数据挖掘应用案例：RFM模型分析与客户细分
数据挖掘应用案例：RFM模型分析与客户细分
分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型
2012-01-21 21:39阅读(16854)评论(9)
这里，我先给各位朋友拜年，祝大家新春快乐！
兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。
我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！
RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。
本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT
因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。
先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）
?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多
少记录和字段的；
?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足
?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断
就悲剧了，呵呵；
?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作；
?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数
据分隔符采用“|”存储；
?如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好的沟通机制；
?数据挖掘会面临数据字典和语义层含义理解，在MetaData元数据管理和理解上下功夫会事半功倍，否则等数据重构完成发现问题又要推倒重来，悲剧；
?每次海量大数据挖掘工作时都是我上微博最多的时侯，它真的没我算的快，只好上微博等它，哈哈！
传统RFM分析转换为电信业务RFM分析主要思考：
这里的RFM模型和进而细分客户仅是数据挖掘项目的一个小部分，假定我们拿到一个月的客户充值行为数据集（实际上有六个月的数据），我们们先用IBM Modeler软件构建一个分析流：
数据结构完全满足RFM分析要求，一个月的数据就有3千万条交易记录！
RFM分析节点产生R(Recency)、F(Frequency)、M (Monetary)；
接着我们采用RFM分析节点就完成了RFM模型基础数据重构和整理；
现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score；这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分表明了125个RFM魔方块。
传统的RFM模型到此也就完成了，但125个细分市场太多啦无法针对性营销也需要识别客户特征和行为，有必要进一步细分客户群；
另外：RFM模型其实仅仅是一种数据处理方法，采用数据重构技术同样可以完成，只是这里固化了RFM模块更简单直接，但我们可以采用RFM构建数据的方式不为RFM也可用该模块进行数据重构。
我们可以将得到的数据导入到Tableau软件进行描述性分析：（数据挖掘软件在描述性和制表输出方面非常弱智，哈哈）
我们也可以进行不同块的对比分析：均值分析、块类别分析等等
这时候我们就可以看出Tableau可视化工具的方便性
接下来，我们继续采用挖掘工具对R、F、M三个字段进行聚类分析，聚类分析主要采用：Kohonen、K-means和Two-step算法：
这时候我们要考虑是直接用R(Recency)、F(Frequency)、M (Monetary)三个变量还是要进行变换，因为R、F、M三个字段的测量尺度不同最好对三个变量进行标准化，例如：Z得分（实际情况可以选择线性插值法，比较法，对标法等标准化）！另外一个考虑：就是R、F、M三个指标的权重该如何考虑，在现实营销中这三个指标重要性显然不同！
有资料研究表明：对RFM各变量的指标权重问题,Hughes,Arthur认为RFM在衡量一个问题上的权重是一致的,因而并没有给予不同的划分。而Stone,Bob通过对信用卡的实证分析,认为各个指标的权重并不相同,应该给予频度最高,近度次之,值度最低的权重；
这里我们采用加权方法：WR=2 WF=3 WM=5的简单加权法（实际情况需要专家或营销人员测定）；具体选择哪种聚类方法和聚类数需要反复测试和评估，同时也要比较三种方法哪种方式更理想！
下图是采用快速聚类的结果：
细分市场研究方法及市场规模测算模型探讨
