网志栈编辑推荐
随着移动互联网和物联网时代的来临，人和万事万物被广泛地联系在一起。人们在联系的过程产生了大量的数据，例如用户基础信息、网页浏览记录、历史消费记录、视频监控影像，等等。据此，以Google 为首的互联网公司提出了“大数据”（Big Data）的概念，并声称人类已经脱离了信息时代（Information Time，IT），进入了大数据时代（Data Time，DT）。显然，海量数据包含了非常丰富的浅层次信息和深层次知识。对于同一竞争领域的企业，谁能获取*量的数据，展开*精准的数据挖掘与建模分析，并加以精细化的落地实施，谁便能在行业竞争中取得优势。
对于运营商企业而言，其具备的一个显著优势便是手握海量数据资源。如果能运用先进的数据挖掘技术找出客户的行为规律，从传统的经验式、粗放式、“一刀切”式的运营决策向数据化、精细化、个性化的运营决策转型，运营商将迎来新的腾飞。上述运营模式转型的目标，便是所谓的“智慧运营”。 ；
内容简介
本书系统地介绍了大数据挖掘的基本概念、经典挖掘算法、挖掘工具和企业智慧运营应用案例。 全书分为9章，内容包括：大数据挖掘与智慧运营的概念，数据预处理，数据挖掘中的四种主流算法：聚类分析、分类分析、回归分析、关联分析，增强型数据挖掘算法，数据挖掘在运营商智慧运营中的应用案例，未来大数据挖掘的发展趋势等。 全书以运用大数据挖掘方法提升企业运营业绩与效率为主线，从运营商实际工作中选取了大量运营和销售案例，详细讲述了数据采集、挖掘建模、模型落地与精准营销的全部过程。书中大部分案例的代码、软件操作流程和微课视频可以通过扫描本书封底的二维码下载。 本书主要面向运营商及其他高科技企业员工、高等院校相关专业本科生和研究生，以及其他对数据挖掘与精准营销感兴趣的读者。
作者简介
梁栋，博士毕业于北京邮电大学信号与系统专业，现任教于北京邮电大学，硕士研究生导师，曾主持和参加多项国家自然科学基金项目、国家863课题项目、国家973科技项目和多项省部级科研项目，主要研究方向为大数据、数据挖掘与智慧运营，所带领的研究团队在包括IEEE Internet of things Journal、IEEE International Conference on Data Mining等著名学术期刊和会议上发表高水平学术论文20多篇，并且长期与中国移动等运营商企业进行科技产业化合作，在大数据、数据挖掘技术运用于企业智慧化运营方面有着丰富的落地经验。
目录
第1章大数据、数据挖掘与智慧运营综述 1
8.4.4 多元线性回归建模350
8.4.5 制定层次化、个性化精准营销方案351
8.4.6 落地效果评估与模型调优352
8.5 客户保有 353
8.5.1 总结客户流失的历史规律354
前沿
数据挖掘（Data Mining），是指从数据中发现知识的过程（Knowledge Discovery
in Databases，KDD)。狭义的数据挖掘一般指从大量的、不完全的、有噪声的、模糊
的、随机的实际应用数据中，提取隐含其中的、人们事先不知道的、但又是潜在有用
知识的过程。自从计算机发明之后，科学家们先后提出了许多优秀的数据挖掘算法。
2006年12月，在数据挖掘领域的权威学术会议the IEEE International Conference on
Data Mining（ICDM）上，科学家们评选出了该领域的十大经典算法：C4.5、K-Means、
SVM、Apriori、EM、PageRank、 AdaBoost、kNN、Naive Bayes和CART。这是数据
挖掘学科的一个重要里程碑，从此数据挖掘在理论研究和实际应用两方面均进入飞速
发展时期，并得到广泛关注。
在实际生产活动中，许多问题都可以用数据挖掘方法来建模，从而提升运营效率。
例如，某企业在其移动终端应用（App）上售卖各种商品，它希望向不同的客户群体
精准推送差异化的产品和服务，从而提升销售业绩。在这个案例中，如何将千万量级
的客户划分为不同的客户群体，可以由数据挖掘中的聚类分析算法来完成；针对某个
客户群体，如何判断某个产品是否是他们感兴趣的，可以由数据挖掘中的分类分析算
法来完成；如何发现某个客户群体感兴趣的各种产品之间的关联性，应该把哪些产品
打包为套餐，可以由数据挖掘中的关联分析算法来完成；如何发现某个客户群体的兴
趣爱好的长期趋势，可以由数据挖掘中的回归算法来完成；如何综合考虑公司的KPI
指标、营销政策和App页面限制等条件，制订最终的落地营销方案，可以基于数据
挖掘中的ROC曲线建立数学模型求得最优解来解决。
当前，许多企业正面临前所未有的竞争压力。以运营商企业为例，从政策层面看，
国家提出了“提速降费”的战略指示：一方面要提高网络连接速度、提供更好的服务，
