美国农业大数据应用经典案例——farmlogs

大数据成功案例电子教案

1.1成功案例1-汤姆森路透(Thomson Reuters)利用Oracle大数据解决方案实现互联网资讯和社交媒体分析 ?Oracle Customer: Thomson Reuters ?Location: USA ?Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17日，是由加拿大汤姆森公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专业智能信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100个国家和地区。汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance大数据机、Exadata数据库云服务器和Exalytics商业智能云服务器搭建了互联网资讯和社交媒体大数据分析平台，实时采集5万个新闻网站和400万社交媒体渠道的资讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机构客户的交易、投资和风险管理。

十大经典营销策划案例

一．《英雄》：一部糟糕电影的辉煌纪录有史以来中国电影市场最成功的票房，有着糟糕动作片的一切特征——弱智的故事情节、失真的动作设计、装腔作势的台词，但这部糟糕的电影，上市20天就创下了超过2亿元的票房，而本年度风靡全球的《哈利·伯特》，在中国创下的票房仅为6300万元。让《英雄》成功的，不是由于电影的精彩，而是由于营销策划、市场推广的创新。《英雄》组成了阵容强大的明星剧组，早在2001年初，新画面公司就开始借助团队的明星效应，持续制造新闻。在媒体的支持下，这些“新闻广告”高强度持续进行了两年时间，终于让大量中国人按捺不住，走进影院观看这个中国有史以来营销最成功的电影——也许还是最糟糕的动作片之一。这些人中间，包括几乎从来不看电影的笔者。《英雄》以令人赞叹的耐心、丝丝相扣的营销策划和长达2年的新闻公关，列本年度十大营销创新案例之首。《英雄》必将以营销的创新写入中国电影史，但未来的电影观众必把它忘得一干二净。《英雄》入选，是为了表彰发行商新画面公司对电影营销的突破性贡献。点评：《英雄》所获得空前成功，将把电影营销策略和营销组织性推进到了前所未有的程度。《英雄》以后中国电影将越来越倾向于大制作、倾向于告别艺术电影、倾向于向好莱坞靠拢。二．“力波”啤酒：喜欢上海的理由力波啤酒曾是上海最受欢迎的本土啤酒之一。1996年三得利登陆上海后，力波因为营销手段落后、口味不佳，在三得利的进攻中阵地屡屡失陷，还曾因攻击三得利水源质量，被三得利告上法庭，即丢了官司，更丢了市场。 2001年开始，力波啤酒开始了自己的抗争历程，力波创作的广告歌曲《喜欢上海的理由》很快风靡上海，在广告歌的推动下，力波的销量迅速回升。 2002年6月亚洲太平洋酿酒公司接手力波，并成功推出超爽啤酒、改变产品瓶体；力波还利用韩日世界杯的机会，和众多饭店联盟，推广看足球、喝力波的营销活动。世界杯之后，力波继续和餐馆终端联盟，推出“好吃千百种，好喝有一种”的广告攻势，引导消费者改变消费行为。力波啤酒入选，是因为它对本土意识的巧妙利用、连续不断发动的创新推广方式，以及这些活动在改变消费者消费行为、提升销量、增加品牌美誉度等方面的良好效果。点评：力波的成功，体现了地方情节在啤酒、香烟等产品消费上的重要作用，尽管已有很多啤酒作为地方品牌存在，却极少有啤酒主动打上地方标签；立波的成功为啤酒、香烟等产品如何巧妙利用地方情绪提供了最好的案例。力波和餐饮终端联合推进的策略，则反映了终端在营销战中的地位的不断上升。三．氧立得：护心养脑，还是氧立得好

大学数据挖掘期末考试题

第 - 1 - 页共 4 页数据挖掘试卷课程代码： C0204413 课程：数据挖掘A 卷一、判断题（每题1分，10分） 1. 从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。（） 2. 数据挖掘的目标不在于数据采集策略，而在于对已经存在的数据进行模式的发掘。（） 3. 在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。（） 4. 当两个点之间的邻近度取它们之间距离的平方时，Ward 方法与组平均非常相似。（） 5. DBSCAN 是相对抗噪声的，并且能够处理任意形状和大小的簇。（） 6. 属性的性质不必与用来度量他的值的性质相同。（） 7. 全链对噪声点和离群点很敏感。（） 8. 对于非对称的属性，只有非零值才是重要的。（） 9. K 均值可以很好的处理不同密度的数据。（） 10. 单链技术擅长处理椭圆形状的簇。（）二、选择题（每题2分，30分） 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？( ) A.分类 B.聚类 C.关联分析 D.主成分分析 2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。 A.MIN(单链) B.MAX(全链) C.组平均 D.Ward 方法 3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。 A 分类 B 预测 C 关联规则分析 D 聚类 4.关于K 均值和DBSCAN 的比较，以下说法不正确的是( ) A.K 均值丢弃被它识别为噪声的对象，而DBSCAN 一般聚类所有对象。 B.K 均值使用簇的基于原型的概念，DBSCAN 使用基于密度的概念。 C.K 均值很难处理非球形的簇和不同大小的簇，DBSCAN 可以处理不同大小和不同形状的簇 D.K 均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN 会合并有重叠的簇 5.下列关于Ward ’s Method 说法错误的是：( )

