Data Mining в маркетинговых исследованиях

Profile

F3^©

Постов: 4827
Дата регистрации: 25.08.2004

А, если еще сюда и специалиста по сбору данных приплюсовать, то, всяко разно, этот набор будет круче, чем связка софтов, даже, если ее вордом усилить. ;)

--------
Следует отличать неразвитые мысли от тщательно развитых не-мыслей.

30.01.2007 18:36

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор R.O.K.:
Причем, методы м/б реализованы самые разные. Обычно, в одном комплексе немного алгоритмов или «супералгоритм» (довольно много предлагается таких «суперпрограмм»). За функциональной ограниченностью следует ограниченность практического использования. И красивые графики тут не спасают.

Да, методы действительно самые разные. Есть универсальные - те, в которых много чего реализовано, и те, в которых 1-3 метода, и все варианты, которые посередине. Кстати, многие компании дают право воспользоваться демо версией. Тот же Polyanalyst (упоминал Дмитрий Петряшов) - на 30 дней, 1500 записей (если не ошибаюсь). И переустановить не удасться.
Дмитрий, спасибо за упоминание форума IT2B, там кстати активно обсуждается ПО для анализа данных, нашла кое-что полезное.
А ПО, в котором нет т.н. ограниченности нет, это как "объять необъятное". Всегда наверное найдется метод, не реализованный в программе, или настройки, которы нельзя изменить. Из-за этого и ограниченность использования, и отсюда проблема выбора ПО (особенно если покупать дорого :) ).

Цитата, автор R.O.K.:
С другой стороны «Excel + SPSS» не выход – там даже кластеризация реализована очень плохо. И если маркетолог этого не понимает, то итоги, допустим, сегментации потребителей будут очень спорными.
Если говорить о вариантах использования методологии, которую сейчас называют DataMining, в маркетинге, то самое очевидное – вторичный скоринг. Вот тут-то SPSS даже самого продвинутого юзера не спасет.

SPSS позволяет кластеризировать несколькими методами, по крайней мере тремя, мне не кажется что это очень плохо. Вообще кластеризация - действительно сложная задача, это на этом форуме в какой-то ветке обсуждалось. И главная проблема не в ПО.
R.O.K., не совсем понятно, что Вы подразумеваете под "вторичный скоринг".

30.01.2007 20:00

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

30.01.2007 20:01

Profile

R.O.K.^©

Постов: 6
Дата регистрации: 30.01.2007

Цитата, автор iriola:

А ПО, в котором нет т.н. ограниченности нет, это как "объять необъятное". Всегда наверное найдется метод, не реализованный в программе, или настройки, которы нельзя изменить. Из-за этого и ограниченность использования, и отсюда проблема выбора ПО (особенно если покупать дорого :) ).

Объять необъятное можно если использовать, например, MatLab. Я говорю о том, что можно купить ПО под конкретную задачу, но не факт, что это ПО справится со следующей задачей. Причем может измениться не постановка задачи, а некоторые характеристики данных и ... надо покупать новое ПО.

Цитата, автор iriola:
SPSS позволяет кластеризировать несколькими методами, по крайней мере тремя, мне не кажется что это очень плохо. Вообще кластеризация - действительно сложная задача, это на этом форуме в какой-то ветке обсуждалось. И главная проблема не в ПО.
R.O.K., не совсем понятно, что Вы подразумеваете под "вторичный скоринг" в маркетинге.

По запросу "кластеризация" найдена была только текущая тема, поэтому выскажусь по поводу кластеризации.
Качественное решение задачи кластеризации - куст кластеров.
SPSS: Двухшаговый кластерный анализ позволяет найти одно хорошее разбиение на кластеры. К внутригрупповых средних - замечательный алгоритм для доводки результата, т.к. он требует на входе число кластеров и первоначальное распределение по кластерам (попробуйте по-разному упорядочить объекты и можете получить разное распределение по кластерам). Дерево решений плох на данных большой размерности, как и иерархический кластерный анализ. Один из-за интерпретации результата, другой из-за времени обработки. В любом случае все эти нюансы надо понимать!

