数据挖掘实际应用,数据挖掘的应用与实践

什么是数据挖掘,简述其作用和应用。

1、数据准备阶段指从最初原始数据中未加工的数据构造数据挖掘所需信息的活动。数据准备任务可能被实施多次，而且没有任何规定的顺序。

2、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

3、特征选择和特征提取：确定对分析有意义的特征，并使用各种算法和技术从原始数据中提取出这些特征。数据挖掘算法选择：根据具体问题选择适当的数据挖掘算法或模型，例如聚类、分类、关联规则、回归、决策树、神经网络等。

4、数据挖掘实际应用功能可分为三大类六分项来说明：Classification和Clustering属于分类区隔类；Regression和Time-series属于推算预测类；Association和Sequence则属于序列规则类。当前数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物、天体、化工、医药等方面。看似广泛，实际应用还远没有普及。

数据挖掘在电信客户流失分析中的应用

在市场营销中利用数据挖掘技术可以解决的问题有：识别有价值的顾客及他们的性格特征，预测消费者的购买行为，顾客流失分析，评估广告效果，评估及划分信用风险，评估潜在消费者交叉销售和向上销售直接目标销售，欺诈发现关于环境变化的状态参数及可能性概率。

需求驱动的数据挖掘热潮 需求是创新的源泉，西方发达国家因此掀起了数据挖掘的热潮。商业界和电信行业纷纷利用数据挖掘解决客户分群、流失预测等难题，工业界也在生产管理和决策中寻找数据的启示。

便于实现对客户的动态跟踪和维护。这种客户细分方法不仅可以在某一时点对客户进行细分，而且可以很方便的动态跟踪客户的变化情况。能够及时发现客户的异常变化，从而进行预警分析和跟踪，对于保网工作而言非常有效。

数据分析师：在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告。 2）数据挖掘工程师：在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析。 3）科学研究方向：在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用。

对数据进行分类是CRM客户关系管理系统在数据挖掘的过程中非常重要的环节，在目前的电子商务企业当中运用得最多，分类的目的是建立数据模型，模型的作用是将这些数据明确的区别开来，不同种类的数据有着不同的分析作用，比如，客户的年龄、职业、爱好等，都属于数据分类模型。