| 失效链接处理 |
|
AI产品经理，如何面对数据挖掘？
相关截图：
 主要内容：
一、数据挖掘用于 AI 产品需求发现
需求的发现是产品经理和企业产品创新取得成功的关键，数据信息在产品的创新设计与制
造中发挥越来越重要的作用，充分利用数据挖掘技术从产品市场需求发现、需求设计中提
取相应的需求，从而控制和改善下一代产品的设计与制造。
目前，AI 赋能的智能软硬件整体产品的研制周期长，市场反应能力弱，创新度不够等一系
列因素控制了产品制造企业的生存和发展，不论是万亿市值的苹果还是国内的华为小米一
年旗舰智能手机只有一款。这个现象背后正是因为 AI 赋能的软硬一体产品，在需求发现
到产品设计上有其特殊性。
因此，如何在最短的时间内开发出质量高、价格能被用户接受的 AI 产品，已成为产品经
理市场竞争的焦点。数据挖掘技术已经成为分析和发现需求，提供决策十分有效的工具，
而需求发现速度快起来后可以给需求设计制造更多时间，所以必将有力地支持 AI 产品的
创新设计和制造过程。
数据挖掘（Data Mining，简称 DM）就是从大量的、不完全的、随机的实际应用数据中，
提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和需求的过程。
根据产品发现需求的不同，数据挖掘的任务主要分为以下 6 类：
（1）关联分析需求，揭示隐藏在数据之间相互关系的一项挖掘潜在需求的数据挖掘任务。
例子：“尿布与啤酒”的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒竟然摆在一起出售。但是，这种奇怪的举
措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛超市的真
实案例，并一直为商家所津津乐道。
沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃
尔玛对其顾客的购物需求进行了深层分析，想了解顾客经常一起购买的商品都有哪些。沃
尔玛数据仓库里集中了其各门店的详细的原始交易数据，在这些原始交易数据的基础上，
沃尔玛利用关联规则对这些数据进行分析和挖掘，得出了一个令人意外的发现：“跟尿布
一起被购买最多的商品竟是啤酒！”
经过大量实际调查和分析，揭示了一个隐藏在“尿布与啤酒”背后的美国人的一种需求模
式：在美国，一些年轻的父亲下班以后要经常到超市去买婴儿尿布，而他们中有 30%～40%
的人同时也会为自己买一些啤酒。
产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们
在买尿布后又随手带回了他们喜欢的啤酒。
按照常规思维模式，尿布与啤酒风马牛不相及，若不是借助关联规则进行挖掘和分析，沃
尔玛是不可能发现数据之间存在的这一有价值的需求。
以前企业的信息管理系统由于缺乏数据挖掘功能，最多只能统计一些数据，从表面上似乎
合理，但实际上根本不能反映出本质的情况。例如：通过传统的信息管理系统，我们得出
某一种红酒在超市的销售额排名倒数第一位，按照以往的做法，该红酒肯定会停止销售，
但是通过对所有销售数据进行关联分析，我们会发现消费额最高的客户中有 25%常常买这
种红酒，如果停止出售这种红酒，必然会引起这些高端客户的不满。
关联分析就是发现交易数据库中不同商品之间的内在的联系，利用关联规则找出顾客购买
行为模式，如购买了某一商品对其它商品的影响。例如：它能发现数据库中如“90%的顾
客在一次购买活动中购买商品 X 的同时购买商品 Y”之类的问题，发现这样的规则可以应
用于商品货架设计、库存安排以及根据购买模式对用户进行需求分析等。
用于关联规则发现的主要对象是事务型数据库，其中针对的应用则是商品销售数据。如果
对这些历史数据进行分析，则可以对顾客的购买行为提供极有价值的信息。例如：可以帮
助商家如何摆放货架上的商品，如何帮助商家规划市场等。
总之，从事务数据中发现关联规则，对于改进商业活动的决策非常重要。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
