市场分析与数据挖掘
市场分析与数据挖掘
周旭怡
(美术与设计学院 13级服设专业)
内容提要:在实用中,数据分析可帮助人们作出判断,以便采取适当动。数据分析是组织有目的地收集数据、分析数据,使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期,包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程,以提升有效性。 关键词:市场市场分析数据数据分析数据挖掘
一、 市场分析
(1)、市场分析概念
市场分析是根据已获得的市场调查资料,运用统计原理,分析市场及其销售变化。
市场分析已经成为现代企业管理人员不可缺少的分析技术。 狭义的市场分析就是市场调查研究。它是以科学方法收集消费者的购买和使用商品的事实、意见、动机等有关材料,并予以研究分析的手段。而广义的市场分析就是对从生产者到消费者或用户这一过程中全部商业活动的资料、情报和数据,作系统地收集、记录、整理和分析,以了解商品的现实市场和潜在市场。因此,广义的市场分析不仅是单纯研究购买者或用户的心理和行为,而且还对各种类型的市场营销活动的所有阶段加以研究。
市场分析的研究对象是整个市场,这个对象可以从纵横两个角度去考察。从纵向角度看,市场分析要研究从生产者到消费者的所有商业活动,揭示生产者和消费者各自在从事市场活动中的行为和遵循的规律。无论是生产者还是消费者,在其从事市场活动中都必须既要了解自己,又要认识对方。生产与消费是一对矛盾,他们在整个市场活动中达到对立的统一。生产者和消费者只有按照其固有的规律行事,才能成为把生产和消费有机统一起来的桥梁。从横向角度看,在现代市场经济体制中,市场活动是一个全方位的活动。一方面不同的国家和地区由于受其政治、文化等方面的影响,他们的市场活动是有差异的,因此,市场分析必须揭示这些市场活动的特点和规律。另一方面,即便是同一市场活动的主体,由于各种不同市场的交互作用,他们活动的内容是极为广泛的,也就是说,市场的类型有多种多样,各种不同类型的市场的特点和运行规律,就成了市场分析的又一重点的研究对象。总之,市场分析的研究对象是极为广泛和复杂的,广泛性和复杂性是市场分析研究对象的重要特点。[1]
(2)、市场分析的目的
市场分析通过研究商品的潜在销售量,开拓潜在的市场,根据不同区域的特点,产品可以得到合理分配。及企业经营商品的地区的占有率。通过进一步的市场分析,可以更好的预测市场的商品供应与需求的比例关系,采取正确的经营方式,提高企业经营活动的经营效益。
(3)、市场分析的方法
市场分析的方法,一般可按统计分析法进行趋势和相关分析。分析又分系统分析法、比较分析法、结构分析法、演绎分析法、案例分析法、定性与定量分析
结合法、宏观与微观分析结合法、物与人分析结合法、直接资料法、必然结果法、复合因素法。而上述各种分析法都需要数据的挖掘,以及上述三种方法的应用都可以直接采用电子计算机直接进行处理。
二、 市场分析与数据分析
(1)、何为数据分析
数据分析是指适当的统计分析方法对收集来的大量数据进行分析,提取有用信息何形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。数据分析的数学基础在20世纪早期就已确立,但直到计算机的出现才使得实际操作成为可能,并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。
(2)、市场中运用的数据分析
市场研究中数据分析的特点是微观层面上的分析,解决客户的实际问题,强调统计方法的应用,注重结论对营销策略的指导意义,在很多情况下,完整的数据分析是定性数据分析和定量数据分析的结合。基本数据分析方法分为五部分:确定分析框架、准备出表格式、数据查错和清理、关于数据加权、关于追加样本。而高级数据分析方法则有大概三步骤:专项市场研究涉及的业务范畴、不同业务范畴内的数据分析方法,数据分析举例。常用的高级数据分析方法又有:因子分析、聚类分析、判别分析、潜在重要性分析、价格敏感度测试(PSM )、GG 价格测试、品牌价格抵补测试(BPTO )、联合分析(DCM/ACA)、TURF 分析、对应分析、多维尺度分析、品牌形象知觉图、拼图法(定性)、通用需求、相关分析、象限分析(满意度指标的重要性和产品表现)、满意度模型/结构方程式模型。以上都为常用数据分析方法,而数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。数据也称观测值,是实验、测量、观察、调查等的结果,常以数量的形式给出。
数据分析与数据挖掘密切相关,但数据挖掘往往倾向于关注较大型的数据集,较少侧重于推理,且常常采用的是最初为另外一种不同目的而采集的数据。数据分析的目的与意义
数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来,以找出所研究对象的内在规律。
