服務項目

　　客戶區隔分析與預測－了解主要客戶群的特徵，提供更符合客戶的服務。
　　客戶貢獻度分析與預測－了解高貢獻度客戶的特徵，適時提供更貼切的優惠。
　　客戶忠誠度分析與預測－了解忠誠度高客戶及容易流失客戶的特徵，進而採取應對的方案。
　　客戶購物習性分析－
　　　　　　•消費習慣和商品搭售分析－可以得知哪些商品會同時被購買。
　　　　　　•銷售和庫存量預測－可以知道哪些商品可能會庫存不足。

探勘程序

　　探宇科技資料探勘服務採取 CRISP-DM process (CRISP: CRoss-Industry Standard Process for Data Mining)，包含以下程序：
　　(1) 訂定探勘目標及方法
　　根據原始資料內容或透過需求訪談，由資料探勘顧問與客戶共同評估可能的探勘目標及方法。
　　1. 確定企業目標和現況：了解企業背景、需求方向、企業成功標的、風險及成本與效益，以評估企業現況和提供企業發展目標。
　　2. 確定探勘標的：明瞭資料探勘目標及資料探勘的成功準則，以作為確認依據。
　　3. 製作專案計劃：擬定專案計劃及使用工具和技術的初期評估。

　　(2) 資料準備(Data Preparation)
　　協助資料擷取，資料清理(Data Cleaning)，資料轉換(Data Transform)、整合、篩選等準備工作。
　　1. 資料擷取 ：從資料庫將資料擷取，再轉換符合所需資料格式。
　　2. 資料清理 (Data Cleaning)：
　　　•遺漏資料處理：如空數值、不存在的數值和不完整的資料調整與處理。
　　　•模糊的定義釐清：如不同欄位值卻代表相同意義，故需透過資料一致性處理，以釐清前後一致的定義。
　　　•錯誤的數值處理：如欄位值不符合該欄位的有效數值，可能是輸入錯誤或程式問題等，依其有效性而決定處理方式。
　　3. 新資料產生與轉換：依據資料特性，將遺漏或錯誤資料修正，再將資料轉換為探勘使用的格式。

　　(3) 資料探勘(Data Mining)分析執行
　　依探勘目標選擇最佳的資料探勘核心及探勘方法。
　　1. 分群分析 (Clustering)
　　2. 分類分析 (Classification)
　　3. 協銷分析 (Association Rule Discovery)
　　4. 序銷分析 (Sequential Pattern Discovery)

　　(4) 資料探勘(Data Mining) 結果產出及解讀
　　經上述分析後，以報表方式或模型呈現，協助使用單位解讀資料探勘結果，提供企業分析建議。

　　服務內容含專案期間之顧問諮詢、探勘模型設計、資料處理分析及評估報告，詳細之探勘目標界定及參與人員組織則另由貴客戶與探宇科技共同訂定。

分析報告樣式

客戶區隔分析與預測

客戶貢獻度和忠誠度分析與預測

客戶購物習性分析

顧問諮詢

諮詢目標及範圍確認： 　　　　了解企業經營需求、策略方向與目標，以便鎖定諮詢範圍及提供企業建議。 　　探勘方法選擇及模型建立： 　　　　提供探勘方法選擇建議，並輔導企業如何建立探勘模型(Modeling)。 　　探勘結果追蹤及模型調整： 　　　　輔導企業針對探勘結果進行追蹤，並根據結果來調整之前所建立的模型(Modeling)。 　　諮詢報告： 　　　　每月提供該月進行的內容及建議的書面報告。