数据挖掘与预测分析术语总结

　　数据挖掘目前在各类企业和机构中蓬勃发展。因此我们制作了一份此领域常见术语总结，希望你喜欢。
　　分析型客户关系管理（AnalyticalCRMaCRM）
　　用于支持决策，改善公司跟顾客的互动或提高互动的价值。针对有关顾客的知识，和如何与顾客有效接触的知识，进行收集、分析、应用。
　　大数据（BigData）
　　大数据既是一个被滥用的流行语，也是一个当今社会的真实趋势。此术语指代总量与日俱增的数据，这些数据每天都在被捕获、处理、汇集、储存、分析。维基百科是这样描述大数据的：数据集的总和如此庞大复杂，以至于现有的数据库管理工具难以处理（）。
　　商业智能（BusinessIntelligence）
　　分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。
　　流失分析（ChurnAnalysisAttritionAnalysis）
　　描述哪些顾客可能停止使用公司的产品业务，以及识别哪些顾客的流失会带来最大损失。流失分析的结果用于为可能要流失的顾客准备新的优惠。
　　联合分析权衡分析（ConjointAnalysisTradeoffAnalysis）
　　在消费者实际使用的基础上，比较同一产品服务的几个不同变种。它能预测产品服务上市后的接受度，用于产品线管理、定价等活动。
　　信用评分（CreditScoring）
　　评估一个实体（公司或个人）的信用值。银行（借款人）以此判断借款者是否会还款。
　　配套销售增值销售（CrossUpselling）
　　一个营销概念。根据特定消费者的特征和过往行为，向其销售补充商品（配套销售）或附加商品（增值销售）。
　　顾客细分amp；amp；画像（CustomerSegmentationamp；amp；Profiling）
　　根据现有的顾客数据，将特征、行为相似的顾客归类分组。描述和比较各组。
　　数据集市（DataMart）
　　特定机构所储存的，关于一个特定主题或部门的数据，如销售、财务、营销数据。
　　数据仓库（DataWarehouse）
　　数据的中央存储库，采集、储存来自一个企业多个商业系统的数据。
　　数据质量（DataQuality）
　　有关确保数据可靠性和实用价值的过程和技术。高质量的数据应该忠实体现其背后的事务进程，并能满足在运营、决策、规划中的预期用途。
　　抽取转换加载ETL（ExtractTransformLoad）
　　数据仓储中的一个过程。从一个来源获取数据，根据需求转换数据以便接下来使用，之后把数据放置在正确的目标数据库。
　　欺诈检测（FraudDetection）
　　识别针对特定组织或公司的疑似欺诈式转账、订购、以及其他非法活动。在IT系统预先设计触发式警报，尝试或进行此类活动会出现警告。
　　Hadoop
　　另一个当今大数据领域的热门。ApacheHadoop是一个在已有商业硬件组成的计算机集群上，分布式存储、处理庞大数据集的开源软件架构。它使得大规模数据储存和更快速数据处理成为可能。
　　物联网（InternetofThings，IoT）
　　广泛分布的网络，由诸多种类（个人、家庭、工业）诸多用途（医疗、休闲、媒体、购物、制造、环境调节）的电子设备组成。这些设备通过互联网交换数据，彼此协调活动。
　　顾客的生命周期价值（LifetimeValue，LTV）
　　顾客在他她的一生中为一个公司产生的预期折算利润。
　　机器学习（MachineLearning）
　　一个学科，研究从数据中自动学习，以便计算机能根据它们收到的反馈调整自身运行。与人工智能、数据挖掘、统计方法关系密切。
　　购物篮分析（MarketBasketAnalysis）
　　识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。此类分析的结果被用于推荐附加商品，为陈列商品的决策提供依据等。
　　联机分析处理（OnLineAnalyticalProcessing，OLAP）
　　能让用户轻松制作、浏览报告的工具，这些报告总结相关数据，并从多角度分析。
　　预测分析（PredictiveAnalytics）
　　从现存的数据集中提取信息以便识别模式、预测未来收益和趋势。在商业领域，预测模型及分析被用于分析当前数据和历史事实，以更好了解消费者、产品、合作伙伴，并为公司识别机遇和风险。
　　实时决策（RealTimeDecisioning，RTD）
　　帮助企业做出实时（近乎无延迟）的最优销售营销决策。比如，实时决策系统（打分系统）可以通过多种商业规则或模型，在顾客与公司互动的瞬间，对顾客进行评分和排名。
　　留存顾客留存（RetentionCustomerRetention）
　　指建立后能够长期维持的客户关系的百分比。
　　社交网络分析（SocialNetworkAnalysis，SNA）
　　描绘并测量人与人、组与组、机构与机构、电脑与电脑、URL与URL、以及其他种类相连的信息知识实体之间的关系与流动。这些人或组是网络中的节点，而它们之间的连线表示关系或流动。SNA为分析人际关系提供了一种方法，既是数学的又是视觉的。
　　生存分析（SurvivalAnalysis）
　　估测一名顾客继续使用某业务的时间，或在后续时段流失的可能性。此类信息能让企业判断所要预测时段的顾客留存，并引入合适的忠诚度政策。
　　文本挖掘（TextMining）
　　对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。
　　非结构化数据（UnstructuredData）
　　数据要么缺乏事先定义的数据模型，要么没按事先定义的规范进行组织。这个术语通常指那些不能放在传统的列式数据库中的信息，比如电子邮件信息、评论。
　　网络挖掘网络数据挖掘（WebMiningWebDataMining）
　　使用数据挖掘技术从互联网站点、文档或服务中自动发现和提取信息。