染雾从数据挖掘走向大数据演讲稿 篇一
尊敬的各位领导、各位专家、各位同事们：
大家好！我很荣幸能够在这里与大家分享我对数据挖掘走向大数据的看法。随着信息技术的不断发展，数据已经成为了我们生活中不可或缺的一部分。同时，数据挖掘作为一种重要的技术手段，正在不断发展和创新。今天，我将从数据挖掘的角度，与大家一起探讨数据挖掘如何走向大数据。
在过去的几十年中，数据挖掘已经在各个领域得到了广泛的应用。通过对大量的数据进行分析和挖掘，我们可以发现隐藏在数据背后的规律和模式，进而为决策提供有力的支持。然而，随着互联网的兴起和智能设备的普及，大数据时代已经来临。在这个时代，我们面临着海量的数据，如何从这些数据中提取有价值的信息，成为了摆在我们面前的一个重要问题。
为了解决这个问题，我们需要将数据挖掘和大数据相结合。首先，我们需要对数据进行采集和存储。在大数据时代，数据的规模和复杂性都远远超过了以往。因此，我们需要借助大数据技术来实现对数据的高效采集和存储。其次，我们需要借助数据挖掘的技术来对数据进行分析和挖掘。数据挖掘作为一种重要的技术手段，可以帮助我们从大数据中发现潜在的规律和模式，进而为决策提供有力的支持。最后，我们需要借助可视化技术来展示数据挖掘的结果。可视化技术可以将抽象的数据转化为直观的图表和图像，帮助我们更好地理解和应用数据挖掘的结果。
在数据挖掘走向大数据的过程中，我们还面临着一些挑战。首先，数据的规模和复杂性给数据挖掘带来了巨大的挑战。在大数据时代，我们需要处理海量的数据，这要求我们不仅要有高效的算法和技术，还要有强大的计算和存储能力。其次，数据的质量和隐私问题也是我们需要关注的重点。在大数据时代，数据的质量和隐私问题变得尤为重要。我们需要采取有效的措施来保证数据的质量和隐私，以确保数据挖掘的结果的准确性和可信度。
尽管面临着一些挑战，但我相信通过数据挖掘和大数据的相互结合，我们一定能够更好地挖掘数据中蕴含的价值，为决策提供更有力的支持。数据挖掘走向大数据，不仅仅是一种技术手段，更是一种思维方式和方法论。我相信，在大家的共同努力下，数据挖掘走向大数据的道路一定会越走越宽广。
谢谢大家！
从数据挖掘走向大数据演讲稿 篇二
尊敬的各位领导、各位专家、各位同事们：
大家好！我很荣幸能够在这里与大家分享我对数据挖掘走向大数据的看法。随着信息技术的不断发展，数据已经成为了我们生活中不可或缺的一部分。同时，数据挖掘作为一种重要的技术手段，正在不断发展和创新。今天，我将从数据挖掘的角度，与大家一起探讨数据挖掘如何走向大数据。
数据挖掘是一种从大量数据中提取有价值信息的技术。在过去的几十年中，数据挖掘已经在各个领域得到了广泛的应用。通过对大量的数据进行分析和挖掘，我们可以发现隐藏在数据背后的规律和模式，进而为决策提供有力的支持。然而，随着互联网的兴起和智能设备的普及，大数据时代已经来临。在这个时代，我们面临着海量的数据，如何从这些数据中提取有价值的信息，成为了摆在我们面前的一个重要问题。
为了解决这个问题，我们需要将数据挖掘和大数据相结合。首先，我们需要借助大数据技术来实现对数据的高效采集和存储。在大数据时代，数据的规模和复杂性都远远超过了以往。因此，我们需要借助大数据技术来实现对数据的高效采集和存储。其次，我们需要借助数据挖掘的技术来对数据进行分析和挖掘。数据挖掘作为一种重要的技术手段，可以帮助我们从大数据中发现潜在的规律和模式，进而为决策提供有力的支持。最后，我们需要借助可视化技术来展示数据挖掘的结果。可视化技术可以将抽象的数据转化为直观的图表和图像，帮助我们更好地理解和应用数据挖掘的结果。
在数据挖掘走向大数据的过程中，我们还面临着一些挑战。首先，数据的规模和复杂性给数据挖掘带来了巨大的挑战。在大数据时代，我们需要处理海量的数据，这要求我们不仅要有高效的算法和技术，还要有强大的计算和存储能力。其次，数据的质量和隐私问题也是我们需要关注的重点。在大数据时代，数据的质量和隐私问题变得尤为重要。我们需要采取有效的措施来保证数据的质量和隐私，以确保数据挖掘的结果的准确性和可信度。