大数据的大价值：大数据五大成功案例深度解析学习资料

大数据的大价值：大数据五大成功案例深度解析 ?作者：Cashcow ?星期四, 四月11, 2013 ?大数据, 航空, 零售 ?暂无评论大数据的热潮并未有消褪迹象，相反，包括航空、金融、电商、政府、电信、电力甚至F1赛车等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。但是在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的杀手应用，但是关于大数据中国企业的成功案例的报道却出奇地少。最近《中国企业家》的“大数据专题”特别报道采访了农夫山泉、阿迪达斯中国和数家航班信息移动服务商（前两家为SAP客户），为我们带来了详实的大数据案例报道，非常有参考价值，原文转载如下：就在制作这期“大数据专题”时，编辑部发生热烈讨论：什么是大数据？编辑记者们旁征博引，试图将数据堆砌的商业案例剔除，真正的、实用性强的数据挖掘故事留下。

我们报道的是伪大数据公司？我们是否成为《驾驭大数据》一书的作者Bill Franks所称的“大数据骗局”中的一股力量？同样的质疑发生在阿里巴巴身上。有消息称，3月23日，阿里巴巴以7000万美元收购了一家移动开发者数据统计平台。这引发了专家们热烈讨论，它收购的真是一家大数据公司吗？这些质疑并非没有道理。中国确实没有大数据的土壤。“差不多先生”、“大概齐”的文化标签一直存在。很多时候，各级政府不太需要“大数据”，形成决策的关键性数据只有一个数字比率（GDP）而已；其二，对于行业主管机构来说，它们拥有大量原始数据，但它们还在试探、摸索数据开放的尺度，比如说，是开放原始数据，还是开放经过各种加工的数据？是转让给拥有更高级计算和储存能力的大型数据公司，还是将数据开源，与各种各样的企业共享？其三，数据挖掘的工具价值并没有完全被认同。在这个领域，硬件和软件的发展并不十分成熟。即便如此，没有人否认数据革命的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为战略方向，百度的李彦宏用“框计算”来谋划未来。即便是CBA（中国男子篮球职业联赛）也学起了NBA（美国男篮职业联赛）五花八门的数据统计、分析与挖掘。在过去两年间，大量的资本投资一些新型数据工具公司，根据美国道琼斯风险资源（Dow Jones VentureSource）的数据，在过去的两年时间里，11.7亿美元流向了119家数据库软件公司。去年，SAP 市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的商业化，去年一年时间里HANA带给SAP3.92亿欧元的收入，增长了142%。但是，大数据还没法分析、挖掘出自己的直接变现能力。在截稿日时，我们再重新读维克托·迈尔-舍恩伯格（Viktor Mayer-Sch鰊berger）的《大数据时代：生活、工作与思维的大变革》一书，作者相信，未来，数据会成为有价值的资产。假以时日，它会大摇大摆地进入资产负债表里。案例1：农夫山泉用大数据卖矿泉水

成功销售的八种武器之大客户销售策略(doc 48页)

成功销售的八种武器--大客户销售策略 □内容提要第一讲以客户为导向的营销策略第二讲大客户分析第三讲挖掘需求与介绍宣传第四讲建立互信与超越期望第五讲客户采购的六大步骤第六讲针对采购流程的六步销售法第七讲销售类型的分析第八讲成功销售的八种武器（上）第九讲成功销售的八种武器（中）第十讲成功销售的八种武器（下）第十一讲认清产生业绩的因素第十二讲面对面的销售活动第十三讲销售呈现技巧第十四讲谈判技巧第1讲促使客户采购的因素【本讲重点】影响客户采购的要素以产品为导向的营销策略以客户为导向的营销策略销售的四种力量设计营销策略是对你未来生意的一种投资。 ——安迪·班斯