Вторичный скоринг - настройка системы принятия решения о выдаче экспресс-кредита. Многие ритейлеры предлагают такую услугу, не говоря о том, как это востребовано сейчас банками. Кроме этого, в маркетинге стоит задача прогноза ухода клиента, которая вполне решаема при наличии хороших данных и доступности нужного ПО. Да, хорошие данные во многих организациях уже есть.

31.01.2007 11:05

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор R.O.K.:
Объять необъятное можно если использовать, например, MatLab. Я говорю о том, что можно купить ПО под конкретную задачу, но не факт, что это ПО справится со следующей задачей. Причем может измениться не постановка задачи, а некоторые характеристики данных и ... надо покупать новое ПО.

MatLab – хорошая программа :) , но совсем не простая, мягко говоря. Делала в ней нейронные сети, можно конструировать какую угодно, но, возможно я ошибаюсь, деревья решения там можно строить только бинарные. Про остальные методы не помню.
Покупка заказного ПО в любом случае изначально подразумевает ограниченность, под какую бы задачу и как бы ни качественно программа не разрабатывалась. В таком ПО (я имею в виду прикладное ПО для конкретной задачи) нет гибкости. Это решении скорее всего подходит компаниям, в штате которых нет аналитиков или для задач, которые 100% не будут меняться существенно на протяжении длительного времени и при этом регулярно решаться (вопрос о окупаемости ПО).

Цитата, автор R.O.K.:
По запросу "кластеризация" найдена была только текущая тема, поэтому выскажусь по поводу кластеризации.

Поищите «кластерный анализ», несколько тем есть. Выбор метода – непростой вопрос, для каждого метода есть свои плюсы и минусы. Иерархические методы в большинстве случаев в маркетинге мне кажутся малоприменимыми, только потому уже что не могут работать с большим количеством записей. К средних, поскольку подразумевает изначальное определение числа К, удобен если все данные нужно разбить на определенное число кластеров (для подтверждения предположений например). Но если априори это не известно, применять сложно. Эксперимент, и еще несколько раз эксперимент. Я в таких случаях применяю самоорганизующиеся карты. Но желательно использовать несколько методов и сравнить результаты.

Цитата, автор R.O.K.:
Вторичный скоринг - настройка системы принятия решения о выдаче экспресс-кредита. Многие ритейлеры предлагают такую услугу, не говоря о том, как это востребовано сейчас банками. Кроме этого, в маркетинге стоит задача прогноза ухода клиента, которая вполне решаема при наличии хороших данных и доступности нужного ПО. Да, хорошие данные во многих организациях уже есть.

Спасибо, что натолкнули на мысль. «Прогноз ухода клиента» - действительно вполне решаемая задача, при наличии всего описанного выше.

31.01.2007 12:38

Profile

R.O.K.^©

Постов: 6
Дата регистрации: 30.01.2007

Поискал «кластерный анализ» - нашел! Спасибо!

31.01.2007 13:10

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор Винопивец:
В действительности же основная сложность состоит в том, чтобы приклеить к разведданным этикетки (тэги) и потом прошерстить базу по различным сочетаним тэгов, причем эти сочетания тэгов фактически являются описанием ожидаемых закономерностей. Т.е. на практике прекрасно обходятся генератором SQL-запросов к реляционной базе. А то слайсинг какой-то... Знаем, плавали...

А я считала, что именно для поиска этих сочетаний (если я Вас правильно поняла) и предназначен датамайнинг… Вообще-то интересная фраза «описание ожидаемых закономерностей», это что-то вроде «формирования гипотезы»?

Цитата, автор Винопивец:
Т.е. на практике прекрасно обходятся генератором SQL-запросов к реляционной базе. А то слайсинг какой-то... Знаем, плавали...

