關(guān)聯(lián)分析故事：從數(shù)據(jù)到信息到?jīng)Q策

俗話說(shuō)，忘記歷史就是背叛自己，今天這篇用此做開場(chǎng)再合適不過(guò)。

這一篇將根據(jù)一個(gè)虛擬的故事，來(lái)介紹如何通過(guò)歷史數(shù)據(jù)來(lái)幫助一個(gè)銷售人員發(fā)現(xiàn)規(guī)律信息從而輔助他來(lái)做一些決策信息。

本文的主角是Tim，Tim在一個(gè)銷售部門，部門最近決定做新一輪銷售計(jì)劃，然后根據(jù)計(jì)劃結(jié)束時(shí)，各個(gè)銷售人員的銷售業(yè)績(jī)來(lái)進(jìn)行KPI考核。

Tim的部門在確定了銷售任務(wù)后，其它人很快的投入到店面的銷售工作中去，而Tim則跑到了公司的IT維護(hù)部門，向IT 部門要了一份歷史的客戶數(shù)據(jù)。

此時(shí)已經(jīng)有人在責(zé)怪Tim，說(shuō)你一個(gè)銷售不去外面跑業(yè)務(wù)，怎么跑到IT部門"不務(wù)正業(yè)"來(lái)了，而且，專門要以前的客戶數(shù)據(jù)，居然不去不關(guān)心新客戶。

其實(shí)，Tim還有一個(gè)搞IT的朋友，James，他是一位數(shù)據(jù)分析師，在零售行業(yè)也有一定的經(jīng)驗(yàn)。Tim的第一個(gè)想法就是找 James給些建議。

平時(shí)兩個(gè)人聊天的過(guò)程中，James給Tim講了無(wú)數(shù)多次關(guān)于商業(yè)智能的知識(shí)。雖然Tim是搞銷售的，但是受到James的經(jīng)常灌輸，自己對(duì)里面的知識(shí)也有了一些印象，比如，數(shù)據(jù)挖掘，當(dāng)然這個(gè)概念對(duì)于搞銷售的Tim來(lái)說(shuō)簡(jiǎn)直就是天書，正所謂隔行如隔山，但是有一點(diǎn)他非常理解，那么就是：從數(shù)據(jù)到信息，也就是說(shuō)，從數(shù)據(jù)中獲取信息。

于是，銷售任務(wù)一開始，Tim就跑到了IT部門要了這樣一份數(shù)據(jù)，來(lái)看看James到底能從這里頭得到什么樣的信息，從而能幫助Tim更準(zhǔn)確的知道因該給什么樣的人推薦產(chǎn)品才比較靠譜。

James拿到Tim的數(shù)據(jù)之后，大概的瀏覽了一下：

數(shù)據(jù)的具體結(jié)構(gòu)如下：

從這份數(shù)據(jù)中，James看到，里面包含了客戶的性別，婚姻狀況，年收入以及家庭相關(guān)的和教育等基本信息。其中最后一列關(guān)鍵信息，就是客戶是否購(gòu)買過(guò)產(chǎn)品。如果購(gòu)買過(guò)就記為1，否則就記為0。

James拿過(guò)來(lái)這個(gè)Excel文件，首先做了一個(gè)關(guān)鍵影響因素分析。

根據(jù)這個(gè)工具，首先指定關(guān)注的列，就是客戶是否購(gòu)買了產(chǎn)品的標(biāo)記：

這里選擇BikeBuyer。

然后再點(diǎn)擊Choose Columns to be used for analysis。

這里，James根據(jù)經(jīng)驗(yàn)指定了需要分析的列。很明顯，DataFirstPPurchase是沒(méi)什么用的，James果斷把這列剔除掉以免影響到分析的準(zhǔn)確性。

然后系統(tǒng)會(huì)根據(jù)James的設(shè)置自動(dòng)處理這些歷史數(shù)據(jù)。

處理完畢后，系統(tǒng)生成了一份報(bào)告：

于是，James給Tim發(fā)了一封郵件：

Dear Tim,

我分析了你提供給我的數(shù)據(jù)，并且從數(shù)據(jù)里得到幾點(diǎn)規(guī)則。

首先，關(guān)注沒(méi)有車，有一個(gè)小孩，以及來(lái)自Pacific，還有平時(shí)上班路程不是太遠(yuǎn)的用戶，他們很有可能是你的潛在客戶。

此外，對(duì)于有兩臺(tái)車的客戶，就不要去推薦了，從你們的業(yè)務(wù)記錄來(lái)看這類客戶購(gòu)買產(chǎn)品的可能性實(shí)在不大。

還有小孩數(shù)量比較多，上班距離太遠(yuǎn)，超過(guò)65歲的成為你客戶的可能性也很小。

以上。

Best wishes!