细分市场研究方法及市场规模测算模型探讨 一、市场数据收集方法 （1）调研对象 外部调研对象：行业专家、行业协会、下游客户、竞争对手、供应商、经销商、代理商、合作伙伴、研究机构、大学、券商研究部等 公司内部对象：公司管理层、相关职能部门专业人员 （2）研究方法 内部访谈法、内部研讨会、问卷调查法、实地调研法、头脑风暴法、案头研究、基准分析等 （3）数据资料查找途径 商业数据库、谷歌、百度、豆丁、Chinainfobank、ISI等网站、国家统计局公布数据、年鉴、行业期刊、杂志、专业论坛、所属行业的权威机构公布数据、海关数据、行业协会公布数据、国家及行业重大政策和规划、行业研究报告、券商报告等 二、市场规模测算方法 1、市场规模测算及预测方法 （1）方法介绍 巴比社会研究法、直接投资额法、整体投资比例法、趋势外推法、回归模型法、普及率类比、瑞利多因素法、专家德尔菲预测法、直观判断预测法、时间序列分析预测法、回归分析预测法、结构分析预测法等 （2）推算思路 市场规模的推算方法较多，从行业特性来说，不同情况推算思路略有不同。从供应端和专家得到的信息和数据，并以此进行市场推估。这个方法比较适用于下游应用领域众多、消费不集中的情况；从消费端进行分层抽样再进行数据汇总，适用于下游市场比较单一，应用
领域相对集中的市场；同时采集供应端和消费端数据，并进行数据交叉验证，适用于产品或行业相对垄断，供应和消费行业都较为集中的产品或行业。 2、软件类企业案例——互动媒体系统平台 （1）背景分析： 互动媒体系统平台软件的下游行业主要包括电信运营商、广电新媒体运营商、广电网络运营商。在三网融合背景下，电信和广电运营商在基于内容的信息系统、双向网络改造、宽带升级、终端硬件投入的基础上，向广大受众提供IPTV、互动电视、网络视频、互联网电视、手机视听等各类互动媒体业务，这些业务的基础用户数量和营收情况直接影响系统平台软件的投资规模。 产业产业投资具体产品价值链环节 代表业务
数据挖掘应用案例：RFM模型分析与客户细分
数据挖掘应用案例：RFM模型分析与客户细分 分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型 2012-01-21 21:39阅读(16854)评论(9) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） ?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多 少记录和字段的； ?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足 ?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断 就悲剧了，呵呵； ?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； ?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数 据分隔符采用“|”存储；
中国移动客户价值的提升
提升客户价值创造移动时代 中国移动集团客户特点是“两高一低”，即ARPU值高、收入占比高和离网率低。这三个特点说明了集团客户之于中国移动的价值重要性。作为更高级网络运营阶段电信运营商争夺的主要阵地，集团客户对于中国移动来讲，具有举足轻重的地位。 客户价值就是指客户给企业所带来的收益，取决于时间和价格两个因素。长期稳定的关系表现为客户的生命周期。客户价值管理是企业进行针对化营销、服务的有力保障，因为企业的资源必定是有限的，通过客户价值的量化管理帮助我们实现有限企业资源的高价值分配，通过CRM系统可以定义多种评估模型、评估范围和评估条件以金字塔的形式动态实时展现企业当前的客户价值分布情况，并通过系统可以详细的了解到不同价值阶段的客户分布情况、价值分布情况、价值构成情况等。以帮助企业进行不同价值客户的营销、服务的差异化管理带来帮助。 据官方统计，到2006年上半年，中国移动的手机用户数已经达到2.7亿户。早在2002年移动点心就已占据国内七成用户市场的同时，奠定了其“寡头”地位。但随着联通、网通、铁通等异军突起，对移动通信形成包围式的链锁并不断蚕食其原有的用户市场，于是，移动通信在市场巨变的环境下其“寡头”地位已经不复存在了。但不可否认的是，移动通信仍是占据着大多数市场的“龙头”者，因此，如何深挖最大的客户市场，已经是移动运营商不得不深思的问题。而当今经济形态下的市场价值所在亦不是单纯的个体用户，而是具备多元化需求的集团客户。 不同的用户市场群体受区域性差异的影响在选择性上有所偏颇，同时存在地方政府的宏观干预。所以，移动运营商在寻觅集团客户对象时，要考虑到用户所处的市场环境下的文化地域性因素。这些区域性差异包括文化、经济、生活等诸方面的因素，移动运营商要针对这些区域性因素，实施差异化战略来挖掘集团客户价值。 从市场发展规律来看，卖方市场到买方市场的转变往往是在市场开始竞争之时。对竞争日渐激烈的移动通信业而言，具有前瞻性目光的人士早已看到，初露端倪的买方市场正在形成。如何适应市场、创造市场，是移动通信企业面临的带有战略性的问题。移动通信商们应该清醒认识到，拥有目前的市场并不完全意味
完整的项目总结报告
