浅谈数据分析、数据挖掘、BI及分析型CRM

    市场领域里的数据分析，是用数据来描述过去和现状。比如到目前为止，前5年的市场份额，及增长率；目前客户的年龄、地域、收入分布等等。数据分析可以满足大部分的市场决策需求。描述性统计分析中的频数、百分比、交叉表、均数间比较、相关分析应该都是数据分析经常用到的统计方法，而且能够满足大部分的市场调研，和市场状况分析的需求。这部分数据分析结果不需要进行验证，因为它就是在描述事实本身。（抽样的情况下除外，因为需要对总体进行推断）

    而数据挖掘，是用历史的数据对将来进行预测的分析，带有决策的味道。比如数据分析的结果说这是“牛”，是因为，数据明白的标明了“牛”，而数据挖掘的结果说这是“牛”，是因为在数据中有“4条腿”、“吃草”、“产奶”、“体重”等等这些指标，所以我们分析出来说这是“牛”，这个得出结果的过程就是数据挖掘的过程，而结果是需要验证的，是可能会判断错误的，这也许是“羊”。客户细分、客户获取、客户响应模型、客户提升模型（交叉销售、向上销售）、客户流失预警这些都属于数据挖掘。

    但是这些模型具体包含哪些参数，通过什么数据挖掘方法得到的，建立的过程，以及如何验证的，它们的用途怎样？在市场营销的决策中是怎样的角色。这是接下来要一步步学习和探讨的内容。

    BI是最近比较热门的话题，之前我也不知道什么是BI，参与做了一个项目后，有了一些理解。BI实际上是数据分析，而非数据挖掘。CRM等数据库系统的数据通过ETL加载到BI软件中，做出一些数据分析的报表。BI之前的工作模式是：从系统中抽取数据，进行数据的清理工作，在EXCEL或者spss中做出这些基础的数据分析，然后再写成规则的报告。BI之后的模式是：整个过程变成了自动的，只要点击想要看到的报告名就可以自动生成了。实际上一个BI项目，是一个系统集成的过程，在这个过程中ETL是核心。

    而分析型CRM，目前还不太了解，个人有些疑惑：分析的基础是数据，数据的质量是决定了一切。BI通过ETL对数据进行了清理和转换。那分析型CRM需不需要ETL，如果不需要，又如何在数据的输入端就保证其质量呢，而且还得保证这些数据的粒度都是产生报表时所需的。