尽管面临着一些挑战，但我相信通过数据挖掘和大数据的相互结合，我们一定能够更好地挖掘数据中蕴含的价值，为决策提供更有力的支持。数据挖掘走向大数据，不仅仅是一种技术手段，更是一种思维方式和方法论。我相信，在大家的共同努力下，数据挖掘走向大数据的道路一定会越走越宽广。
谢谢大家！
从数据挖掘走向大数据演讲稿 篇三
大家好！欢迎大家来参加我们今天这个联络中心大数据系列应用的讲座，这一次我们这个讲座是我们这一系列的第一次课程。现场有我们的观众，也有视频前面的观众。
首先简单介绍一下所谓联络中心的大数据应用，这个系列课程还是围绕着现在比较流行大数据的概念，然后跟联络中心之间彼此相关的关系，跟相应的应用，那我们会有六个课程的主题。
第一部分我们是在讲从数据挖掘到大数据。第二个主题是跟大家介绍有关大数据的基本概念，第三个部分会跟大家介绍联络中的一个全局的战略，第四个部分是在讲联络中的精准营销上面的运用，第五个部份是怎么运用联络中心提升客户的体验，最后第六个这个单元我们会跟大家介绍一下如何在联络中心内部搭建测试学习这个平台。
那开始我们后面课程之前，会花点时间简单介绍一下我自己个人背景。
我叫徐元亮在联络中心这个行业工作有超过15年以上的时间，那最早我求学跟第一份工作是在台湾但是从2003年以后就在内地开始工作，那在大陆这边也有超过10年以上工作时间。在学校部分我在台湾的国立台湾大学心理系取得本科的学历，之后在美国德克萨斯贝勒大学Baylor University取得教育心理学的学位。
第一份工作是在台湾电信公司叫台湾大哥大它的一个2000以上规模的CallCenter里面担任培训主管一个工作，在2003年到大陆之后陆陆续续保险公司在几家保险公司曾经公做过包括太平洋保险 天平保险 中国大地保险最后一份工作在大地保险工作七年时间，协助它建立电话销售中心整个筹建以及后面规模的运作，那个人最大的管理幅度当时大概下面管理大概超过有2000的座席。年营业额超过10亿。那在2004年以后离开了企业界，在外面开始从事咨询与专门培训的工作那我今年开始2015年也成立专门这个培训工作室，那主要培训内容主要围绕着联络中心开始跟各位能够有机会介绍这个有关联络中心大数据运用或者电话营销管理或者电话客服管理这个课程。以上是有关是自己资历的简介，那之后是我们这系列正式课程。
首先第一个我们要跟大家做报告分享主题是从数据挖掘走向大数据。开始今天主题之前要跟大家谈一下到底大数据是什么样概念，还有就是说我们跟联络中心彼此之间有什么样的关系。
这几年在我们国内大数据是热门的话题！各行各业几乎脱口都要谈到大数据，做一些数据分析整理的时候，基本上你不讲大数据感觉好像这个企业管理现在这个数据库管理就脱节了。实际上真真正有多少企业已经真正开始用大数据这个应用，就联络中心这个行业来讲又有那些联络中心真正开始应用大数据。
个人觉得就是说如果真正要了解大数据在联络中心的运用，可能要先从客户关系管理跟数据挖掘，这些基本的数据管理概念开始谈起。
这一张投影片大概是我在10多年前第一份工作，刚才提到的台湾大哥大有位同事叫李明德李先生，他现在应该还在台湾大哥大工作，当时他做的投影片。
经过10多年时间，虽然中间有一些跟客互动渠道有了变化，但是里面一些包括联络中心跟数据仓储跟后面目标客户细分，客户忠诚度终身价值之间的关系，其实10多年来我认为还是没有太大的变化。中间数据挖掘技术其实从这个概念到现在有将近20年时间，但是真正在联络中心或者企业界，得到很好的应用可能也是最近几年的事情。
这张图可以跟
另外来讲，ATM终端，或者是在国外我们看到有一些加油站或者便利超商它也有一些做娱乐或者是相关服务购买、充值的终端，事实上也能够由Call Center在后面提供相关的服务。
