天道
利用数据挖掘方法的数据分析是常用的分类,回归分析,聚类,关联规则,特征,变化和偏差分析,Web页面挖掘,他们从不同的角度进行数据挖掘。 ①分类。分类是确定共同的特征在数据库中,根据分类模式的一组数据对象可以被划分成不同的类别,由所述分类模型的目的,在数据库中的数据项被映射到给定类别。它可以应用到客户的分类,特性和顾客分析的特点,客户满意度分析,预测客户的购买趋势,如按照用户的喜好对汽车分为不同的种类的汽车零售商,因此商家可以将广告手册新车有客户这样直邮的喜好,从而大大增加商业机会。 ②回归分析。回归分析反映了属性值的事务数据库中的时间的特性,以产生一个数据项映射到预测的一个实数值函数发现变量或属性之间的依赖关系,主要研究的问题包括趋势数据系列的特性,以及预测数据等之间的数据序列的相关性。它可以适用于所有方面的营销,诸如客户寻求维持和流失预防活动,产品生命周期分析,销售趋势,预测和有针对性的促销活动。 ③集群。聚类分析是一组根据相似性和差异被分为几类的数据,并且它的目的是使属于同一类别的尽可能大的数据之间的相似性,在不同类别的数据作为之间的相似性越小越好。它可以应用到客户群体,客户背景分析,客户购买趋势预测,市场细分等方面的分类。关联规则④。关联规则是描述存在,即交易的基础上某些项目的出现,可以导出其他项目在数据库中录入数据之间的关系,这是隐藏在之间的关系的规则还出现在同一交易或关联数据。客户关系管理,通过挖掘数据库中大量数据的企业用户,你可以找到大量的记录,一个有趣的关系,找出影响市场营销,产品定位,定价和定制的客户群的客户寻求的有效性的关键因素,分割和维护,并提供一个参考的营销推广,市场营销,风险评估和诈骗预测决策支持。 ⑤功能。这些特征是从数据库中提取数据类型的特征的一组数据,其中这些特征的数据集的总体特征的表达。通过特征提取的客户流失因子营销人员,可以有许多原因和主要特点导致客户流失,利用这些特性可有效地防止顾客流失。 ⑥变化和偏差分析。偏差包括一大组的潜在有趣的知识,如不正常情况下的分类,该异常模式下,预期的结果观察到的偏差,其目的是要找到有意义的结果的基准差的量之间进行了观察。在其早期预警和危机管理,管理人员更感兴趣的是那些意想不到的规则。挖掘意外规则可以被应用到的信息,分析,识别,评估和预警异常的检测。 ⑦Web页面开采。随着互联网的飞速发展和网络的全球普及,使得Web上的信息非常丰富的量,可以通过Web挖掘,你可以使用Web来分析大量数据的收集政治,经济,政策,技术,财务各种市场信息的竞争者,供应和需求信息,客户和其他相关浓缩物上进行分析和处理信息的外部环境和内部管理信息,对业务显著或潜在显著影响,并发现了各种业务的管理,该分析过程中发生的结果问题和先兆可能导致危机的影响,来分析和处理这些信息,以便识别,分析,评估和管理危机。本回答被网友采纳