>> 演讲笔录—— 李萱

谢谢大家今天能来到这里我们一起分享有关数据挖掘，特别是基于数据挖掘的技术怎样来提高我们进行数据营销的效果，最主要目的是帮助我们业务能够增长。

益百利是全世界最大的信息技术公司，在16个国家拥有征信局，有很强的数据处理能力，有数据分析和挖掘的能力。和新华信形成战略合作就是要在这个方面，在我们国家新兴的基于数据分析、挖掘来帮助我们做业务这样一个领域里，在刚刚兴起的时候能够介入进来，能够给大家提供国际上最先进的理念、方法和产品服务，把大家的业务做到更高的层次，从而把我们在国外积累的这么多年的经验，和新华信在国内积累的经验结合起来，在这个领域里有很大的合作空间。

今天给大家介绍的内容主要是三部分，第一部分是什么是数据挖掘。从数据挖掘的角度我们要深入到挖掘的过程，我基于数据的决策，不是拍脑门的。

什么是数据挖掘？数据挖掘是从大型数据库、数据仓库中自动地找寻出隐藏着有预测性信息的过程，这是一种隐形统计学方法。隐藏的意思就是说隐藏在数据里面，隐藏是因为数据量很大。如果只有十条数据，一看就看清楚了，不用隐藏，都在那儿。如果有上亿条信息的时候，你就没办法看得很清楚，看到上边看不到下边，好多信息就是非直观的不明显的。预测性就是说我们通常做数据挖掘的时候，我们脑子里面有一个期望，不一定是现实，我这些数据过去发生了，明天还会发生，要不然的话我做数据挖掘这个事就像一个癖好，没有目的。我希望过去发生的事将来还能重复，这样有意义。大家在市场里想预测明天怎么走，这就是一个预测。

什么属于数据挖掘的方法？比如像决策树、神经网络、规则推理、最近邻居、基因算法，这属于典型的数据挖掘方法。什么不属于数据挖掘的方法？有时候大家概念会混淆，像数据仓库、数据库报表、在线分析处理、数据视觉展现，这些都不是典型的数据挖掘的方法。包括一些报表的方法，都不是数据挖掘的方法。

数据挖掘常用的领域很多。市场营销里面包括直邮、客户获取、客户保留，是我的客户有谁要走，我要早知道，就可以防止他的流失。数据挖掘用以解决的问题类型，我们把它分成几类。有一种是分类、分群，常见的在金融领域里是0/1型，你是好的还是坏的，你是走的还是留下的，你是买了东西的还是没买东西的。还有一种是多重类别选择，比如好中差、高低矮，有多个类型的产品可能分成五类、十级，都可以按类型来做数据挖掘的方法。还有一种是预报，比如天气预报是典型的，什么样的温度，什么样的下雨概率。还有一种相关规则抽取，比如我有市场购物篮的分析。还有一些市场分析是发现次序规律，主要是在海量信息下、交易领域里有很多规则，比如使用信用卡的时候，升高一个额度之后你观察到他开始付不上款，最后成为坏账。如果在营销领域里看到他买了一个高端的产品，又买了一个低端的产品，又买了高端的产品，这就是高低高。或者这个人永远买高端产品，或者这个人永远买低端产品，这就是找模式次序的方法。

数据挖掘中模型构件过程分类。我们有监控型的，一种是可控制的，这个边界给我定义的是业务过场。在我们这个业务里，举个例子，我做一个营销的计划，有的人、有的厂家买了我推销的产品，有的没买我推销的产品，我业务的目标实际是想看谁买我的东西。所以在我做数据挖掘的时候，我脑子里有非常明确的目标。未监控的，通常情况下就是说我有一个规则和方法扔给海量数据库，我让它自己跑，跑出来最常见的模式、规则，从大到小，从高到低列出来。大家听说啤酒和尿布的理论发生了，很多时候是漫无目的的。为什么尿布和啤酒联系在一起，原来这些男人下班之后，老婆打电话让他带尿布，正好带一瓶啤酒回家。有没有必要把尿布和啤酒搁一块或者离得越远越好。通常大家想象这个规律是没用的，你发现的这些东西漫无目标的很多。

