Gordon Linoff s'est montré autonome à bien des égards. Pour en nommer quelques-uns, il a fondé avec Michael Berry Data Miners Inc. en 1998. Gordon a également été l'un des premiers experts auxquels SAS a eu recours dans les années 1990 pour lancer la très populaire série de connaissances en affaires SAS. Il a été consultant pour un large éventail de sociétés, notamment Bank of America, BT, The Limited, New York Times, T-Mobile, The Teaching Company et Pfizer. .
Dans deux semaines, Gordon organisera un petit-déjeuner spécial lors de notre conférence annuelle des utilisateurs, Sommet Découverte 2011 à Denver. J'ai récemment rencontré Gordon pour discuter des nouveaux projets intéressants sur lesquels il travaillait récemment.
Comment décririez-vous l'exploitation minière de survie? Parlez-moi de certains des travaux intéressants que vous avez réalisés dans ce domaine.
L'exploration de données consiste à analyser de grandes quantités de données afin de résoudre des problèmes concrets. L'exploration de données de survie est spécifiquement appliquée aux problèmes de délai avant événement. L'exemple classique tente de comprendre quand les clients partiront. La question n'est pas de savoir si un client finira par s'arrêter. La question est de savoir combien de temps le client restera en tant que client.
Cet exemple simple d'utilisation de l'analyse de survie pour comprendre la fidélisation de la clientèle a plusieurs utilisations directes. La rentabilité des clients est liée à deux facteurs: quelle est la rentabilité d'un client par unité de temps multipliée par combien de temps devrait-il rester? La seconde moitié de cette équation est une analyse de survie. Une autre utilisation est la prévision du nombre de clients dans le futur. Les prévisions construites de bas en haut (à l'aide d'une analyse de survie) sont plus puissantes que les prévisions établies de haut en bas, car il est plus facile d'explorer les facteurs qui influent sur les prévisions.
Et la fidélisation des clients n’est qu’une application. Depuis que j'ai commencé à utiliser l'extraction de données de survie il y a environ 10 ans, je constate partout des problèmes de temps avant événement. La question n'est pas de savoir si un client sera réactivé, mais combien de temps jusqu'à la réactivation. La question n'est pas de savoir si un client effectuera un achat, mais combien de temps avant le prochain achat. Ce que les détaillants appellent la vitesse d'achat peut être mesuré et visualisé à l'aide de l'exploration de données de survie.
Vous avez maintenant écrit de nombreux livres, dont l'un en est à sa troisième édition. Expliquez certains des nouveaux documents que vous couvrez dans cette édition et qui n’ont pas été inclus dans le passé. Quelles sont les idées clés que vous voulez que les gens retiennent de ce livre?
Techniques d'exploration de données pour le marketing, les ventes et la gestion de la relation client fut l'un des premiers livres à couvrir l'exploration de données. C'est également le premier livre d'exploration de données à avoir une troisième édition.
Bien que inspirés par les deux éditions précédentes, Michael Berry et moi-même avons réécrit tous les chapitres, en avons ajouté plusieurs nouveaux et avons combiné certains des chapitres précédents. Le livre est toujours divisé en trois parties. Les premiers chapitres donnent un aperçu de l’exploration de données et du processus d’exploration de données, illustrés par des récits basés sur ce que nous avons appris au fil des ans. Le gros du livre est constitué des chapitres sur les techniques, avec un chapitre séparé pour chaque technique majeure. Le reste de l'ouvrage place l'exploration de données dans le contexte de l'entreprise, avec des discussions sur les données, l'entreposage de données et d'autres études de cas.
Le nouveau chapitre le plus intéressant est peut-être le chapitre sur l'exploration de texte, qui comprend une merveilleuse étude de cas sur les succès remportés par DirecTV en matière d'extraction de texte. Un autre nouveau chapitre important couvre les composantes principales et la décomposition en valeurs singulières. Ce chapitre a été assez difficile à écrire, car notre livre insiste sur la compréhension des techniques plutôt que sur l’algèbre matricielle. Le clustering est une famille de techniques si importante que nous avons divisé le chapitre original en deux, en ajoutant beaucoup plus de discussions sur des techniques telles que le clustering avec maximisation des attentes, le clustering hiérarchique et d'autres méthodes de clustering.
Les utilisateurs SAS de longue date vous reconnaîtront comme un instructeur essentiel pendant de nombreuses années avec la série SAS Business Knowledge. Quel a été ton cours préféré pour enseigner et pourquoi?
Tous mes cours sont mes préférés. Michael et moi avons effectivement participé à la création de la série de connaissances commerciales il y a plus de 10 ans. SAS fournit depuis longtemps une excellente formation à ses logiciels. À la fin des années 90, ils ont décidé d'investir dans la formation en faisant appel à des experts externes pour parler de différents sujets. Nous avons été les premiers formateurs à proposer un tel cours.
Vos travaux de conseil couvrent de nombreux secteurs (et de nombreux pays). Sur quoi travaillez-vous actuellement et qu'est-ce qui vous a le plus intéressé dans ce projet?
Je travaille sur une grande variété de projets. L'un de mes projets consiste à travailler avec un grand site Web fournissant du contenu afin d'encourager les clients à devenir des abonnés payants. Ceci est difficile car le volume de données collectées est si important.
J'ai récemment terminé un petit projet en dehors du secteur des affaires. FORGE est un programme du New Jersey conçu pour aider les femmes en liberté conditionnelle à s’adapter à la vie en dehors de la prison et à prévenir la récidive. Cela m'a permis d'appliquer l'analyse de survie à un domaine intéressant, où le but est d'aider les gens et de prévenir le crime.
Certains de mes travaux sont plus du côté "données" que du côté "exploitation". Depuis un an, je collabore avec la succession de Lehman Brothers, en aidant à donner un sens aux données décrivant les transactions sur produits dérivés impliquées dans la procédure de faillite.
