SPSS数据挖掘工具——Clementine介绍.ppt

SPSS数据挖掘工具——Clementine介绍钟云飞Tel804

议程讨论什么是数据挖掘数据挖掘方法论Clementine的技术特性

什么是数据挖掘？数据挖掘是从大量数据中发现未知并且有价值的规那么和模式的过程

什么是数据挖掘？数据挖掘不是：分析方法和模型的盲目应用大量数据堆积而成的无价值规律数据挖掘是：是以用户和业务为中心的，充分利用分析模型技术和计算机的强大功能的交互过程可以从大量数据中发现有价值的规律，没有数据挖掘这些是无法想象的

什么是数据挖掘？数据挖掘可以从很多方面提高效率、降低本钱或改善效劳更好的过程控制质量提高需求计划…………销售生产产品设计数据挖掘药物发现产品计划产品设计产品排列需求驱动的库存控制客户关系管理…………

数据挖掘的商业思路更好的数据挖掘结果!知识商业问题?行业经验

数据挖掘的技术思路?商业问题数据挖掘问题!商业问题解决方案

数据挖掘问题类型分类——商业角度电信行业：流失、交叉销售、欠费模式发现、客户分群、客户价值评估……金融行业：贷款归还预测、客户信用政策分析、客户分群、金融犯罪的发现……零售业：促销活动有效性分析、顾客忠诚度分析、购置推荐……政府行业：欺诈发现……电子商务：网络日志分析……返回

数据挖掘问题类型分类——技术角度数据描述和汇总(Datadescriptionandsumarization)细分(Segmentation)概念描述(Conceptdescriptions)分类(Classification)预测(Prediction)相关分析(Dependencyanalysis)返回

一个演示—客户价值评估

——数据挖掘更多的时候是一种理念，而不是表现在复杂的方法

商业问题：微软公司提供的例子数据库——罗斯文商贸公司，如何对客户价值进行评估数据挖掘问题：〔1〕如何描述客户价值？——购置总金额？购置频次？平均每次购置金额？最近购置金额？它们的线性组合？〔2〕需要什么样的数据挖掘方法？——描述汇总？分类？预测？概念描述？细分？相关分析？商业问题解决方案从所有客户中找出最有价值的10个客户，将名单发给市场部门，让其对这些客户进行更多的关注

数据挖掘方法论以解决商业问题为核心CRISP-DMCrossIndustryStandardProcessforDataMining(CRISP-DM)跨行业的数据挖掘标准流程以用户为中心的交互过程最终目标是数据挖掘结果在企业或机构中得到应用

数据挖掘方法论2002年8月7日由://调查，

CRISP-DMClementine的特征完全支持CRISP-DM标准针对CRISP-DM的各个阶段都有相应的结点相对应

数据理解Clementine的特征数据理解支持图形支持交互性可以指定颜色、样式等

数据理解Clementine的特征更多的数据理解支持描述性统计量和交叉表字段类型信息能够调用专业统计软件SPSS中的所有过程使用人工智能的技术探索你的数据

数据准备Clementine的特征数据准备同时从不同的数据源获取数据指定缺失值形式设定‘全局值’汇总数据缺失值填补主成分/因子分析合并字段和记录读取文本数据………………

数据准备Clementine的特征通过SQL语句导回使得数据挖掘的大量过程可以在数据库端进行1.大量的操作在数据库端进行.2.建模等工作在Server上进行3.客户端用于查看数据挖掘结果.4.数据无需在网上无谓的传输.

建立模型Clementine的特征有监督的数据挖掘模型预测算法：神经网络、CRT、线性回归分类算法：C5.0、Logistic回归、CRT、神经网络无监督的数据挖掘模型聚类算法：K-means、Kohonen、TwoStep关联算法：apriori,GRI,Sequence

建立模型Clementine的特征易用性非常好如果你熟悉数据挖掘算法，可以使用专家选项

建立模型Clementine的特征建立模型时有意义的反响图产生模型后生成的生动的结果

建立模型Clementine的特征Meta-Modeling通过合成多个模型提高模型的效果

模型评估Clementine的特征多种评估模型表现的方法同时评估多个模型的效果通过检验集评价模型的总体效果生成误判矩阵置信度评估图——gains,lift,response,pro