完整的项目总结报告 篇一：建筑工程竣工总结报告全 石家庄通用航空产业制造基地 533号试飞检测综合厂房工程 竣 工 报 告 河北科工建筑工程有限公司 年月日 533号试飞检测综合厂房工程 竣工报告 尊敬的各位领导、专家： 你们好！由我单位承建的533号试飞检测综合厂房工程自从XX年4月10日开工以来，经过三年多的精心施工，在质监站、设计、勘察、建设、监理单位的细心指导和帮助下现已完成了该工程，现我代表施工单位就工程的施工情况，向各位领导和验收专家组作简要汇报： 1.工程概况 总体概况 533号试飞检测综合厂房工程位于石家庄市东南部栾城县城西北新厂区内，主体结构钢筋混凝土结构，南附楼层数
为二层，北附楼层数为一层。建筑面积为 6295 m。 建设单位：石家庄飞机工业有限责任公司 质监单位：栾城县建设工程质量监督站 设计单位：中国航空工业规划设计研究院 勘察单位：勘察设计院 监理单位：河北冀通工程建设监理有限公司 施工单位：河北科工建筑工程有限公司 建筑结构设计概况 结构概况 本工程为钢筋混凝土结构，基础采用独立混凝土基础，基础垫层为100厚C15素混凝土，主体结构为C30混凝土，砌体采用MU10页岩多孔砖，水泥砂浆砌筑。 2 2.工程施工情况 本工程从XX年4月 10日开工，XX年6月5日基础完成，并于6月8日通过地基与基础分部工程验收，核定等级合格。于XX年5月5日主体封项，并经业主、设计、质监、监理、施工等单位于11月30共同 验收，核定主体分部工程为合格，通过项目部全体职工的精心施工，工程于XX年11月30日顺利竣工，并于12月20日经业主、监理、施工等单位进行竣工初验。 该工程自开工以来项目部全体以严谨的工作态度，精心组织施工，按设计文件和现行的标准、规范来约束自己的
数据挖掘应用案例：RFM模型分析与客户细分-沈浩老师
这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。
一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！ 这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）
客户细分精准化营销—RFM模型
客户细分精准化营销——RFM模型 一、研究目得 1、了解哪些客户就是价值、需发展、需保持、需挽留得; 2、对不同类别得客户进行不同得营销策略,增大客户购买得可能性; 二、RFM简介 RFM模型就是衡量客户价值与客户创利能力得重要工具与手段,R近度(Recency),F频度(Frequency),M额度(Monetary)。该模型得作用如下: （一）给不同类别得客户进行不同得营销策略(称之为个性化营销策略),减少客户得反感,促进客户得转化,即精准化营销。 (1)对重要价值客户111进行推送“恭喜您成为VIP！如果您有问题,我们会优先处理;如果我们有新产品或新活动,会优先告知您！”“感谢您下单,祝您用餐愉快！”等等。 (2)对重要保持客户011(很久没有下单,但就是以前非常频繁,贡献度比较大,这些忠诚客户流失了,需要紧急处理)进行“Hello,好久不见！”“回访找出流失原因”“保持联系,提高其忠诚度与满意度”“线下邀请参加活动”“线上互动功能开发、线上互动活动策划”等等,只要下单就行,即成为重要价值客户。 (3)对重要发展客户101(频次低,但最近下单,贡献度较大,有钱力得客户)进行“发放一定数量得优惠券,优惠券额度递增”“满就减”等等,让客户多下单,即成为重要价值客户。 (4)对重要挽留客户001(很久没下单,频次低,贡献度较大),对客户进行适当得挽留营销策略。 (5)对一般价值客户110(最近下单,频次高,贡献度较小,比较穷得客户),可以进行“会员卡充100送10”“满减活动”“套餐”等策略。 (6)对于一般保持客户010(很久没下单,频次高,贡献度较小,流失得比较穷得客户),可以“Hello,好久不见！已发放一定数据得优惠券,位置在……,请查收！” (7)对于一般发展客户100(最近下单,频次低,贡献度较低,即新客户)进行品牌介绍以及多次消费刺激策略,“您好,我们就是…、、,致力于……。如果您有反馈或疑惑,请第一时间联系我们,xx……,公众号……。最近我们有促销活动,……” (8)对于一般挽留客户000(已流失客户)不就是我们得营销重点,所谓20%得
中国移动客户关系管理
精心整理 中国移动客户关系管理 1.移动通信企业CRM分析 1.1移动的顾客识别 移动公司通过一系列技术手段深入了解自己的顾客，收集客户信息，根据客户的特征、购买记录等可得数据，找出谁是企业的潜在顾客，客户的需求是什么、哪类客户最有价值等，并把这些客 RFM 找出消费金额比较高的消费者，加以着重关爱。总之就是更好地使用有效的企业资源。 1.3移动的客户关系维系 首先，通过与客户的互动将自己的产品和服务介绍给客户，扩大客户群体。中国移动在电视杂志网络均有广告，来吸引更多的消费者。中国移动还在户外开展各种活动赞助来扩大它的影响力。其次，通过与客户互动来了解客户的需求。中国移动开设的有人工服务，语音服务，方便客户查询和办理业务，另外还有短信中心，有出新业务及时给客户通知，另外还有网上营业厅和营业厅实体店，客户如有疑问可以向工作人员了解情况。 第三，对移动公司服务、产品的意见的调查和满意度测评。
