数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第2版）[图书]

    书籍
    计算机书籍
本书是一本优秀的数据挖掘教材，全面而系统地介绍了数据挖掘酌商业环境、数据挖掘技术及其在商业环境中的应用。.

全书共18章，内容涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践的概观、数据挖掘的最新进展和一些极具挑战性的研究课题，极具技术深度与广度。通过学习本书，读者不仅可以精通数据挖掘的整体结构和核心技术，还可以领略数据挖掘在销售和客户关系管理等方面的成功应用，为实践数据挖掘打下坚实的基础。

本书适合作为高等院校相关专业高年级本科生或研究生的教材或参考书，也适合当前和未来的数据挖掘实践者学习和参考。..

本书是数据挖掘领域的经典著作，数年来畅销不衰。全书从技术和应用两个方面，全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。自从1997年本书第1版出版以来，数据挖掘界发生了巨大的变化，其中的大部分核心算法仍然保持不变，但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所演进。第2版展示如何利用基本的数据挖掘方法和技术，解决常见的商业问题。

本书涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践、数据挖掘的最新进展和一些富有挑战性的研究课题，极具技术深度与广度。配套网站www．data-miners．com／companion提供了每章的练习和用于测试各种数据挖掘技术的数据。全书语句凝炼、清新，对复杂概念的实际应用进行了生动解释，是必不可少的数据挖掘教材。...

Michael J. A. Berry， Gordon S. Linoff，他们是专业的数据挖掘咨询公司DataMiners的创办人。他们合作出版了一些经典的数据挖掘著作，包括Data Mining Techniques、Mastering Data Mining和Mining the Web(均由Wilev公司出版)。作为数据挖掘顾问，他们一起为北美洲、欧洲和亚洲的许多大公司提供专业咨询，把客户数据、呼叫数据、网络日志条目、销售点记录和账单文件变成有用的信息，用于改善客户体验。他们都有近20年在营销和客户关系管理方面应用数据挖掘技术的经验。...

出版者的话
专家指导委员会
译者序.
致谢
前言
第1章 数据挖掘的缘起和内容
1．1 分析客户关系管理系统
1．2 什么是数据挖掘
1．3 数据挖掘可以完成哪些工作
1．4 为什么现在研究
1．5 目前如何使用数据挖掘
1．6 小结
第2章 数据挖掘的良性循环
2．1 商业数据挖掘案例研究
2．2 何谓良性循环
2．3 良性循环环境下的数据挖掘
2．4 移动通信公司建立恰当的联系
2．5 神经网络和决策树驱动SUV的销售
2．6 小结
第3章 数据挖掘方法论和最佳实践

　　随着数据库技术的应用越来越普及，人们逐渐陷入了“数据丰富，知识贫乏”的尴尬境地，因为大量数据淹没了数据中隐含的模式和有益信息。于是，致力于摆脱这一困境的数据挖掘技术从20世纪90年代起步并得到迅速发展。数据挖掘技术是数据库研究、开发和应用中最活跃的分支之一，是一种基于机器学习、统计分析等多种学科的计算机技术，能够有效地帮助人们将海量数据资源转换为有用的知识和信息，进而帮助人们科学地做出决策。.
　　本书是数据挖掘领域的巨著，多年以来，在数据挖掘领域的地位始终无可替代，其内容也随数据挖掘技术的发展演化而不断更新。本书最早的版本是1997年出版的，补充修订后于2004年出版第2版。新版中减少了与商业相关的素材，增加了更多的技术素材，并加入了作者近年来的最新研究成果和见解，比如：关于数据挖掘在营销和客户关系管理方面的应用、基本统计学技术的使用、生存分析和为挖掘准备数据等内容。基于存储的推理增加了以最近邻技术为基础的协同过滤方法，从而在技术和应用两方面更加全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。
　　本书共有18章，内容涵盖了核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践的概观、数据挖掘的最新进展和一些极具挑战性的研究课题，其技术深度与广度举世公认。作者注重实效，对每类问题均提供代表性算法，以亲身经历的商业案例为实例，给出每一技术具体的应用法则。通过学习本书，读者不仅可以精通数据挖掘的整体结构和核心技术，还可以领略数据挖掘在营销、销售和客户关系管理等方面的成功应用，为实践数据挖掘打下坚实的理论和应用基础。..
　　本书的目标读者是当前和未来的数据挖掘实践者，可以作为相关专业高年级本科生的选修课教材，特别适合作为研究生的专业课教材。本书用生活实例开头，引出基本概念，同时提供大量真正的商业环境实例。因此，对于从事数据挖掘应用的读者来说，是一本必备的参考书。本书的网站还有一些推荐读物和练习，所以对于初学者来说，也是一本可读性极佳、适于循序渐进地学习数据挖掘的首选教科书。
　　本书主要由别荣芳、尹静和邓六爱三位翻译完成。全书由别荣芳统一审校。孙运传参与了部分审校工作。在翻译过程中，译者发现一些错误和疑似错误之处，在译文中对一般拼写错误和明显笔误均未作说明而直接进行了校正，其他错误则在相应页的脚注中给出了说明。
　　由于时间仓促，加上本书涉及诸多实际应用领域，原作中方言俚语和非信息技术专业词汇较多，翻译内容难免存在疏漏和不足，敬请读者谅解并批评指正。...
　　译 者
　　2006．6
　　

