※上記の広告は60日以上更新のないWIKIに表示されています。更新することで広告が下部へ移動します。

従来型データベース

データウェアハウス

  • 蓄積されたデータの戦略的活用
  • BI (Business Intelligence)
  • 従来型のデータベースでは困難
  • 累積型データ <-> 日常型データ
日常型データが 5 年 10 年と集めると、
累積型データとなる。
  • ウェアハウス型データ <-> 定型業務データ

OLAP
On-line Analytical Processing
累積型データを解析する処理。
OLTP
On-line Transaction Processing
定型業務データを格納する処理。

データウェアハウスの構築

  • ソースデータの洗浄 (不良データの棄却)
  • 様々なフォーマットの統一
  • 1 個のデータウェアハウスに統合
  • ETL (Extract, Transform, Load)

データマイニング

  • データセットを分析 → 内蔵する隠れたパターンを見つける
  • コンピュータによる自動化あるいは汎自動化操作による
  • 分析の対象となる蓄積データ
  • 財務データ
  • 顧客データ
  • 販売データ etc

決定木 (Decision Tree)


顧客離れの分析 (Analysis of Customer Churn)

電話会社、銀行、保険会社などにおいては顧客の奪い合いが激しい。
一人の顧客を取得するための費用は 200 ドルと言われている。 (携帯電話会社の場合)
従っていったん取得した客をそのまま保持しておくことは、収益の向上に大きく影響する。
それを可能にするため、データマイニングにより、客離れの原因を明確にして必要な対策をとる。

クロスセル (Cross Sell)

小売業では、客の注文を受けると同時に、
関連がありその客が興味を持つであろう別の商品も進めて、売上を増やすことが出来る。
これは、種々の小売業で重要なオペレーションになりつつある。
データマイニングは、各顧客の購買データよりその好みを分析し、
クロスセルの追加商品を決める。

アップセル (Up Sell)

関連商品ではなく、1グレード上の商品を勧める。

不正行為・詐欺行為への対策

保険会社に保険金の請求などが来た場合、
その内容が正当な物であるかどうか確かめる。
この調査を手作業で行うのは時間・費用ともにかかる。
データマイニングによりあらかじめ正当な請求の
あるいは不当な請求の傾向を分析する。

リスク管理

銀行のローンなどに於いて、各顧客についてローンの
回収が可能であるかどうか判定する必要がある。
データマイニングはこの種の判定に役立つ。

顧客のセグメント化

顧客をみんな同様に扱うのではなく、
データマイニングによりセグメント化し、
古語のセグメントに適した対応を行う。
これにより客の満足度は向上し、
対応のための費用も最低限に抑えることが出来る。

対象別の広告表示

潜在的な顧客に対応する場合の広告。
訪問客の種類に応じて表示すると、コンバージョン率が上がる。

販売予測

データマイニングにより個々の商品について
その売上予測を得ることが出来る。
在庫管理が適切に行われ、収益を増大することが出来る。


データマイニングの諸手法

  • 分類
  • クラスタリングまたはセグメンテーション
  • アソシエーション
  • 回帰分析
  • 時系列による未来予測
  • シーケンス分析
  • 異常現象分析


ウェブデータベース

ウェブサーバに置かれたデータベースを利用する方法を研究する。
例として、オンラインショップの構築などを行う。
データマイニング技術を取り入れた販売手法も試みる。