首頁 > 在增量提升曲線中標示了各個分段的命中數(shù)。 在圖1中可以看到，增量提升曲線在第4個分段后和隨機期望線(275個響應(yīng)的10%，即平均每個分段27.5個響應(yīng))交叉。 不管營銷經(jīng)理怎么去看，上述的表格和圖形都可以把必要的信息傳遞給他們。 營銷人員可以借助模型評估工具，來設(shè)定要給多少個客戶發(fā)郵件。 以表1為例，營銷人員可以向前四個分段的客戶(占整個評分名單的40%)發(fā)郵件，并預(yù)期可以命中70%的潛在響應(yīng)客戶。
很多數(shù)據(jù)挖掘工具的廠商都對這個過程進行了簡化，使之更加清晰。 SAS將數(shù)據(jù)挖掘過程劃分為五個階段： 抽樣(Sample)，解釋(Explain)，處理(Manipulate)，建模(Model)，評估(Assess)。 過去人們常用循環(huán)式的飲水器來比喻數(shù)據(jù)挖掘過程。 水(數(shù)據(jù))首先涌上第一層(分析階段)，形成漩渦(精煉和反饋)，等到聚積了足夠多“已經(jīng)處理過”的水之后，就溢出來流到下一個更低的層中。 不斷地進行這種“處理”，直到水流到最低層。在那里它被抽回頂層，開始新一輪的“處理”。 數(shù)據(jù)挖掘和這種層次式的疊代過程非常相像。 甚至在很多數(shù)據(jù)挖掘算法的內(nèi)部處理也是如此，比如神經(jīng)網(wǎng)絡(luò)算法，就是在數(shù)據(jù)集上多次運行(epochs)，直至發(fā)現(xiàn)最優(yōu)解。 Insightful Miner已經(jīng)在其用戶界面中內(nèi)建了簡單過程模型。 這種集成可以幫助用戶把必要的數(shù)據(jù)挖掘任務(wù)組織起來，讓任務(wù)能夠按照正確的順序來處理。
但使用飲水器來比喻數(shù)據(jù)挖掘過程還不算恰當，因為它沒有反映出反饋環(huán)路，而反饋環(huán)路在數(shù)據(jù)挖掘過程中是很常見的。 例如，通過數(shù)據(jù)評估可以發(fā)現(xiàn)異常的數(shù)據(jù)，從而要求從源系統(tǒng)中抽取更多的數(shù)據(jù)。 或者，在建模之后，會發(fā)現(xiàn)需要更多的記錄才能反映總體的分布。
在CRISP過程模型中進行了解決這個問題的嘗試，該模型是由Daimler-Benz、ISL (Clementine的開發(fā)者)和NCR共同制定的。 CRISP同時也被集成到Clementine挖掘工具(現(xiàn)在屬于SPSS公司)的設(shè)計中。 CRISP幾乎反映了完整的數(shù)據(jù)挖掘環(huán)境。
圖2： CRISP圖例
使用數(shù)據(jù)建模其實和做陶土模型或者大理石模型差不多。 藝術(shù)家首先從一大堆材料開始著手，經(jīng)過許多次的加工和檢查，才誕生了最終的藝術(shù)品。很多人在建模過程中常常沒有充分理解建模的本質(zhì)，由此帶來了一系列問題，使得建模變得很復(fù)雜。 Eric King發(fā)現(xiàn)數(shù)據(jù)挖掘是一個循環(huán)的過程(就象上圖中的CRISP流程圖)，而非線性的過程。 這種循環(huán)式的數(shù)據(jù)挖掘過程會讓您想起Wankel轉(zhuǎn)式汽車發(fā)動機。 這種發(fā)動機是一圈一圈旋轉(zhuǎn)的(而非上下運動)，不斷輸出動能來驅(qū)動汽車。 與之相似，數(shù)據(jù)挖掘過程也是不斷循環(huán)，產(chǎn)生信息來幫助我們完成商業(yè)目標。 信息就是推動商業(yè)的“能量”。 在挖掘過程中會有很多對前一個階段的反饋(例如，在完成初步建模之后可能需要獲取更多的數(shù)據(jù))。
不過，在CRISP流程中還是遺漏了一個要素——那就是對數(shù)據(jù)倉庫或源系統(tǒng)的反饋。 前一次CRM營銷活動的結(jié)果應(yīng)該導(dǎo)入數(shù)據(jù)倉庫，為后續(xù)的建模提供指導(dǎo)，并能跟蹤營銷活動間的變化趨勢。 我在CRISP流程圖中加入了這些反饋，以紅線表示(見圖2)。
通過數(shù)據(jù)挖掘過程的結(jié)構(gòu)，我們可以得知數(shù)據(jù)挖掘工具必需能完成那些任務(wù)，但是工具常常會缺少對部分功能的支持。 當產(chǎn)生了挖掘結(jié)果時，你會怎么使用這些結(jié)果呢? 此外，針對挖掘結(jié)果所采取的這些行動又將如何影響后續(xù)的挖掘? 數(shù)據(jù)挖掘工具應(yīng)該具備的一些功能包括：
- 將模型導(dǎo)出到多種數(shù)據(jù)庫結(jié)構(gòu)中
- 模型的導(dǎo)出格式，適合于決策支持和商業(yè)行動的應(yīng)用
- 挖掘算法的輸出數(shù)據(jù)，可以為另外的算法所用
- 能夠比較不同算法的結(jié)果
IT專家網(wǎng)