James.

某年某月某日

Tim收到這封郵件之后非常高興，因?yàn)檫@樣一下子就可以讓他判斷出一個(gè)新客戶是否會(huì)購(gòu)買產(chǎn)品，從而不會(huì)在本身就不會(huì)有購(gòu)買需求這類客戶身上花費(fèi)太多時(shí)間，這樣就能把精力投入到更多的目標(biāo)客戶中去。

不過(guò)很快，Tim又有了一個(gè)問(wèn)題，就是單憑這樣的判斷太籠統(tǒng)，容易丟失部分極特殊的客戶，所以Tim希望能自己根據(jù)客戶的情況做更詳細(xì)的判斷。

收到Tim的這個(gè)請(qǐng)求之后，James在Excel中建立了一個(gè)挖掘計(jì)算器。

首先，點(diǎn)擊預(yù)測(cè)計(jì)算工具。

在工具中設(shè)置需要預(yù)測(cè)的列。

點(diǎn)擊Run，Excel通過(guò)SQL Server的分析服務(wù)開始處理數(shù)據(jù)。

數(shù)據(jù)處理完畢后，在Excel中生成了幾張報(bào)告：

在第一份報(bào)告中，James得到了列表，里面標(biāo)識(shí)了每個(gè)屬性對(duì)一個(gè)未知客戶會(huì)購(gòu)買產(chǎn)品的影響程度。

在另外一份報(bào)告中，根據(jù)這份分析數(shù)據(jù)，包含一個(gè)動(dòng)態(tài)的操作表格。

每一個(gè)屬性的值都變成了一個(gè)下拉列表，各個(gè)屬性的Impact影響值加在一起最后得出一個(gè)分?jǐn)?shù)，這個(gè)分?jǐn)?shù)如果達(dá)到一定的高度，那么就表明這個(gè)客戶很有可能會(huì)購(gòu)買產(chǎn)品。

于是，James把這個(gè)Excel文件發(fā)給了Tim，這樣Tim就可以根據(jù)收集到的客戶信息對(duì)應(yīng)選擇里面的項(xiàng)，然后通過(guò)計(jì)算知道用戶是否是潛在客戶。

這個(gè)文件幫了Tim不少的忙，也準(zhǔn)確的識(shí)別了一些客戶。但Tim也往往抱怨，在出去跑業(yè)務(wù)的過(guò)程中，電腦不是總帶在身邊，所以往往很難及時(shí)的做出判斷。

James知道Tim的這個(gè)煩惱后，告訴他，你把第三份分析報(bào)告中的表格打印出來(lái)就可以了。

這個(gè)表格把每個(gè)屬性的值都列了出來(lái)，并且它們對(duì)應(yīng)的分?jǐn)?shù)也在后面。Tim打印出來(lái)后，可以自己手動(dòng)在上面做計(jì)算。

算好總分后，對(duì)比下面的分?jǐn)?shù)，也就是說(shuō)分?jǐn)?shù)最起碼要達(dá)到601才有可能是一個(gè)潛在客戶。

于是，對(duì)于IT系統(tǒng)的操作不是很熟悉的Tim就可以每次對(duì)著這個(gè)單子來(lái)對(duì)新客戶作出潛在客戶的判斷。

在這個(gè)故事里，James并沒(méi)有用到什么太復(fù)雜的數(shù)據(jù)，通篇他只在用一個(gè)軟件，就是Excel，Excel從2007版本開始通過(guò)SQL Server的功能擴(kuò)充可以實(shí)現(xiàn)簡(jiǎn)單的數(shù)據(jù)挖掘功能，它通過(guò)SQL Server Analysis Services分析服務(wù)來(lái)生成臨時(shí)的挖掘模型，通過(guò)樣本數(shù)據(jù)以及挖掘模型和算法來(lái)發(fā)現(xiàn)數(shù)據(jù)中存在的一些規(guī)律，相關(guān)性等信息。

通過(guò)Excel對(duì)SQL Server數(shù)據(jù)挖掘功能的封裝，使得用戶即使不清楚數(shù)據(jù)挖掘的具體算法也可以實(shí)現(xiàn)數(shù)據(jù)挖掘的功能從而做挖掘預(yù)測(cè)分析來(lái)輔助決策，甚至都不需要用戶了解什么樣的挖掘模型算法適合解決什么樣的問(wèn)題，只需要關(guān)注Excel里所帶的表分析工具就可以做簡(jiǎn)單的預(yù)測(cè)分析。

總之，數(shù)據(jù)挖掘，不是已不是數(shù)據(jù)分析師們的專屬，有了Excel，你也可以。