每一次营销活动都是在时间、精力和金钱方面的一种投资。如何使这种投资在短期内得到有效的回报，就要设计一种策略，其核心就是以何种因素为策略导向，找对了这个“点”，就能收到事半功倍的效果。有一点是毋庸置疑的，那就是销售的目的是从客户那里得到物质的回报。影响客户采购的要素情景课堂：“乾隆印章”的销售【情景1】销售员：我手中有一枚印章。您看，它的包装非常漂亮，打开盒子，里面是一枚精美的印章，它价值500元钱。您是否愿意花500元钱买这枚印章呢？客户：我对产品不了解，我不买。消费者如果不了解产品，便一定不会买这个产品，这就是客户采购的第一个要素：对产品的了解。【情景2】销售员：那么现在我给您介绍一下。打开包装之后，您就可以看到一枚金光闪闪的印章，印章外层有非常精美的雕刻图案。打开这个外层之后，里面有一块和田美玉，您可以在玉上刻上您的名字，然后在各种场合使用这枚印章。现在，您对产品有了初步了解，它的价格是500元钱，您愿意买吗？客户：价格是500元钱，我怎么知道它值不值，所以我很难做决定是否购买。理智的消费者就提出另外一个问题：到底这枚印章值不值500元钱，我为什么要买这枚印章？所以消费者在采购时，一定要明白，这个产品带来的价值到底会不会超过500元钱。客户采购的第二个要素，就是有需要，而且觉得值得。有经验的销售员接下来会努力引导客户的需求，继续把这个产品卖给客户。【情景3】销售员：您可能不知道这个产品的来历，它可不是一般的印章，这是乾隆皇帝亲自佩戴过的，大婚的时候送给了他的皇后，这可是刚刚出土的印章。现在只卖500元钱，您愿意买吗？客户：我不知道你说的是真还是假，它到底是不是真的是乾隆皇帝用过的，所以我还是不能决定。这就是消费者采购的第三个要素：相信。销售人员可能会把产品说得天花乱坠，或者十全十美，但是消费者不一定会相信。消费者在相信了销售人员的介绍之后，才会购买。假设在销售员的努力之下，客户花了500元钱买了这枚印章。由于非常想知道这枚印章是不是乾隆的印章，就拿到琉璃厂的一家古董店鉴定，结果真的是乾隆皇帝佩戴过的，而且老板还当场花500万元收购了这枚印章。一年之后，这个客户与销售员又相遇了。这一次，销售员手中拿了一枚同样的印章，还是卖500元钱，客户会买吗？【情景4】销售员：您去年买的印章和这个一模一样，还是500元钱，您要不要再买一个？客户：你上次的确没有骗人，我再看看这个印章，如果的确一模一样就可以买。如果双方之间有了一定的信任度，购买的可能性就非常大。消费者使用的满意程度决定了消费者是否重复购买。如果用得很满意，下次买的可能性就会大大的增加；相反，如果用得不满意，下次买的可能性就减少了。这就是客户采购的第四个要素：使用得满意与否。通过这个案例，可以很明确地分析出，客户的采购有四个要素：第一个是了解，第二是需要并且值得，第三个是相信，第四个是满意。

华为的经典成功销售案例

一个关于华为的经典成功销售案例项目背景： 2001年3月初，国内第五大电信运营商中国铁通挂牌成立。铁通要想参与其它电信运营商竞争，就必须进行电信本地网的建设，而铁通在这方面的基础完全是空白。所以铁通本地网建设项目“铁通一号工程”成为铁通成立后的第一个重大项目。由于电信行业的特点，对设备供应商来讲，这不只是一个单纯的销售项目，而且直接影响到其将来市场战略格局的划分，各个厂家无不倍加重视。 “铁通一号工程”分为两期进行，一期项目是各个省会城市本地网建设，作为一个城市的本地网，一般情况下只可能使用一种机型，而且省会城市的设备选型情况会直接影响到以后其它城市的设备选型，所以一期项目的重要性非同寻常。本人受命与另外两个同事组成项目组负责J省“铁通一号工程”项目，本人负责客户关系平台的建立和项目协调，另外两位同事负责技术推广工作。项目背景分析： “铁通一号工程”由铁通总部对国内三个知名厂家进行招标，但各省分公司有权自己选择机型。除华为公司以外，另外两个厂家分别为B公司和Z公司。接到任务后最重要的事是做深入的调查研究。一方面了解J省铁通内部的组织结构和决策链以及关键人物的个人背景与彼此之间的关系。另一方面，了解相关各厂家与J省铁通交往的历史和现有设备使用情况。并根据了解的情况对项目进行了SWOT分析。根据了解，华为公司的设备在J省铁通以往只有少量的应用，客户的反映一般。优势在于设备功能比较强，有一定的品牌优势；劣势在于价格相对较贵，而且客户关系十分薄弱，平时与客户几乎没有交往，甚至不知道客户的工作地点在哪里。而B公司在J省铁通已有八千门的交换机在网上使用，由于设备比较陈旧，功能较差而且运行不很稳定。但该公司与J省铁通有长期的交往，关系密切。而且当时铁道部持有B公司的股份，所以B公司有来自铁通上层的支持，在与客户关系上占有明显的优势。Z公司设备性能与华为公司不相上下，优势在于其设备价格低、市场策略灵活，但该公司产品在J省铁通从没有过应用，同样没有客户关系基础。综合以上情况，我们认为相比之下B公司对我们的威胁更大，是主要竞争对手。以客户为中心作为销售人员应该清楚的知道，通常情况下客户最不信任的人就是销售人员，如何取得客户的信任是进行销售的第一步。要想取得客户的信任，关键是要让客户感受到你为客户服务的良好态度，就要处处为客户着想，站在客户的立场上去看待问题，帮助客户去解决问题。在与客户交往的过程中，我特别注意的就设身处地的为客户着想，在为客户提出任何意见和建议时，都要告诉客户这样

数据挖掘概述

数据挖掘概述阅读目录 ?何为数据挖掘？ ?数据挖掘背后的哲学思想 ?数据挖掘的起源 ?数据挖掘的基本任务 ?数据挖掘的基本流程 ?数据挖掘的工程架构 ?小结回到顶部何为数据挖掘？数据挖掘就是指从数据中获取知识。好吧，这样的定义方式比较抽象，但这也是业界认可度最高的一种解释了。对于如何开发一个大数据环境下完整的数据挖掘项目，业界至今仍没有统一的规范。说白了，大家都听说过大数据、数据挖掘等概念，然而真正能做而且做好的公司并不是很多。

