数据挖掘与预测分析术语总结.docx

数据挖掘与预测分析术语总结

数据挖掘目前在各类企业和机构中蓬勃发展。因此我们制作了一份此领域常见术语总结，希望你喜欢。

分析型客户关系管理（AnalyticalCRM/aCRM）:用于支持决策，改善公司跟顾客的互动或提高互动的价值。针对有关顾客的知识，和如何与顾客有效接触的知识，进行收集、分析、应用。参见

大数据（BigData）:大数据既是一个被滥用的流行语，也是一个当今社会的真实趋势。此术语指代总量与日俱增的数据，这些数据每天都在被捕获、处理、汇集、储存、分析。维基百科是这样描述“大数据”的：“数据集的总和如此庞大复杂，以至于现有的数据库管理工具难以处理（?）”。

商业智能（BusinessIntelligence）:分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。

流失分析（ChurnAnalysis/AttritionAnalysis）:描述哪些顾客可能停止使用公司的产品/业务，以及识别哪些顾客的流失会带来最大损失。流失分析的结果用于为可能要流失的顾客准备新的优惠。

联合分析/权衡分析（ConjointAnalysis/Trade-offAnalysis）:在消费者实际使用的基础上，比较同一产品/服务的几个不同变种。它能预测产品/服务上市后的接受度，用于产品线管理、定价等活动。

信用评分（CreditScoring）:评估一个实体（公司或个人）的信用值。银行（借款人）以此判断借款者是否会还款。

配套销售/增值销售（Cross/Upselling）:一个营销概念。根据特定消费者的特征和过往行为，向其销售补充商品（配套销售）或附加商品（增值销售）。

顾客细分画像（CustomerSegmentationProfiling）:根据现有的顾客数据，将特征、行为相似的顾客归类分组。描述和比较各组。

数据集市（DataMart）:特定机构所储存的，关于一个特定主题或部门的数据，如销售、财务、营销数据。

数据仓库（DataWarehouse）:数据的中央存储库，采集、储存来自一个企业多个商业系统的数据。

数据质量（DataQuality）:有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程，并能满足在运营、决策、规划中的预期用途。

抽取-转换-加载ETL(Extract-Transform-Load):数据仓储中的一个过程。从一个来源获取数据，根据需求转换数据以便接下来使用，之后把数据放置在正确的目标数据库。

欺诈检测（FraudDetection）:识别针对特定组织或公司的疑似欺诈式转账、订购、以及其他非法活动。在IT系统预先设计触发式警报，尝试或进行此类活动会出现警告。

Hadoop:另一个当今大数据领域的热门。ApacheHadoop是一个在已有商业硬件组成的计算机集群上，分布式存储、处理庞大数据集的开源软件架构。它使得大规模数据储存和更快速数据处理成为可能。

物联网（InternetofThings,IoT):广泛分布的网络，由诸多种类（个人、家庭、工业）诸多用途（医疗、休闲、媒体、购物、制造、环境调节）的电子设备组成。这些设备通过互联网交换数据，彼此协调活动。

顾客的生命周期价值(LifetimeValue,LTV)：顾客在他/她的一生中为一个公司产生的预期折算利润。

机器学习（MachineLearning）:一个学科，研究从数据中自动学习，以便计算机能根据它们收到的反馈调整自身运行。与人工智能、数据挖掘、统计方法关系密切。

购物篮分析（MarketBasketAnalysis）:识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。此类分析的结果被用于推荐附加商品，为陈列商品的决策提供依据等。

联机分析处理（On-LineAnalyticalProcessing,OLAP）:能让用户轻松制作、浏览报告的工具，这些报告总结相关数据，并从多角度分析。

预测分析（PredictiveAnalytics）:从现存的数据集中提取信息以便识别模式、预测未来收益和趋势。在商业领域，预测模型及分析被用于分析当前数据和历史事实，以更好了解消费者、产品、合作伙伴，并为公司识别机遇和风险。

实时决策（RealTimeDecisioning,RTD）:帮助企业做出实时（近乎无延迟）的最优销售/营销决策。比如，实时决策系统（打分系统）可以通过多种商业规则或模型，在顾客与公司互动的瞬间，对顾客进行评分和排名。

留存/顾客留存（Retention/CustomerReten