2.移动通信企业CRM当前存在的主要问题 (1)业务发展问题 业务的发展是企业增加利润，提高客户的满意度、忠诚度，拓展市场，提高竞争能力的必要手段。对业务如何有针对性地进行拓展，如何考虑价格因素的影响以及如何制定有效的市场营销策略等问题对于移动通信企业是非常重要的，也是目前迫切需要解决的。 (2)缺乏对客户流失问题的全方位分析 目前迫于市场竞争的压力，用户流失情况严重，公司对客户的流失没有采用很好的管理策略，只了解到客户流失了，并没有真正掌握客户流失的原因、流失的方向和流失客户的构成；并且对客 在 3. 3.1CRM系统建设的目标 客户关系管理信息系统的建设，旨在利用先进的信息技术与计算机应用技术成果，通过和电信其它业务系统及职能系统的有机结合，建立一个发展客户、维持用户、使潜在客户成为现实用户的信息处理与分析平台。它是在收集客户市场调查信息、客户资料信息、客户营销战略资源的基础上，再自动采集计费、客服、网管、财务等系统的相关数据，建立快速、全面、准确的新客户业务受理、新增需求受理及故障处理过程通道，建立完善的奖金管理、渠道管理系统以及完整的客户满意度评
(完整)项目开发总结报告,推荐文档
项目开发总结报告 1.引言 1.1编写目的 项目开发总结报告的编制是为了简单回顾记录项目的开发过程，总结本项目开发工作的经验，说明实际取得的开发结果以及对整个开发工作各个方面的评价，总结开发过程中的逻辑方法。 本文档预期的读者为软件开发人员。 1.2背景 项目名称：“High Go”智能购物车 系统名称：智能购物车系统 开发单位：西北大学信息科学与技术学院“High Go”团队 开发历时：四周 版权信息：梦想网络资源检索系统是由西北大学信息科学与技术学院“High Go”团队开发，未经作者许可，任何个人或组织不能将其用于商 业用途，系统所搜索的资源版权归原作者所有。 1.3定义 购物车车身：采用当前市场上最普遍的购物车规格，迎合人们一般的手推 购物车购物的习惯方式。 显示屏：在购物车前端，车筐上方安置一块触摸显示屏，人们可以在显示 屏上通过点击屏幕进行一些基本操作，如查询商品信息、查询总价和商品数 量、确认购物单、删除商品等。 无线扫码枪：顾客在购物过程中，可以对自己确认投入购物车的商品进行 扫码。将无线扫码枪与显示屏一同安置在购物车筐上方，方便顾客在拿取商品 扫码同时看到新扫码的商品信息。 警示灯：在自助购物过程中，超市本身无法对每一位客户进行实时监管， 为了防止顾客忘记自主扫码或者故意不扫码给超市带来损失，在购物车的两旁 将设置警示灯，如果没有通过扫码而把商品直接投入车筐内，则警示灯会启动 发光报警，只有重新扫码并通过显示屏进行确认才能够消除报警。 1.4参考资料 [1]刘兵,刘晓朋,曾翔亮.基于条码识别技术的智能购物车设计[J].森林工 程,2012,11.
[2]郑创立.RI-R6C-001A 集成电路的原理与应用[J].国外电子元器件,2004,06. [3]李文江,高锋,丁睿.RI-R6C-OO1A 射频芯片在个人医疗信息系统中的应用[J].电气自动化,2007, 29. [4]刘江沙,雷伟,尹酉.基于 CC2430 的串口无线模块的设计[J].国外电子元器件,2007,04. [5]张喆.基于 STC89C516 的超市智能购物车研发[J].自动化技术与应 用,2009,28. [6]江田.基于 RFID 的商品购物智能终端的设计与实现[D].大连理工大 学,2013,06. [7] 张俊谟.单片机中级教程[M] . 北京: 北京航空航天大学出版社.2006. [8] 张俊.匠人手机[M] .北京:北京航空航天大学出版社.2008. [9] 刘焕成.工程背景下的单片机原理及系统设计[M].北京:清华大学出版 社.2008. [10] 颜继红.超市一线员工高流动率问题的研究[J].科技和产 业,2011,11(4):54-55 [11] 韩立毛,赵跃华,钱宇力.基于物品跟踪定位方案的连锁超市应用系统设计[J].铁路计算机应用,2009(8) [12] 中国工业和信息化部物联网总体框架与技术要求( Y DT/2437-2012 )[S] 北京:人民邮电出版社,2013 [13] 叶少龙,刘建群等.PIC 单片机在模具条码识别系统中的应用[J].广东工业大学学报,2009,26(2):94-97 [14] 程子华,阳胜峰.视频学工控—触摸屏应用技术[M].北京:人民邮电出版 社,2006 [15]刘伟勋. 家乐福价格欺诈的背后[J]. 中国品牌,2011,( 2): 44 -46. [16] 叶少龙,刘建群,吴积荣,等. PIC 单片机在模具条码识别系统中的应用[J]. 广东工业大学学报2009, 26( 2) : 94 - 97. [17]张佩剑. 无动力智能节能型自动灌溉系统研究[J]. 森林工 程,2005,21( 3) : 19 - 20. [18]王忠勇,张建华,宋豫冀. 基于 89C2051 的解码器设计[J]. 微电子学与计算, 2002,( 5) : 57 - 58.
