数据挖掘

数据挖掘是一个很老的 topic，最早提出这个观点的是沃尔玛。当时叫 “海量数据”，也就是 “very large data”。

看到这个题目，你可能想问：“拒绝推断”是什么？这样专业的术语，与征信业又有什么关系？本周，我们从一个模型的改进方案出发，向你展示完善的征信体系的重要性。

建模无疑是大数据里面最艺术的部分，也是最令大数据从业者痴迷、得意的领域，一个好的模型就是一篇作品，是一首诗，令人心旷神怡。

本次分享会以产品为核心，按照产品发展的过程，依次详细分析产品策略研究期、产品概念评估期、产品研发期、产品测试期、产品导入期、产品发展期、产品成熟期、产品衰退期这8个产品发展的必经阶段所必须做的数据挖掘工作。针对产品每一阶段的不同特点，分享了数据挖掘的核心技能，并指出了每一阶段数据挖掘需要避免的坑。

想用趣味的方式给《趣味数据挖掘系列》做一个哲学的总结，哲学常较深奥，深则难得有趣。因为选题含原生态冲突，写起来就费思量。拟借用一个交通肇事频率分析的例子，又百语千言，颇难开头。硬着头皮Try，还是从故事讲起，很久很久以前，It was long long ago…

这篇突出资料性，先说三十年的十大算法，看数据挖掘的史上辉煌，再叙七年前提出的十大问题，证数据挖掘专家不是砖家；

在本系列之九的末尾提到，基因表达式编程GEP（Gene Expression Programming）是一种数据挖掘工具，是进化计算家族中较新的成员。

通常，用户使用产品前，鉴于对产品的认知和了解以及过往其他类似产品的使用经验，会对产品体验有所期望。当用户使用产品后，体验高于期望时，满意度会较高，反之则会较低。 简单地说，用户体验就是用户使用某个产品或者服务过程中的主观感受。良好的用户体验能够有效提升产品运营的质量，有利于维持用户黏性，提高用户忠诚度。 产品成熟阶段，用户体验评测主要用来评价、监测当前指定产…

个人对用户画像的理解是三个层次，可以说是三个步骤吧，从群体用户的问卷调研、数据分析到具象的个性描述，再到抽象应用

客户关系管理的目标是缩减销售周期和销售成本、增加收人、寻找扩展业务所需的新的市场和渠道、以及提高客户的价值、满意度、赢利性和忠实度。

数据科学家”作为一个新兴的名词，他们主要是采用科学方法、运用数据挖掘工具来做大数据洞察的工程师。一个优秀的数据科学家需要具备诸如数据采集、模型算法、数学软件、分析预测、市场应用等多方面的素质。如果你也想成为一名数据科学家，那么可以先从本文介绍的数据挖掘过程中的五个关系开始，一点点探索整个数据挖掘的蓝图。

本文从《基因表达式编程》的课程PPT中取了一些素材，加以简化和趣味化，从猜谜出发，借用外星殖民的科幻，讨论了公式发现的进化算法，分析了其中的愚公移山思想，描述了进化计算的七个特征，为下篇博文做些概念的准备。

本文从数据建模的角度对NoSQL家族系统做了比较简单的比较，并简要介绍几种常见建模技术。

本文将与读者们探讨分享笔者过去几年，在商业智能业务建设过程中所遇到的典型问题以及问题的解决思路。

早早起来，磨刀烧水，“做掉”了这个扰民的始作俑者，联想起大数据中的关联和课题组前三个月前发表的关于因果挖掘的论文（计算机学报2014.12，文后可下载），写了这篇博文，借此科普一下因果与关联，写得比较匆忙，不当之处请博友们指正。