數據挖掘與預測分析術語總結

數據挖掘目前在各類企業和機構中蓬勃發展。因此我們制作了一份此領域常見術語總結，希望你喜歡。

分析型客戶關系管理（Analytical CRM/aCRM）: 用于支持決策，改善公司跟顧客的互動或提高互動的價值。針對有關顧客的知識，和如何與顧客有效接觸的知識，進行收集、分析、應用。參見>>>

大數據（Big Data）: 大數據既是一個被濫用的流行語，也是一個當今社會的真實趨勢。此術語指代總量與日俱增的數據，這些數據每天都在被捕獲、處理、匯集、儲存、分析。維基百科是這樣描述“大數據”的：“數據集的總和如此龐大復雜，以至于現有的數據庫管理工具難以處理（…）”。

商業智能（Business Intelligence）: 分析數據、展示信息以幫助企業的執行者、管理層、其他人員進行更有根據的商業決策的應用、設施、工具、過程。

流失分析（Churn Analysis/Attrition Analysis）: 描述哪些顧客可能停止使用公司的產品/業務，以及識別哪些顧客的流失會帶來最大損失。流失分析的結果用于為可能要流失的顧客準備新的優惠。

聯合分析/權衡分析（Conjoint Analysis/ Trade-off Analysis）: 在消費者實際使用的基礎上，比較同一產品/服務的幾個不同變種。它能預測產品/服務上市后的接受度，用于產品線管理、定價等活動。

信用評分（Credit Scoring）: 評估一個實體（公司或個人）的信用值。銀行（借款人）以此判斷借款者是否會還款。

配套銷售/增值銷售（Cross / Up selling）: 一個營銷概念。根據特定消費者的特征和過往行為，向其銷售補充商品（配套銷售）或附加商品（增值銷售）。

顧客細分&畫像（Customer Segmentation & Profiling）: 根據現有的顧客數據，將特征、行為相似的顧客歸類分組。描述和比較各組。

數據集市（Data Mart）: 特定機構所儲存的，關于一個特定主題或部門的數據，如銷售、財務、營銷數據。

數據倉庫（Data Warehouse）: 數據的中央存儲庫，采集、儲存來自一個企業多個商業系統的數據。

數據質量（Data Quality）: 有關確保數據可靠性和實用價值的過程和技術。高質量的數據應該忠實體現其背后的事務進程，并能滿足在運營、決策、規劃中的預期用途。

抽取-轉換-加載 ETL (Extract-Transform-Load): 數據倉儲中的一個過程。從一個來源獲取數據，根據需求轉換數據以便接下來使用，之后把數據放置在正確的目標數據庫。

欺詐檢測（Fraud Detection）: 識別針對特定組織或公司的疑似欺詐式轉賬、訂購、以及其他非法活動。在IT系統預先設計觸發式警報，嘗試或進行此類活動會出現警告。

Hadoop: 另一個當今大數據領域的熱門。Apache Hadoop是一個在已有商業硬件組成的計算機集群上，分布式存儲、處理龐大數據集的開源軟件架構。它使得大規模數據儲存和更快速數據處理成為可能。

物聯網（Internet of Things, IoT): 廣泛分布的網絡，由諸多種類（個人、家庭、工業）諸多用途（醫療、休閑、媒體、購物、制造、環境調節）的電子設備組成。這些設備通過互聯網交換數據，彼此協調活動。

顧客的生命周期價值 (Lifetime Value, LTV)： 顧客在他/她的一生中為一個公司產生的預期折算利潤。

機器學習（Machine Learning）: 一個學科，研究從數據中自動學習，以便計算機能根據它們收到的反饋調整自身運行。與人工智能、數據挖掘、統計方法關系密切。

購物籃分析（Market Basket Analysis）: 識別在交易中經常同時出現的商品組合或服務組合，例如經常被一起購買的產品。此類分析的結果被用于推薦附加商品，為陳列商品的決策提供依據等。

聯機分析處理（On-Line Analytical Processing, OLAP）: 能讓用戶輕松制作、瀏覽報告的工具，這些報告總結相關數據，并從多角度分析。

預測分析（Predictive Analytics）: 從現存的數據集中提取信息以便識別模式、預測未來收益和趨勢。在商業領域，預測模型及分析被用于分析當前數據和歷史事實，以更好了解消費者、產品、合作伙伴，并為公司識別機遇和風險。

實時決策（Real Time Decisioning, RTD）: 幫助企業做出實時（近乎無延遲）的最優銷售/營銷決策。比如，實時決策系統（打分系統）可以通過多種商業規則或模型，在顧客與公司互動的瞬間，對顧客進行評分和排名。

留存/顧客留存（Retention / Customer Retention): 指建立后能夠長期維持的客戶關系的百分比。

社交網絡分析（Social Network Analysis, SNA）: 描繪并測量人與人、組與組、機構與機構、電腦與電腦、URL與URL、以及其他種類相連的信息/知識實體之間的關系與流動。這些人或組是網絡中的節點，而它們之間的連線表示關系或流動。SNA為分析人際關系提供了一種方法，既是數學的又是視覺的。

生存分析（Survival Analysis）: 估測一名顧客繼續使用某業務的時間，或在后續時段流失的可能性。此類信息能讓企業判斷所要預測時段的顧客留存，并引入合適的忠誠度政策。

文本挖掘（Text Mining）: 對包含自然語言的數據的分析。對源數據中詞語和短語進行統計計算，以便用數學術語表達文本結構，之后用傳統數據挖掘技術分析文本結構。

非結構化數據（Unstructured Data）：數據要么缺乏事先定義的數據模型，要么沒按事先定義的規范進行組織。這個術語通常指那些不能放在傳統的列式數據庫中的信息，比如電子郵件信息、評論。

網絡挖掘/網絡數據挖掘（Web Mining / Web Data Mining) : 使用數據挖掘技術從互聯網站點、文檔或服務中自動發現和提取信息。