基于数据挖掘技术的客户细分模型研究
基于数据挖掘技术的客户细分模型研究 发表时间：2013-04-22T11:11:28.857Z 来源：《中国科技教育·理论版》2013年第1期供稿作者：杨登[导读] 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了 杨登吉林化工学院 132022 摘要客户细分是客户关系管理中的首要任务，数据挖掘技术是实施客户细分的关键技术。本文介绍如何将SOM神经网络算法和k均值算法相结合，构建一种客户细分模型。 关键词客户细分 SOM神经网络算法 k均值算法细分模型 1．介绍 对于现代企业而言，相互之间的竞争已从产品的样式和质量上的竞争转移到争夺客户的竞争上来了。面对日益激烈的市场竞争，企业逐渐意识到维系与顾客之间的长久关系的重要性。数据挖掘技术可以企业在海量数据中同时更好地理解客户，找出高价值或者至少有利润的客户，并将这些客户进行适当的分类，由此决策者便能够对每一类客户提供有针对性的个性化服务。国外诸多学者从人口统计、客户行为、价值、利益、忠诚等角度出发，获得了一些不同的细分方法。这些细分方法在实际运用中都取得了一定成效，而目前占据主流地位的还属基于行为和价值的客户细分方法。基于行为的细分方法认为行为变量是构建细分市场的最佳起点，通过对客户行为的测量，对客户进行分类；而基于价值的细分方法则认为客户的价值是构建细分市场的最佳起点，通过分析不同客户给企业带来的盈利，来对客户分类。 目前客户终身价值的研究还不成熟，客户细分更多采用基于行为的分类方法。本文介绍的客户细分模型也是基于行为分类，在选定了特定的行为变量后，比较了SOM神经网络算法和k均值算法的优缺点，结合两个算法构建一个客户细分的模型。 2．模型实现的方法 2.1行为变量的选取 本文在选取细分的行为变量时，在客户价值矩阵的两个变量基础上，增加了一个反应客户忠诚度的变量--客龄。客龄等于客户的开户日期与最近购买日期的时间差，单位为天数。也就是说，一共选取了三个行为变量，分别为平均购买金额A，购买次数F和客龄D。 2.2算法的设计 2.2.1 K-均值的优缺点 K-均值算法的优点是简单、快速、有效。该算法的缺点是①不同初始值会导致不同的聚类结果；②要求事先输入聚类数目；③陷入局部极优；④对“噪声"和孤立点数据比较敏感。 2.2.2 SOM算法的优缺点 SOM算法的优点是①由于不需要映射内的相互结合，计算量少；②算法中不需要微分计算，数学上非常简单。 SOM的缺点是①SOM 不能提供分类后精确的聚类信息，②缺乏具体的目标函数，使得不同SOM聚类的结果难以进行比较；③必须设定初始邻域宽度、初始学习率、网络类型、邻域函数这许多的参数。 2.2.3 结合算法 K-均值需要指定聚类的个数，且初始的聚类质心是随机赋予的；而SOM只需输入向量就能产生分类。可将两种算法结合起来，形成一个结合算法。第一步，先执行SOM算法，输出聚类数目N和聚类质心Z={Z1，Z2，?，Zc}。第二步，将SOM输出的结果N, Z={Z1，Z2，?，Zc},用做K-均值算法的初始化条件，得到最后的聚类的结果。将两个算法结合起来后，因为得到合适初始值，K-均值算法的局部搜索能力变强，收敛速度提高。 2.3数据准备 客户信息表：共有9876条记录，经筛选保留字段为客户号、性别、年龄、受教育程度、婚否、未成年孩子的个数、职业、收入、房产、汽车、注册日期等。 商品数据表：有1561条记录，经筛选保留字段为商品号、商品名和商品属类标识。交易记录表：有97425条记录，经筛选保留字段为商品号客户号、单价、数量、小计、日期。建模的样本数据集由上述基本表融合而生成，新增变量平均购买金额、购买频率、客龄，在数据清理后，采用最小一最大标准将属性值标准化到[0，1]，形成我们的挖掘数据库。 3.模型评估 3.1基于SOM网络的聚类质心 经过预定次数的训练之后，客户被自动分为了5类，所得各簇的聚类质心如表1所示：表1 SOM聚类质心 簇C1C2C3C4C5 簇质心平均购买额0.3340.2410.2350.2350.34购买次数0.1130.0760.1140.080.119客龄0.7820.6270.5240.4180.272 3.2基于K-均值的聚类质心 为了进行比较，对样本数据指定K=5，执行k-均值后所得各簇的聚类质心如表2所示：表2 K-均值聚类质心 簇C1C2C3C4C5 簇质平均购买额0.170.3450.4190.3070.325购买次数0.580.3980.0810.0870.091
客户关系管理-客户细分
客户关系与客户细分 一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分
中国移动的客户关系管理方案分析与设计
