零售行业为什么要重视数据挖掘?
数据挖掘的定义
数据挖掘(英语:Data mining),又译为数据采矿、数据挖掘。它是数据库知识发现(英语:Knowledge-Discovery in Databases,简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性(属于Association rule learning)的信息的过程。数据挖掘的应用通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。数据挖掘有以下这些不同的定义:“从数据中提取出隐含的过去未知的有价值的潜在信息”“一门从大量数据或者数据库中提取有用信息的科学。”
尽管通常数据挖掘的应用常常和数据分析关联,但是像人工智能一样,它也是一个具有丰富含义的词汇,可用于不同的领域。数据挖掘的方法(Strategy)包括监督式学习、非监督式学习、关系分组(Affinity Grouping,作关系性的分析)与购物篮分析(Market Basket Analysis)、同值分组(Clustering)与描述(Description)。监督式学习包括:分类(Classification)、推估(Estimation)、预测(Prediction)。
零售数据挖掘
零售行业中数据挖掘的应用:零售公司跟踪客户的购买情况,发现某个客户购买了大量的真丝衬衣,这时数据挖掘系统就在此客户和真丝衬衣之间创建关系。销售部门就会看到此信息,直接发送真丝衬衣的当前行情,以及所有关于真丝衬衫的资料发给该客户。这样零售商店通过零售数据挖掘系统就发现了以前未知的关于客户的新信息,并且扩大经营范围。数据挖掘是因为海量有用数据快速增长的产物,零售行业客单量大,客户信息散的特性也让零售数据挖掘变得格外重要。