市場營銷中的數據分析方法市場營銷中的數據分析方法報告內容原理篇客戶關系管理中的數量方法方法篇數據分析方法概論統計分析方法數據挖掘分析方法工具篇常用數據分析工具簡介總結基本結論報告內容原理篇市場營銷中的數量決策問題傳統的純粹定性描述方法已遠遠不能滿足現代市場營銷實踐的需要，為了體現市場營銷學本身的科學性和對企業實踐的指導性，數據分析理論與方法在市場營銷學中占有越來越重要的地位。理論上－>計量市場營銷學的出現理念上－>數據庫營銷、關系營銷的興起實務上－>數據挖掘技術在客戶關系管理中的應用探察數量決策問題的兩個視角理論上的框架要素實務上的業務流程市場營銷中的數量決策問題傳統的純粹定性描述方法已遠遠不能滿足視角一：市場營銷學的理論框架

核心概念營銷觀念營銷計劃營銷組織營銷控制營銷審計產品策略定價策略分銷策略促銷策略需求分析市場細分目標市場市場定位基礎理論戰略理論策略理論管理理論視角一：市場營銷學的理論框架視角一示例：市場營銷中的產品決策產品定位定位圖分析（感知定位圖、偏好定位圖等）新產品擴散與產品生命周期管理巴斯模型（BASSModel）生長曲線模型（GrowthCurveModel）品牌決策消費者品牌選擇模型視角一示例：市場營銷中的產品決策產品定位視角二示例：電信業業務流程視圖（eTOM）運營實施保障計費運營支撐與就緒客戶關系管理服務管理與運營資源管理與運營供應商/合作伙伴關系管理(應用,計算與網絡)企業管理戰略與企業規劃財務與資產管理企業質量管理管理,過程與IT規劃&架構股東與外部關系管理品牌管理,市場研究&廣告人力資源管理災難恢復,安全&欺詐管理研究與開發,技術獲取戰略,基礎設施&產品產品周期管理基礎設施生命周期管理戰略與承諾營銷&產品提供管理服務開發與管理資源開發與管理供應鏈開發與管理(應用,計算與網絡)客戶視角二示例：電信業業務流程視圖（eTOM）運營實施保障計費運視角二示例：理解客戶與市場市場購買行為消費者購買行為模型消費者品牌選擇模型市場需求測量市場需求預測模型市場細分視角二示例：理解客戶與市場市場購買行為Tofind/discover/extract/dredge/harvest、、、2000人既玩籃球又吃谷類食品實務上－>數據挖掘技術在客戶關系管理中的應用公式模型（FormulaicModel）：模型化路徑，如數據挖掘弄清分析方法的概念、含義和適用范圍。通過系統分析定位目標營銷的客戶群，并自動生成客戶群信息進行管理，通過實時跟蹤客戶的營銷情況進行營銷策略的調整，并監控渠道銷售信息。有完善的數據定義、操作和管理功能AdHocQueries數量分析方法（QuantitativeAnalysis）數據類型不同（結構化數據、半結構化數據、非結構化數據）示例：基于價值的客戶細分（低價值客戶）思考模型（ContemplativeModel）：參數化路徑，如場景分析發現數據集中的頻繁模式ManufacturingSAS/QC（質量控制管理）；Teradata在Fortune500中的優異表現營銷預演是為了支持業務人員制訂新的資費營銷方案，然后對該方案在歷史數據上做相應的測算，從而根據測算結果來指導下一步工作。理念上－>數據庫營銷、關系營銷的興起利用上述函數，一未知分類變量值的數據記錄能夠盡可能準確地被判定到某一類別中去細分的目的可以讓管理者從一個比較高的層次上“鳥瞰”整個數據庫中的數據，從而可以用不同的方法對待處于不同細分群眾的客戶，提供相對個性化的服務。客戶生命周期與市場營銷策略客戶生命周期在不同生命周期階段需考慮不同問題如何發現并獲取潛在客戶？階段A（Acquisition）客戶獲取如何把客戶培養成高價值客戶？階段B：（Build-up）客戶提升如何使客戶使用新電信產品?如何培養顧客忠誠度？階段C：(Climax)客戶成熟如何延長客戶“生命周期”？階段D：(Decline)客戶衰退如何贏回客戶？階段E：(Exit)客戶離網客戶價值多種分析主題在不同時期應用客戶獲取市場細分與產品定位目標客戶特征識別刺激需求提升銷售交叉銷售目標營銷客戶保持生存分析客戶風險客戶挽留Tofind/discover/extract客戶細分細分是指將一個大的消費群體劃分成一個個細分群的動作，同屬于一個細分群的消費者彼此相似，而隸屬于不同細分群的消費者被視為不同。細分的目的可以讓管理者從一個比較高的層次上“鳥瞰”整個數據庫中的數據，從而可以用不同的方法對待處于不同細分群眾的客戶，提供相對個性化的服務?？蛻艏毞值哪康母玫牧私饪蛻艚Y構改善客戶管理與溝通增加客戶貢獻度客戶細分中的數量方法聚類分析卡方自動交互檢測（CHAID）客戶細分細分是指將一個大的消費群體劃分成一個個細分群的動作，營銷策略客戶保持基于獎賞及高成本事件驅動的保持策略專注的,區分優先級的Callcenter支持客戶獲取刻畫子分群的特征建立跟蹤系統（trackingsystems）以從價值的角度監控新來的客戶交叉銷售對高價值客戶進行交叉銷售會產生更大的收益經常地,頭20%的客戶貢獻了將近100%的整體利潤.這些客戶對CRM策略開發是至關重要的。示例：基于價值的客戶細分（高價值客戶）營銷策略經常地,頭20%的客戶貢獻了將近100%的整體利中間層代表了客戶的大多數.他們利潤較薄（thinmargins）但容量巨大（highvolume）.營銷策略定價與行為改變識別服務機會–增強可能的定價結構性定價以鼓勵改善收益性的行為交叉銷售利用預測模型識別具有潛在價值的客戶利用事件營銷與關系營銷策略去增加產品的持有量渠道與服務的效率識別高成本/低回報的渠道并重新部署或調整結構定位高成本業務流程以流線化或渠道遷移示例：基于價值的客戶細分（中價值客戶）中間層代表了客戶的大多數.他們利潤較?。╰hinmarg盡管數量很少

(10%to20%)但他們消除了很大一部分的利潤.營銷策略改變定價識別與負利潤相關的定價策略與行為,鼓勵服務使用與目標定價以增加或引入由服務改變而帶來的可能收入客戶風險避免向具有信用風險的客戶進行交叉銷售客戶獲取識別低價值客戶并積極地在獲取過程中避免與這類客戶發生接觸示例：基于價值的客戶細分（低價值客戶）盡管數量很少(10%to20%)但他們消除了很大一部