笔者本人曾任职于A公司云计算事业群的数据引擎团队，有幸参与过几个比较大型的数据挖掘项目，因此对于如何实施大数据场景下的数据挖掘工程有一些小小的心得。但由于本系列博文主要是结合传统数据挖掘理论和笔者自身在A云的一些实践经历，因此部分观点会有较强主观性，也欢迎大家来跟我探讨。回到顶部数据挖掘背后的哲学思想在过去很多年，首要原则模型(first-principle models)是科学工程领域最为经典的模型。比如你要想知道某辆车从启动到速度稳定行驶的距离，那么你会先统计从启动到稳定耗费的时间、稳定后的速度、加速度等参数；然后运用牛顿第二定律(或者其他物理学公式)建立模型；最后根据该车多次实验的结果列出方程组从而计算出模型的各个参数。通过该过程，你就相当于学习到了一个知识--- 某辆车从启动到速度稳定行驶的具体模型。此后往该模型输入车的启动参数便可自动计算出该车达到稳定速度前行驶的距离。然而，在数据挖掘的思想中，知识的学习是不需要通过具体问题的专业知识建模。如果之前已经记录下了100辆型号性能相似的车从启动到速度稳定行驶的距离，那么我就能够对这100个数据求均值，从而得到结果。显然，这一过程是是直接面向数据的，或者说我们是直接从数据开发模型的。这其实是模拟了人的原始学习过程 --- 比如你要预测一个人跑100米要多久时间，你肯定是根据之前了解的他(研究对象)这样体型的人跑100米用的多少时间做一个估计，而不会使用牛顿定律来算。回到顶部数据挖掘的起源由于数据挖掘理论涉及到的面很广，它实际上起源于多个学科。如建模部分主要起源于统计学和机器学习。统计学方法以模型为驱动，常常建立一个能够产生数据的模型；而机器学习则以算法为驱动，让计算机通过执行算法来发现知识。仔细想想，"学习"本身就有算法的意思在里面嘛。

会员制营销十大成功案例

营销案例：乐购超市的大众化会员制美国西北大学凯洛格商学院（KGSM ）教授、整合营销创始人唐?舒尔茨（Don schultz ）曾预言：“零售商未来的成功模式只有两种，一种是沃尔玛模式，即通过提高供应链效率，挤压上下游成本，以价格和地理位五作为主要竞争力；另一种是Tesco模式，即通过时客户的了解和良好的客户关系，将客户忠诚计划作为企业的核心竞争力。没有任何中间路线。” 乐购（Tesco）超市公司是英国最大的食品超市公司之一，该公司9 年前开始实施的忠诚计划― “俱乐部卡”( Clubcard )，帮助公司将市场份额从1995年的16 ％上升到了2003 年的27% ，成为英国最大的连锁超市集团。乐购的“俱乐部卡”被很多海外商业媒体评价为“最善于使用客户数据库的忠诚计划”和“最健康、最有价值的忠诚计划”。乐购“俱乐部卡”的设计者之一，伦敦Dunnhumby 市场咨询公司主席克莱夫（Clive Humby ）非常骄傲地说：“俱乐部卡的大部分会员都是在忠诚计划推出伊始就成为了我们的忠诚客户，井且从一而终，他们已经和我们保持了9 年的关系。” “俱乐部卡”绝不是折扣卡克莱夫介绍道：“设计之初，‘俱乐部卡’计划就不仅仅将自己定位为简单的积分计划，而是乐购的营销战略，是乐购整合营销策略的基础。”在设计“俱乐部卡”时，乐购的营销人员注意到，很多积分计划章程非常繁琐，积分规则很复杂，消费者往往花很长时间也不明白具体积分方法。还有很多企业推出的忠诚计划奖励非常不实惠，看上去奖金数额很高，但是却很难兑换。这些情况造成了消费者根本不清楚自己的积分状态，也不热衷于累计和兑换，成为了忠诚计划的“死用户”。 1、消费代金券因此，“俱乐部卡”的积分规则十分简单，客户可以从他们在乐购消费的数额中得到1 ％的奖励，每隔一段时间，乐购就会将客户累计到的奖金换成“消费代金券”，邮寄到消费者家中。这种方便实惠的积分卡吸引了很多家庭的兴趣，据乐购自己的统计，“俱乐部卡”推出的头6 个月，在没有任何广告宣传的情况下，就取得了17 ％左右的“客户自发使用率”。

