Transcript Ch09基本的資料探勘、線上分析處理、資訊呈現.ppt

第 9 章
基本的資料探勘、線上分析
處理、資訊呈現
資料探勘(續)
企業常將顧客分類，進行資料探勘，以
便行銷策略可更有效的針對特定群體。
典型的例子是以RFM區分顧客，意即最近
購買時間、頻率、金額等，這些資料庫
取自顧客，可進行量化分析。
2016/8/7
顧客關係管理
2
資料探勘
倉儲資料儲存室是企業的資源，須完成
三個基本功能：
從倉儲資料儲存室中取得資料
資料轉換成資訊
資訊呈現給CRM系統的使用者
2016/8/7
顧客關係管理
3
資料探勘(續)
資料探勘是從倉儲中取得資料，有些資料探勘
軟體也可作資料轉換與呈現，OLAP(線上分析
處理)系統是針對資料倉儲使用者設計的軟體
資料探勘並非只是從資料倉儲直接取得資料，
而是從之前未知的資料中取得資訊。
資料探勘(data mining)可界定為蒐集資料市
集之過程，可使使用者了解以前未知的資料型
態、關係、趨勢等。將其運用於CRM，則是從
顧客資料中，更了解顧客及其行為。
2016/8/7
顧客關係管理
4
決策支援
資料倉儲系統並非只是交易處理系統，而是要用
於決策制定。
將電腦運用於決策支援系統(DSS)的理念可追溯至
Gorry與Morton兩位麻省理工學院教授於1971年發
表於史隆管理評論(Sloan Management Review)的
文章，該理念可相對於管理資訊系統(MISManagement Information System)，但MIS偏向企
業整體資訊之發掘，但運用的結果是，管理者不
一定知道所需的資訊，而資訊專業人員也不一定
懂管理。
Gorry與Morton將MIS觀念與決策支援系統(DSSDecision Support System)觀念結合，以便針對
問題加以解決。
2016/8/7
顧客關係管理
5
圖表9.1 供決策支援之資料探勘
2016/8/7
顧客關係管理
6
假設驗證與知識發現
資料探勘之使用過程稱為假設驗證
(hypothesis verification)，使用者可用CRM
系統支持或拒絕其假設。
資料探勘也有助於知識發現(knowledge
discovery)，使用者透過CRM系統之使用，可
確認資料中存在之特性，透過資料之發掘予以
陳述。
假設驗證以使用者導向(user-driven)進行，
知識發現則以系統導向(system-driven)之方
式進行。
2016/8/7
顧客關係管理
7
資料探勘功能
分類
許多公司常依顧客行為將顧客分類，以提供
較佳之服務
分群
賣方喜歡依顧客相似特性，將顧客分群，企
業可依此資料，對特定分群推出行銷方案。
資料探勘軟體可結合人口統計變數、地理、
活動、心理、行為變數等資料進行分群，計
算程序(algorithm)可將資料結合軟體，以
得到更豐富的資訊。
2016/8/7
顧客關係管理
8
資料探勘功能(續)
連結
連結是用於產品之間，賣方可了解連結是否
存在，及其強度，且基於相關產品而進行決
策。
例如：早餐之製造商可藉優惠券資料獲知哪
些產品被購買，零售商可將常被一起購買之
產品放在一起展示，確認連結之過程稱為發
現連結(associations discovery)。
2016/8/7
顧客關係管理
9
資料探勘功能(續)
型態或序列
賣方也會對顧客購買行為之型態或序列有興趣，有
些行為會以某序列方式發生，資料探勘型態稱為發
現序列型態(sequential pattern discovery)，包
含時間為變數，序列的強度可用量化方式加以衡量。
另一個發現型態或序列的方法是相似時間序列發現
(similar time sequence discovery) ，不僅發現
序列型態，也確認相似型態的行為。顧客依序列購
物，及相似時間序列發現可用於確認其他分群也有
類似的序列，資料探勘軟體系統可完成這些功能。
哈拉博奕公司如何應用此功能
2016/8/7
顧客關係管理
10
知識發現方法
決策樹
決策樹(decision tree)是基於屬性而進行
推導的過程，可用一系列的架構進行推論，
通常只有一個起點，但有多個終點
決策樹的基礎稱為根部，分枝的盡頭則稱為
樹葉，通常根部在圖表的上方或左方，邏輯
過程是由上而下或由左至右。
2016/8/7
顧客關係管理
11
圖表9.2 決策樹
2016/8/7
顧客關係管理
12
圖表9.2 決策樹(續)
2016/8/7
顧客關係管理
13
知識發現方法(續)
算術推導
算術推導(genetic algorithm)則基於最適
化之觀念加以推導，圖表9.3表示廣告策略
之推導，該策略目標是使銷售極大，太少廣
告將喪失潛在的收入，太多也對企業不利。
2016/8/7
顧客關係管理
14
圖表9.3 算術推導之例
2016/8/7
顧客關係管理