RetirementAgeChildrenIndependentWealthAccumulationFirstChildFirstHomePre-RetirementCareerLaunchIndependenceFinancialDebutEmploymentChangeMarriageHighValue??HighValue??LowValue??LowValue??示例：基于生命階段的客戶細分RetirementAgeChildrenIndepen客戶獲取在大多數商業領域中，業務發展的主要指標里包括新客戶的獲取能力。新客戶的獲取包括發現那些對你的產品不了解的客戶，也包括以前接受你的競爭對手服務的顧客。客戶獲取中的數量方法特征識別（ProfilingandPenetrationAnalysis）響應模型（ResponseModel）客戶獲取在大多數商業領域中，業務發展的主要指標里包括新客戶的客戶保持隨著行業的競爭越來越激烈和獲得一個新客戶的開支愈來愈大，保持原有客戶的工作愈來愈有價值?？蛻舯３种械臄盗糠椒魇ьA測模型客戶忠誠度模型客戶保持隨著行業的競爭越來越激烈和獲得一個新客戶的開支愈來愈交叉銷售與提升銷售交叉營銷是指你向現有的客戶提供新的產品和服務的營銷過程。公司與其客戶之間的商業關系是一種持續的不斷發展的關系，在這種關系建立起來以后，可以有很多種方法來不斷改善這種關系。雙方的目標是達到雙贏的結果，客戶獲益是由于他們得到了更好更貼切的服務質量，商家則因為增加銷售量獲利。交叉銷售中的數量方法購買傾向預測產品關聯分析交叉銷售與提升銷售交叉營銷是指你向現有的客戶提供新的產品和服客戶流失客戶流失預警分品牌、高/中/低價值、主動/被動構建模型分類預測數據挖掘模型客戶挽留流程設計彩鈴客戶流失預警分主動/捆綁構建模型分類預測數據挖掘模型客戶挽留流程設計競爭對手流失預警聯通用戶流失預測客戶挽留流程設計客戶流失客戶流失預警交叉銷售與提升銷售購買傾向預測彩鈴預測模型彩信預測模型WAP預測模型購物藍分析產品關聯分析營銷方案關聯分析提升銷售價值提升預測模型交叉銷售與提升銷售購買傾向預測BIExcellenceAwardIFrank=‘professor’但二者具有相當密切的聯系思考模型（ContemplativeModel）：參數化路徑，如場景分析示例：基于價值的客戶細分（低價值客戶）初步思路進行兩個方面的研究：葉節點代表分類標簽或分布“fromdataminingtoknowledgediscoveryindatabase”.TDWIBestPracticesAwardORyears>6Knowledge+experienceRoyalBankofCanada-EnterpriseDataWarehousing學習使用統計分析軟件的基本方法AceHardware,Winner-Retail/WholesaleWhydidithappen?數據可視化（apictureisworthathousandwords）Government&Non-profit:StateofMichigan營銷&產品提供管理UnionBankofNorwayplaybasketballnoteatcereal[20%,33.功能全面，系統地集成了多種成熟的數據分析方法營銷案預演營銷預演是為了支持業務人員制訂新的資費營銷方案，然后對該方案在歷史數據上做相應的測算，從而根據測算結果來指導下一步工作。BIExcellenceAward營銷案預演營銷預演是為營銷活動管理-CMP需求名稱：營銷活動管理（CMP）提出時間：2006-01-01需求提出部門：市場部需求內容描述：營銷活動管理。通過系統分析定位目標營銷的客戶群，并自動生成客戶群信息進行管理，通過實時跟蹤客戶的營銷情況進行營銷策略的調整，并監控渠道銷售信息。同時營銷活動完成以后進行營銷活動的評估。需求時間計劃：計劃06年7月前完成東莞、佛山地市的推廣。需求數據要求：目前系統數據支撐需求優先級別：高需求實施難度：較高要求配合部門：業務支撐中心、客戶服務部其他說明：全省推廣需求，劉鵬負責

