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。因此我們制作了壹份此領域常見術語總結，希望妳喜歡。
分析型客戶關系管理（Analytical CRM/aCRM）:?用於支持決策，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）:?大數據既是壹個被濫用的流行語，也是壹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，以至於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。流失分析的結果用於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，比較同壹產品/服務的幾個不同變種。它能預測產品/服務上市後的接受度，用於產品線管理、定價等活動。
信用評分（Credit Scoring）:?評估壹個實體（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）:?壹個營銷概念。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，關於壹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、儲存來自壹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後的事務進程，並能滿足在運營、決策、規劃中的預期用途。
抽取-轉換-加載 ETL (Extract-Transform-Load): 數據倉儲中的壹個過程。從壹個來源獲取數據，根據需求轉換數據以便接下來使用，之後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:?另壹個當今大數據領域的熱門。Apache Hadoop是壹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/她的壹生中為壹個公司產生的預期折算利潤。
機器學習（Machine Learning）:?壹個學科，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，例如經常被壹起購買的產品。此類分析的結果被用於推薦附加商品，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，並從多角度分析。
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於分析當前數據和歷史事實，以更好了解消費者、產品、合作夥伴，並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):?指建立後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）:?描繪並測量人與人、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壹種方法，既是數學的又是視覺的。
生存分析（Survival Analysis）:?估測壹名顧客繼續使用某業務的時間，或在後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，並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，之後用傳統數據挖掘技術分析文本結構。
非結構化數據（Unstructured Data）：數據要麽缺乏事先定義的數據模型，要麽沒按事先定義的規範進行組織。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。
以上是小編為大家分享的關於數據挖掘與預測分析術語總結的相關內容，更多信息可以關註環球青藤分享更多幹貨