数据挖掘应用案例

就算没去过纽约，也应该都听说过拥有百年历史的纽约地铁，又脏又臭又阴暗，但是纽约客以及自世界各地来的旅客又都离不开地铁，每天 550 万人搭乘，想必每一座地铁、每一层阶梯、每一列车厢，到处沾满人类陈年积淀的汗渍与污垢。不过，真实情况可能要你大吃一惊，不是没那么脏，而是比我们想象得更奇幻。

康乃尔大学 Weill 医学院的研究者们，花了 18 个月的时间执行了一项大数据项目。他们用鉴识科学常用的棉花棒，在 486 个纽约地铁站搜集目标样本，车厢门、楼梯扶手、座椅、灯杆、垃圾桶都不放过，最后总共发现 1 万 5 千多种微生物，将近一半的样本是人类未知的有机生物，27% 是活性并俱有抗药性的细菌，虽然所有细菌仅有 12% 与疾病相关，还发现了三个与腺鼠疫、炭疽相关样本，但幸而这些样本都没有活性。而与人类的基因组相匹配的只占了不到 2%。

这项研究的主要作者康乃尔医学院遗传学家 Christopher E. Mason 说：「人们望着地铁上的手扶梯时，从来不会有『这上面充满生命』的念头，但是知道这项研究之后，他们可能会开始这么想。不过我想让他们以看待热带雨林的眼光看待地铁，这里有那么多物种，但并没有影响到你的健康，简直让人敬畏和赞叹。」

关于地铁细菌的研究，不只是有趣，也不只是满足了科学家的好奇心，研究者们将把这些物种分门别类，未来就能把它们当作对照样本，确定某些疾病、甚至也可预测未来若恐怖份子把某些细菌当做生物武器攻击的物质，是否已经扩散。

关于数据挖掘的应用，最近还有这样一个真实案例在数据挖掘和营销挖掘领域广为流传。

美国一名男子闯入他家附近的一家美国零售连锁超市Target店铺（美国第三大零售商塔吉特）进行抗议：“你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券。”店铺经理立刻向来者承认错误，但是其实该经理并不知道这一行为是总公司运行数据挖掘的结果。如图所示。一个月后，这位父亲来道歉，因为这时他才知道他的女儿的确怀孕了。Target比这位父亲知道他女儿怀孕的时间足足早了一个月。

Target能够通过分析女性客户购买记录，“猜出”哪些是孕妇。他们从Target的数据仓库中挖掘出25项与怀孕高度相关的商品，制作“怀孕预测”指数。比如他们发现女性会在怀孕四个月左右，大量购买无香味乳液。以此为依据推算出预产期后，就抢先一步将孕妇装、婴儿床等折扣券寄给客户来吸引客户购买。

如果不是在拥有海量的用户交易数据基础上实施数据挖掘，Target不可能做到如此精准的营销。

蒙特利尔银行是加拿大历史最为悠久的银行，也是加拿大的第三大银行。在20世纪90年代中期，行业竞争的加剧导致该银行需要通过交叉销售来锁定1800万客户。银行智能化商业高级经理JanMrazek说，这反映了银行的一个新焦点--客户(而不是商品)。银行应该认识到客户需要什么产品以及如何推销这些产品，而不是等待人们来排队购买。然后，银行需要开发相应商品并进行营销活动，从而满足这些需求。

在应用数据挖掘之前，银行的销售代表必须于晚上6点至9点在特定地区通过电话向客户推销产品。但是，正如每个处于接受端的人所了解的那样，大多数人在工作结束后对于兜售并不感兴趣。因此，在晚餐时间进行电话推销的反馈率非常低。

几年前，该银行开始采用IBMDB2IntelligentMinerScoring，基于银行账户余额、客户已拥有的银行产品以及所处地点和信贷风险等标准来评价记录档案。这些评价可用于确定客户购买某一具体产品的可能性。该系统能够通过浏览器窗口进行观察，使得管理人员不必分析基础数据，因此非常适合于非统计人员。

“我们对客户的财务行为习惯及其对银行收益率的影响有了更深入的了解。现在，当进行更具针对性的营销活动时，银行能够区别对待不同的客户群，以提升产品和服务质量，同时还能制订适当的价格和设计各种奖励方案，甚至确定利息费用。“

蒙特利尔银行的数据挖掘工具为管理人员提供了大量信息，从而帮助他们对于从营销到产品设计的任何事情进行决策。