需求分析和定位：屬于05年的需求，已經納入日常維護，今年需要推廣。根據省公司的統一規劃安排。省公司時間規劃：2006年上半年完成省、市二級規劃，東莞和佛山推廣2006年上半年完成三個事件營銷營銷活動管理-CMP需求名稱：營銷活動管理（CMP）提出時間KPI預測模型需求名稱：KPI預測模型提出時間：2006-02-23需求提出部門：東莞公司需求內容描述：KPI指標中的收入指標作為核心指標，規劃和預測十分重要。而收入受營銷政策與執行的影響較大，傳統的歷史曲線預測方法與手段不能準確預測當期及下期的收入。實現邏輯：將當期營收款細拆為“當期收入”（如購卡收入、補換卡收入、后付費收入等）與“分期劃扣收入”（充值卡收入、營銷活動預存款收入等）兩個部分?！爱斊谑杖搿狈浅７€定，只受季節因素影響，“分期劃扣收入”結合號碼級數據的消費ARPU可以較為方便地預演推算。推廣過去，針對KPI指標的重要指標（如收入、業務量等）都可以進行規劃和預測，有效的幫助各部門制定相關的政策策略。需求時間計劃：無需求數據要求：目前系統數據支撐。需求優先級別：需求級別待定。需求實施難度：高要求配合部門：業務支撐中心、市場部其他說明：區域接口人負責（劉鵬）需求分析和定位：需求可行，可以通過邏輯回歸構建模型實現，具體的建設方案需要與相關人員進行細化和確認。KPI預測模型需求名稱：KPI預測模型提出時間：2006-0個人客戶分群需求名稱：個人客戶分群提出時間：2006-02-23需求提出部門：佛山公司需求內容描述：每個人作為消費者其對同一種產品的具體功能需求和關注點是不同的，因此作為為用戶服務的企業，必須盡可能的考慮這些差異，發現這些存在于客戶整體內部的具有不同特征或消費習慣的客戶群體，然后再根據每個群體的特征執行針對性的管理或營銷策略。將這個把客戶分成不同群體的過程稱之為“客戶分群”。通過對客戶合理的類別劃分，并對當前客戶以及預期的客戶群作區段分析，判斷不同區段的突出特點，對客戶總體構成有準確的認識，對客戶的服務和營銷更具針對性。對客戶分群可以達到如下目標：了解客戶的總體構成了解各種客戶價值的客戶群體特征了解流失客戶的客戶群體特征了解使用各種套餐的客戶群體特征了解各消費等級的客戶群體特征需求時間計劃：無需求數據要求：目前系統數據支撐。需求優先級別：中等需求實施難度：中等要求配合部門：業務支撐中心、市場部、數據業務中心其他說明：區域接口人負責（劉敏）需求分析和定位：需求可行?？蛻舴诸?聚類是根據一個或多個客戶屬性組合把所有客戶劃分成不同的類，同類內的客戶具有最大的相似性，異類間的客戶具有最大的差異性。通過對客戶合理的類別劃分，并對當前客戶以及預期的客戶群作區段分析，判斷不同區段的突出特點，對客戶總體構成有準確的認識，對客戶的服務和營銷更具針對性。對于各種業務（新業務）可以單獨進行客戶的細分，也可按照各種業務的綜合指標進行客戶細分，使市場營銷更具針對性。個人客戶分群需求名稱：個人客戶分群提出時間：2006-02-個人客戶價值評估需求名稱：個人客戶價值評估提出時間：2006-02-23需求提出部門：市場部需求內容描述：有區別的看待個人客戶的差異性，觀察其價值特征變化，綜合考慮成本，用戶成長度，客戶消費等因素，通過建模量化個人客戶對公司的貢獻和價值?？蛻魞r值包括客戶貢獻與客戶成本兩個側面，對于前者，客戶的帳單金額已是很好的衡量指標，但是也需要綜合考慮其他指標（如新業務使用情況、長途或者漫游比例等）；而對于后者，由于利用財務數據進行分攤或者活動單位成本進行直接計算還需時日（等待財務部的成本分攤工作完成），故當前階段是處理貢獻類相關指標以供用戶直觀考察。需求時間計劃：06年3月廣州數據集市試點需求數據要求：目前系統數據支撐需求優先級別：高需求實施難度：高要求配合部門：業務支撐中心、財務部其他說明：負責人待定需求分析和定位：個人客戶價值如果考慮成本分攤，需要等財務部開展的成本分攤完成后才能考慮到地市的實施。個人客戶價值評估需求名稱：個人客戶價值評估提出時間：2006新產品生命周期分析需求名稱：新產品生命周期分析提出時間：2006-02-23需求提出部門：數據業務中心需求內容描述：目前地市沒有明確和急需的需求，只是有個這樣的概念和初步的想法。省公司想法是作為一個科研項目來研究和分析，希望能研究一些成果幫助市公司的市場分析和營銷策略。需求時間計劃：根據省公司的統一規劃安排。需求數據要求：目前系統數據支撐需求優先級別：高需求實施難度：高要求配合部門：業務支撐中心、市場部其他說明：試點科研項目，鄧逸斌、劉鵬負責需求分析和定位：題目比較難，優先級別比較高，先按照省公司的思路和計劃安排走。初步思路進行兩個方面的研究：現有新業務產品的生命周期曲線研究本研究的內容主要包括構建產品生命周期曲線預測模型并基于相關產品展開數據實證研究，同時對實證結果進行有效的業務解釋并形成合理的政策建議。2.新業務產品生命周期變遷之關鍵績效指標的研究本研究的內容主要包括分析并總結產品生命周期變遷過程中對階段性轉折點具有前瞻警示作用的業務指標，并在此基礎之上構建切實可行的關鍵指標體系新產品生命周期分析需求名稱：新產品生命周期分析提出時間：20報告內容原理篇客戶關系管理中的數量方法方法篇數據分析方法概論統計分析方法數據挖掘分析方法工具篇常用數據分析工具簡介總結基本結論報告內容原理篇數量分析方法（QuantitativeAnalysis）數量分析是對事物的數量特征、數量關系與數量變化的分析。數量分析的類型按照分析的目的探索性數據分析描述性數據分析解釋性數據分析按照問題的本質確定性分析不確定性分析數量分析方法（QuantitativeAnalysis）數數量分析中的模型化方法數量模型是對現實問題的描述和模仿模型是為認識目的或實踐目的而建立的典型的模型化過程數量分析中的模型化方法數量模型是對現實問題的描述和模仿數據分析模型E.F.Codd的數據分析模型絕對模型（CategoricalModel）：依據預定義路徑尋找原因，如查詢解釋模型（ExegeticalModel）：依據多層次路徑尋找原因，如多維分析思考模型（ContemplativeModel）：參數化路徑，如場景分析公式模型（FormulaicModel）：模型化路徑，如數據挖掘ReportingAdHocQueriesPredictiveModelingWhathappened?Whydidithappen?Whatwillhappen?ROI應用復雜性Stage3Stage2Stage1HumanDiscoveryMachine-assistedDiscovery數據分析模型E.F.Codd的數據分析模型Reporting結構性定價以鼓勵改善收益性的行為如何使客戶使用新電信產品?在決策樹上測試樣本的各個屬性值目前國際上最流行的一種大型統計分析系統；通過對客戶合理的類別劃分，并對當前客戶以及預期的客戶群作區段分析，判斷不同區段的突出特點，對客戶總體構成有準確的認識，對客戶的服務和營銷更具針對性。Sponsor:DMReview通過系統分析定位目標營銷的客戶群，并自動生成客戶群信息進行管理，通過實時跟蹤客戶的營銷情況進行營銷策略的調整，并監控渠道銷售信息。視角一示例：市場營銷中的產品決策關聯規則（模式、描述型）Data+context示例：基于生命階段的客戶細分TransportationLogistics利用上述函數，一未知分類變量值的數據記錄能夠盡可能準確地被判定到某一類別中去LowValue??JefisYES!題目比較難，優先級別比較高，先按照省公司的思路和計劃安排走。KPI指標中的收入指標作為核心指標，規劃和預測十分重要。它由數十個專用模塊構成，SAS/STAT（統計分析）；客戶關系管理中的數量方法盡管數量很少(10%to20%)但他們消除了很大一部分的利潤.供應商/合作伙伴關系管理認識分析數據：數據結構類型Tofind/discover/extract/dredge/harvest、、、截面數據（Cross-sectionData）buy(x,”diapers”)buy(x,”beers”)預測型挖掘：根據觀察到的對象特征值來預測它的其他特征值利用事件營銷與關系營銷策略去增加產品的持有量示例：是否購買計算機？客戶關系管理中的數量方法生長曲線模型（GrowthCurveModel）TransportationLogistics分品牌、高/中/低價值、主動/被動構建模型卡方自動交互檢測（CHAID）建立跟蹤系統（trackingsystems）以從價值的角度監控新來的客戶AC(50%,66.區域接口人負責（劉鵬）特征識別（ProfilingandPenetrationAnalysis）功能全面，系統地集成了多種成熟的數據分析方法目前國際上最流行的一種大型統計分析系統；Non-pensionoperatingincome3pointimprovementto9%UnionBankofNorway理念上－>數據庫營銷、關系營銷的興起常用的數據分析方法/模型數量分析是對事物的數量特征、數量關系與數量變化的分析。