数据挖掘案例分析--啤酒与尿布讲课稿

前言 “啤酒与尿布”的故事是营销届的神话，“啤酒”和“尿布”两个看上去没有关系的商品摆放在一起进行销售、并获得了很好的销售收益，这种现象就是卖场中商品之间的关联性，研究“啤酒与尿布”关联的方法就是购物篮分析，购物篮分析曾经是沃尔玛秘而不宣的独门武器，购物篮分析可以帮助我们在门店的销售过程中找到具有关联关系的商品，并以此获得销售收益的增长！商品相关性分析是购物篮分析中最重要的部分，购物篮分析英文名为market basket analysis(简称MBA，当然这可不是那个可以用来吓人的学位名称)。在数据分析行业，将购物篮的商品相关性分析称为“数据挖掘算法之王”，可见购物篮商品相关性算法吸引人的地方，这也正是我们小组乐此不疲的围绕着购物篮分析进行着研究和探索的根本原因。购物篮分析的算法很多，比较常用的有A prior/ ?’ p r i ?/算法、FP-tree结构和相应的FP-growth算法等等，上次课我们组的邓斌同学已经详细的演示了购物篮分析的操作流程，因此在这里我不介绍具体的购物篮分析算法，而是在已经获得的结果的基础上剖析一下数据身后潜藏的商业信息。目前购物篮分析的计算方法都很成熟，在进入20世纪90年代后，很多分析软件均将一些成熟的购物篮分析算法打包在自己的软件产品中，成为了软件产品的组成部分，客户购买了这些软件产品后就等于有了购物篮分析的工具，比如我们正在使用的Clementine。缘起 “啤酒与尿布”的故事可以说是营销界的经典段子，在打开Google搜索一下，你会发现很多人都在津津乐道于“啤酒与尿布”，可以说100个人就有100个版本的“啤酒与尿布”的故事。故事的时间跨度从上个世纪80年代到本世纪初，甚至连故事的主角和地点都会发生变化——从美国跨越到欧洲。认真地查了一下资料，我们发现沃尔玛的“啤酒与尿布”案例是正式刊登在1998年的《哈佛商业评论》上面的，这应该算是目前发现的最权威报道。 “啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布”故事的由来。当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal （个人翻译--艾格拉沃）提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提出了商品关联关系的计算方法——A prior算法。沃尔玛从上个世纪90年代尝试将A prior算法引入到POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。 “啤酒和尿布”的故事为什么产生于沃尔玛超市的卖场中

大学数据挖掘期末考试题

:号学题目-一 - -二二三四五六七八九十总成绩复核得分阅卷教师 :名姓班级业专院学院学学科息信与学数题试试考末期期学季春年学一320数据挖掘试卷课程代码：C0204413课程：数据挖掘A卷一、判断题（每题1分，10分） 1. 从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。（） 2. 数据挖掘的目标不在于数据采集策略，而在于对已经存在的数据进行模式的发掘。（） 3. 在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。（） 4. 当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似。（） 5. DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。（） 6. 属性的性质不必与用来度量他的值的性质相同。（） 7. 全链对噪声点和离群点很敏感。（） 8. 对于非对称的属性，只有非零值才是重要的。（） 9. K均值可以很好的处理不同密度的数据。（） 10. 单链技术擅长处理椭圆形状的簇。（）二、选择题（每题2分，30分） 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？（） A. 分类 B.聚类 C.关联分析 D.主成分分析 2. （）将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。 A. MIN（单链） B.MAX（全链） C.组平均 D.Ward方法 3. 数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了（）数据挖掘方法。 A分类B预测C关联规则分析D聚类 4. 关于K均值和DBSCAN的比较，以下说法不正确的是（） A. K均值丢弃被它识别为噪声的对象，而DBSCAN —般聚类所有对象。 B. K均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。 C. K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇 D. K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇 5. 下列关于 Ward 'Method说法错误的是：（） A. 对噪声点和离群点敏感度比较小 B. 擅长处理球状的簇 C. 对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差 D. 当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似 6. 下列关于层次聚类存在的问题说法正确的是：（） A. 具有全局优化目标函数 B. Group Average擅长处理球状的簇 C. 可以处理不同大小簇的能力 D. Max对噪声点和离群点很敏感 7. 下列关于凝聚层次聚类的说法中，说法错误的事：（） A. 一旦两个簇合并，该操作就不能撤销 B. 算法的终止条件是仅剩下一个簇 2 C. 空间复杂度为O m D. 具有全局优化目标函数 8规则｛牛奶，尿布｝T｛啤酒｝的支持度和置信度分别为：（）

大数据经典使用十大案例

如有人问你什么是大数据？不妨说说这10个典型的大数据案例(-from 互联网) 在听Gartner的分析师Doug Laney用55分钟讲述55个大数据应用案例之前，你可能对于大数据是否落地还心存疑虑。Laney的演讲如同莎士比亚的全集一样，不过可能“缺乏娱乐性而更具信息量”（也许对于技术人员来说是这样的）。这个演讲是对大数据3v 特性的全面阐释：variety（类型）、velocity（产生速度）和volume（规模）。术语的发明者就是用这种方式来描述大数据的–可以追溯到2001年。这55个例子不是用来虚张声势，Laney的意图是说明大数据的实际应用前景，听众们应该思考如何在自己公司里让大数据落地并促进业务的发展。“也许有些例子并非来自于你当前所处的行业，但是你需要考虑如何做到他山之石可以攻玉。”Laney表示。下面是其中的10个典型案例： 1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。 2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。“SAP想通过这次收购来扭转其长久以来在预测分析方面的劣势。”Laney分析到。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.360docs.net/doc/996199568.html,自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。 4. 快餐业的视频分析（Laney没有说出这家公司的名字）。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。 5. Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提

