數(shù)據(jù)挖掘與預測分析術語總結

數(shù)據(jù)挖掘目前在各類企業(yè)和機構中蓬勃發(fā)展。因此我們制作了一份此領域常見術語總結，希望你喜歡。

分析型客戶關系管理（Analytical CRM/aCRM）: 用于支持決策，改善公司跟顧客的互動或提高互動的價值。針對有關顧客的知識，和如何與顧客有效接觸的知識，進行收集、分析、應用。參見>>>

大數(shù)據(jù)（Big Data）: 大數(shù)據(jù)既是一個被濫用的流行語，也是一個當今社會的真實趨勢。此術語指代總量與日俱增的數(shù)據(jù)，這些數(shù)據(jù)每天都在被捕獲、處理、匯集、儲存、分析。維基百科是這樣描述“大數(shù)據(jù)”的：“數(shù)據(jù)集的總和如此龐大復雜，以至于現(xiàn)有的數(shù)據(jù)庫管理工具難以處理（…）”。

商業(yè)智能（Business Intelligence）: 分析數(shù)據(jù)、展示信息以幫助企業(yè)的執(zhí)行者、管理層、其他人員進行更有根據(jù)的商業(yè)決策的應用、設施、工具、過程。

流失分析（Churn Analysis/Attrition Analysis）: 描述哪些顧客可能停止使用公司的產(chǎn)品/業(yè)務，以及識別哪些顧客的流失會帶來最大損失。流失分析的結果用于為可能要流失的顧客準備新的優(yōu)惠。

聯(lián)合分析/權衡分析（Conjoint Analysis/ Trade-off Analysis）: 在消費者實際使用的基礎上，比較同一產(chǎn)品/服務的幾個不同變種。它能預測產(chǎn)品/服務上市后的接受度，用于產(chǎn)品線管理、定價等活動。

信用評分（Credit Scoring）: 評估一個實體（公司或個人）的信用值。銀行（借款人）以此判斷借款者是否會還款。

配套銷售/增值銷售（Cross / Up selling）: 一個營銷概念。根據(jù)特定消費者的特征和過往行為，向其銷售補充商品（配套銷售）或附加商品（增值銷售）。

顧客細分&畫像（Customer Segmentation & Profiling）: 根據(jù)現(xiàn)有的顧客數(shù)據(jù)，將特征、行為相似的顧客歸類分組。描述和比較各組。

數(shù)據(jù)集市（Data Mart）: 特定機構所儲存的，關于一個特定主題或部門的數(shù)據(jù)，如銷售、財務、營銷數(shù)據(jù)。

數(shù)據(jù)倉庫（Data Warehouse）: 數(shù)據(jù)的中央存儲庫，采集、儲存來自一個企業(yè)多個商業(yè)系統(tǒng)的數(shù)據(jù)。

數(shù)據(jù)質量（Data Quality）: 有關確保數(shù)據(jù)可靠性和實用價值的過程和技術。高質量的數(shù)據(jù)應該忠實體現(xiàn)其背后的事務進程，并能滿足在運營、決策、規(guī)劃中的預期用途。

抽取-轉換-加載 ETL (Extract-Transform-Load): 數(shù)據(jù)倉儲中的一個過程。從一個來源獲取數(shù)據(jù)，根據(jù)需求轉換數(shù)據(jù)以便接下來使用，之后把數(shù)據(jù)放置在正確的目標數(shù)據(jù)庫。

欺詐檢測（Fraud Detection）: 識別針對特定組織或公司的疑似欺詐式轉賬、訂購、以及其他非法活動。在IT系統(tǒng)預先設計觸發(fā)式警報，嘗試或進行此類活動會出現(xiàn)警告。

Hadoop: 另一個當今大數(shù)據(jù)領域的熱門。Apache Hadoop是一個在已有商業(yè)硬件組成的計算機集群上，分布式存儲、處理龐大數(shù)據(jù)集的開源軟件架構。它使得大規(guī)模數(shù)據(jù)儲存和更快速數(shù)據(jù)處理成為可能。