數量分析的類型按照分析的目的探索性數據分析描述性數據分析解釋性數據分析按照問題的本質確定性分析不確定性分析結構性定價以鼓勵改善收益性的行為認識分析數據：數據結構類型常認識分析數據：數據測量尺度名義尺度有序尺度間隔尺度比例尺度認識分析數據：數據測量尺度名義尺度認識分析數據：數據結構類型截面數據（Cross-sectionData）時間序列數據（Time-seriesData）面板數據（PanelData）認識分析數據：數據結構類型截面數據（Cross-sectio數據分析的出發點：數據矩陣截面數據（Cross-sectionData）時間序列數據（Time-seriesData）面板數據（PanelData）數據分析的出發點：數據矩陣截面數據（Cross-sectio常用的統計分析方法數據分類分析聚類分析判別分析數據化簡分析主成分分析因子分析數據相關分析回歸分析典型相關分析數據預測分析時間序列預測常用的統計分析方法數據分類分析什么是數據挖掘？DataInformationKnowledgeWisdom存在太多數據挖掘的定義，但基本上有這樣一種描述結構Tofind/discover/extract/dredge/harvest、、、Interesting/novel/useful/implicit/actable/meaningful、、、Information/knowledge/patterns/trends/rules/anomalies、、、Inmassivedata/largedataset/largedatabase/datawarehouse、、、Data+contextInformation+rulesKnowledge+experience什么是數據挖掘？DataInformationKnowled為什么會出現數據挖掘？數據爆炸性增長是數據挖掘技術應運而生的根本原因。只見樹木，不見森林（Drowningindatabutstarvingforinformation）計算復雜度數據管理問題數據類型的多樣性處理大容量數據是數據挖掘技術區別于其他數據分析方法的唯一標志嗎？為什么會出現數據挖掘？數據爆炸性增長是數據挖掘技術應運而生的其他數據分析方法：統計學從處理數據的角度看、、、數據規模不同數據來源不同：觀測數據（SecondaryAnalysis）VS試驗數據（PrimaryAnalysis）數據類型不同（結構化數據、半結構化數據、非結構化數據）從分析思想的角度看更關注實證性分析（EmpiricalAnalysis）而非探索性分析（ExploratoryAnalysis）更關注模型（Model）而非算法（Algorithm）但二者具有相當密切的聯系從數據分析的角度，統計學現在是且仍將是數據挖掘最重要的技術支撐和思想源泉更加深入的滲透和交叉（如探索性數據分析，EDA）數據挖掘是數據驅動的探索性分析!其他數據分析方法：統計學從處理數據的角度看、、、數據挖掘是數數據挖掘：多學科的匯合數據挖掘數據庫技術統計學其它學科信息科學機器學習可視化人工智能科學計算數據挖掘：多學科的匯合數據挖掘數據庫技術統計學其它學科信息科數據挖掘是一個過程“fromdataminingtoknowledgediscoveryindatabase”.U.fayyad,G.P.ShapiroandP.Smyth(1996)數據挖掘是一個過程“fromdataminingto數據挖掘過程中的數據預處理數據清洗填充缺失值,修均噪聲數據,識別或刪除孤立點,并解決數據不一致問題主要分析方法：分箱（Binning）、聚類、回歸數據集成多個數據庫、數據方或文件的集成數據變換規范化與匯總數據簡化減少數據量的同時,還可以得到相同或相近的分析結果主要分析方法：抽樣、主成分分析數據離散化數據簡化的一部分,但非常重要(尤其對于數值型數據來說)數據挖掘過程中的數據預處理數據清洗數據挖掘過程中的數據探索探索性數據分析（ExploratoryDataAnalysis,EDA）探索性地查看數據，概括數據集的結構和關系對數據集沒有各種嚴格假定“玩”數據主要任務數據可視化（apictureisworthathousandwords）殘差分析（數據＝擬合+殘差）數據的重新表達（什么樣的尺度－對數抑或平方跟－會簡化分析？）方法的耐抗性（對數據局部不良的不敏感性，如中位數耐抗甚于均值）常見方法統計量，如均值、方差、根方差、協方差、峰度、偏度、相關系數等統計圖，如餅圖、直方圖、散點圖、箱尾圖等模型，如聚類數據挖掘過程中的數據探索探索性數據分析（Explorator數據挖掘結果的評價興趣度度量：一個模式是有意義的，如果它易于被人理解，在某種程度上，對于新數據或者測試數據是有效的、潛在有用或者驗證了用戶渴望確認的某些假設。目前仍無很好的解決辦法，很大程度上仍依靠人工不存在解決這個問題的簡單技術，最終答案是不要把數據挖掘當作脫離數據內涵的簡單技術來運用客觀興趣度：基于統計或模式的結構，如統計量、支持度、lift等主觀興趣度：基于用戶對數據的確信程度，如意外程度、新奇程度或者可行動性等過度擬合（Over-fitting）問題數據挖掘結果的評價興趣度度量：一個模式是有意義的，如果它易于什么不是數據挖掘？定量分析（QuantitativeAnalysis）的需要存在企業管理運行的各個側面或環節，但并非所有的定量分析問題都可以歸結到數據挖掘范疇的問題。簡單的報表、圖表及多維分析仍是日常分析工作的主要內容小樣本數據的分析傳統統計分析方法更成熟有效，如趨勢預測某些特定業務問題無法用數據挖掘算法加以解決，例如資源最優配置問題是個運籌學問題某些物流管理問題或者供應鏈管理問題是個隨機規劃問題營銷預演本質是個系統仿真問題什么不是數據挖掘？定量分析（QuantitativeAna幾個基本概念模型（Model）vs模式（Pattern）數據挖掘的根本目的就是把樣本數據中隱含的結構泛化（Generalize）到總體（Population）上去模型：對數據集的一種全局性的整體特征的描述或概括，適用于數據空間中的所有點，例如聚類分析模式：對數據集的一種局部性的有限特征的描述或概括，適用于數據空間的一個子集，例如關聯分析算法（Algorithm）：一個定義完備（well-defined）的過程，它以數據作為輸入并產生模型或模式形式的輸出描述型挖掘（Descriptive）vs預測型挖掘（Predictive）描述型挖掘：對數據進行概括，以方便的形式呈現數據的重要特征預測型挖掘：根據觀察到的對象特征值來預測它的其他特征值描述型挖掘可以是目的，也可以是手段幾個基本概念模型（Model）vs模式（Pattern）支持度(support),s,事務中包含{X&Y&Z}的概率LowValue??其中有一個變量是目標分類標簽統計量，如均值、方差、根方差、協方差、峰度、偏度、相關系數等目前國際上最流行的一種大型統計分析系統；分析型CRM是擅長之一KPI指標中的收入指標作為核心指標，規劃和預測十分重要。給定一數據集合（訓練集）（Acquisition）Teradata用戶所獲贊譽-2004而對于后者，由于利用財務數據進行分攤或者活動單位成本進行直接計算還需時日（等待財務部的成本分攤工作完成），故當前階段是處理貢獻類相關指標以供用戶直觀考察。市場購物籃分析（MarketBasketAnalysis）模型：對數據集的一種全局性的整體特征的描述或概括，適用于數據空間中的所有點，例如聚類分析分析型CRM是擅長之一EmploymentGovernment&Non-profit:StateofMichigan相似度一般為某種距離函數D(i,j)WorldwideCustomerSAS/GRAPH（繪圖）等數據分析軟件的基本特點06年3月廣州數據集市試點Computerworld’sBestPracticesAwardinBusinessIntelligence幾類基本的挖掘算法關聯規則（模式、描述型）發現數據集中的頻繁模式例如：buy(x,”diapers”)buy(x,”beers”)[0.5%,60%]分類與預測（模型、預測型）發現能夠區分或預測目標變量（唯一的）的規則或者函數分類的目標變量一般是范疇型的，而預測則是數量型的，并不必然帶有任何時間延續型的暗示例如：股票市值的預測，病人病情的判斷聚類（模型、描述型）對數據分組以形成新類，類標記是未知的例如：市場細分孤立點探測（OutlierDetection）（模式、預測型）分析異?；蛟肼晹祿男袨槟Ｊ嚼纾浩墼p檢測支持度(support),s,事務中包含{X&Y&關聯規則的基本概念基本定義給定（1）事務數據集（2）每個事務是數據項的集合，試圖發現項集中的頻繁模式或關聯關系所謂頻繁模式或者關聯規則就是一個具有“AB”形式的邏輯蘊涵式頻繁模式并不必然蘊涵著因果關系或相關關系！算法實現基本上基于APRIORI法則：頻繁項集的所有非空子集一定也是頻繁（Frequent）的基本分類布爾關聯規則vs定量關聯規則buy(x,”diapers”)buy(x,”beers”)Age(x,”30..39”)^income(x,”42k..48k”)buy(x,”PC”)單維關聯規則vs多維關聯規則單層關聯規則vs多層關聯規則Age(x,”30..39”)^income(x,”42k..48k”)buy(x,”IBMPC”)序列模式（SequencePattern）數據項是一個包含時間標簽的序偶[item(i),t]關聯規則的基本概念基本定義關聯規則的度量發現具有最小置信度和支持度的全部規則X^YZ支持度(support),s,事務中包含{X&Y&Z}的概率置信度(confidence),c,