15个典型市场营销案例分析

15个典型市场营销案例分析营销案例一、农夫山泉“买一瓶水，捐一分钱给奥申委” 农夫山泉推出“再小的力量也是一种支持，从现在起每喝一瓶农夫山泉，您就为申奥捐出了一分钱”的公益形态的商业广告，搭奥运车，扬品牌名。营销案例二、北京申奥成功：也是事件营销案例的成功

北京申奥虽然不是商业活动，但它的确是一个非常成功的案例。申奥活动制定了“人文奥运、科技奥运和绿色奥运”的主题，确立了“新北京，新奥运”的口号，选定了“五环太极”标识，拍摄了申奥宣传广告。同时与多家世界知名公关公司合作，积极开展国际公关活动。营销案例三、诺基亚8250蓝色魅力推广：展现另类生活品位利用诺基亚8250产品的独特卖点“蓝色屏幕”，定位于注重生活品位的时尚一族。以“走进蓝色魅力”为主题，引申出一种与众不同的品味及生活模式。

营销案例四、深圳海王沉寂多年东山再起三大产品强势出击深圳海王在沉寂多年之后，相继推出海王银得菲、海王银杏叶片、海王金樽等三大产品，通过强势的市场攻势，一举打响海王品牌。营销案例五、娃哈哈非常茶饮料周星驰影迷会

娃哈哈借周星驰的人气推广其非常茶饮料系列，以影迷会的形式开展与消费者的互动，换取直接的销售效果，在茶饮料市场中分得一杯羹。营销案例六、百事可乐广告新星大赛：引领年轻时尚拥有百事可乐和百事流行服饰的百事公司锁定年轻一代为目标人群，与华纳唱片公司携手，在全国开展首届百事广告新星大赛反响不俗。营销案例七、借势《笑傲江湖》名人智能王由第二变第一

在商务通一统天下的时候，中山名人选择李亚鹏主推新品名人智能王，并做笑傲江湖贴片广告，一炮打响，同时今年两次降价，新品迭出，占据市场老大的位置。营销案例八、别克·赛欧上市：千呼万唤始出来 6月8日，别克·赛欧千呼万唤始出来，其精心策划的上市广告，为人们长久的期待画上一个完美的句号。同时，对于中国的轿车市场，赛欧的问世牵制了部分中低档轿车生产企业向高档轿车市场进军的步伐，在策略上迈出了相当成功的一步。营销案例九、选秀效应与立体传播：婷美的国际化之路

案例9 大客户营销

案例9 大客户营销：任重道远编写者：李坚飞张钊中国快递市场已经进入战国时代。国际四大快递巨头已进入国内快递市场，他们除了拥有雄厚的资金保障，相关的广告宣传与推广活动，有强大的、优秀的营销队伍外，在近期亦展开了一系列降价动作，并有针对性的对SF公司的大客户展开抢夺，短兵相接的激烈竞争态势已经开始。作为中国最大的快递公司——SF集团公司华东地区宁波区的区域经理，小杜正按照公司的部署，进行VIP客户配套服务的建设与实施，以重点关注大客户业务情况和服务需求、稳定大客户业务。为快速调整、适应所带来的市场竞争压力，各层级员工必须快速树立大客户服务理念，利用现有的服务资源，向核心大客户提供快速、便捷的客户服务，形成服务差异化，以获得可持续的竞争优势和提升大客户的忠诚度。为此，SF集团决定建立全网VIP客户绿色通道服务并对大客户进行管理，并建立了一套理想的客户管理体系，对不同类型的客户提供不同的服务。图9-1理想中的客户管理体系

按照SF集团构思与部署，集团正在一步步不断地完善VIP客户管理体系。2009年公司对于VIP客户的服务策略是：“尝试建立适应VIP客户需求的服务内容及模式”，在前期公司已经推出VIP客户基础服务的基础上，进一步推出针对VIP客户的“增值服务”和“个性化服务”菜单，以提高VIP客户的满意度和忠诚度。各项服务的定义说明及目前提供的服务内容如表9-1：表9-1 服务定义与服务内容作为区域经理的小杜明白，这套客户管理服务体系能为公司稳定住大客户，给大客户以特殊服务待遇必会让他们有一种殊荣感，从而更加坚定他们长远合作的心意。公司对于VIP客户的划分也是有着明确规定的，小杜在心里细细思量着宁波区有哪一些客户是黄金VIP，哪一些客户是其他VIP客户，有了一番计较之后，他计划着近期去一一拜访这些VIP客户，并把公司为他们所打造的这一系列增值专享服务告知他们，顺带可以做一下客户服务意见回访。小杜仔细看着公司总结的区域客户月均运费统计表，按照公司的有关规定，这20家公司就是公司的VIP了。他将在近日把上门去与20位VIP大客户沟通的计划告诉了文员林，并吩咐她将自己的行程安排妥当。表9-2 地区公司前20位VIP主营业务情况一览表

