大数据精准挖掘

作者EMC2公司的工作经历、深厚的专业基础、精准的数据挖掘工具、结合实践的成功案例，使本书价值斐然，值得推荐！

《大数据精准挖掘》以新兴的大数据时代最实用的技术为支撑，以广阔的科技视野和扎实的专业功底，全面介绍了大数据时代的由来和背景，阐述了与大数据分析相关的理论和数学模型。特别难能可贵的是，本书从蕴含大数据技术的精准数据挖掘工具入手，结合实际的成功案例，将数据精准挖掘的全过程和详细步骤，包括结果验证等方面内容，详详细细并非常专业地展现给读者。本书理论和实践密切结合，文字流畅，深入浅出，通俗易懂。
通过本书的学习，可以掌握当下大数据所涉及的主要数学分析模块的要点，并比较相互的特点。同时，能够学会实用的数据挖掘专门技术及经历数据挖掘的全过程。由于本书所介绍的技术与我国目前大数据运用的领军行业金融、保险、电信、电子商务等密切相连，故本书有很强的实用性，能达到学以致用、边学边用的效果。
《大数据精准挖掘》适合我国IT业的科研机构、相关企业的专业技术人员的学习之用；本书还可以作为政府部门制定大数据发展战略时的参考。本书也适合全国高等院校的大学生和研究生学习使用；由于本书将理论与具体操作合二为一，故也能作为全国大专院校开设大数据实验课程的教材。

第6章主要讲解在金融行业信用卡业务中，国内信用卡业务现状，以及国际信用评分的起源和发展。
6.3讲解了业内人士总结的信用评分的6个步骤，商业理解、数据理解、数据准备、建立模型、模型评估、决策实施。
6.4节演示了一个信用卡评分的实例，建模工具为数据1号图形命令版的二元变量预测模块。其中详细讲述了怎样利用数据1号连接数据集，怎样设置自变量应变量，运行程序完毕后怎样查看结果、怎样查看评分卡等等。
银行信用卡评分业务中，涉及的是否坏账是一个二元因变量问题。在银行中，也会涉及连续型因变量的问题，第7章信用卡催收评分就涉及此类。
第7章主要涉及银行信用卡行业的信用催收评分，目标是为持卡人逾期还款金额进行风险评估。建模所利用的信息包括两部分，持卡人基本信息和持卡人在持卡期间的消费记录和还款记录，若条件允许，可以向权威机构购买此人的信用情况。建模的工具选择的数据1号图形版。
利用建好的模型，可对持卡人逾期还款金额进行风险评估。依据评估的结果，银行可以预估哪些持卡人的逾期未还款通过自己的催收员能够收到还款，能够收到多少还款。而对于那些不易收取还款的信用卡持卡人，银行将其外包给第三方业务公司。
信用评分和信用卡催收评分作为风险评估工具，在银行业应用非常普遍。对于这两类模型，对模型的稳定性和精准度要求相对较高，模型的精准度差一点点，就会牵涉几千万甚至几亿资产。银行选取的建模工具必然要求较高的稳定性和精准性。
第8章主要讲解数据挖掘在保险电销行业寻找目标客户中的应用。很多领域都涉及电话营销渠道，特别是保险行业。从茫茫人海中找到对保险有需求的客户不是一件容易的事情，现在一些大的保险公司走的路线是先向客户推广免费的赠险，然后再向赠险客户推广消费险。而YBB正是这样的一家外包公司。
通过对其海量数据的分析，以及业务现状的了解，为其制定了寻找目标客户的方案。通过建模，得到每位赠险客户买消费险的概率。YBB拿到这份名单，选取其中概率较高的70%的客户营销，达到的效果是原来的96%。节省的这30%的人力成本是一笔巨额的开支，随着数据的采集和收集进一步优化，相信建模的效果越来越好。
各个行业的电话营销都可以通过数据挖掘来筛选客户，优先选取优质客户进行营销，节省人力成本，提高销售效果。在人力成本越来越贵的今天，数据挖掘可以让每个人的效率更高，使企业盈利得到质的飞跃。

......

