如何更好地挖掘数据价值？
CDA数据分析师原创作品, 转载需授权
1.什么是数据挖掘
数据挖掘一般是指从大量的数据中自动搜索隐藏其中的、有特殊关系的信息的过程。
它可以直接针对个人消费者，通过建立对应的模型来预测客户行为。企业可以了解有关其客户的更多信息，以制定更有效的营销策略，增加销售量或者降低销售成本。数据挖掘依赖于有效的数据收集，仓储和计算机处理。
2.数据挖掘的重要性
CDA数据分析研究院认为，数据挖掘和业务结合使用时才有意义。例如，通过结合业务知识的理解，数据挖掘可以通过预测不同客户群体的响应率，准确定位高响应率客户，提高高价值客户保留率，大大降低营销的时间成本和客户管理成本。
如果没有数据挖掘，即使企业有关于您的相关信息，他们所知道的只是您所提供的信息。通过数据挖掘，他们可以知道更多。比如，如果某企业拥有您和其他客户的消费行为数据，就可以通过关联规则算法预测出您所偏好的产品，进而向您推荐更加符合您心意的产品，同时企业也提高了销售量。
- 如何更好挖掘数据价值
大多数公司只从数据分析中获得了约30%的潜在价值，CDA数据研究院认为其原因在于大部分数据分析师在挖掘数据价值时没有系统把握好数据分析流程的核心。
3.1 业务理解
在业务理解的过程：
首先，需要清楚地了解业务目标，找出业务需求。
接下来，通过查找需要考虑的变量，假设条件，约束条件和其他重要因素来评估当前情况。
然后，从业务目标和当前情况，创建数据挖掘目标。
最后，形成一个良好的数据挖掘计划，以实现业务目标。该计划应尽可能详细。
3.2 数据理解
数据理解阶段从初始数据收集开始，该数据收集从可用数据源收集，以帮助熟悉数据。通过执行一些重要的工作，包括数据加载和数据集成，以便成功地进行数据收集。
接下来，需要仔细检查并报告所获取数据的属性。
然后，需要通过处理数据挖掘问题来探索数据，这些问题可以使用查询，报告和可视化的方式来解决。
最后，必须通过回答一些重要问题来检查数据质量，例如“获取的数据是否完整？”，“获取的数据中是否有任何缺失值？”
3.3 数据准备
数据准备通常占用项目时间的大约90％。数据准备阶段的结果是最终数据集。一旦识别出可用的数据源，就需要选择、清理、构造，并将其格式化为所需的形式。在此阶段可以进行更深入的数据探索任务，这个需要数据分析师基于业务的理解来选择是否进行下一步的探索。
3.4 建立模型
首先，选择合适的建模技术用于准备好的数据集。
接下来，生成测试数据集以验证模型的准确度。
然后，在准备好的数据集上创建一个或多个模型。
最后，需要对涉及利益相关的模型进行仔细评估，以确保所创建的模型符合业务计划。
3.5 模型评估
在评估阶段，必须在第一阶段的业务目标背景下评估模型结果。在此阶段，如果在模型结果中发现的新模式或其他因素，可能会提出新的业务需求。获得业务理解是数据挖掘中的一个迭代过程。必须在此步骤中决定是否继续进入制作报告阶段。
3.6 部署计划
通过数据挖掘过程获得的信息，结合相关业务，部署阶段可以像创建报告一样简单，也可以像重复数据挖掘过程一样复杂。从项目的角度来看，项目的最终报告需要总结项目经验并审查项目，验证模型效果和业务目标达成情况。