武大学长美国计算机硕士经典案例分享

武大学长美国常春藤名校计算机硕士录取经验分享哥大CS系成立于1979年，项目在计算机领域覆盖很广，学生可以从八个研究方向中选择自己感兴趣的进行修习，包括计算生物学、计算机安全、计算机科学基础、机器学习、自然语言处理、网络系统、软件系统、视觉与图形等等。哥伦比亚大学计算机硕士课程要求学生必须完成30个学分，至少2.7以上的GPA成绩并完成选修课程，需要完成至少6学分的6000-level的技术课程，最多3学分的非计算机/技术的课程。一．武汉申友留学美国计算机硕士名校成功申请案例学生姓名：Chen Z.H. 本科学校：武汉大学本科专业：计算机基本条件：GPA3.3+，IELTS7.5，GRE320+ 申请方向：美国计算机硕士录取结果：哥伦比亚大学（美国常春藤名校，2019年US NEWS 排名TOP3）佛罗里达大学（$4500奖学金）武汉申友留学顾问老师点评Chen同学的申请：记得特别清楚，去年9月28日下午，陈爸爸很焦急的打电话过来咨询孩子的留学申请，因为一开始是打算考国内的研究生，临时决定还是出国读研，留学考试都还没有开始准备，研究背景方面也有所欠缺，所以时间特别紧凑。国庆节过后立即签约加入了武汉申友美国服务，考试辅导老师Bella老师立即帮陈同学定制短期冲刺备考方案，武汉高级文书顾问Jessy老师也根据陈同学的现有背景出文书初稿，好在陈同学学习能力很强，在短短2个月的时间，一战考出GRE320+，IELTS7.5的好成绩，赶在圣诞节前提交了部分申请。由于陈同学的GPA不是很高，研究背景方面有些不足，陆续也收到过几所学校的拒信，但是我们都没有放弃，在3月份终于拿到了哥伦比亚大学和佛罗里达大学带奖学金的录取。二．去美国留学计算机专业申请难度分析计算机专业毕业生的一大优势是薪资水平高，本科毕业生平均起薪为58,419美元，研究生则增加到了70,625美元。极高的投资回报率，加上专业方向非常多，不同背景的学生都可以申请，所以计算机专业申请人数连年持续走高，申请竞争激烈，而申请的软硬件条件也水涨船高。

融创核心营销及经典案例解析

渠道为王——融创核心营销体系打造及经典案例解析【课程背景】融创2013年逆势突围，销售业绩突破500亿，挤进一线房企阵营。从顺驰的失败到建立融创重新发展，狂人孙宏斌用十年时间，创造了一个又一个的地产界传奇。融创十年来是如何取得如此高速发展的，孙宏斌个人过往的经历及他激进冒险的性格又对融创有着怎样的影响，对其他房企业绩及绩效又有哪些借鉴意义，这些，都值得我们同行业思考的。 2014年5月22日，融创中国正式发布公告，称将斥资62.98亿港元收购绿城5.24亿股股票，占绿城全部已发行股票的24.313%。 2014年前三季度，融创绿城以104亿的销售业绩成为上海商品住宅网签销冠，单盘销售成绩排名前十的项目中，融绿一家就占据了四席。业内戏言，上海楼市已进入“融绿时代”。 2014年融创绿城开发的苏州绿城桃花源被评为全国最佳楼盘，受到业内的广泛认可，堪称中式别墅典范之作。融创绿城在2014年业绩可谓令业内惊叹。2014年前三季度上海房企商品住宅网签销售排名中，融创绿城以104.45亿元再度成为上海商品住宅网签销冠，并远超第二名万科逾20亿元。融创2014年目标600亿，加上绿城已经突破千亿，千亿目标不是终点！以上数据，虽然与融创的绝佳地段，及高质量保证，创新营销有关联，但有一点与融创的线上线下“全民狼性拓客营销”这一拓客法宝运用到极致是分不开的，融创这一狼性系统拓客法宝又是如何超越万科，保利，新河湾等之前企业的效果，成为2014年全民拓客营销第一名的拓客黑马的呢？同样是绿城产品，为什么融创拓客营销法宝却让融创创造房地产行业的奇迹和神话呢？【课程特色】 1、情景式训练法与案例分析、模拟实验、小组讨论及视频冲击和练习等风趣幽默，通俗易懂有效； 2、学员100%参与实操训练；理论讲授40％、实操训练35％、案例讨论15%、经验分享与现