Генератор SQL-запросов Вы предлагаете для анализа разведданных маркетологам или программистам или тому «универсалу», о котором написал F3? Мне кажется далеко не каждый аналитик в совершенстве владеет SQL. Судя по отзывам в этой и других темах, наиболее популярный инструмент маркетологов – Excel, но там по-моему SQL пока не работает :) .

31.01.2007 16:17

Profile

Винопивец^©

Постов: 2457
Дата регистрации: 02.07.2004

Цитата, автор iriola:
А я считала, что именно для поиска этих сочетаний (если я Вас правильно поняла) и предназначен датамайнинг… Вообще-то интересная фраза «описание ожидаемых закономерностей», это что-то вроде «формирования гипотезы»?

Датамайнинг позиционируется как средство поиска гипотез (говорят, что закономерностей, но пусть говорят). Но, конечно, он таким средством быть не может: закономерность - понятие содержательное, алгоритм же может обнаружить только что-то формальное (в математическом смысле слова), т.е. уже определенное сходство, уже как-то определенную статистику и т.д. Суждения о том, что что-то является закономерностью всегда являются (как и всякое суждение) продуктом ума. Т.е. когда вы думаете, что софт ищет закономерности, софт на самом деле производит формальные операции, заданные его разработчиком и/или пользователем. Гипотеза, таким образом, строится не тогда, когда софт что-то там находит, а тогда, когда разработчик/пользователель устанавливает важность одних тэгов и неважность других, когда говорит, что тут искать структуру (дерево, сеть, лес - не имеет значения) и так далее. Если уходить уж совсем глубоко, то необходимость человеского суждения прямо предписана теоремой Геделя...

Цитата, автор Винопивец:
Генератор SQL-запросов Вы предлагаете для анализа разведданных маркетологам или программистам или тому «универсалу», о котором написал F3? Мне кажется далеко не каждый аналитик в совершенстве владеет SQL. Судя по отзывам в этой и других темах, наиболее популярный инструмент маркетологов – Excel, но там по-моему SQL пока не работает :) .

Кажется, есть притычки, позволяющие пользоваться в Экселе SQL-образными запросами, но неважно: язык запросов, уровень владения этим языком и архитектура базы не играют решающей роли. Важно совершенно другое: бизнес (и маркетинговые исследования как его сугубо служебный инструмент) не является наукой о каких-то закономерностях, а является он целеустремленной деятельностью. Т.е. первичен анализ того, что нужно сделать и какие средства имеются для того, чтобы это сделать. Далее нужно понять, возможно ли с помощью данных средств достичь данной цели. И только где-то потом, когда все нужные гипотезы уже сформулированы, может найтись место собственно копанию в данных. Но это - если, конечно, нужно получить результат - всегда делается из содержательной модели деятельности. Не рынка, не потребителя, а модели своей деятельности. Обратный путь - покопаться в данных и найти, как делать бизнес - тоже неплох. Но только для тех, кто продает шахтерские услуги.
Так что не играет роли, чем пользуются маркетологи. Если они идут от понимания бизнеса - они на месте и без Экселя, калькулятора достаточно, а можно и на салфетке в столбик. Если от учебников о том, как устроена современная конкуренция - они не обязаельно мешают (в конце концов, не они принимают решения), но не помогают.

31.01.2007 17:58

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор Винопивец:
Датамайнинг позиционируется как средство поиска гипотез (говорят, что закономерностей, но пусть говорят). Но, конечно, он таким средством быть не может: закономерность - понятие содержательное, алгоритм же может обнаружить только что-то формальное (в математическом смысле слова), т.е. уже определенное сходство, уже как-то определенную статистику и т.д.

Гипотеза (предположение) может быть сформулирована в виде математической модели, в самом простом случае – уравнение. Или это предположение зависимости значений переменной от переменных x,y.
Например: Класс клиента (1,2,3) зависит от показателей x,y.
Это уже гипотеза. Или мат модель этой гипотезы.
ax+by+c>d – класс 1
ax+by+c<d– класс 2
ax+by+c=d – класс 3

Закономерность – повторяющееся явление в отношениях, следствие существования некоторого закона в данных.
Например: Клиент относится к классу 1 если А>100, В>120.
Это закономерность.
Другая сторона гипотезы. Если применять эти два термина к одной задаче.

