第一讲数据挖掘与数据分析.doc

1、趣味数学课程单元教学设计（教案）一数据挖掘与数据分析一、教案头T口冃 调 朱H时 学 2ITH50-教学口标O 数用任务及案教学重点教学准备二、数据挖掘与数据分析教学设计步骤教学内容教 学 方 法教 学 手 段学 生 活 动时 间 分 配告知（教 学内容、 目的）简述本单元教学内容：1、利用大数据后，农夫山泉会发生管理变革吗？2、大数据可以给阿迪达斯带来利润吗？3、中国能制作岀类纸牌屋的电视剧吗？4、网易数据工程师可以当媒婆”？ 简述本单元教学目的：初步了解数据挖掘与数据分析技术的概念以及应用。讲 授 启 导用 多 媒 体 教 学听 课3引入（项 目）数据挖掘（Data Mining）旨在从大

2、量的、不完全的、有噪声的、模 糊的、随机的数据中，提取隐含在苴中的、人们事先不知道的、但又是 潜在有用的信息和知识。还有很多和这一术语相近似的术语，如从数据 库中发现知识（KDD）、数据分析、数据融合（DataFusion）以及决策支持 等。讲 授用 多 媒 体 教 学听 课7任务1、 农夫山 泉用大 数据卖 矿泉水1. 问题冰怎样摆放水堆更能促进销售？冰 什么年龄的消费者在水堆前停留更久，他们一次购买的疑多大？冰气温的变化让购买行为发生了哪些改变？冰竞争对手的新包装对销售产生了怎样的影响？冰“大自然的搬运工”，如何控制物流成本？2. 数据冰业务员每天拍摄10张照片：水怎么摆放、位置有什么变化

3、、高 度如何去15个点，下班之前150张照片就被传回了杭州总部（10M）冰10000个业务员，这样每天的数据就是100G,每月为3TB冰 运输环境数据场景：髙速公路的收费、道路等级、天气、配送 中心辐射半径、季节性变化、不同市场的售价、不同渠道的费 用、各地的人力成本、甚至突发性的需求（比如某城市召开一 次大型运动会）。3. 大数据获取解决三个顽症：冰首先是解决生产和销售的不平衡，准确获知该产多少，送多少： 冰 其次，让400家办事处、30个配送中心能够纳入到体系中来， 形成一个动态网状结构，而非简单的树状结构；冰最后，让退货、残次等问题与生产基地能够实时连接起来。4. 结论冰可以做到实时计算

4、结果，不可能的事情变为可能：冰决策者们依靠数据来验证以往的决策是否正确：冰对已出现的问题作出纠正，并预测未来。有了强大的数据分析能力做支持后，农夫山泉近年以30%-40%的年 增长率，在饮用水方而快速超越了原先的三甲：娃哈哈、乐百氏和 可口可乐。根据国家统计局公布的数据，饮用水领域的市场份额， 农夫山泉、康师傅、娃哈哈、可口可乐的冰露，分別为34. 8%. 16. 1%. 14.3%、4.7%,农夫山泉几乎是另外三家之和。讲 授用 多 媒 体 教 学听 课20任务2： 阿迪达 斯的“黃 金罗盘”在最初降价、打折等淸库存的“应急措施”结朿后，基于外部环境、 消费者调研和门店销售数据的收集、分析，

5、成为了将阿迪达斯和叶向阳 们引向正轨的“黄金罗盘”。每天都会收集门店的销售数据，并将它们上传至阿迪达斯。收到数 据后，阿迪达斯对数据做整合、分析，再用于指导经销商卖货。研究这 些数据，让阿迪达斯和经销商们可以更准确了解当地消费者对商品颜 色、款式、功能的偏好，同时知道什么价位的产品更容易被接受。1. 对比过去，而对展厅里各式各样的产品，经销商很容易按个人偏好下订 单。现在，阿迪达斯会用数拯说话，帮助经销商选择最适合的产品。首先，从宏观上看，一、二线城市的消费者对品牌和时尚更为敏感， 可以重点投放采用前沿科技的产品、运动经典系列的服装以及设计师合 作产品系列。在低线城市，消费者更关注产品的价值与