中国移动的客户关系管理方案分析与设计 项目号：中国移动项目成员：第一组专业班级：连锁101 一、中国移动简介 中国移动通信集团公司（简称“中国移动”）于2000年4月20日成立，是 一家基于GSM和TD-SCDMA制式网络的移动通信运营商。注册资本为518亿元人 民币，截至2008年9月30日，资产规模超过8,000亿元人民币。 中国移动通信拥有全球第一的移动通信网络规模和客户规模，连续多年入选 《财富》杂志世界500强企业，2010年排名为第77位。在中国境内，中国移动 通信集团公司主要经营移动语音、数据、IP电话和多媒体业务，并具有计算机 互联网国际联网单位经营权和国际出入口局业务经营权。除提供基本话音业务以 外，还提供传真、数据IP电话等增值业务，拥有“全球通”、“动感地带”、“神 州行”、“G3”等品牌。 二、中国移动的客户关系管理现状与分析 （一）中国移动的客户识别现状与分析 1、中国移动的客户识别现状 客户识别就是通过一系列技术手段，根据大量的客户特征、需求信息等，找 出哪些是企业的潜在客户，客户的需求是什么，哪些客户最有价值等等，并以这 些客户作为客户关系管理对象。 中国移动对于其所有的客户都有其鲜明的识别标志。不管是全球通客户、神 州行客户还是动感地带客户，每个客户都有易于识别的号段来对应最适合自己的 服务与权益。而从2010年09月01日起，每一位申请中国移动的通信服务的客 户都必须进行实名登记。这是中国移动手机客户信息的一部分。每一个中国移动 的客户在获得中国移动的sin卡后便可以在世界范围内，任何有移动信号的地方 享受中国移动所提供的一切服务。此外，中国移动不仅是通信服务的提供方，还 是客户通信信息的保管方。中国移动能够使用第一手资料，在第一时间发掘用户 的相关信息，推出跟符合用户使用习惯的服务。更重要的是中国移动一直严格的 保密着客户的资料与通信信息，至少迄今还是。 2、中国移动的客户识别分析 作为 IDIC 模型的第一部分，中国移动对其进行了绝对的重视并做了很好的 努力。中国移动的各个服务类别如：“全球通”、“神州行”、“动感地带”等服务
新客户价值细分模型探讨及在风险客户识别方面的应用讲解学习
新客户价值细分模型探讨及在风险客户识别方面的应用 来源：计费&OSS世界作者：闫森时间：2006年10月19日 本文针对电信运营企业建设客户关系管理系统（CRM）时所需要的客户细分模型从数学建模和模型应用等方面进行深入探讨，结合吉林联通CRM系统的建设给出了模型的实现方法，并给出了风险客户的判别参数及应用示例，具有较强的实用价值。 吉林联通客户关系管理系统的概要介绍 随着中国电信业市场竞争的激烈，传统的经营模式受到了很大的冲击，难以适应不断增长的市场需求，电信运营商必须从传统的经营模式向“以客户为中心，市场为导向”的经营模式转变。 中国联通吉林分公司的领导提出，必须以客户为中心，以客户的价值取向和消费心理为导向，进行客户细分，为用户提供高品质的服务，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。 中国联通吉林分公司基于CRM的理念及系统建设，针对客户的消费行为，根据客户价值的细分和不同的贡献度，制定相应的营销战略，开发适合的产品和服务，来赢得和保持客户。为了能在存量市场竞争中取胜，企业必须具有强大的客户关系维系能力，在为客户提供贴身的电信产品和服务的同时，为客户提供主动关怀，不断提高客户忠诚度。这就需要一个以客户为中心构建的客户价值细分系统，为客户提供一致的端到端差异化和个性化服务，为一线销售和服务人员提供实用高效的工作平台、全面的客户信息和销售、服务策略的指导建议。 2005年5月吉林联通基于CRM的理念，开始了“客户维系挽留、积分及代理商管理系统”即 CRM系统前期的建设工作，目前已经完成了统一客户资料、客户维系挽留、积分管理、代理商管理、集团客户管理、信用度管理等模块的建设，实现了CRM系统目标要求的部分功能。 客户价值细分的建设目标 客户价值细分的建设作为吉林联通CRM系统建设的重点，它涉整个系统的基础应用数据的抽取和整理，是进一步为客户提供个性化、差异化服务的基础，一个不断新建和整合的过程。 客户价值细分的建设目标为： （1）建立客户价值模型，实现科学、自动的模型处理。 （2）通过模型应用，节省成本，并充分进行差异化客户服务及个性化服务。 （3）通过细分模型，发掘不同价值和不同风险的用户，对“高价值低风险”、“高
公司用户调查项目策划总结报告
用户调查项目总结报告
XXX公司市场部·200x年x月
目录 用户调查项目总结报告 (1) 1. 用户调查项目概述 (2) 1.1项目名称和目标 (2) 1.2项目时刻 (2) 1.3项目组成员 (2) 1.4调查方法 (2) 1.4.1 样本选择 (2) 1.4.2 问卷设计 (3) 1.4.3 问卷发放和回收 (3) 1.5项目成果概述 (3) 2. 数据分析 (5) 2.1用户差不多情况 (5) 2.2产品认知度 (6) 2.2.1 按用户年龄细分的产品认知度 (6) 2.2.2 按用户地域细分的产品认知度 (6) 2.3产品和服务中意度 (8) 2.3.1 按年龄细分的产品和服务中意度 (8) 2.3.2 按地域细分的产品和服务中意度 (8)