Потому, ДМ все таки средство поиска закономерностей, а не гипотез.

В данном случае закономерность формализована, представлена формально в виде правила на основе работы алгоритма. Но я не вижу другого способа ее описать.

Цитата, автор Винопивец:
Суждения о том, что что-то является закономерностью всегда являются (как и всякое суждение) продуктом ума. Т.е. когда вы думаете, что софт ищет закономерности, софт на самом деле производит формальные операции, заданные его разработчиком и/или пользователем. Гипотеза, таким образом, строится не тогда, когда софт что-то там находит, а тогда, когда разработчик/пользователель устанавливает важность одних тэгов и неважность других, когда говорит, что тут искать структуру (дерево, сеть, лес - не имеет значения) и так далее. Если уходить уж совсем глубоко, то необходимость человеского суждения прямо предписана теоремой Геделя...

А никто и не отрицает необходимость человеческого суждения. Гипотеза присутствует и при ДМ (странно было бы совершенно не думать), но здесь достаточно (в некоторых задачах) определить зависимые и независимые поля. Т.е. гипотеза о некоторой зависимости переменных, но она в этом случае не определена. И зависимости кстати может не оказаться.

31.01.2007 19:28

Profile

R.O.K.^©

Постов: 6
Дата регистрации: 30.01.2007

Цитата, автор Винопивец:
Т.е. первичен анализ того, что нужно сделать и какие средства имеются для того, чтобы это сделать.

Анализ причин ухода клиентов: никаких дополнительных гипотез, никакого дополнительного целеполагания - цель ясна понять почему, и если возможно устранить самые существенные причины. Повторюсь, средства DM при наличии данных позволяют решить эту задачу, т.к. есть критерий: одни уходят, другие нет; и есть задача выяснить чем одни отличаются от других.
Кстати, не понимаю причем здесь Гёдель. Теорема о принципиальной неполноте любой системы аксиом проблема скорее философская (кроме того, что она математическая

), чем проблема использования DM в маркетинге.

Цитата, автор Винопивец:
Далее нужно понять, возможно ли с помощью данных средств достичь данной цели. И только где-то потом, когда все нужные гипотезы уже сформулированы, может найтись место собственно копанию в данных. Но это - если, конечно, нужно получить результат - всегда делается из содержательной модели деятельности. Не рынка, не потребителя, а модели своей деятельности. Обратный путь - покопаться в данных и найти, как делать бизнес - тоже неплох. Но только для тех, кто продает шахтерские услуги.
Так что не играет роли, чем пользуются маркетологи. Если они идут от понимания бизнеса - они на месте и без Экселя, калькулятора достаточно, а можно и на салфетке в столбик. Если от учебников о том, как устроена современная конкуренция - они не обязаельно мешают (в конце концов, не они принимают решения), но не помогают.

Никто, на этом форуме по крайней мере, не предлагает путь для бизнеса: купить программы DM, уволить маркетологов и дело в шляпе. Наоборот речь идет о том, что у организаций скопились значительные объемы данных, анализ которых поможет качественно решить ряд маркетинговых задач. И обязательно в связке с маркетологом, для четкой постановки задачи, интерпретации результатов и т.д..

А решение проблем на салфетке – тоже профессия. Только это продажа того же воздуха, как и продажа копания ради копания.

01.02.2007 09:39

Profile

Винопивец^©

Постов: 2457
Дата регистрации: 02.07.2004

Цитата, автор R.O.K.:
Анализ причин ухода клиентов: никаких дополнительных гипотез, никакого дополнительного целеполагания - цель ясна понять почему, и если возможно устранить самые существенные причины. Повторюсь, средства DM при наличии данных позволяют решить эту задачу, т.к. есть критерий: одни уходят, другие нет; и есть задача выяснить чем одни отличаются от других.
Кстати, не понимаю причем здесь Гёдель. Теорема о принципиальной неполноте любой системы аксиом проблема скорее философская (кроме того, что она математическая

), чем проблема использования DM в маркетинге.