什么是预测模型？就是一个黑箱。在国内破产法还没有出来。国外破产法有规定，你可以从万劫不复中跳出来，允许你破产。在这种情况下，我们要预测什么样的人在什么样的情况下他有可能会破产，像这种模型有很多变量，这些变量就是数据。出来的结果，我想知道这个人会不会破产，这些变量可以是他的年龄，现在欠多少钱，也可能是眼睛的颜色，谁知道呢，要发掘之后才知道。你发现绿里偏灰的颜色就会破产，通常情况下可能不会。需要采集到很多过去和现在的信息，因为这是用过去和现在的行为通过建模的方法找到和今天的关系。

如何判定预测模型的优劣。我们对于模型的要求主要是精确性，大家对于基尼指数可能比较熟悉，可以判定模型是不是精准。还有稳定性，你昨天发生的事预测今天，今天发生的事预测明天，明天发生的事预测不了后天，那这个模型还是白做，一定要有一定的稳定性。好的模型要易于解释，这个模型出来之后是一堆变量、一堆数学公式摆在这儿。如果没法解释，那你没法说服你的老板、出钱的人把模型装到系统里帮助做业务。特别模型出来以后，你使用的变量跟预测的东西正好相反，那时候更麻烦了。还有模型的构建方法，从最易的到最难的，决策树、规则推理、回归模型、神经网。

在一个现实世界里，这个图是基于数据要做很多支持。数据仓库设计的时候不是基于要做数据库营销或者基于数据的策略、基于信息策略的方式，所以最后产生营销的结果和客户产生的结果也要进数据库。数据分析这块也要和数据库发生关系，产生很多数据的相互交互。这边天天都在着火，但是没法解决问题。一个理想的世界应该是这样的，它是在循环往复的，每个会有相应的业务部门跟他勾连，我就是帮他做业务的。这个业务只和业务客户发生关系，客户的结果会反馈回来。天天做、月月做、年年做这个过程。如果你做这样的一份工作，那么我要恭喜你，你不会失业，这个事情是永远做不完的，。

基于信息的决策——三层架构。底层是数据库、数据仓库系统，中层是预测模型，高层是业务决策。三层架构之间关系非常重要，通过跟客户来探讨这个问题，包括跟美国也是一样，困惑大家的一个问题，我怎么设计这个东西，我设计出这个东西之后将来怎么用，苦于将来不知道怎么用它，你不明确将来怎么用它的话，现在设计肯定有问题，设计出来的东西不一定是将来要做的业务。所以一定要花时间、花精力分析清楚、搞清楚，然后设计出来一个能满足业务需求的体系，这是非常关键的问题。面临很多基于数据的企业。

最后要讲的就是两种方式、两种结果。一种是闭着眼睛来做营销，就是这个方式。我挑这么多人，在美国是直邮，就是发信。在国内是打电话、发信。在这个基础之上，回来用这个东西的人，通常情况下并不一定是你想要的人，这是问题。因为你不知道什么样的人你想要，只是从大众里抽这么多人你发给他。通常是你不想要的人倒接受了，这样你永远处于一种劣势，你做了事，回来的东西又不是你完全想要的。你采取另一种有计划的方式往下做，你先做一个测试，在这个基础上做模型，你知道你想要什么样的人，至少我要付我账的人，不想要赖账的人，而且要喜欢我产品的人，在这种情况下，你用这个模型再到人群里抽，它就跟以前拍脑门的人不一样。你做数据挖掘的工作是有一个平台可做的，业务需要你的支持来完成，在这种情况下才能形成良性的基于数据库营销的体系。

我今天就讲到这儿，一会儿还有时间来答疑，再进行交流。谢谢。