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

俗話說，忘記歷史就是背叛自己，今天這篇用此做開場再合適不過。

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

本文的主角是Tim，Tim在一個銷售部門，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，各個銷售人員的銷售業(yè)績來進(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)。

此時已經(jīng)有人在責(zé)怪Tim，說你一個銷售不去外面跑業(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的第一個想法就是找 James給些建議。

平時兩個人聊天的過程中，James給Tim講了無數(shù)多次關(guān)于商業(yè)智能的知識。雖然Tim是搞銷售的，但是受到James的經(jīng)常灌輸，自己對里面的知識也有了一些印象，比如，數(shù)據(jù)挖掘，當(dāng)然這個概念對于搞銷售的Tim來說簡直就是天書，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，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，就是客戶是否購買過產(chǎn)品。如果購買過就記為1，否則就記為0。

James拿過來這個Excel文件，首先做了一個關(guān)鍵影響因素分析。

根據(jù)這個工具，首先指定關(guān)注的列，就是客戶是否購買了產(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)會根據(jù)James的設(shè)置自動處理這些歷史數(shù)據(jù)。

處理完畢后，系統(tǒng)生成了一份報告：

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)注沒有車，有一個小孩，以及來自Pacific，還有平時上班路程不是太遠(yuǎn)的用戶，他們很有可能是你的潛在客戶。

此外，對于有兩臺車的客戶，就不要去推薦了，從你們的業(yè)務(wù)記錄來看這類客戶購買產(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新客戶是否會購買產(chǎn)品，從而不會在本身就不會有購買需求這類客戶身上花費(fèi)太多時間，這樣就能把精力投入到更多的目標(biāo)客戶中去。

不過很快，Tim又有了一個問題，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的這個請求之后，James在Excel中建立了一個挖掘計(jì)算器。

首先，點(diǎn)擊預(yù)測計(jì)算工具。

在工具中設(shè)置需要預(yù)測的列。

點(diǎn)擊Run，Excel通過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中生成了幾張報告：

在第一份報告中，James得到了列表，里面標(biāo)識了每個屬性對一個未知客戶會購買產(chǎn)品的影響程度。

在另外一份報告中，根據(jù)這份分析數(shù)據(jù)，包含一個動態(tài)的操作表格。

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

于是，James把這個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應(yīng)選擇里面的項(xiàng)，然后通過計(jì)算知道用戶是否是潛在客戶。

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

James知道Tim的這個煩惱后，告訴他，你把第三份分析報告中的表格打印出來就可以了。

這個表格把每個屬性的值都列了出來，并且它們對應(yīng)的分?jǐn)?shù)也在后面。Tim打印出來后，可以自己手動在上面做計(jì)算。

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

于是，對于IT系統(tǒng)的操作不是很熟悉的Tim就可以每次對著這個單子來對新客戶作出潛在客戶的判斷。

在這個故事里，James并沒有用到什么太復(fù)雜的數(shù)據(jù)，通篇他只在用一個軟件，就是Excel，Excel從2007版本開始通過SQL Server的功能擴(kuò)充可以實(shí)現(xiàn)簡單的數(shù)據(jù)挖掘功能，它通過SQL Server Analysis Services分析服務(wù)來生成臨時的挖掘模型，通過樣本數(shù)據(jù)以及挖掘模型和算法來發(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Excel對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)測分析來輔助決策，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題，只需要關(guān)注Excel里所帶的表分析工具就可以做簡單的預(yù)測分析。

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。