在实用中,数据分析可帮助人们作出判断,以便采取适当行动。数据分析是组织有目的地收集数据、分析数据,使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期,包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程,以提升有效性。
(3)、数据分析与数据挖掘
数据挖掘通过分析每个数据,从大量数据中寻找其规律的技术,从更广泛的数据中寻找未知的价值。数据分析是指从收集来的、已有的数据中发现规律,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。而数据挖掘和统计的区别是统计着重于验证和测试假设,也就是说在你开始分析前你知道模式或模型,数据挖掘则着眼于生成假设以及在没有指导的情况下发现新模式。这也就是目前国内很多公司都有自己的统计分析平台,比如关于erp 、crm 、和业务的统计分析平台,这些统计分析平台都和各自的固有业务紧密联系,园子里的绝大多数人都开发过统计分析系统,但是不能说这些统计分析是数据挖掘一样。
三、 数据挖掘
(1)、数据挖掘概念
数据挖掘(Data mining),又译为资料探勘、数据采矿。它是数据库知识发现(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通过算法搜索隐藏于其中信息的过程。数据挖掘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。
(2)、数据挖掘的发展
数据挖掘的发展历史为四个阶段:一阶段为电子邮件阶段,二阶段为信息发布阶段,三阶段为EC (Electronic Commerce)即电子商务阶段,四阶段为全程电子商务阶段。
一阶段可以认为从70年代开始,平均通讯量以每年几倍的速度增长。
二阶段从1995年起,以Web 技术为代表的信息发布系统,爆炸式地成长起来,成为目前Internet 地主要应用。中小企业如何把握好从“粗放型”到“精准性”营销时代地电子商务。
三阶段是1997年底在加拿大温哥华举行地第五次亚太经合组织非正式首脑会议(APEC )上美国总统克林顿提出敦促各国共同促进电子商务发展地议案,其引起了全球首脑地关注,IBM 、HP 和Sun 等国际著名的信息技术厂商已经宣布1998年为电子商务年。
四阶段随着SaaS (Software as a service)软件服务模式的出现,软件纷纷登陆互联网,延长了电子商务链条,形成了当下最新的“全程电子商务”概念模式。
(3)、数据挖掘的应用
数据挖掘技术在企业市场营销中得到了比较普遍的应用,它是以市场营销学的市场细分原理为基础,其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。
通过收集、加工和处理涉及消费者消费行为的大量信息,确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求,进而推断出相应消费群体或个体下一步的消费行为,然后以此为基础,对所识别出来的消费群体进行特定内容的定向营销,这与传统的不区分消费者对象特征的大规模营销手段相比,大大节省了营销成本,提高了营销效果,从而为企业带来更多的利润。
商业消费信息来自市场中的各种渠道。例如,每当我们用信用卡消费时,商业企业就可以在信用卡结算过程收集商业消费信息,记录下我们进行消费的时间、地点、感兴趣的商品或服务、愿意接收的价格水平和支付能力等数据;当我们在申办信用卡、办理汽车驾驶执照、填写商品保修单等其他需要填写表格的场合时,我们的个人信息就存入了相应的业务数据库;企业除了自行收集相关业务信息之外,甚至可以从其他公司或机构购买此类信息为自己所用。
这些来自各种渠道的数据信息被组合,应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理,从中得到商家用于向特定消费群体或个体进行定向营销的决策信息。这种数据信息是如何应用的呢?举一个简单的例子,当银行通过对业务数据进行挖掘后,发现一个银行帐户持有
者突然要求申请双人联合帐户时,并且确认该消费者是第一次申请联合帐户,银行会推断该用户可能要结婚了,它就会向该用户定向推销用于购买房屋、支付子女学费等长期投资业务,银行甚至可能将该信息卖给专营婚庆商品和服务的公司。数据挖掘构筑竞争优势。