1. Чушь. В ваших данных, сколько бы вы их не накопили, нет сведений о том, почему уходят клиенты, хотя (возможно, хотя и крайне маловероятно) есть сведения о том, чем ушедшие отличаются от оставшихся. Без контролируемого эксперимента вы не узнаете ничего, а если вы затеете контролируемый эксперимент, то это будет уже не датамайнинг.
2. Если вы чего-то понимаете (Гедель) - подумайте или спросите.
3. Проблемы использования датамайнинга в маркетинге нет - он там на фиг не нужен. Есть проблема датамайнеров продать свои технологии маркетологам.

01.02.2007 11:08

Profile

R.O.K.^©

Постов: 6
Дата регистрации: 30.01.2007

1. Если клиент поменял местожительства, то причину через данные магазина не найти; имеется ввиду вопросы сопоставления изменения ассортимента и потребительской корзины ушедших клиентов. Посмотрите http://forecsys.ru, там есть решения различных задач маркетинга при помощи DM.
2. Гёделя я понимаю, но это философия и вопросы с ней связанные оставим другим форумам.
3. Датамайнеры продают свои технологии не маркетологам, а вместе с маркетологами продают решения бизнесу. М/б есть проблема маркетологов, не способных воспринимать современные технологии, защитить свой рынок от маркетологов, которые могут это делать?

01.02.2007 11:50

Profile

Винопивец^©

Постов: 2457
Дата регистрации: 02.07.2004

для: R.O.K.©
1. Какое этот аргумент имеет отношение к сказанному мной? Ответ на вопрос "почему ушел" в голове ушедшего клиента, в ваших данных его нет, не может быть, не будет никогда. Смотреть на то, как "искусственный интеллект" плодит артефакты мне скучно: уже видел.
2. Знаете теорему, но, похоже, не понимаете, что у нее есть важные следствия, обнаруживающиеся по сто раз на день. Бывает. Проехали.
3. Чтобы продать бизнесу (которому это не нужно), нужно сначала продать маркетологам. Технологии DM, по меркам мира технологий, не такие новые: если данные в профиле верны, вы учились в школе, когда я уже применял экпертные системы на нечеткой логике и еще в институте учились, когда я уже знал, применял и продавал DM-средства тем, кому от них польза несомненная, а именно службам, отвечающим за бесперебойную работу сложных технических комплексов.

01.02.2007 12:03

Profile

iriola^©

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор Винопивец:
В ваших данных, сколько бы вы их не накопили, нет сведений о том, почему уходят клиенты, хотя (возможно, хотя и крайне маловероятно) есть сведения о том, чем ушедшие отличаются от оставшихся.

Определяются характеристики такого клиента (группы не удержанных клиентов). Вопрос конечно же есть – на основе каких характеристик будет решена классификация и достаточно ли их. Но это по теме сбора данных, формирования анкет и т.д. Если к историям покупок и анкет приплюсовать отзывы покупателя, почему же решение этой задачи маловероятно? Здесь и ответ на вопрос (оценка субъективных оценок) – почему.

Цитата, автор Винопивец:
Без контролируемого эксперимента вы не узнаете ничего, а если вы затеете контролируемый эксперимент, то это будет уже не датамайнинг.

Эксперименты должны основываться на двух выборках: тестовой и проверочной. Это и есть эксперимент, который вначале проводится, а потом контролируется (оценивается точность). И это как раз ДМ.

Цитата, автор Винопивец:
я уже знал, применял и продавал DM-средства тем, кому от них польза несомненная, а именно службам, отвечающим за бесперебойную работу сложных технических комплексов.