事務中包含{X&Y}的條件下,包含Z的條件概率令最小支持度為50%,最小置信度為50%,則有AC(50%,66.6%)CA(50%,100%)顧客購買尿布顧客購買兩者顧客購買啤酒關聯規則的度量發現具有最小置信度和支持度的全部規則X^對支持度與置信度的批判示例總共5000名學生,其中3000人玩籃球3750人吃谷類食品2000人既玩籃球又吃谷類食品playbasketball

eatcereal[40%,66.7%]是一個誤導規則,因為吃谷類食品的學生占學生總數的75%,比66.7%更高playbasketball

noteatcereal[20%,33.3%]其實是一個更精確的規則,盡管它的支持度和置信度都比較低對支持度與置信度的批判示例關聯規則的應用市場購物籃分析（MarketBasketAnalysis）例如一個事務是客戶的一個購物清單，同一客戶的兩份清單被認為是兩個不同的事務數據項是所有可能陳列貨物的全集目標是發現同時出現的貨品組合間的關聯模式應用：商品貨價設計、倉儲規劃、網頁布局、產品目錄設計等等交叉銷售（CrossSelling）客戶依次購買不同產品的序列目標是發現在購買某一產品組合之后客戶可能購買的另一產品或服務應用：網絡故障分析、網站門戶設計等關聯規則的應用市場購物籃分析（MarketBasketA分類問題的基本定義給定一數據集合（訓練集）數據記錄由一系列變量組成其中有一個變量是目標分類標簽尋找一模型，使目標分類變量值是其他變量值的一個函數利用上述函數，一未知分類變量值的數據記錄能夠盡可能準確地被判定到某一類別中去一般會有另一獨立地數據集（測試集）用以驗證所構建分類函數的準確性，避免過度擬合分類問題的基本定義給定一數據集合（訓練集）分類過程示意訓練集分類學習訓練集分類器IFrank=‘professor’ORyears>6THENtenured=‘yes’JefisYES!分類過程示意訓練集分類學習訓練集分類器IFrank=‘分類中的決策樹（DecisionTree）歸納決策樹類似于流程圖的樹型結構內部節點代表對某個屬性的一次測試分支代表測試的輸出結果葉節點代表分類標簽或分布決策樹的生成包括兩個階段樹的創建首先,所有訓練樣本都位于根節點遞歸地基于選擇屬性來劃分樣本集樹的修剪識別并刪除那些反映噪聲或孤立點的分支應用決策樹:對未知樣本進行分類在決策樹上測試樣本的各個屬性值分類中的決策樹（DecisionTree）歸納決策樹決策樹示意age?overcaststudent?creditrating?noyesfairexcellent<=30>40nonoyesyesyes30..40示例：是否購買計算機？決策樹示意age?overcaststudent?credi聚類的基本概念基本定義將數據對象集劃分成事先未知的分組或類別聚類的原則：類內相似度高，類間相似度低相似度一般為某種距離函數D(i,j)聚類既可以作為獨立分析工具考察數據分布結構，也可以作為其他分析方法的預處理步驟很不幸，對聚類結果的評價一般都是主觀的基本分類將數據對象集劃分成事先未知的分組或類別聚類的基本概念基本定義聚類示意基于歐氏距離的三維空間中的聚類A1A2B1xyz聚類示意基于歐氏距離的三維空間中的聚類A1A2B1xyz從算法到應用從算法到應用報告內容原理篇客戶關系管理中的數量方法方法篇數據分析方法概論統計分析方法數據挖掘分析方法其他分析方法工具篇常用數據分析工具簡介總結基本結論報告內容原理篇數據分析軟件數據分析軟件的種類按照分析模式統計分析軟件數據挖掘軟件OLAP軟件科學計算軟件按照分析范圍通用分析軟件專用分析軟件按照分析規模企業級分析軟件桌面級分析軟件數據分析軟件數據分析軟件的種類數據分析軟件的基本特點功能全面，系統地集成了多種成熟的數據分析方法有完善的數據定義、操作和管理功能方便地生成各種統計圖形和統計表格使用方式簡單、靈活，有完備的聯機幫助功能軟件開放性好，能方便地和其他軟件進行數據交換數據分析軟件的基本特點功能全面，系統地集成了多種成熟的數據分學習使用統計分析軟件的基本方法弄清分析的目的正確收集待處理和分析的數據(目的、影響因素的剔除）弄清分析方法的概念、含義和適用范圍。無需記憶公式選擇一種或幾種分析方法來探索性地分析數據讀懂計算機分析的數據結果，發現規律，得出結論學習使用統計分析軟件的基本方法弄清分析的目的SAS：ThePowertoKnowSAS(StatisticalAnalysisSystem)是一個模塊化、集成化的大型應用軟件系統；目前國際上最流行的一種大型統計分析系統；統計分析的標準軟件SAS系統主要完成以數據為中心的四大任務：數據訪問；數據管理；數據呈現；數據分析。它由數十個專用模塊構成，SAS/STAT（統計分析）；SAS/ETS（經濟計量與時間序列分析）；SAS/QC（質量控制管理）；SAS/OR（運籌學）；SAS/IML（矩陣運算）；SAS/GRAPH（繪圖）等SAS：ThePowertoKnowSAS(StatSPSS：RealStat,RealEasySPSS（StatisticalPackagefortheSocialScience）－－社會科學統計軟件包是世界是著名的統計分析軟件之一。SPSSforWindows是一個組合式軟件包，它集數據整理、分析功能于一身。用戶可以根據實際需要和計算機的功能選擇模塊，以降低對系統硬盤容量的要求，有利于該軟件的推廣應用。SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等等。SPSS統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型、聚類分析、數據簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程，比如回歸分析中又分線性回歸分析、曲線估計、Logistic回歸、Probit回歸、加權估計、兩階段最小二乘法、非線性回歸等多個統計過程，而且每個過程中又允許用戶選擇不同的方法及參數。SPSS也有專門的繪圖系統，可以根據數據繪制各種圖形。SPSS：RealStat,RealEasySPSS（報告內容原理篇客戶關系管理中的數量方法方法篇數據分析方法概論統計分析方法數據挖掘分析方法工具篇常用數據分析工具簡介總結基本結論報告內容原理篇總結關鍵是業務問題的發現及其構建以及切實迎合業務需要從分析方法的角度切入討論只是手段而非目的方法還是很重要的方法應該是最不會成為問題的方法是個工具箱總結關鍵是業務問題的發現及其構建以及切實迎合業務需要關于Teradata關于Teradata2005Revenue