6、功能，诸如纯棉 制品这样高性价比的产品，在这些市场会更受欢迎。苴次，阿迪达斯会参照经销商的终端数据，给予更具体的产品订购 建议。比如，阿迪达斯可能会告诉某低线市场的经销商，在其辖区，普 通跑步鞋比添加了减丧设备的跑鞋更好卖：至于颜色，比起红色，当地 消费者更偏爱蓝色。一起商世卖哪些产品、什么产品又会热卖。这样，将来就不会再遇 到库存问题。”2. 挖掘大数据，让阿迪达斯有了许多有趣的发现。同在中国南部，那里部分城市受香港风尚影响非常大：而另一些地 方，消费者更愿意追随韩国潮流。同为一线城市，北京和上海消费趋势不同，气候是主要的原因。高线城市消费者的消费品位和习惯更为成熟，当地消费者需要不同 的服

7、装以应对不同场合的需要，上班、吃饭、喝咖啡、去夜店，需要不 同风格的多套衣服，但在低线城市，一位女性往往只要有应对上班、休 闲、宴请的三种不同风格的服饰就可以。两相对比，高线城市，显然为 阿迪达斯提供了更多细分市场的选择。实际上，对大数据的运用，也顺应了阿迪达斯大中华区战略转型的 需要。库存危机后，阿迪达斯从批发型”公司转为“零售驱动型”公 司，它从过去只关注把产品卖给经销商，变成了将产品卖到终端消费者 手中的有力推动者。而数拯收集分析，恰恰能让其更好地帮助经销商提 高售罄率。与经销商伙伴展开了更加紧密的合作，以统il到更为确切可靠的终 端消费数拯，有效帮助重新定义了产品供给组合，从而在适当的

8、时机， 将符合消费者口味的产品投放到相应的区域市场。一方而降低了他们的 库存，另一方面增加了单店销售率。卖得更多，售罄率更高，也意味着 更高的利润。讲 授用 多 媒 体 教 学听 课20任务3： 中国能 制作出 类纸牌 屋的电 视剧吗？凭借一部片子咸鱼翻身，这样的桥段在当下热播美剧纸牌屋身 上重演，反转剧主角是美国一家视频公司Netflix,它的武器则是大数据。首次进军原创剧就走红，Netflix不仅成为娱乐圈里的谈资，亦成为 数据革命的代表。纸牌屋不仅是Netflix网站上有史以来观看量最高的剧集，也 在美国及40多个国家大热。Netflix产品创新副总裁托徳耶林(Todd Yelin)称，

9、其表现甚至“比我们最大胆的梦想都要好。事实是，美国“白宫甄娥传、导演大卫芬奇(David Fincher)和老 戏计凯文史派西(Kevin Spacey),这些噱头只是用以吸引眼球的皮毛。 最抓人的是，Netflix根据数据技术推导岀纸牌屋的关键要素，喜欢 BBC剧、大卫芬奇和凯文史派西的用户存在交集，这是多么酷的一件 事。中国的乐视网一直关注Netflix的发展路径。“值得研究的是Netflix 如何从后端数据推导岀前台生产。“乐视网副总裁何凤玄说。这种做法 与旧传统是背道而驰的，以美国著爼的有线电视网络媒体公司HBO为 例，它对导演强烈的个性抱以完全的信任，全权委任导演去制片、编剧、 挑选

10、演员。而在中国，几大视频网站在自制剧时都有自己的选片团队， 由他们为观众选择与确定导演，挑选剧本。多年前，依赖于种种技术,Nciflix对数据的记忆能力已经炉火纯青。 当一位用户通过浏览器登录Netflix账号，Netflix后台技术将用户位置 数据、设备数据悄悄地记录下来。这些记忆代码还包括用户收看过程中 所做的收藏、推荐到社交网络等动作。在Netflix看来，暂停、回放、 快进、停1匕等动作都是一个行为，每天用户在Netflix上将产生高达3000 多万个行为，此外Netflix的订阅用户每天还会给岀400万个评分，300 万次搜索请求，询问剧集播放时间和设备。没错，这些都被Netflix

11、转 化成代码，当作内容生产的元素记录下来。其首席内容官泰徳表示，所 有这些数据意味着，Netflix公司已经拥有“可寻址的观众“。早年间，Netflix利用上述数据提供一项推荐引擎业务。比如说，数 千万用户能在一个个性化网页上对影片做岀1一5的评级，这些评级构 成了一个巨大数据池，如今这个数据池容量已超过近百亿条。根据数据 池，Netflix使用推荐算法来识别具有相似品味的观众，然后对这一群体 做出相关内容的精准推荐。法国电影不要告诉任何人在美国的票房收入惨淡，只有600 万美元。可Netflix的工程师并不相信这个数字，他们通过上述数据挖 掘技术，找到了不易察觉的点击量，而这些才是被隐藏的事