在市场经济比较发达的国家和地区,许多公司都开始在原有信息系统的基础上通过数据挖掘对业务信息进行深加工,以构筑自己的竞争优势,扩大自己的营业额。美国运通公司(American Express)有一个用于记录信用卡业务的数据库,数据量达到54亿字符,并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘,制定了“关联结算(Relation ship Billing)优惠”的促销策略,即如果一个顾客在一个商店用运通卡购买一套时装,那么在同一个商店再买一双鞋,就可以得到比较大的折扣,这样既可以增加商店的销售量,也可以增加运通卡在该商店的使用率。再如,居住在伦敦的持卡消费者如果最近刚刚乘英国航空公司的航班去过巴黎,那么他可能会得到一个周末前往纽约的机票打折优惠卡。
基于数据挖掘的营销,常常可以向消费者发出与其以前的消费行为相关的推销材料。卡夫(Kraft )食品公司建立了一个拥有3000万客户资料的数据库,数据库是通过收集对公司发出的优惠券等其他促销手段作出积极反应的客户和销售记录而建立起来的,卡夫公司通过数据挖掘了解特定客户的兴趣和口味,并以此为基础向他们发送特定产品的优惠券,并为他们推荐符合客户口味和健康状况的卡夫产品食谱。美国的读者文摘(Reader's Digest)出版公司运行着一个积累了40年的业务数据库,其中容纳有遍布全球的一亿多个订户的资料,数据库每天24小时连续运行,保证数据不断得到实时的更新,正是基于对客户资料数据库进行数据挖掘的优势,使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务,极大地扩展了自己的业务。
基于数据挖掘的营销对我国当前的市场竞争中也很具有启发意义,我们经常可以看到繁华商业街上一些厂商对来往行人不分对象地散发大量商品宣传广告,其结果是不需要的人随手丢弃资料,而需要的人并不一定能够得到。如果搞家电维修服务的公司向在商店中刚刚购买家电的消费者邮寄维修服务广告,卖特效药品的厂商向医院特定门诊就医的病人邮寄广告,肯定会比漫无目的的营销效果要好得多。
(4)、数据挖掘的案例分析
数据挖掘技术在商业银行中的应用
数据挖掘技术在美国银行金融领域应用广泛。金融事务需要搜集和处理大量数据,对这些数据进行分析,发现其数据模式及特征,然后可能发现某个客户、消费群体或组织的金融和商业兴趣,并可观察金融市场的变化趋势。商业银行业务的利润和风险是共存的。为了保证最大的利润和最小的风险,必须对帐户进行科学的分析和归类,并进行信用评估。Mellon 银行使用Intelligent Agent数据挖掘软件提高销售和定价金融产品的精确度,如家庭普通贷款。零售信贷客户主要有两类,一类很少使用信贷限额(低循环者),另一类能够保持较高的未清余额(高循环者)。每一类都代表着销售的挑战。低循环者代表缺省和支出注
销费用的危险性较低,但会带来极少的净收入或负收入,因为他们的服务费用几乎与高循环者的相同。银行常常为他们提供项目,鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会。高循环者由高和中等危险元件构成。高危险分段具有支付缺省和注销费用的潜力。对于中等危险分段,销售项目的重点是留住可获利的客户并争取能带来相同利润的新客户。但根据新观点,用户的行为会随时间而变化。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。Mellon 银行认为“根据市场的某一部分进行定制”能够发现最终用户并将市场定位于这些用户。但是,要这么做就必须了解关于最终用户特点的信息。数据挖掘工具为Mellon 银行提供了获取此类信息的途径。Mellon 银行销售部在先期数据挖掘项目上使用Intelligence Agent寻找信息,主要目的是确定现有Mellon 用户购买特定附加产品:家庭普通信贷限额的倾向,利用该工具可生成用于检测的模型。据银行官员称:Intelligence Agent可帮助用户增强其商业智能,如交往、分类或回归分析,依赖这些能力,可对那些有较高倾向购买银行产品、服务产品和服务的客户进行有目的的推销。该官员认为,该软件可反馈用于分析和决策的高质量信息,然后将信息输入产品的算法。Intelligence Agent还有可定制能力。
美国Firstar 银行使用Marksman 数据挖掘工具,根据客户的消费模式预测何时为客户提供何种产品。Firstar 银行市场调查和数据库营销部经理发现:公共数据库中存储着关于每位消费者的大量信息,关键是要透彻分析消费者投入到新产品中的原因,在数据库中找到一种模式,从而能够为每种新产品找到最合适的消费者。Marksman 能读取800到1000个变量并且给它们赋值,根据消费者是否有家庭财产贷款、赊帐卡、存款证或其它储蓄、投资产品,将它们分成若干组,然后使用数据挖掘工具预测何时向每位消费者提供哪种产品。预测准客户的需要是美国商业银行的竞争优势。[2]
因特网筛选,最近,还有不少DMKD 产品用来筛选因特网上的新闻,保护用户不受无聊电子邮件和商业推销的干扰,很受欢迎。
参考文献:[1]智库-百科
[2]贺本岚大数据时代数据挖掘在银行客户关系管理中的应用研究