byBusinessUnitTeradataDataWarehouseRetailSolutionsFinancialSolutionsWorldwideCustomerServicesSystemediaNCR公司概貌Fortune500companyGlobaloperationsinover100countries&territoriesMorethan28,000employees$6BrevenueNon-pensionoperatingincome3pointimprovementto9%2005Revenue

byBusinessUnit殘差分析（數據＝擬合+殘差）戰略,基礎設施&產品了解各種客戶價值的客戶群體特征ORyears>6思考模型（ContemplativeModel）：參數化路徑，如場景分析視角二示例：理解客戶與市場目前國際上最流行的一種大型統計分析系統；數據可視化（apictureisworthathousandwords）PannonGSM-PredictiveAnalytics關聯規則（模式、描述型）思考模型（ContemplativeModel）：參數化路徑，如場景分析示例：是否購買計算機？如何使客戶使用新電信產品?方法的耐抗性（對數據局部不良的不敏感性，如中位數耐抗甚于均值）新業務產品生命周期變遷之關鍵績效指標的研究客戶生命周期與市場營銷策略RoyalBankofCanada-EnterpriseDataWarehousing盡管數量很少(10%to20%)但他們消除了很大一部分的利潤.供應商/合作伙伴關系管理不存在解決這個問題的簡單技術，最終答案是不要把數據挖掘當作脫離數據內涵的簡單技術來運用LowValue??50%ofTop

GlobalRetailers60%ofTopMostAdmired

GlobalCompanies90%ofTopGlobal

TelcoFirms60%ofTop

GlobalAirlines50%oftheTop

Transportation

LogisticFirmsTeradata在Fortune500中的優異表現LeadingindustriesBankingGovernmentInsurance&HealthcareManufacturingRetailTelecommunicationsTransportationLogisticsTravelWorldclasscustomerlistMorethan800customersGlobalpresenceOver100countriesandterritoriesFORTUNEGlobalRankings,July2005TopTenRankinginFortune500殘差分析（數據＝擬合+殘差）50%ofTop

Gl分析型CRM是擅長之一RetailFinancialTravelCommunicationsInsuranceManufacturing/SourcingUnionBankofNorway分析型CRM是擅長之一RetailFinancialTraTechnologyROIAwardsHarrah’s-GrandPrizeWinnerStateofIowa-Winner,PublicSectorTDWIBestPracticesAwardEnterpriseDataWarehouse:UnionPacificGovernment&Non-profit:StateofMichiganWorldClassSolutionAwardsJeffersonCountyPublicSchools,winner-DataManagementcategory;GCNAgencyAwardsUSAirForceKnowledgeSystems,MaterialSystemsGroup/EnterpriseSystemsDivisionNCDMDatabaseExcellenceAwardFubonFinancialHoldingCompany(Taiwan)-SilverAwardCIOMagazineEnterpriseValueAwardsContinentalAirlines,Winner-TransportationAceHardware,Winner-Retail/WholesaleIntelligentEnterpriseEditors’ChoiceAwardsTeradatanamedoneofIntelligentEnterpriseDozenMostInfluentialCompaniesDMReview100Teradata-industryleaderinbusinessintelligence,datawarehousingandanalyticsmarket

CRMMarketLeaderTeradata-MarketLeaderinCRMAnalyticscategoryBestPracticesinBusinessIntelligenceLexisNexis,ManagingandEnhancingBIApplicationsandInfrastructurecategoryRealWareAwardsFubonFinancialHoldingCompany,

MeritAwardWinner-MarketingManagement,BestIntelligentCRMApplicationcategoryTeradata用戶所獲贊譽-2004TechnologyROIAwardsCIOMagazTeradata用戶所獲贊譽-2005BIExcellenceAwardSponsor:GartnerGroupContinentalAirlines1to1ImpactAwardSponsor:Peppers&RogersContinentalAirlines-

TechnologyOptimizationTDWIBestPracticesAwardSunrise–CustomerRelationshipManagementInnovationPrizeSponsor:01InformatiqueChampion(groupeCarrefour)Computerworld’sBestPracticesAwardinBusinessIntelligenceHospitalCorporationofAmerica,Inc.-CreatingaBIVisionandStrategiesforImprovedROI2005WorldClassSolutionAwardintheBusinessIntelligenceSponsor:DMReviewVerizonWireless–BusinessIntelligenceCRMMagazine’s2005MarketLeadersAwards

FubonFinancialHolding-CRMElite,AnalyticsTeradata用戶所獲贊譽-2005BIExcellTeradata用戶所獲贊譽-2006TDWIBestPracticesAwardsRoyalBankofCanada-EnterpriseDataWarehousingNationwideInsurance–MasterDataManagementPannonGSM-PredictiveAnalyticsBNSFRailway,Inc.–BusinessPerformanceManagementVentanaResearch2006PerformanceLeadershipAwardsBNSFRailway,Inc.-winnerinFinancePerformanceLeadership

