第 9 章 基本的資料探勘、線上分析處理、資訊呈現

資料探勘(續) 企業常將顧客分類，進行資料探勘，以便行銷策略可更有效的針對特定群體。典型的例子是以RFM區分顧客，意即最近購買時間、頻率、金額等，這些資料庫取自顧客，可進行量化分析。 2018/11/24 顧客關係管理

資料探勘 倉儲資料儲存室是企業的資源，須完成三個基本功能： 從倉儲資料儲存室中取得資料 資料轉換成資訊 資訊呈現給CRM系統的使用者 2018/11/24 顧客關係管理

資料探勘(續) 資料探勘是從倉儲中取得資料，有些資料探勘軟體也可作資料轉換與呈現，OLAP(線上分析處理)系統是針對資料倉儲使用者設計的軟體 資料探勘並非只是從資料倉儲直接取得資料，而是從之前未知的資料中取得資訊。 資料探勘(data mining)可界定為蒐集資料市集之過程，可使使用者了解以前未知的資料型態、關係、趨勢等。將其運用於CRM，則是從顧客資料中，更了解顧客及其行為。 2018/11/24 顧客關係管理

決策支援 資料倉儲系統並非只是交易處理系統，而是要用於決策制定。 將電腦運用於決策支援系統(DSS)的理念可追溯至Gorry與Morton兩位麻省理工學院教授於1971年發表於史隆管理評論(Sloan Management Review)的文章，該理念可相對於管理資訊系統(MIS- Management Information System)，但MIS偏向企業整體資訊之發掘，但運用的結果是，管理者不一定知道所需的資訊，而資訊專業人員也不一定懂管理。 Gorry與Morton將MIS觀念與決策支援系統(DSS- Decision Support System)觀念結合，以便針對問題加以解決。 2018/11/24 顧客關係管理

圖表9.1 供決策支援之資料探勘 2018/11/24 顧客關係管理

假設驗證與知識發現 資料探勘之使用過程稱為假設驗證(hypothesis verification)，使用者可用CRM系統支持或拒絕其假設。 資料探勘也有助於知識發現(knowledge discovery)，使用者透過CRM系統之使用，可確認資料中存在之特性，透過資料之發掘予以陳述。 假設驗證以使用者導向(user-driven)進行，知識發現則以系統導向(system-driven)之方式進行。 2018/11/24 顧客關係管理

資料探勘功能 分類 分群 許多公司常依顧客行為將顧客分類，以提供較佳之服務 賣方喜歡依顧客相似特性，將顧客分群，企業可依此資料，對特定分群推出行銷方案。 資料探勘軟體可結合人口統計變數、地理、活動、心理、行為變數等資料進行分群，計算程序(algorithm)可將資料結合軟體，以得到更豐富的資訊。 2018/11/24 顧客關係管理

資料探勘功能(續) 連結 連結是用於產品之間，賣方可了解連結是否存在，及其強度，且基於相關產品而進行決策。 例如：早餐之製造商可藉優惠券資料獲知哪些產品被購買，零售商可將常被一起購買之產品放在一起展示，確認連結之過程稱為發現連結(associations discovery)。 2018/11/24 顧客關係管理

資料探勘功能(續) 型態或序列 哈拉博奕公司如何應用此功能 賣方也會對顧客購買行為之型態或序列有興趣，有些行為會以某序列方式發生，資料探勘型態稱為發現序列型態(sequential pattern discovery)，包含時間為變數，序列的強度可用量化方式加以衡量。 另一個發現型態或序列的方法是相似時間序列發現(similar time sequence discovery) ，不僅發現序列型態，也確認相似型態的行為。顧客依序列購物，及相似時間序列發現可用於確認其他分群也有類似的序列，資料探勘軟體系統可完成這些功能。 哈拉博奕公司如何應用此功能 2018/11/24 顧客關係管理

知識發現方法 決策樹 決策樹(decision tree)是基於屬性而進行推導的過程，可用一系列的架構進行推論，通常只有一個起點，但有多個終點 決策樹的基礎稱為根部，分枝的盡頭則稱為樹葉，通常根部在圖表的上方或左方，邏輯過程是由上而下或由左至右。 2018/11/24 顧客關係管理

圖表9.2 決策樹 2018/11/24 顧客關係管理

圖表9.2 決策樹(續) 2018/11/24 顧客關係管理

知識發現方法(續) 算術推導 算術推導(genetic algorithm)則基於最適化之觀念加以推導，圖表9.3表示廣告策略之推導，該策略目標是使銷售極大，太少廣告將喪失潛在的收入，太多也對企業不利。 2018/11/24 顧客關係管理