15
知識發現方法(續)
記憶體為基礎之推導
記憶體為基礎之推導(memory based
reasoning)是指基於已往記憶，預測未來可
能發生之事項，運用在行銷上，則是以已往
產品之購買預測其品牌忠誠度。
資料探勘的應用中，資料紀錄可得知顧客行
為，大量購買的顧客可分類為忠誠的顧客，
也可用於預測未來可能的序列行為。
RFM(最近購買時間、頻率、金額等)是記憶
體為基礎之推導的例子，可預測其未來行為。
2016/8/7
顧客關係管理
16
知識發現方法(續)
神經網絡分析
神經網絡分析(neural networks)是基於人
體腦部之基礎，配合電腦輸入、處理、輸出
等架構，所形成的分析架構
圖表9.4A是分析中的元件要素，包含輸入、
處理、輸出等，為單一方向推導
圖表9.4B則結合更多來源，形成網絡分析。
圖表9.5則以表列方式呈現四種基本的資料
探勘所能達成之功能。
2016/8/7
顧客關係管理
17
圖表9.4 神經網路分析
2016/8/7
顧客關係管理
18
圖表9.5 知識發現方法可完成之基本
功能
2016/8/7
顧客關係管理
19
線上分析處理(OLAP)之基本概念
OLAP是基於資料倉儲使用者之需求，使其達成
互動效果，並進行多維度分析及獲得迅速回應。
使用者可基於網路(Web)畫面進行互動利用，
且可獲得包含圖形之結果。
OLAP可用於移動平均及時間序列等之運算，
OLAP也支援向下查詢、向上查詢、橫向查詢、
穿越查詢
OLAP也可將資料加以轉軸，從不同角度看資料，
將於圖表9.6討論。
2016/8/7
顧客關係管理
20
圖表9.6 產品多元分類
2016/8/7
顧客關係管理
21
圖表9.6 產品多元分類(續)
2016/8/7
顧客關係管理
22
圖表9.6 產品多元分類(續)
2016/8/7
顧客關係管理
23
基本的線上分析處理架構
OLAP的資料可取自關係性或多維度的資料庫，
前者稱為ROLAP(關係性線上分析處理Relational Online Analytical Processing)，
後者稱為MOLAP(多維度線上分析處理Multidimensional Online Analytical
Processing)，架構列於圖表9.7
ROLAP從關係性資料庫管理系統中取得資料，
MOLAP則從多維度資料庫系統中取得資料。
2016/8/7
顧客關係管理
24
圖表9.7 ROLAP 與 MOLAP 架構
2016/8/7
顧客關係管理
25
關係性線上分析處理(ROLAP)
各資料庫以關係性表格組成，採資料庫
常用標準軟體，經證明可不受限於資料
規模，但若受資料規模限制，則影響其
分析能力。
2016/8/7
顧客關係管理
26
圖表9.8 ROLAP 報告之例子
2016/8/7
顧客關係管理
27
多維度線上分析處理(MOLAP)
多維度資料庫正在成長，IBM與微軟已發展多
維度資料庫管理系統(MDBMSs)
MDBMSs適用於OLAP以完成多維度分析，但資料
庫規模受限。因此須將MDDB下載至顧客工作站，
MDBMSs只需管理一部分的資料庫即可。CRM系
統的設計者須決定用ROLAP或MOLAP
ROLAP適用於資料庫很大，而分析為中等
MOLAP適用於資料庫較小，而分析較複雜
須結合ROLAP與MOLAP的強勢，則須用HOLAP。
2016/8/7
顧客關係管理
28
圖表9.9 MOLAP 報告之例子
2016/8/7
顧客關係管理
29
OLAP軟體
OLAP軟體系統有兩個例子，一個是微軟SQL
2000伺服器，另一個是IBM DB2。
微軟的產品可提供多維度構面，且將量化數據加以
彙總，資料可用彈性及迅速報告之方式提供。細節
及彙總資料可用關係性或多維度OLAP資料庫加以儲
存，或以複雜結合方式，稱為HOLAP (Hybrid
Online Analytical Processing)。在HOLAP，細節
資料儲存在關係性資料庫，而彙總資料儲存在多維
度資料庫。
IBM DB2則可提供假設導向之資料探勘，且迅速回
應，以假設推導之邏輯加以分析。
2016/8/7
顧客關係管理
30
資訊呈現
資訊使用者
初學者(novice)是指沒有受過特別的電腦訓
練，需要訊息，但不須分析，主管是其中一
例，他只需彙總的資訊。
分析人員(analyst)是指精通分析之使用，
且應用統計工具，將資訊加以轉換，以供主
管使用，主管的幕僚是其中一例。有權力者
(power user)，他們將資訊分析，且加入其
他總體資訊，通常是資訊專業人員
2016/8/7
顧客關係管理
31
資訊呈現(續)
資訊傳送軟體
報告撰寫
資料庫查詢語言
決策支援系統
線上分析處理
2016/8/7
顧客關係管理
32
圖表9.10 資訊傳送過程
2016/8/7
顧客關係管理
33