Сложные комплексы несомненно более нуждаются в применении описываемых методов, чем задачи бизнеса. Но если бизнес хочет определить есть ли в накопленных данных закономерности, почему бы ему (бизнесу)не воспользоваться ДМ?
Возьмем любой жизненный пример. Пусть даже ПК (персональный компьютер). Раньше (давно :) ) они были у единиц, в подавляющем большинстве – не в личном пользовании и не для бизнеса, ведь не с этой области начиналось распространение ПК. Но сейчас практически никакой бизнес не мыслим без ПК. В бизнес проникает все, что может принести пользу, практически полезный результат.
И если Вы сами пишете, что работали с данными методами и вероятно не безрезультатно, то почему же Вы считаете, что ДМ не может принести также пользу в другой области? Ведь по сути качество работы метода не зависит от области применения (метод же не знает для технического КП или для бизнеса он работает).

01.02.2007 15:16

Profile

R.O.K.^©

Постов: 6
Дата регистрации: 30.01.2007

для: Винопивец©
Все-же посмотрите сайты компаний:
http://prognoz.ru
http://forecsys.ru
это крупные игроки, которые предлагают готовые решения ДМ, но реально занимаются именно внедрением технологий ДМ в бизнес и госструктуры. Это т.н. истории успеха в продвижении ДМ в бизнес. Я думаю, академика Журавлева не стоит называть шарлатаном.

Раньше у бизнеса не было никаких данных, предлагать им ДМ было бессмысленно. Сейчас-же накоплены колоссальные объемы информации. Появилось желание получить знания из этой информации. Вы говорите, что это невозможно в принципе, а это не так!

02.02.2007 09:09

Постов: 2457
Дата регистрации: 02.07.2004

Цитата, автор iriola:
Определяются характеристики такого клиента (группы не удержанных клиентов). Вопрос конечно же есть – на основе каких характеристик будет решена классификация и достаточно ли их. Но это по теме сбора данных, формирования анкет и т.д. Если к историям покупок и анкет приплюсовать отзывы покупателя, почему же решение этой задачи маловероятно? Здесь и ответ на вопрос (оценка субъективных оценок) – почему.

Субъективные факторы разнообразны и изменчивы, поэтому статистические обобщения не имеют никакого значения для принятия решений: вы всегда получите слишком много направлений, в которых можно было бы улучшать ситуацию. Другими словами: если можно принять решение на основании простого знания, что покупатель уходит, то не нужно спрашивать почему он уходит: пока вы будете искать ответ, покупатель начнет уходить по 28 другим причинам.

Так можно делать только в том случае, когда достоверно известны некоторые свойства распределения по генеральной совокупности.

Потому что поведение сложных технических систем достоверно описывается теорией надежности, а бизнес, вообще говоря, никакой теорией не описывается: он не наука, а деятельность.

Возьмем любой жизненный пример. Пусть даже ПК (персональный компьютер). Раньше (давно :) ) они были у единиц, в подавляющем большинстве – не в личном пользовании и не для бизнеса, ведь не с этой области начиналось распространение ПК. Но сейчас практически никакой бизнес не мыслим без ПК. В бизнес проникает все, что может принести пользу, практически полезный результат.
И если Вы сами пишете, что работали с данными методами и вероятно не безрезультатно, то почему же Вы считаете, что ДМ не может принести также пользу в другой области? Ведь по сути качество работы метода не зависит от области применения (метод же не знает для технического КП или для бизнеса он работает).

В жизни вообще всему место находится - но не только полезному, но и вредному. Результативность метода принципиально зависит от того, в какой области он применяется. Например, если мы не можем понять, что в нашем случае есть коллектив однородных событий, то мы не можем применять вероятностные/статистические методы. Поэтому в статистическо физике ТВ работает, в демографии - работает, а в социологии с помощью тех же методов получается исключительная белиберда.

06.02.2007 12:18

Постов: 2457
Дата регистрации: 02.07.2004

06.02.2007 12:25

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор Винопивец:
если можно принять решение на основании простого знания, что покупатель уходит, то не нужно спрашивать почему он уходит: пока вы будете искать ответ, покупатель начнет уходить по 28 другим причинам.

Не совсем понятно, Вы вообще против решения задачи удержания клиентов (как нерешаемой например)? Если нет, то каким способом Вы тогда предлагаете их определять?