物聯(lián)網(wǎng)（Internet of Things, IoT): 廣泛分布的網(wǎng)絡，由諸多種類（個人、家庭、工業(yè)）諸多用途（醫(yī)療、休閑、媒體、購物、制造、環(huán)境調節(jié)）的電子設備組成。這些設備通過互聯(lián)網(wǎng)交換數(shù)據(jù)，彼此協(xié)調活動。

顧客的生命周期價值 (Lifetime Value, LTV)： 顧客在他/她的一生中為一個公司產(chǎn)生的預期折算利潤。

機器學習（Machine Learning）: 一個學科，研究從數(shù)據(jù)中自動學習，以便計算機能根據(jù)它們收到的反饋調整自身運行。與人工智能、數(shù)據(jù)挖掘、統(tǒng)計方法關系密切。

購物籃分析（Market Basket Analysis）: 識別在交易中經(jīng)常同時出現(xiàn)的商品組合或服務組合，例如經(jīng)常被一起購買的產(chǎn)品。此類分析的結果被用于推薦附加商品，為陳列商品的決策提供依據(jù)等。

聯(lián)機分析處理（On-Line Analytical Processing, OLAP）: 能讓用戶輕松制作、瀏覽報告的工具，這些報告總結相關數(shù)據(jù)，并從多角度分析。

預測分析（Predictive Analytics）: 從現(xiàn)存的數(shù)據(jù)集中提取信息以便識別模式、預測未來收益和趨勢。在商業(yè)領域，預測模型及分析被用于分析當前數(shù)據(jù)和歷史事實，以更好了解消費者、產(chǎn)品、合作伙伴，并為公司識別機遇和風險。

實時決策（Real Time Decisioning, RTD）: 幫助企業(yè)做出實時（近乎無延遲）的最優(yōu)銷售/營銷決策。比如，實時決策系統(tǒng)（打分系統(tǒng)）可以通過多種商業(yè)規(guī)則或模型，在顧客與公司互動的瞬間，對顧客進行評分和排名。

留存/顧客留存（Retention / Customer Retention): 指建立后能夠長期維持的客戶關系的百分比。

社交網(wǎng)絡分析（Social Network Analysis, SNA）: 描繪并測量人與人、組與組、機構與機構、電腦與電腦、URL與URL、以及其他種類相連的信息/知識實體之間的關系與流動。這些人或組是網(wǎng)絡中的節(jié)點，而它們之間的連線表示關系或流動。SNA為分析人際關系提供了一種方法，既是數(shù)學的又是視覺的。

生存分析（Survival Analysis）: 估測一名顧客繼續(xù)使用某業(yè)務的時間，或在后續(xù)時段流失的可能性。此類信息能讓企業(yè)判斷所要預測時段的顧客留存，并引入合適的忠誠度政策。

文本挖掘（Text Mining）: 對包含自然語言的數(shù)據(jù)的分析。對源數(shù)據(jù)中詞語和短語進行統(tǒng)計計算，以便用數(shù)學術語表達文本結構，之后用傳統(tǒng)數(shù)據(jù)挖掘技術分析文本結構。

非結構化數(shù)據(jù)（Unstructured Data）：數(shù)據(jù)要么缺乏事先定義的數(shù)據(jù)模型，要么沒按事先定義的規(guī)范進行組織。這個術語通常指那些不能放在傳統(tǒng)的列式數(shù)據(jù)庫中的信息，比如電子郵件信息、評論。

網(wǎng)絡挖掘/網(wǎng)絡數(shù)據(jù)挖掘（Web Mining / Web Data Mining) : 使用數(shù)據(jù)挖掘技術從互聯(lián)網(wǎng)站點、文檔或服務中自動發(fā)現(xiàn)和提取信息。