另外还有传统服务 传真 电子邮件等等，这些其实也都在联络中心提供互动的一些范围。还有就是一些实体渠道。传统上面我们大家认为联络中心跟面对面的机构跟渠道之间没有什么太大关系，但事实上我们看到很多先进公司事实上在传统渠道的部分他其实也是有Call Center在给我们传统渠道面对面销售人员或者这个中介销售队伍提供相应的支持。
比如说十年前我在帮微软和Cisco 提供外包服务的时候，就看到他们的企业销售团队在跟客户去谈这些大的订制化IT系统解决方案的时候，不管是说买这个作业系统的软件或买一些服务器、Router路由器硬件，通常来讲他们会在Call Center 指定一个相应的助理做项目的支持，然后他们会提供简单的咨询及问题反应记录，甚至有一些制式化的报价等相应的工作。
有一些比较复杂的工作他会即时联系大客户项目代表本人到现场进行处理，总而言之，就是说如果我们能够做到以客户为中心的后台，其实联络中心它是会随着我们交互渠道不断的演进，在前台各种不一样的交互渠道中去提供数据收集跟整理。
为了做到以客户为中心，联络中心后面必须要有一个数据仓储，在数据仓储里面包括来自市场营销来自客户服务，从前端销售到后端服务售后整个全方位的一些信息。通过数据挖掘的一些手段以及工具，那我们能够做到目标客户的细分，针对不同客户细分我们给他一些客制化这个产品服务或者是说对流层。最终目的是提高客户的忠诚度以及提高客户终身价值，这个是我对联络中心与数据挖掘彼此之间关系的理解。
下一张投影片主要跟大家介绍怎么样从数据挖掘到真正产生商业价值、企业管理价值的商业智能系统。
简单来讲就是说我们做大量数据挖掘工作之后最主要目的是能够帮我们很多线索，作为我们联络中心跟客户去做服务跟销售的一个参考依据，甚至说做一个重要的指导。
为了达到这个目的从单纯数据挖掘 我们必须进一步要做到所谓商业智能系统，商业智能系统的基本雏形大概会是这个样子的，在这个整个系统的最后面会有一些各种各样的数据源，不同数据源经过ETL一些程序它会进入我们的数据仓库，在经过数据仓库之后同样进到另外一道ETL.它会进到各个子的数据集市DataMarket在我们不同业务部门有需要的时候，不管是给客户提供销售、给客户提供服务，这个时候我们会从不同的数据集市子集当中，去抽取我所需要的信息，给我的工作提供相应指导，这个是一个简单的商业智能系统的雏形架构。
中间跟大家提一下ETL这样的概念，我们在讲数据挖掘或者比较热门的大数据的时候，经常提到我这个系统、这个模型的ETL流程是怎样？他指的就是：数据的提取Extract、数据转换Transform 、以及数据加载Load,那这几个是在做数据整理当中，经常要使用的步骤。
不同数据库的管理系统，不同数据库的模型 在这当中它其实有一些相应的不同作法，这也代表系统的优势和劣势，简单来讲，整个数据化到商业智能，后台部份必须具备跟数据库连接的功能、必须要具备ETL功能、必须要具备数据仓库跟数据集市管理功能，在前端的部份，它要有一个很友好的数据展示功能配置，同时要能做到数据探索的配置，比方说，我在显示的时候我可以看到全国的数据，我也可以进一步往下细分的每一个市，每一个三级的县或乡镇，甚至于来讲，可以看到某年龄段的客户或针对某一个产品曾经购买的客户。
回到我们讲数据挖掘在企业以及CallCenter的应用，我觉得可以从两个层面来看比较常见的应用。第一个跟我们联络中心比较有关的，是基于贯穿客户生命价值的数据分析，简单来讲，我们看整个生命周期可分为三个阶段：第一个阶段是客户获取、第二个阶段是客户接触、最后一个阶段是客户挽留跟赢回。
在客户获取阶段 我们可以去做相关的渠道分析，比方说分析网络推广的成本跟收益，分析电话外呼响应率，分析交叉销售跟向上销售的效率。在客户生命周期价值部份，我们可以去分析客户价值模型，我们可以去做相关的客户分群，我们可以去做客户风险模型，针对他的信用、针对他的风险去做一些基于数据库的分析。
