1700499425
1700499426
数据挖掘是科学，也是艺术，或者说一半是科学，一半是艺术。所谓科学，是指数据挖掘的算法、流程和分析技术的应用是科学的、严谨的；所谓艺术，是指在具体的分析过程中，融入了分析师的创新思维、主观的判断和取舍，尤其表现在挖掘思路的推敲和衍生变量的创建等方面。
1700499427
1700499428
本章将以一个完整的数据挖掘项目为例来进行分享和跟踪，包括从业务需求的提出到落地应用反馈的全过程，一方面揭示数据挖掘全过程中所有环节的顺序、内容和相应的关键目标，另一方面从科学和艺术两个方面来具体阐释数据挖掘中各个步骤的特点和价值。
1700499429
1700499430
事物的发展很少是一帆风顺的，更多的时候充斥着反复曲折，呈螺旋前进状态，只要每一次的反复和曲折都能够有所提升和突破，那么离成功就会越来越近了。本章的案例也真实地反映了商业实战中的数据挖掘是如何在曲折反复中逐步前进的。完成一个好的模型，达成一个满意的业务应用结果，这只是数据分析师分内的任务和工作职责；而自觉主动地从项目中总结、提升自己，从挫折中发现自己的不足，从而积极改进、完善，更应该成为数据分析师的态度和专业理念。
1700499431
1700499432
通过本章的案例，希望向有缘的读者传递以下几个方面的信息：
1700499433
1700499434
❑数据挖掘实战中的流程会有一些基本的顺序，按着流程进行挖掘是数据分析严谨性的体现。
1700499435
1700499436
❑数据挖掘和模型搭建只是数据化运营中的一个环节，数据化运营是跨团队跨专业的协同作业，数据挖掘模型和结论只有在落地应用的业务场景中才能得到检验，才能体现出价值。从这个角度来说，没有落地应用的数据分析和数据挖掘还不是严格意义上的“完成”。
1700499437
1700499438
❑落地应用中的运营方案对模型的应用效果影响极大，所以数据分析师不仅要熟悉数据分析和模型搭建，还要熟悉与运营相关的业务技能，这也是数据挖掘和数据化运营中复合型技能的要求。
1700499439
1700499440
鉴于对企业商业机密的考量，本章的项目描述中对于大部分数据都做了有意识的修改和处理，所以案例中的数据已经不能代表企业的真实数据特征了，特此说明。
1700499441
1700499442
1700499443
1700499444
1700499446
数据挖掘与数据化运营实战：思路、方法、技巧与应用 6.1 项目背景和业务分析需求的提出
1700499447
1700499448
某互联网公司“免费会员运营团队”的主要工作内容就是不断培养和提升免费会员的成熟度和电子商务专业度，以便在条件具备的时候可以适时将部分优质的免费会员提升为付费会员，成为付费会员后将可以享受到更多的专业服务，并且可使电子商务技能升级，从而有助于他们从电子商务中获得更大的利益。
1700499449
1700499450
按照该运营团队既定的客户分层思路，他们所负责的免费会员按照活跃度来划分可分为高活跃度、中活跃度和低活跃度3类群体，活跃度划分的指标主要是30天之内登录网站的次数，以及某核心入口30天以来的PV量。需要强调的是，活跃度划分的这两大核心指标是另外一个项目得出的结论，因涉及企业的商业机密，本书对此不做过多的阐述和数据罗列，读者只需要记住该项目的活跃度划分有这两个指标就可以了。
1700499451
1700499452
高活跃度的免费用户一直是该运营团队的重点客户群体，高活跃度群体的付费转化率也一直是最高的，且转化数量也是最多的。但是，困扰运营方的一个重要问题是，高活跃度用户的流失率比较大，有相当比例的高活跃度免费用户在短时间里会从高活跃度跌落到中、低活跃度群体里。
1700499453
1700499454
面对这种业务困境，运营方希望数据分析团队能通过数据分析和数据挖掘建模的方法，提前锁定最可能流失的高活跃度用户，这样可以方便运营团队有的放矢针对这些“高危”用户群采取挽留措施，从而可以有效降低他们的流失率和流失数量。
1700499455
1700499456
1700499457
1700499458
1700499460
数据挖掘与数据化运营实战：思路、方法、技巧与应用 6.2 数据分析师参与需求讨论
1700499461
1700499462
接到业务方的初步分析需求之后，数据分析师针对该潜在的项目与相关运营方一起进行了需求讨论。
1700499463
1700499464
在数据化运营的商业实战中，这类讨论的主要目的如下：
1700499465
1700499466
❑针对需求收集相关的背景数据和指标，与业务方一起熟悉背景中的相关业务逻辑，并收集业务方对需求的相关建议、看法，这些信息对于需求的确认和思路的规划乃至后期的分析都是至关重要的。
1700499467
1700499468
❑从数据分析的专业角度评价初步的业务分析需求是否合理，是否可行。尽管说业务方对于业务需求最有发言权，对业务最了解、最敏感，但是从数据化运营的商业实践中来看，业务方提出的分析需求并不是每一个都是合理的，都是可行的。在某些情况下，某些分析需求本身就是“伪命题”；又或者说在具体的场景下，某些分析需求暂时无法进行，比如数据储备不足、样本量太少等。
1700499469
1700499470
在本需求的讨论阶段，数据分析师与相关业务团队进行了多次有针对性的讨论，并参与到他们的业务工作流程和实施中，因此对需求有了一定程度的了解和熟悉，并且从数据分析的专业角度对数据的范围、样本有了大致的了解，在此基础上决定接受业务方的分析需求。这样，流程就可以往下进行了。
1700499471
1700499472
1700499473
1700499474
[
上一页 ]
[ :1.700499425e+09 ]
[
下一页 ]