ 市場區隔 基因演算/統計 資料探勘應用現況 Safeway 販賣促銷資訊（e.g. coupon) 音樂/電影喜好問卷蒐集 Fidelity Investment客戶服務 （cross-selling/ wallet share) First USA Bank信用卡資料（汽車房貸） Capital One 降低貸款風險損失率 First Union預測潛在流失客戶 預測侵蝕性的物質對皮膚的影響降低產品(藥品或毒品)的發展成本和時間，以及減少動物實驗的需求 分析零售商店歷史銷售記錄與位置概述以決定最佳的位置 分析提款機設置地點最佳位置 Data Mining 過程 了解應用領域 建立目標集、選擇目標資料集 去除資料雜質、做先置處理 減少資料和資料轉換 選擇資料探勘的模式（功能） 選擇資料探勘的演算法（技術） 資料探勘 評估第七步驟的結果 整理發現的知識 實例應用 客戶評鑑與分類 (NeuroFuzzy) 提升郵購回函率 (Fuzzy) 股市交易最佳化規則之發掘 (GA) 零售商品與客源群聚相關性分析 (Neural/Statistic) 民航機重落地分析（Regression Tree) 化妝品偏好分析（Classification Tree) 窯燒最佳化控制（Neural/GA) 大哥大忠誠客戶與游離客戶之分析及預測（Classification Tree) 股市交易最佳化規則之發掘 規則一﹕假如 6日RSI 小於 20且 6日BIAS 小於 -4% 時則 買入並持有12日 規則二﹕假如 6日RSI 大於 80且 6日BIAS 大於 5% 時則 賣出並放空10日 提昇Direct Mail回函率 Safeway 案例 面臨之挑戰 8 million transaction data/week (4 T MB) 500家店面與600萬客戶 市場競爭激烈，傳統手法技術式微 （如更低價位，更多據點，多類產品） 新的競爭關鍵焦點：掌握客戶需要--哪類客戶買哪些商品以及購買頻率 Market Basket Analysis  (菜籃分析） 其它相關應用 發掘背部手術成敗關鍵因素 磁磚顏色配比決策輔助 旋窯燃燒最佳化控制 研磨機鋼球配比及置放址決策輔助 電子能量、功率、廢氣流量、氨氣流量組合對氮氧化物及硫氧化物去除效率之模式發展 污染排放量預測模式（DEC