过去，在产品经济年代，一提到“基础设施”，人们便知道这是指：水、电、气；路、桥、隧；铁（路）、公（路）、机（场）等。因为原材料与制成品的运输、产品的制造必须仰仗这些基础设施。可是在数字化、服务经济的今天，“基础设施”还得加上“大、云、平、移”（大云平移）这几项。
那么，何为大云平移？
大就是大数据，即通过云计算、移动互联网等手段，从各类数据中快速获得有价值信息的能力。它具有体量巨大（Volume）、类型繁多（Variety）、价值低密度（Value）和处理快速（Velocity）的4V特点。它将在海量数据中挖掘事物的规律和特征，这是传统科学家和传统科研方法永远做不到的。
云就是云计算，从本质上说就是一种公共服务，就如100年前电的应用也是公共服务一样，现已证明云的普及只是转瞬之间发生的事。
平就是平台，有交易平台、媒体平台、支付平台、软件平台等。全球品牌500强前十名中有6个是平台型企业；中国500强企业前40名中，利润最丰厚的是平台型企业，如百度、网易、腾讯、阿里巴巴等。平台型企业是当下企业的巨无霸。
移就是移动互联网，即互联网加移动通信，近年来它在国内外的发展极为迅速，未来十年，它的全方位应用将让人怦然心动。
作为一种基础设施，大云平移正影响着许多产业。比如银行的前台（业务部门、市场拓展）、中台（信贷审批、市场监控、风险管理、规划与财务、政策管理与监管合规）与后台（集中处理、信息系统、呼叫中心、集团后勤），都有体现。2008年，银行后台开始应用这些基础设施；2009年，前台也开始运用大数据作分析，包括客户分级、精准营销、易流失客户群体的评判等。至于中台，例如银行规划商业网点的布点布局问题，在产品经济时代，只是简单地应用线性规划、运筹学就可以确定了。而在目前的数字化服务经济时代，银行商业网点布局会从资金流、信息流出发，更多地采用数字化、大数据等技术来解决。比如IBM提供的MCLP（最大覆盖选址）技术，其优化后的整体解决方案就很有效。
大云平移，精彩无比，但入门之功源起（大）数据挖掘。数据挖掘（DataMining）是从大量的、不完全的、模糊的、随机的、实际应用的数据中提取潜在有用的信息和知识的过程，可以帮助决策者找寻规律、预测趋势、防范疏漏。数据挖掘是一门交叉学科，涉及数据库、人工智能、机器学习、统计学、模式识别、高性能计算等等。
一些专家认为，数据挖掘的一般过程是：①数据准备（包括数据清理、数据集成和数据选择等）；②数据挖掘；③模式评估；④知识表示。常用的数据挖掘模式包括：关联规则模式、生物数据的序列比对、图模式、空间数据挖掘模式等。据国际知名权威机构IDC对欧洲和北美62家采用了数据挖掘技术的企业的调查分析发现，这些企业的3年平均投资回报率为401%，其中25家企业的投资回报率超过600%！
海量数据是金矿银矿，但海量数据不是金银财宝。挖掘、采集矿藏并筛选冶炼之后才能获取财富。面对浩瀚的结构性、非结构性的海量数据，传统技术已苍白无力。不过，知识就是力量，近年来国内外已出版了多本有关大数据的书籍，可资学习。但迄至今日，概念类的偏多，应用性强的书籍不多，业界和企业亟盼急需的是实用的大数据技术及成功案例。《大数据精准挖掘》是握有国内外众多成功案例、讲授国内外有效地应用据数挖掘原理与操作的一本新书、好书。
“基础在（大）数据、游走在云端，运作在平台、胜出在移动”是阿里巴巴、腾讯等企业的成功秘籍之一。如果说这一秘籍昭示了在未来“大云平移”是企业不可或缺的、时时处处都将使用的基础设施的话，那么，《大数据精准挖掘》从应用数学的角度揭示了数据挖掘将是构造这一基础设施的基础设施。
中欧国际工商学院院长、管理学教授
上海数字化与互联网研究中心主任
2013年8月