3. 调查结论 (10) 4. 结语 (11)
1.用户调查项目概述 1.1项目名称和目标 项目名称：XXX公司市场部200x年国内目标用户认知度和中意度调查项目 项目目标：通过抽样调查的方法，猎取国内要紧省市目标用户对X产品的认知度和中意度的差不多情况，为公司产品研发、市场宣传和商业运作提供较为客观、准确的数据基础。 1.2项目时刻 开始时刻：200x年x月1日 结束时刻：200x年x月25日 1.3项目组成员 项目责任人：×× 调查问卷设计：××、×× 调查样本选择：××、× 用户采访和问卷发放：×、×、××、××、× 问卷回收和结果统计：×、××、××、× 数据分析和报告：××、××、×× 1.4调查方法 此次调查要紧在XXX公司设有分支机构（分公司或办事处）
的省市开展，选择调查对象时结合使用了重点抽样和随机抽样的方法，在设计调查问卷时则强调客观问题和主观问题相结合，以客观问题为主的设计方法。 1.4.1样本选择 参与此项调查的省、直辖市共计21个。 在选择调查样本时，XXX公司在21个省、直辖市的分公司或办事处市场负责人首先提供了历年积存的地区用户数据和潜在用户信息。在此数据基础上，我们在重点用户中按照兼顾不同产品、不同类不、不同职业、不同年龄段的原则，抽选出50%的样本。 随后，我们又与信源市场调查有限公司合作，从21个省、直辖市的一般消费者中，按照XXX公司的目标用户筛选方式，在符合目标用户类型的不同职业、不同年龄段的消费者中随机抽取了50%的样本。 1.4.2问卷设计 调查问卷在设计上要紧包括四方面的内容： 用户差不多信息调查：包括用户的性不、年龄、职业、文化程度、家庭情况、个人爱好、同类产品消费经历等差不 多信息。
客户关系管理-客户细分、关键细分特征、时间维度等对客户细分价值的体现讲解学习
一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分为不同关系生命周期阶段的客户，从而实现对客户关系生命周期理论的准确应用和对客户的有效管理。
顾客细分模型及实证研究
第7期(总第272期) 2006年7月 财经问题研究 Research on F i n anc i a l and Econo m i c Issues Number7(General Serial No1272) July,2006 顾客细分模型及实证研究 赵保国 (北京邮电大学文法经济学院,北京 100876) 摘 要:本文从顾客忠诚和顾客价值这两个维度建立顾客细分模型。该模型既从顾客角度出发,考虑到不同顾客的差异化需求;又从企业角度出发,充分考虑到了企业资源配置与收益相匹配的原则。并且,本文还通过实证的方法来对通信行业的顾客群体进行细分,将其顾客分为四类,为企业制定有效的营销策略提供依据。 关键词:顾客细分;顾客价值;顾客忠诚 中图分类号:F28714 文献标识码:A 文章编号:10002176X(2006)0720085206 一、研究概论 顾客细分(Cust omer Seg mentati on)是指按照一定的标准将企业现有顾客划分为不同的顾客群。通过顾客细分,企业可以更好地识别不同的顾客群体,采取差异化的营销策略,从而有效地降低成本,同时获得更强、更有利可图的市场渗透[1]。现有的研究依据传统的市场细分理论进行了有益的探讨,例如采用人口统计学变量(如年龄、性别、收入、教育背景和职业等),或者顾客购买行为特征变量(如顾客购买量、购买频率和忠诚度等),亦或是顾客价值变量。但是,由于这些细分方法的提出是基于不同的研究目的和视角,尚不能满足顾客关系管理对于顾客细分更全面、细致的要求。 本文的研究目的就是尝试在已有研究结论的基础上,从顾客忠诚和顾客价值两方面提出一种具有可操作性的细分方法,为企业细分不同的顾客群体并配置相应的资源提供参考。 二、目前研究现状综述 S m ith W endell于1956年在探讨市场细分和产品差异策略这两种不同的产品策略时首先提出的。他认为“市场细分是基于某一时期市场中个体需求的不同特点而做出的产品决策,而产品差异策略则仅定位于市场竞争者,不考虑需求的复杂性。”[2] 从国内外相关文献来看,目前的顾客细分是在传统市场细分研究的基础上所进行的更为深入的研究,大体是从顾客、企业以及两者相结合这三个角度展开的。 11基于顾客的细分研究 W ilkie和Cohen最早按照不同的层次将细分变量分为五种:个人总体特征描述变量(如性别、年龄、职业、收入等)、心理图示、需要的价值、品牌感知和购买行为。Schiff man按照地理、人口、心理、社会文化、使用情境、利益以及混合细分变量进行归纳。Haley则认为在传统市场细分中,地理区域、人口统计和销量细分变量占据了统治地位。[3]从以上学者对传统市场细分变量的总结不难看出,它们实际上可以归属于三类———环境细分、心理细分和行为细分。 21基于企业的细分研究 顾客导向的细分方法是围绕顾客各方面差异展开的,目的是实现差异化营销策略。由于差异化必须付出相应的成本代价,过分关注顾客需求而忽视企业利益的细分则恰恰违背了市场细分的初衷———更好地集中有限资源为某一顾客群体提供差异化服务。于是,相当一部分学者就转向从企业角度出发研究细分方法,其成果集中体现在价值细分上。价值细分的思想就是以顾客价值为 收稿日期:2006205208 作者简介:赵保国(1971-),男,河南舞钢人,经济学博士,中国人民大学商学院博士后。
