数据挖掘可用于哪些方面

数据挖掘可用于：1 、预测风险；2、对用户进行分组；3
、分析人的行为；比如预测风险方面分析数据以确定以前出现过哪些问题（例如 ，查找商品之后却并未购买的在线访问者的数量），可以帮助零售商针对未来的库存采购制定更好的决策。

数据挖掘可用于哪些方面？

数据挖掘有许多用途
，具体取决于公司及其需求 。可能的用途包括：1、预测和风险分析数据以确定以前出现过哪些问题（例如，查找商品之后却并未购买的在线访问者的数量） ，可以帮助零售商针对未来的库存采购制定更好的决策。同样
，了解以前一天中的哪个时间段出现网络流量过载，可以帮助企业分配更多资源或投资于服务器升级 ，从而作好准备
。2 、对用户进行分组客户提供的数据使公司可以按各种方法对用户进行分组
，包括根据性别
、年龄、收入 、居住地及其消费习惯进行人口统计学分组。这样，他们就能高效确定具体产品或消息的恰当目标用户 。3
、分析人的行为检查数据使公司能够理解客户响应的刺激物类型
。例如 ，对于一天中某个时段或是一周中某天的特定优惠或电子邮件
，某些分组是否会作出响应？也许还可以澄清用户为什么会访问某个网站而不是另一个，或者是他们为什么会在最后时刻放弃销售。分析有助于他们确定可采取什么措施来防止对其公司不利的负面消费者行为 。

数据挖掘的工作原理是什么？

跨行业数据挖掘标准流程（CRISP-DM）是启动数据挖掘流程的优异指导原则
。CRISP-DM 既是一种方法论 ，也是一种与行业、工具和应用程序分离的流程模型。

作为一种方法
，它描述了数据挖掘项目的典型阶段，概述了每个阶段涉及的任务 ，并解释了这些任务之间的关系 。作为一个流程模型，CRISP-DM 提供了数据挖掘生命周期的概述
。