数据分析的模式

作者: ewen321 20070929

数据分析的模式

1． 从概化群体入手，分析一般特征，得到的结论是特征分群的标准－属聚类分析。
2． 从细化个体入手，套用聚类结果分析具体行为，得到用户所归属的具体群体－属分类分
析。

举例：

目前联通的客户资料中，有不到50％的入网客户是采用身份证作为入网凭证的，我们可以从身份证中得到：年龄、性别、籍贯等信息。针对年龄，我们对已知的年龄分层，结合已知身份的用户通话行为，可以得到一些结论：比如：打长途比本地费用高的集中在50岁以下（群体a），并且可能性是80％（群体a/所有打长途比本地费用高的人），并且…… 那么，假设现在有一个不明身份的客户，她/他的长途比本地费用高，我们就可以得到这样的结论：他/她的年龄在50岁以下的可能性是（80％）。是不是有NBA这样，在后台模型充分的基础上，我们可以给一些身份未知的用户打出一些标志，勾勒出这个用户的粗线条或者叫轮廓。由此推而广之，我们便得到这样的实例化结论：用户B，男，30左右，可能是上班族，经常游走于XX小区和XX街道之间，上班时间的前30分钟内，经常会打电话给小C（小C，女，和她年龄相当，30左右，和B是亲密爱人或夫妻），同时，B保持亲密关系的还有一个小D（女性，交往圈极广，20出头，籍贯北京，属于前卫少女），B和小D经

常长时间通话，互发彩信，并且大都比较暧昧。在C存在的情况下，D很可能是B的另一个倾诉对象（网友或情人）。B每月给D打的电话费高达XXX元，其中彩信都有XXX条之多，但B的电话费是公司代缴，因此C可能完全不知D的存在（B、D之间从未有联系，交际圈也不同等等吧，反正没有特征显示她们是认识的）。而从某一天开始的接连几天，C连续给D打了不少电话，这几天里，C也不断给B打电话发短信，并且到营业厅里打印过B的通话详单，总之，C这几天波动异常，情绪不稳。之后，B再没主动和D联系过。而D呢，刚开始还主动找过B几次，以后就再也没联系过，而且D也换了号码，似乎还有了新欢……呵呵，哈哈，想去吧，简直就是《手机》的翻版，抑或是某个都市情感剧的原型。经分要是做到这个地步，倒也给我们这些做分析的人带来不少联想的乐趣，呵呵。

作者:goldenfish3 20070930

数据分析做到高级阶段就会触及隐私，而隐私保护涉及法律问题和技术问题。分析做的好就会既能发现规律、发现知识又能有效保护隐私。

作者:Hu, Jiangtang 20070930

分类和聚类，一个是有指导的学习，一个是无指导的学习。分类有类别标注，聚类则没有。

作者:yunong 20071001

基本上目前对individual 层面的分析不可能那么详细吧，要分析也分析VIP用户～从VIP用户里挖掘潜在的卖点。

作者:Delin He 20071001

我觉得这个只是探讨探讨数据觉得 好玩而以吧。某天闲的无事把我自己访问我们公司的网站的数据给提出来了，稍微做了分析。发现我的特征如下： 上网的时间属于夜猫子的出来的时间，从音乐试听记录上来看，对男歌手无兴趣，对漂亮女歌手感兴趣，我这人基本乐盲，只听最流行的，喜新忘旧型......哈哈哈，有点意思。

作者:hunter 20071001

说道隐私，记得数据挖掘里有经典两例，一例是美国军官快退休时被发现同性恋，开除军籍，纠纷闹得影响很大。另一例是英国电信，直接把促销（经常通话的号码）信息发到客户家庭，结果某家的婚姻就此解体。

作者:Qing 20071008

旧时王谢堂前燕，飞入寻常百姓家。

分析vip客户，讲究的帕累托原理，可长尾理论出来了，就开始对广大劳苦人民分析起来。现在这个社会不是从精英走向草根了嘛，bi也是这个道理。

而且对数量巨大的长尾进行分析更能体现bi的价值，因为对于vip来说，数量少，一对一服务，有时候根本用不着什么分析，而对那些非vip，没法一对一，又要所谓的个性化服务，用bi提升客户洞察力。

作者:Hawking, Bin 20071009

后半部分说的是social network analysis。我已准备作为下年的电信BI应用的一个提案--通信是social行为，怎能不作social 分析呢？

计算量当然是巨大，这就有正当理由扩容几千万￥的机器了，哈哈。