TheDMAAwards,FinancialServicesCouncil

NationalAustraliaBankselectedaswinnerofTheDMA’sFinancialServicesCompanyoftheYearawardFinTechAsiaAwardsSponsor:FinancialInsightAsia/PacificChinaTrustCommercialBank–WinnerinCustomerAnalytics2006Supply&DemandChainExecutive100Teradatacustomerwinner,TBAJuly18,2006Teradata用戶所獲贊譽-2006謝謝！謝謝！市場營銷中的數據分析方法市場營銷中的數據分析方法報告內容原理篇客戶關系管理中的數量方法方法篇數據分析方法概論統計分析方法數據挖掘分析方法工具篇常用數據分析工具簡介總結基本結論報告內容原理篇市場營銷中的數量決策問題傳統的純粹定性描述方法已遠遠不能滿足現代市場營銷實踐的需要，為了體現市場營銷學本身的科學性和對企業實踐的指導性，數據分析理論與方法在市場營銷學中占有越來越重要的地位。理論上－>計量市場營銷學的出現理念上－>數據庫營銷、關系營銷的興起實務上－>數據挖掘技術在客戶關系管理中的應用探察數量決策問題的兩個視角理論上的框架要素實務上的業務流程市場營銷中的數量決策問題傳統的純粹定性描述方法已遠遠不能滿足視角一：市場營銷學的理論框架

核心概念營銷觀念營銷計劃營銷組織營銷控制營銷審計產品策略定價策略分銷策略促銷策略需求分析市場細分目標市場市場定位基礎理論戰略理論策略理論管理理論視角一：市場營銷學的理論框架視角一示例：市場營銷中的產品決策產品定位定位圖分析（感知定位圖、偏好定位圖等）新產品擴散與產品生命周期管理巴斯模型（BASSModel）生長曲線模型（GrowthCurveModel）品牌決策消費者品牌選擇模型視角一示例：市場營銷中的產品決策產品定位視角二示例：電信業業務流程視圖（eTOM）運營實施保障計費運營支撐與就緒客戶關系管理服務管理與運營資源管理與運營供應商/合作伙伴關系管理(應用,計算與網絡)企業管理戰略與企業規劃財務與資產管理企業質量管理管理,過程與IT規劃&架構股東與外部關系管理品牌管理,市場研究&廣告人力資源管理災難恢復,安全&欺詐管理研究與開發,技術獲取戰略,基礎設施&產品產品周期管理基礎設施生命周期管理戰略與承諾營銷&產品提供管理服務開發與管理資源開發與管理供應鏈開發與管理(應用,計算與網絡)客戶視角二示例：電信業業務流程視圖（eTOM）運營實施保障計費運視角二示例：理解客戶與市場市場購買行為消費者購買行為模型消費者品牌選擇模型市場需求測量市場需求預測模型市場細分視角二示例：理解客戶與市場市場購買行為Tofind/discover/extract/dredge/harvest、、、2000人既玩籃球又吃谷類食品實務上－>數據挖掘技術在客戶關系管理中的應用公式模型（FormulaicModel）：模型化路徑，如數據挖掘弄清分析方法的概念、含義和適用范圍。通過系統分析定位目標營銷的客戶群，并自動生成客戶群信息進行管理，通過實時跟蹤客戶的營銷情況進行營銷策略的調整，并監控渠道銷售信息。有完善的數據定義、操作和管理功能AdHocQueries數量分析方法（QuantitativeAnalysis）數據類型不同（結構化數據、半結構化數據、非結構化數據）示例：基于價值的客戶細分（低價值客戶）思考模型（ContemplativeModel）：參數化路徑，如場景分析發現數據集中的頻繁模式ManufacturingSAS/QC（質量控制管理）；Teradata在Fortune500中的優異表現營銷預演是為了支持業務人員制訂新的資費營銷方案，然后對該方案在歷史數據上做相應的測算，從而根據測算結果來指導下一步工作。理念上－>數據庫營銷、關系營銷的興起利用上述函數，一未知分類變量值的數據記錄能夠盡可能準確地被判定到某一類別中去細分的目的可以讓管理者從一個比較高的層次上“鳥瞰”整個數據庫中的數據，從而可以用不同的方法對待處于不同細分群眾的客戶，提供相對個性化的服務。客戶生命周期與市場營銷策略客戶生命周期在不同生命周期階段需考慮不同問題如何發現并獲取潛在客戶？階段A（Acquisition）客戶獲取如何把客戶培養成高價值客戶？階段B：（Build-up）客戶提升如何使客戶使用新電信產品?如何培養顧客忠誠度？階段C：(Climax)客戶成熟如何延長客戶“生命周期”？階段D：(Decline)客戶衰退如何贏回客戶？階段E：(Exit)客戶離網客戶價值多種分析主題在不同時期應用客戶獲取市場細分與產品定位目標客戶特征識別刺激需求提升銷售交叉銷售目標營銷客戶保持生存分析客戶風險客戶挽留Tofind/discover/extract客戶細分細分是指將一個大的消費群體劃分成一個個細分群的動作，同屬于一個細分群的消費者彼此相似，而隸屬于不同細分群的消費者被視為不同。細分的目的可以讓管理者從一個比較高的層次上“鳥瞰”整個數據庫中的數據，從而可以用不同的方法對待處于不同細分群眾的客戶，提供相對個性化的服務。客戶細分的目的更好的了解客戶結構改善客戶管理與溝通增加客戶貢獻度客戶細分中的數量方法聚類分析卡方自動交互檢測（CHAID）客戶細分細分是指將一個大的消費群體劃分成一個個細分群的動作，營銷策略客戶保持基于獎賞及高成本事件驅動的保持策略專注的,區分優先級的Callcenter支持客戶獲取刻畫子分群的特征建立跟蹤系統（trackingsystems）以從價值的角度監控新來的客戶交叉銷售對高價值客戶進行交叉銷售會產生更大的收益經常地,頭20%的客戶貢獻了將近100%的整體利潤.這些客戶對CRM策略開發是至關重要的。示例：基于價值的客戶細分（高價值客戶）營銷策略經常地,頭20%的客戶貢獻了將近100%的整體利中間層代表了客戶的大多數.他們利潤較?。╰hinmargins）但容量巨大（highvolume）.營銷策略定價與行為改變識別服務機會–增強可能的定價結構性定價以鼓勵改善收益性的行為交叉銷售利用預測模型識別具有潛在價值的客戶利用事件營銷與關系營銷策略去增加產品的持有量渠道與服務的效率識別高成本/低回報的渠道并重新部署或調整結構定位高成本業務流程以流線化或渠道遷移示例：基于價值的客戶細分（中價值客戶）中間層代表了客戶的大多數.他們利潤較薄（thinmarg盡管數量很少