圖表9.3 算術推導之例 2018/11/24 顧客關係管理

知識發現方法(續) 記憶體為基礎之推導 記憶體為基礎之推導(memory based reasoning)是指基於已往記憶，預測未來可能發生之事項，運用在行銷上，則是以已往產品之購買預測其品牌忠誠度。 資料探勘的應用中，資料紀錄可得知顧客行為，大量購買的顧客可分類為忠誠的顧客，也可用於預測未來可能的序列行為。 RFM(最近購買時間、頻率、金額等)是記憶體為基礎之推導的例子，可預測其未來行為。 2018/11/24 顧客關係管理

知識發現方法(續) 神經網絡分析 神經網絡分析(neural networks)是基於人體腦部之基礎，配合電腦輸入、處理、輸出等架構，所形成的分析架構 圖表9.4A是分析中的元件要素，包含輸入、處理、輸出等，為單一方向推導 圖表9.4B則結合更多來源，形成網絡分析。 圖表9.5則以表列方式呈現四種基本的資料探勘所能達成之功能。 2018/11/24 顧客關係管理

圖表9.4 神經網路分析 2018/11/24 顧客關係管理

圖表9.5 知識發現方法可完成之基本功能 2018/11/24 顧客關係管理

線上分析處理(OLAP)之基本概念 OLAP是基於資料倉儲使用者之需求，使其達成互動效果，並進行多維度分析及獲得迅速回應。使用者可基於網路(Web)畫面進行互動利用，且可獲得包含圖形之結果。 OLAP可用於移動平均及時間序列等之運算，OLAP也支援向下查詢、向上查詢、橫向查詢、穿越查詢 OLAP也可將資料加以轉軸，從不同角度看資料，將於圖表9.6討論。 2018/11/24 顧客關係管理

圖表9.6 產品多元分類 2018/11/24 顧客關係管理

圖表9.6 產品多元分類(續) 2018/11/24 顧客關係管理

圖表9.6 產品多元分類(續) 2018/11/24 顧客關係管理

基本的線上分析處理架構 OLAP的資料可取自關係性或多維度的資料庫，前者稱為ROLAP(關係性線上分析處理- Relational Online Analytical Processing)，後者稱為MOLAP(多維度線上分析處理- Multidimensional Online Analytical Processing)，架構列於圖表9.7 ROLAP從關係性資料庫管理系統中取得資料，MOLAP則從多維度資料庫系統中取得資料。 2018/11/24 顧客關係管理

圖表9.7 ROLAP 與 MOLAP 架構 2018/11/24 顧客關係管理

關係性線上分析處理(ROLAP) 各資料庫以關係性表格組成，採資料庫常用標準軟體，經證明可不受限於資料規模，但若受資料規模限制，則影響其分析能力。 2018/11/24 顧客關係管理

圖表9.8 ROLAP 報告之例子 2018/11/24 顧客關係管理

多維度線上分析處理(MOLAP) 多維度資料庫正在成長，IBM與微軟已發展多維度資料庫管理系統(MDBMSs) MDBMSs適用於OLAP以完成多維度分析，但資料庫規模受限。因此須將MDDB下載至顧客工作站，MDBMSs只需管理一部分的資料庫即可。CRM系統的設計者須決定用ROLAP或MOLAP ROLAP適用於資料庫很大，而分析為中等 MOLAP適用於資料庫較小，而分析較複雜 須結合ROLAP與MOLAP的強勢，則須用HOLAP。 2018/11/24 顧客關係管理

圖表9.9 MOLAP 報告之例子 2018/11/24 顧客關係管理

OLAP軟體 OLAP軟體系統有兩個例子，一個是微軟SQL 2000伺服器，另一個是IBM DB2。 微軟的產品可提供多維度構面，且將量化數據加以彙總，資料可用彈性及迅速報告之方式提供。細節及彙總資料可用關係性或多維度OLAP資料庫加以儲存，或以複雜結合方式，稱為HOLAP (Hybrid Online Analytical Processing)。在HOLAP，細節資料儲存在關係性資料庫，而彙總資料儲存在多維度資料庫。 IBM DB2則可提供假設導向之資料探勘，且迅速回應，以假設推導之邏輯加以分析。 2018/11/24 顧客關係管理

資訊呈現 資訊使用者 初學者(novice)是指沒有受過特別的電腦訓練，需要訊息，但不須分析，主管是其中一例，他只需彙總的資訊。 分析人員(analyst)是指精通分析之使用，且應用統計工具，將資訊加以轉換，以供主管使用，主管的幕僚是其中一例。有權力者(power user)，他們將資訊分析，且加入其他總體資訊，通常是資訊專業人員 2018/11/24 顧客關係管理

資訊呈現(續) 資訊傳送軟體 報告撰寫 資料庫查詢語言 決策支援系統 線上分析處理 2018/11/24 顧客關係管理

圖表9.10 資訊傳送過程 2018/11/24 顧客關係管理