12、实。2011 年时，Netflix决左播放不要告诉任何人。如Netflix预测的一样， 这部电影在播放后立即在最受嘱目的节目中排到第四位。里徳哈斯廷斯决泄用事实告诉资本市场，数拯不是花架子，而是 地道的生产力。Netflix利用数据挖掘能力计算岀可以贏的办法，1亿美 元买下一部早在1990年就播岀的BBC电视剧纸牌屋的版权，请来 导演大卫芬奇(David Fincher),并由老戏计凯文史派(Kevin Spacey) 担当男主角。1亿美元买下的纸牌屋总共2季26集，计算下来单集成本约 为400万美元，远远高于美国一般电视剧的单集制作成本150万至 200万美元，也只有广告狂人、斯巴达克斯这类

13、热播美剧才能 达到200万美元左右。算下来，对于Netflix而言，只有新增100万一 年期合约付费用户才能收回上述成本。Netflix并非没有汁算过豪赌的回报，这样做不仅可以带来新增用 户，更为重要的是它为Nciflix开拓了上游市场，走上了自制剧之路。讲 授用 多 媒 体 教 学听 课20在纸牌屋之后,还将有四部自制剧在2013年登陆Netflixo这意味 着，Netflix可以逐步降低对版权费用日趋高涨的好莱坞剧的依赖。关键是如何制作自制剧？国内视频网站意识到数据的重要性，也积 累了大量数据。比如乐视网通过分析用户收看时间，在今年推出午间自 制剧场。“但真正细致到使用数据来决泄导演、演员

14、，中国还没有哪家 公司敢说他们能做到这点。“何凤云说。此外，即便是有了数据，中国的流媒体公司还不敢像Netflix那样 将宝押在一部剧上，因为中国的付费市场尚未成熟，目前还主要依赖广 告盈利，无法完全将用户需求作为中心。除此以外，一位视频行业的人士指出，在中国基于用户数据做出分 析的同时，还要考虑广电审核的要素，一些领域与题材类型都要稍微收 拢，“不是没法依赖数据，而是不能完全依赖数据，我们选择数据时也 一定要结合中国国情。”任务4：网易数 据工程 师可以 当媒 婆” ？2012年底，网易旗下全新婚恋交友网站“花田”上线。花田以免费 沟通为卖点，主打一二线城市中髙端市场。摒弃了传统婚恋网站的“

15、人 工红娘”，花田不提供任何人工服务，从推荐到搜索全由系统自动完成。 而业内的龙头老大世纪佳缘(Nasdaq:DATE),也在换帅之后摩挙擦掌， 试图用大数据的精准化运营，为在海量异性资料中疲于搜索的用户“指 一条明路。年前婚恋网站最爱喊“实名制“。通过对用户身份证或手机号码进 行验证，网站可获得用户真实姓餌、年龄、性别、地区等身份证数据， 对防止诈骗有一肚作用。但如今各家都有，这种传统打法就过气了。毕 竞有身份证的人，不一左是有身份的人。婚恋网站已将条条框框的碾指 标罗列齐全，使人几乎怀疑进入的是淘宝人肉市场。当身高、体重、年 龄、学历等等都一一框泄，一看还有2000个姑娘(小伙)符合要求，

16、 是时候让理性回归感性了。而这感性，又是建立在理性的数据分析之上。花田界而淸新简洁，采用类似微博的信息流展示形式。首页是异性 用户最近更新的图片、内心独白和文字传情，展示其生活方式、个人品 味等软性资料。系统会自动推荐那些相对活跃、最近有信息流更新的人， 这就促使用户拿岀更新微博的劲头来更新花出，为花出积累了大量可供 分析的软性数据。从用户的“内心独白”中提取出现频率较髙的关键词：再将这些关键 词分类，如感性词汇或理性词汇；最后，通过文本分析、语义分析，从 中挖掘出用户的性格是内向.外向、理想化还是现实派等等。花田团队在对海量软硬数据进行分析的基础上，总结出一些人物特 征，建立出一左数量的人物模型。再分析具体用户，将其分门别类套入 各种模型。这样，用户心仪其中某一个人，便可向英推荐这一类人。这种模型不仅是性格模型，还包括外貌模型。更令人感兴趣的是，如果花出能够跨产品平台，结合网易门户、邮 箱、游戏等英它网易资源进行大数据分析，是否就能向用户推荐与自身 阅读习惯、工作习惯、娱乐习惯都匹配的对象呢？真正的大数据必然是 跨平台