Цитата, автор Винопивец:
Так можно делать только в том случае, когда достоверно известны некоторые свойства распределения по генеральной совокупности. ?

Уточните пожалуйста эти свойства.
По моему мнению, так нужно и можно делать в зависимости от метода. Сложность обсуждения в том, что мы можем говорить о принципиально разных подходах. Поскольку в ДМ включаются совершенно разные методы, соответственно разными могут быть требования к данным, вплоть до отсутствия требований (в редких случаях, но они в принципе могут быть). Обобщать требования к свойствам распределения при использовании термина ДМ мне кажется не совсем верным.

Цитата, автор Винопивец:
Результативность метода принципиально зависит от того, в какой области он применяется.

Я все же не совсем согласна. Например нейронные сети. Привожу ссылку
http://vlasov.iu4.bmstu.ru/primer/index.htm
Вот большой список применения и в бизнесе, и в безопасности и в физике и т.д.. Результативность, возможно и разная, но она вероятно есть во всех описанных областях.

Цитата, автор Винопивец:
Например, если мы не можем понять, что в нашем случае есть коллектив однородных событий, то мы не можем применять вероятностные/статистические методы. Поэтому в статистическо физике ТВ работает, в демографии - работает, а в социологии с помощью тех же методов получается исключительная белиберда.

Вы вероятно пробовали их использовать, раз знаете, что получается белиберда. На то и есть эксперимент.

08.02.2007 12:26

Постов: 2457
Дата регистрации: 02.07.2004

Цитата, автор iriola:
Не совсем понятно, Вы вообще против решения задачи удержания клиентов (как нерешаемой например)? Если нет, то каким способом Вы тогда предлагаете их определять?

Ага, против. Нет "решения задачи удержания клиентов", потому что нет такой задачи. Это много разных задач, не имеющих какого-то метода решения. Обычно решаются с помощью понимания того, что в конкретном случае происходит? а не с помощью математической мистики.

По моему мнению, так нужно и можно делать в зависимости от метода. Сложность обсуждения в том, что мы можем говорить о принципиально разных подходах. Поскольку в ДМ включаются совершенно разные методы, соответственно разными могут быть требования к данным, вплоть до отсутствия требований (в редких случаях, но они в принципе могут быть). Обобщать требования к свойствам распределения при использовании термина ДМ мне кажется не совсем верным.

Не ставьте с ног на голову. Не метод диктует решение задачи, а задача заставляет выбирать методы. К сожалению, практика в мягких дисциплинах прямо противоположная: подсмотрели метод и, не понимая его ограничений, давай применять.

Я все же не совсем согласна. Например нейронные сети. Привожу ссылку

Список областей, в которых эвристики дают устойчиво хороший результат, строго ограничен областями, в которых заведомо имеются причинные закономерности (пусть и неизвестные). В остальных областях нейронные сети давно доказали свою полную несостоятельность.

Вы вероятно пробовали их использовать, раз знаете, что получается белиберда. На то и есть эксперимент.

Разумеется, не пробовал. Я не занимаюсь натурными экспериментами по проверке кпд вечных двигателей.

08.02.2007 13:49

Постов: 119
Дата регистрации: 25.12.2006

Цитата, автор Винопивец:
Не ставьте с ног на голову. Не метод диктует решение задачи, а задача заставляет выбирать методы. К сожалению, практика в мягких дисциплинах прямо противоположная: подсмотрели метод и, не понимая его ограничений, давай применять.

Конечно же, задача заставляет выбирать метод. Можно несколько методов применить. И сравнить результат.
Но возьмите задачу сегментации клиентов.
Задача одна – получить сегменты (кластеры). Но каждый метод кластеризации имеет свои ограничения и требования к данным. Я об этом и говорила, выбирая метод нужно учитывать особенности данных. Но метод – применительно к конкретной задаче, а не просто абстрактный метод.

Не совсем понятно, мягкие дисциплины – это маркетинг?

22.02.2007 13:37