数据挖掘在CRM的应用.pptVIP

;数据挖掘在CRM的应用;研讨会内容 ;研讨会内容;研讨会内容;数据挖掘的秘辛;Data Mining 是什么？;为什么要做 Data Mining？;Data Mining 和统计不同？;Data Mining 和 OLAP 不同？;Data Mining 和资料仓储的关系;数据挖掘的定位;Data Mining 的方法;Data Mining 的其他特征;怎样才能做好 Data Mining;CRISP-DM 标准流程;1. Business Understanding;2. Data Understanding;3. Data Preparation;4. Modeling;5. Evaluation;6. Deployment;CRISP-DM 流程图;Clementine 中文版;工作环境—完全中文化;工作环境—界面介绍;工作环境—项目管理;工作环境—配合CRISP-DM流程;工作环境—管理员;工作环境—用串流方式呈现;工作环境— Windows 作业环境;基本功能—自动配置;基本功能—加入节点注解;基本功能—超级节点;基本功能—超级节点;CRISP-DM 中的Clementine功能;商业理解(I)—外部档案;CRISP-DM 中的Clementine功能;资料理解(II)—读取资料;资料理解(II)—检视资料;资料理解(II)—检视资料;资料理解(II)—检视资料;资料理解(II)—检视资料;资料理解(II)—检视资料;资料理解(II)—直方图;资料理解(II)—散布图;资料理解(II)—散布图;资料理解(II)—分布图;资料理解(II)—关联网;CRISP-DM 中的Clementine功能;资料预备(III)—列处理(选取);资料预备(III)—列处理(抽样);资料预备(III)—列处理(平衡);资料预备(III)—列处理(整合);资料预备(III)—列处理(合并);资料预备(III)—行处理(类型);资料预备(III)—行处理(过滤器);资料预备(III)—行处理(导出);资料预备(III)—行处理(填入器);资料预备(III)—行处理(设成旗标);资料预备(III)—自动产生复杂节点;资料预备(III)—其他功能;CRISP-DM 中的Clementine功能;塑模(IV)—关联规则;塑模(IV)—Kohonen;塑模(IV)—K-Means;塑模(IV)—类神经网络;塑模(IV)—C5.0;塑模(IV)—Logistic 回归;塑模(IV)—主成分/因子;塑模(IV)—混合式模型;CRISP-DM 中的Clementine功能;评估(V)—比较预测准确度;评估(V)—评估图形;CRISP-DM 中的Clementine功能;部署(VI)—自动产生报告;部署(VI)—各种档案输出;内建应用范例说明 CAT;Take a break…;Clementine中文版;研讨会内容;Data Mining的应用范畴; Clementine中文版如何应用于CRM? ;CRM 的成长趋势;为什么要进行CRM?;何谓CRM?;Clementine 对CRM的机会在哪里?;Clementine 在CRM中的应用有哪些 ?;各产业的应用层面;各产业的应用层面;配合CRISP-DM之应用案例展示—Clementine中文版与CRISP-DM结合;;案例展示：CRISP-DM中的数据挖掘工作;案例展示CRISP-DM中的数据挖掘工作;案例展示CRISP-DM中的数据挖掘工作;案例展示CRISP-DM中的数据挖掘工作;案例展示CRISP-DM中的数据挖掘工作;案例展示CRISP-DM中的数据挖掘工作;;Data Mining 应用于CRM中产生的无形效益;最佳数据挖掘工具— SPSS Clementine;;交易信息： ．数量 ．价格 ．时间 ．地点 ．顾客资料