大客户销售案例实录

大客户销售案例实录对于大客户销售这个话题，由于我接触到的我们公司的销售工作也不是很多，如果要是讲一些具体的案例的话，我也很难将问题讲的那么透彻，但是有一点，我可以向大家说一下，我从事营销工作这么多年，我与大家不同的是，我以前做大客户销售，最大的单笔成交额是120万，并且这个单子是我从事销售工作以来做的最大的一笔单子，这是我以前从事销售工作的一个例子。对于大客户销售，我将要引出的第二个例子曾经与部分销售人员分享过。在以前从事大客户销售工作中，曾经有一个单子已经是28万了，但是到最后签合同时，客户却让开了30万的发票。这是为什么呢?大家可以想想。我们在做大客户销售时候，有没有可能将本来已经压下去的价格再提上来?各位可以思考一下。另外一点，在做大客户销售时最麻烦的一件事情就是请客户吃饭。在济南请客户吃饭也无所谓，报销就报销了。但是在北京、上海请客户吃饭，一般都是一两千，这种接洽成本是相当高的。我在与其它销售人员的交流的时候，他们都说“不请客户吃饭，连与客户见面的机会都没有更何况是谈业务呢?要不行你试试看，你不请客户吃饭，你试试能谈生意吗?”这个也是我在做销售时经常会碰到的情况。我到过沈阳、上海、广东去谈业务，单子一般都在20万元以上，并且每次去都是客户请我们吃饭，包括客户到济南来，本来行主宾之礼请客户吃饭，但是时常还是客户请我们吃饭，大家知道为什么吗?各位可以思考一下? 在大客户销售当中，销售人员能不能做到把主动权交到自己手里，这是非常关键的问题，也就是说大客户销售工作，并非一定要采取一些非正规的手段促成交易，比如：请客、吃饭、回扣等，做销售工作未必是这样，销售方式有很多种，就看销售人员如何去发现。以上是我向大家分享的一些工作经历，下面就先向各位分享一下我对于大客户销售的一些工作体会。在讲之前，先给各位分享一个观点：结果与过程。我注意到大家在听课的时候，看到我写的标题，大家都想记在本子上，大家将知识记到本子上，关注的就是结果。而在总结销售经验时，我们所关注的结果就是在特定的背景下、特定的客户情况下，在其中一个客户身上总结的东西，然后照搬到另一个客户身上。但是针对这种学习方法，我可以向大家说这是百分之百的不合时宜。例如其它销售人员说这句话，我也是说句话，他用这个招、采用这个姿势，可以让客户加盟，为什么我用就不灵呢?你可以完全去按照别人的方法做，百分之百的模仿他人去做，但是唯一不同的是你们面对的客户变了。我们在学习的时候，可以分析一下，我们是学的结果还是过程?举一个销售人员学习的例子：好比有些同仁说：你告诉我一个答案吧，告诉我怎么促成这笔

数据挖掘考试习题

欢迎阅读数据挖掘考试题一．选择题 1. 当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？( ) A.分类 B.聚类 C.关联分析 D.主成分分析 2. ( )将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。 A.MIN(单链) B.MAX(全链) C.组平均 D.Ward方法 3.数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了( )数据挖掘方法。 A 分类 B 预测C关联规则分析D聚类 4.关于K均值和DBSCAN的比较，以下说法不正确的是( ) A.K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象。 B.K均值使用簇的基于原型的概念，DBSCAN使用基于密度的概念。 C.K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇 D.K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇 5.下列关于Ward’s Method说法错误的是：( ) A.对噪声点和离群点敏感度比较小 B.擅长处理球状的簇 C.对于Ward方法，两个簇的邻近度定义为两个簇合并时导致的平方误差 D.当两个点之间的邻近度取它们之间距离的平方时，Ward方法与组平均非常相似 6.下列关于层次聚类存在的问题说法正确的是：( ) A.具有全局优化目标函数 B.Group Average擅长处理球状的簇 C.可以处理不同大小簇的能力 D.Max对噪声点和离群点很敏感 7.下列关于凝聚层次聚类的说法中，说法错误的事：( ) A.一旦两个簇合并，该操作就不能撤销 B.算法的终止条件是仅剩下一个簇 O C.空间复杂度为()2m D.具有全局优化目标函数

大客户营销经典案例

大客户营销经典案例--2000万的订单我曾经连续丢了几个大订单，都输给同一个系统集成商。我很奇怪，这家系统集成商既没有解决方案，又没有在电信行业的成功实例，就像在空气中冒出来的一样。我们在电信行业有很强的客户群，和这家系统集成商交锋了几次，互相有输有赢。不打不相识，最后双方决定坐下来谈一谈，看看有没有合作的可能性。我听说这家系统集成商赢得这些订单的是一个女销售代表，姓刘。我去这家系统集成公司的时候见到了她，很普通的样子，看不出来有什么特别。因为已经开始合作，她也不讳言她是怎么赢的。我首先问起了华北某省移动局的订单，因为我们的代理商的销售代表在当地趴了几个月，上上下下做了很多工作，本来以为十拿九稳，最后居然输给了她。当问到她是怎么赢得这个项目的时候，这个刘姓的销售代表反问我:“你猜猜我在签这个合同以前去见了客户几次？”然后，她晃着指头骄傲地告诉我:“两次，第一次两天，第二次三天。” “这不可能，在5天内她可能连客户都认不全。”我说。 “没错，这个项目牵扯到省局和移动局的很多部门，有局长、主管的副局长、计费中心的主任、科技处和计划处。5天之内全见到都不可能，别说去做工作了。而且我们的竞争对手，也就是你们的代理商已经在那里泡了一个多月了，从工程师到处长都有很好的关系。但确实我就去了两次，总共去了5天。” “你以前就认识这些客户？” “所有的客户都是我在这个项目中认识的。” “你在跟我开玩笑，如果这样，我们的代理商绝不会输给你。” “没有啊。我第一次去的时候一个人都不认识，我就一个部门一个部门地拜访，所有相关部门的人我都见过了，这时我就要去见局长。” “局长一定不见你，即使见你，也会马上就把你打发走了。” “比这还糟糕，局长根本不在，出差了。所以我那次出差就没有见到局长。” “怎么可能？”我听我的代理商告诉我，就是这个局长坚持要用她的产品。