一线业务人员没有专业的数理统计背景，不会涉及模型的训练及调优等操作，但是可以将数据挖掘的结果通过部署的方式提供给他们。比如用户评分，可以采用离线批量或在线实时的方式，对用户进行评分，对其产品购买倾向给予评估，如果业务上认为购买倾向高于80%的用户值得投大力气进行重...

传统零售已商品分析为主，什么商品好卖，什么时候好卖，什么折扣好卖，都可以通过零售记录来看，这个从商品准备角度来看。从客户角度来说， 由于现在收集到客户信息的手段越来越多， 那就要考虑针对具体的客户那些商品（包括价格）合适，这个就从销售的角度来看了。...

潜在的客户包括2部分1.新客户2.已有客户新客户还是关注产品的品牌影响力或者推广的力度了， 当然好产品也可以通过口口相传出去。已有客户就是要增加对他们的了解，通过不同方式，线下还是要靠导购， 数据分析给他们提供足够的数据支持，线上要收集足够的数据， 根据具体的产品定位，找...

在投资行业，是否可以运用类似RFM模型来定位和描述客户呢？例如充值，提现等维度是否有必要考虑，该如何分析，谢谢

这个和业务形态有关的， 不同商品的消费频次不同的，就像 超市/便利店和买衣服的频次就完全不一样。具体还是根据业务要求来确定。

回复 5# olfisher     是啊， 用户太多有时候也很难办啊， 不过只有真真帮到了用户，才会逐渐信任啊。

我们通常的数据挖掘是基于专题分析，每个专题会产生相应的结果，可以建立一个专题库，详细描述分析的思路、模型管理、结果展现，等，以及迭代的次数，和开发团队，形成一个管理数据挖掘的专题平台。...

回复 2# 郭杰 其实在实际操作过程中，还是有点困难的，有些同事已经大把年纪了，他们对于这些肯定很头痛的，就是要通俗易懂，简单明了，但是往往就不知道如何表达。

一方面做好后勤的角色，进行数据报表的支撑另一方面作为技术和数据应用的推广者，普及数据的重要性和数据分析的理念最后可以做些创新活动，如做些数据类的专题分析，如用户流失预警，存量保有，商品关联分析，把这些分析的成果形成材料和可视化的形式展现出来，从而得到前端部门的认可，以...

这个要进行大量用户数据的收集关联才行，数据的收集包括用户在原订单系统、CRM系统等静态属性信息，也包括用户的上网浏览。cookie等数据做DPI分析。结合起来构建一个大概的用户画像，然后根据对画像各个指标维度的评分得出用户的一个初步印象分，来作为用户质量的一个判断依据。...