中国移动经营分析系统
中国移动经营分析系统 一、中国移动经营分析现状研究近几年，随着国内电信企业的不断发展，电信行业的竞争也趋于白热化。一方面，客户选择电信业务及电信企业的余地越来越大，电信企业之间对客户的争夺也越来越激烈。经过运营商不断的“价格战”，电信市场出现了严重的“增量不增收”现象，大量低忠诚度的客户转网或变更业务。电信企业虽纷纷采用具有一定优惠期限的活动来降低客户的流失率，但在优惠期结束后，很多客户便纷纷离网或弃卡重入网以套取新的优惠，仍造成了大规模的客户流失，致使电信企业的业务收入下滑、客户发展效率低成本高。另一方面，电信客户近几年高速增长，形成了庞大、需求差异很大的客户群；同时适用于不同人群的各种新业务不断推出，电信企业需要通过细分市场、客户群，将最合适的业务推销给最需要的客户，实现业务和客户的最佳匹配。 在这种激烈的竞争情况下，如何提高经济效益，如何运用科学的经营分析方法，实现精细化的管理和营销，用高质量的服务来吸引和留住客户，扩大市场占有率，在竞争中占据有利位置，是国内各电信运营商关注的重点。 基于以上背景，国内电信运营商纷纷建立起以“经营分析系统”为核心的企业决策支持体系，通过对公司日常经营数据的分析、挖掘，为公司决策者、各级管理者提供经营决策依据，以实现精细化营销。 1、中国移动经营分析系统建设概况
为保证中国移动在激烈的市场竞争中能够满足新业务、新需求、新机会的需要，有效提高中国移动市场前沿的信息化水平，辅助提升中国移动市场精细化营销水平和深度运营能力，确保中国移动的市场领先地位，中国移动在完成业务支撑系统(BOSS)建设和集中化后，于2001年开始筹备经营分析系统，起草了规范和标准。2002年中国移动开始投入巨资进行经营分析系统建设，并于2004年实现省级经营分析系统和有限公司一级经营分析系统的全国联网。 经营分析系统的投入使用，使中国移动初步建立了面向企业运营的统一数据信息平台，为全网业务、客户服务、市场营销、经营决策、业务实施等工作提供了有效的支撑，同时进一步支持了有限公司对各省市场经营活动的管理和指导，在中国移动的业务运营中发挥了重要的作用，为中国移动精细化运营提供了基础。 2、中国移动经营分析系统框架介绍 中国移动经营分析系统通过与其它业务系统的有机结合，有效利用业务支撑系统(BOSS)和服务、财务、网络等系统产生的大量基础数据，运用数据仓库、联机分析处理、数据挖掘等先进技术，并通过预定义报表、即席查询、OLAP分析等功能，实现对公司的经营情况的分析和监控。 经营分析系统主要包括四层结构，即数据获取层、数据存储层、数据应用层和数据访问层。 (1)数据获取层
数据挖掘应用案例：RFM模型分析与客户细分完整版
数据挖掘应用案例：R F M模型分析与客户 细分 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
数据挖掘应用案例：RFM模型分析与客户细分 分类：| 标签： 2012-01-21 21:39阅读(16854) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS ，，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） 一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的； Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G 空间预留，否则读取数据过程中将造成空间不足 海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别 是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵； 数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； 多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储； 如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好 的沟通机制；