客户接触阶段主要可以从三个象限去做考虑，第一个是产品，第二个是客户，第三个是坐席，产品部份我们去分析它的产品设计对于整个销售行为、客户阶段的影响，产品定价可以去做进一步分析；客户的部份，我们可以分析他的沟通策略及用户体验；坐席部分，我们可以去做坐席的工作绩效，以及离职率等人力资源相关指标的分析。
最后是客户挽回跟赢回，客户挽回指的是说当客户有流失风险的时候，我应该怎么样作提早的介入，中间我们可以去分析客户挽回相应所花的预算，还有礼品的有效性，以及客户挽回成功率的模型。在客户赢回这个部份指的是说因为任何一个原因，这个客户可能不在我们这边继续购买产品或服务了，但是我有一个新的产品或服务，或者新的促销活动的时候，怎么想办法重新赢回。这里面我们可以分析客户流失的原因，流失率的分析，也可以去做重新赢回成功率的分析。
第二个我们经常使用到的数据分析向度，是贯穿整个企业经营的数据分析。从企业经营角度，我们分成四个部份来看，第一个是营销分析，第二是企业风险控制分析、第三个是产品创新、第四个是资源配置。
中间有一些 我们可能会在后面其他单元讲到，简单来说，在整个企业级的分析当中，我们希望能尽量收集到大量数据，数据来源能尽量真实和准确，或着想办法提升它的真实准确程度，不同的数据可以来自不同的纬度，不一定要有非常明确的相关性，在数据之间会进一步交叉检验，有条件的情况下，我们可以在企业外部找一些公共的数据资源，或者跟其他企业、其他行业的数据间，去做外部数据的交换或拓展。
简单来讲，可以应用到的一些数据包括：客户信用分数、年收入、教育背景、职业、人脉关系、社交网络的记录、信用纪录、负债记录、在专业领域里面的相关纪录，他目前所属的人生阶段，已婚、未婚、有没有小孩等等，他的行为偏好以及电子商务购买的相关纪录，这些都可以做为企业分析的基础。同样的，在我们企业分析的依据之下，也可以对我们联络中心的作业提供相应的指导。
最后来讲，我们在做整个数据挖掘它的目的，就是说，我们当然希望下一步能够把我们的联络中心转换成一个基于大数据管理的联络中心。
首先的条件就是，在整个联络中心的后台，你必须要具备所谓数据生态系统的条件，如果说我联络中心没有做到以客户为中心，我联络中心的运作后台并没有相应数据库跟挖掘分析模型的支持，那其实大数据对我的联络中心日常管理作业起不到很大的指导意义。
所谓的数据生态系统，至少包含三大部分。第一个是有相应的数据源，包括外部电信运营商的数据，他的网路使用习惯，使用的流量，包括他的GIS的相关定位的历史纪录跟信息，公安部、教育部或者其他政府机构的公告讯息，社交网路上面留下的纪录以及电子商务购买的纪录，还有金融机构相关的购买跟信用行为、贷款行为等相应纪录，这些都可以做为数据来源；这些外部数据通过第二个部分，我们的数据实验室，在每个数据去做一定的价值评估，通过数据源的管理，去做数据相应的匹配，这里面可能会包括有效性的验证、除重、或者内外部数据的比对，在比对过程当中、整理过程当中，我们去评价相关所整理数据的价值，然后结合内外部数据，才回到我们第三个部分，就是建立起企业的数据平台，数据平台里面包含模型管理，中间可能包括相关的人口数据、资产数据、信用数据、生活行为、社会、支付行为等等其他一些数据，如果说企业考虑在现有的数据生态系统的基础下，我希望往进一步往大数据进行，现在开始也有很多大数据的基础架构，能够提供企业相应支持，这几年比较流行的比方说Hadoop 、PIG 、 Hive这些是都基于大数据，或是基于非结构化数据，能够提供数据库支持的平台。
基本上基于以上这几点我们认为，在讨论联络中心去做大数据应用之前，必须要提前具备的主题，也是我们今天讨论从数据挖掘走向大数据的内容，以上这个单元就到这边，谢谢大家。