　　本书第1版于1997年面世。该书实际上开始于1996年，当时我和Gordon在为国家银行(Nations Bank) (现在是美国银行，Bank of America)设计一天的数据挖掘研讨班。Nations Bank的一位副总裁Sue Osterfelt(她还与Bill lnmon合著有一本关于数据库应用的图书)使我们深信，研讨班的材料应该整理成一本书。她把Jon Wiley & Sons公司的编辑Bob Elliott介绍给我们，在我们还没来得及仔细考虑这件事情之前，就签了一份合同。.
　　我们两个人以前从未写过书，前面几章的草稿清楚地说明了这一点。感谢Bob的帮助，我们取得了很大的进步，最终版本仍然是相当令人骄傲的。毫不夸张地说，这一经历改变了我们的生活：第一是占用了应该散步的每一小时，甚至是应该睡觉的时间；其次，更肯定地说，提供了我们创建的Data Miners咨询公司的基础。本书第1版已经成为数据挖掘的一本标准教材，后续著作包括：Mastering Data Mining和Mining the Web。
　　那么为什么要进行修订呢?自从第1版出版以来，数据挖掘界发生了很大的变化。例如：那时候，Amazon．com才刚刚出现；美国移动电话呼叫费用平均为每分钟50美分，不超过25％的美国人拥有移动电话；KDD数据挖掘会议才举办了第二届。我们的理解也改变了很多。尽管其中的大部分核心算法仍然保持不变，但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所增长和演化。
　　即使技术界和商业界保持不变，我们也希望更新本书第1版，因为在其间的几年，我们又学到了很多。做咨询的一大乐趣就是时刻面对新思想、新问题和新的解决方案。我们并不比当年写第1版的时候更聪明，但确实经验更丰富，而且我们的写作经验也更丰富了。稍微浏览一下本书内容目录就可以发现，我们减少了很多与商业相关的材料，而增加了更多的技术材料。另外，把一些商业材料融汇到技术章节中，因此使数据挖掘技术得以在商业环境中来讨论，希望这样可以使读者更容易领会到如何把技术应用到自己的商业问题。
　　我们还注意到，许多商业学校的课程使用本书作为教材。尽管我们并没有把本书写成一本教科书，在第2版中，我们努力使它可以用作教材，书中提供了大量基于公开可用的数据的实例，诸如美国的人口普查数据，在配套网站www．data-miners．com／companion中有推荐阅读材料和建议的练习。..
　　全书仍然分为三个部分，第一部分讲述数据挖掘的商业环境。开篇章节给出了数据挖掘的简介，解释数据挖掘可以用来干什么，并且为什么需要数据挖掘。第2章介绍数据挖掘的良性循环，这是一个持续不断的过程，通过这个过程，数据挖掘将数据转变为指导行动的信息，反过来创造了更多的信息和更多的学习机会。第3章是数据挖掘的方法论和最佳实践的拓展讨论，该章比书中任何其他一章更得益于我们写第一本书以来的经历，这里介绍的方法论基于我们曾经参与的成功案例而设计。第4章在第1版中根本没有相应的部分，是关于数据挖掘在营销和客户关系管理中的应用，也正是我们现在所从事的领域。
　　第二部分讲解数据挖掘本身的技术内容，包含第1版描述的所有技术，但是重新进行了调整，对各种描述进行了重写，比第1版更清晰、更准确。但仍然保留了第1版的风格，即可能的地方都使用非技术语言。
　　除了包含第1版涵盖的7种技术：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析之外，还增加了使用基本的统计学技术以及生存分析的新章节。生存分析是一项广泛应用的技术，从医学界的少量样本和连续的时间测量，到营销数据中发现的大量样本和离散时间度量，都可应用。基于存储的推理一章还包括以最近邻技术为基础的协同过滤方法，作为产生推荐的方式，已经为广大Web零售商所熟知。
　　第三部分讲述在商业环境中使用技术的方法，其中有一章关于在数据中发现客户，另一章关于数据挖掘和数据仓库的关系，还有一章关于数据挖掘环境(公司环境和技术环境两个方面)，最后一章关于在公司中应用数据挖掘。该部分新增加了一章，介绍为数据挖掘准备数据。这是一个极其重要的话题，因为很多数据挖掘者反映，在典型的数据挖掘工程中，转换数据通常需要花费大多数的时间。
　　和第1版一样，本书仍然针对当前和未来的数据挖掘实践者。既不是为软件开发者提供如何实现各种数据挖掘算法的细节指导，也不是为了使研究人员改进那些算法。有关思想以非技术的语言给出，尽可能少地使用数学公式和艰涩的术语。每一种数据挖掘技术都在真实的商业环境中展示，给出大量来自商业环境的实例。简而言之，我们努力把本书写成打算开始数据挖掘生涯的技术人员喜欢读的一本书。...
　　Michael J．A．Berry
　　2003年10月