这意味着公司成本的提高；另一方面要降低资费标准，这意味着单个产品收入的下降，
运营商该如何化解这对矛盾？从运营商内部数据统计看，传统的语音和短信、彩信业务收入占比正不断下降，传统的利润点已经风光不再；流量收入目前已占据主要位置
并保持上涨趋势，但单纯的流量经营又将面临“管道化”压力；未来的利润增长点要
让位于被称为“第三条曲线”的数字化服务。运营商该如何经营这一新鲜事物？从外
部环境看，互联网和电子商务企业借助其在各方面的优势，已经对运营商形成了巨大
的压力，特别是在数字化服务营销领域，传统运营商企业已经不再具备优势，又该如
何应对互联网企业的全面竞争？
随着移动互联网和物联网时代的来临，人和万事万物被广泛地联系在一起。人
们在联系的过程产生了大量的数据，例如用户基础信息、网页浏览记录、历史消费记
录、视频监控影像，等等。据此，以Google 为首的互联网公司提出了“大数据”（Big
Data）的概念，并声称人类已经脱离了信息时代（InformationTime，IT），进入了大
数据时代（Data Time，DT）。显然，海量数据包含了非常丰富的浅层次信息和深层
次知识。对于同一竞争领域的企业，谁能获取最大量的数据，展开最精准的数据挖掘
与建模分析，并加以精细化的落地实施，谁便能在行业竞争中取得优势。对于运营商
企业而言，其具备的一个显著优势便是手握海量数据资源。如果能运用先进的数据挖
掘技术找出客户的行为规律，从传统的经验式、粗放式、“一刀切”式的运营决策向
数据化、精细化、个性化的运营决策转型，运营商将迎来新的腾飞。上述运营模式转
型的目标，便是所谓的“智慧运营”。
目前，人类对大数据尚没有统一的、公认的定义，但几乎所有学者和企业都认同
大数据具备四大特征（四大挑战）：体量巨大（Volume ）、类型繁多（Variety ）、价
值密度低（Value ）、需要实时处理（Velocity ）。这其中最重要的一点是类型繁多，
即过去人类的数据储备以结构化数据为主，而未来将以非结构化数据为主。回到之前
提到的App 营销案例，企业基于用户的基础信息、历史消费信息、简单的网络行为
信息等结构化数据展开挖掘建模，被认为是传统的“基于数据挖掘的智慧运营”。随
着时代的发展，企业还掌握了用户观看在线视频的内容数据、在营业网点接受营业员
推荐的表情信息和语言交流数据、用户在客服热线中的语音咨询数据等。这些数据被
统称为非结构化数据，随着语音识别、人脸识别、语义识别等新技术的发展成熟，对
非结构化数据的分析挖掘已成为可能，并将获得广阔的商业应用空间。基于非结构化
数据的挖掘建模又被称为“基于人工智能的智慧运营”。考虑当前大部分企业的实际
运营现状，本书将主要围绕“基于数据挖掘的智慧运营”展开讨论，“基于人工智能
的智慧运营”将在后续书籍中展开讨论。
本书共分为九章：第1 章大数据、数据挖掘与智慧运营综述，讲述数据挖掘的基
本概念和发展史、大数据的时代特征、当前结构化数据挖掘进展、非结构化数据挖掘
免费在线读
2. 数据挖掘算法的应用
数据挖掘算法可以挖掘出很多意想不到的规律，不仅有助于推进很多理论技术的发展，还可以帮助商家赚取利润。
数据挖掘应用中，有一个很经典的“啤酒 尿布”案例。某著名超市在对消费者购物行为进行关联分析时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。没想到这个举措居然使尿布和啤酒的销量都大幅增加了。
2009年，Google通过分析5000万条美国人最频繁检索的词语，将之和美国疾病中心在2003年到2008年间季节性流感传播时期的数据进行比较，并建立一个特定的数学模型。最终Google成功预测了2009冬季流感的传播甚至可以具体到特定的地区和州。
数据挖掘的结果还曾让英国撤军。2010年10月23日《卫报》利用维基解密的数据做了一篇“数据新闻”。将伊拉克战争中所有的人员伤亡情况均标注于地图之上。地图上一个红点便代表一次死伤事件，鼠标单击红点后弹出的窗口则有详细的说明：伤亡人数、时间，造成伤亡的具体原因。密布的红点多达39万，显得格外触目惊心。一经刊出立即引起英国朝野震动，推动英国最终做出撤出驻伊拉克军队的决定。
数据挖掘对医学领域的影响也十分重要。举一个比较著名的人物——乔布斯。乔布斯是世界上第一个对自身所有DNA和肿瘤DNA进行排序的人。为此，他支付了高达几十万美元的费用。他得到的不是样本，而是包括整个基因的数据文档。医生按照所有基因按需下药，最终这种方式帮助乔布斯延长了好几年的生命。
大数据、数据挖掘与智慧运营 pdf下载声明
本pdf资料下载仅供个人学习和研究使用，不能用于商业用途，请在下载后24小时内删除。如果喜欢，请购买正版