(10%to20%)但他們消除了很大一部分的利潤.營銷策略改變定價識別與負利潤相關的定價策略與行為,鼓勵服務使用與目標定價以增加或引入由服務改變而帶來的可能收入客戶風險避免向具有信用風險的客戶進行交叉銷售客戶獲取識別低價值客戶并積極地在獲取過程中避免與這類客戶發生接觸示例：基于價值的客戶細分（低價值客戶）盡管數量很少(10%to20%)但他們消除了很大一部

RetirementAgeChildrenIndependentWealthAccumulationFirstChildFirstHomePre-RetirementCareerLaunchIndependenceFinancialDebutEmploymentChangeMarriageHighValue??HighValue??LowValue??LowValue??示例：基于生命階段的客戶細分RetirementAgeChildrenIndepen客戶獲取在大多數商業領域中，業務發展的主要指標里包括新客戶的獲取能力。新客戶的獲取包括發現那些對你的產品不了解的客戶，也包括以前接受你的競爭對手服務的顧客。客戶獲取中的數量方法特征識別（ProfilingandPenetrationAnalysis）響應模型（ResponseModel）客戶獲取在大多數商業領域中，業務發展的主要指標里包括新客戶的客戶保持隨著行業的競爭越來越激烈和獲得一個新客戶的開支愈來愈大，保持原有客戶的工作愈來愈有價值。客戶保持中的數量方法流失預測模型客戶忠誠度模型客戶保持隨著行業的競爭越來越激烈和獲得一個新客戶的開支愈來愈交叉銷售與提升銷售交叉營銷是指你向現有的客戶提供新的產品和服務的營銷過程。公司與其客戶之間的商業關系是一種持續的不斷發展的關系，在這種關系建立起來以后，可以有很多種方法來不斷改善這種關系。雙方的目標是達到雙贏的結果，客戶獲益是由于他們得到了更好更貼切的服務質量，商家則因為增加銷售量獲利。交叉銷售中的數量方法購買傾向預測產品關聯分析交叉銷售與提升銷售交叉營銷是指你向現有的客戶提供新的產品和服客戶流失客戶流失預警分品牌、高/中/低價值、主動/被動構建模型分類預測數據挖掘模型客戶挽留流程設計彩鈴客戶流失預警分主動/捆綁構建模型分類預測數據挖掘模型客戶挽留流程設計競爭對手流失預警聯通用戶流失預測客戶挽留流程設計客戶流失客戶流失預警交叉銷售與提升銷售購買傾向預測彩鈴預測模型彩信預測模型WAP預測模型購物藍分析產品關聯分析營銷方案關聯分析提升銷售價值提升預測模型交叉銷售與提升銷售購買傾向預測BIExcellenceAwardIFrank=‘professor’但二者具有相當密切的聯系思考模型（ContemplativeModel）：參數化路徑，如場景分析示例：基于價值的客戶細分（低價值客戶）初步思路進行兩個方面的研究：葉節點代表分類標簽或分布“fromdataminingtoknowledgediscoveryindatabase”.TDWIBestPracticesAwardORyears>6Knowledge+experienceRoyalBankofCanada-EnterpriseDataWarehousing學習使用統計分析軟件的基本方法AceHardware,Winner-Retail/WholesaleWhydidithappen?數據可視化（apictureisworthathousandwords）Government&Non-profit:StateofMichigan營銷&產品提供管理UnionBankofNorwayplaybasketballnoteatcereal[20%,33.功能全面，系統地集成了多種成熟的數據分析方法營銷案預演營銷預演是為了支持業務人員制訂新的資費營銷方案，然后對該方案在歷史數據上做相應的測算，從而根據測算結果來指導下一步工作。BIExcellenceAward營銷案預演營銷預演是為營銷活動管理-CMP需求名稱：營銷活動管理（CMP）提出時間：2006-01-01需求提出部門：市場部需求內容描述：營銷活動管理。通過系統分析定位目標營銷的客戶群，并自動生成客戶群信息進行管理，通過實時跟蹤客戶的營銷情況進行營銷策略的調整，并監控渠道銷售信息。同時營銷活動完成以后進行營銷活動的評估。需求時間計劃：計劃06年7月前完成東莞、佛山地市的推廣。需求數據要求：目前系統數據支撐需求優先級別：高需求實施難度：較高要求配合部門：業務支撐中心、客戶服務部其他說明：全省推廣需求，劉鵬負責

需求分析和定位：屬于05年的需求，已經納入日常維護，今年需要推廣。根據省公司的統一規劃安排。省公司時間規劃：2006年上半年完成省、市二級規劃，東莞和佛山推廣2006年上半年完成三個事件營銷營銷活動管理-CMP需求名稱：營銷活動管理（CMP）提出時間KPI預測模型需求名稱：KPI預測模型提出時間：2006-02-23需求提出部門：東莞公司需求內容描述：KPI指標中的收入指標作為核心指標，規劃和預測十分重要。而收入受營銷政策與執行的影響較大，傳統的歷史曲線預測方法與手段不能準確預測當期及下期的收入。實現邏輯：將當期營收款細拆為“當期收入”（如購卡收入、補換卡收入、后付費收入等）與“分期劃扣收入”（充值卡收入、營銷活動預存款收入等）兩個部分?！爱斊谑杖搿狈浅７€定，只受季節因素影響，“分期劃扣收入”結合號碼級數據的消費ARPU可以較為方便地預演推算。推廣過去，針對KPI指標的重要指標（如收入、業務量等）都可以進行規劃和預測，有效的幫助各部門制定相關的政策策略。需求時間計劃：無需求數據要求：目前系統數據支撐。需求優先級別：需求級別待定。需求實施難度：高要求配合部門：業務支撐中心、市場部其他說明：區域接口人負責（劉鵬）需求分析和定位：需求可行，可以通過邏輯回歸構建模型實現，具體的建設方案需要與相關人員進行細化和確認。KPI預測模型需求名稱：KPI預測模型提出時間：2006-0個人客戶分群需求名稱：個人客戶分群提出時間：2006-02-23需求提出部門：佛山公司需求內容描述：每個人作為消費者其對同一種產品的具體功能需求和關注點是不同的，因此作為為用戶服務的企業，必須盡可能的考慮這些差異，發現這些存在于客戶整體內部的具有不同特征或消費習慣的客戶群體，然后再根據每個群體的特征執行針對性的管理或營銷策略。將這個把客戶分成不同群體的過程稱之為“客戶分群”。通過對客戶合理的類別劃分，并對當前客戶以及預期的客戶群作區段分析，判斷不同區段的突出特點，對客戶總體構成有準確的認識，對客戶的服務和營銷更具針對性。對客戶分群可以達到如下目標：了解客戶的總體構成了解各種客戶價值的客戶群體特征了解流失客戶的客戶群體特征了解使用各種套餐的客戶群體特征了解各消費等級的客戶群體特征需