Gordon Linoff war in vielerlei Hinsicht ein Selbststarter. Um nur einige zu nennen, gründete er zusammen mit Michael Berry Data Miners Inc. In 1998. Gordon war auch einer der ersten Experten, die SAS in den 1990er Jahren für den Start der beliebten SAS Business Knowledge Series ins Visier nahm. Er hat für eine Vielzahl von Unternehmen, darunter Bank of America, BT, The Limited, New York Times, T-Mobile, The Teaching Company und Pfizer, beraten und einige der weltweit renommiertesten Data-Mining-Bücher der Welt verfasst .
In einigen Wochen wird Gordon während unserer jährlichen Anwenderkonferenz ein besonderes Frühstück anbieten. Discovery Summit 2011 in Denver. Ich habe mich kürzlich mit Gordon getroffen, um zu besprechen, an welchen coolen neuen Projekten er gerade gearbeitet hat.
Wie würden Sie den Survival-Mining beschreiben? Erzählen Sie mir von einigen interessanten Arbeiten, die Sie in diesem Bereich geleistet haben.
Beim Data Mining werden große Datenmengen analysiert, um reale Probleme zu lösen. Survival Data Mining wird speziell auf Time-to-Event-Probleme angewendet. Das klassische Beispiel versucht zu verstehen, wann Kunden gehen. Die Frage ist nicht, ob ein Kunde irgendwann aufhört oder nicht. Die Frage ist, wie lange der Kunde als Kunde bleiben wird.
Dieses einfache Beispiel der Verwendung der Überlebensanalyse zum Verständnis der Kundenbindung hat mehrere direkte Verwendungen. Die Rentabilität des Kunden hängt von zwei Faktoren ab: Wie rentabel ist ein Kunde pro Zeiteinheit, wie lange soll ein Kunde bleiben? Die zweite Hälfte dieser Gleichung ist die Überlebensanalyse. Eine weitere Verwendung ist die Vorhersage der Kundenzahl in der Zukunft. Prognosen, die von unten nach oben erstellt werden - mit Hilfe der Überlebensanalyse - sind leistungsfähiger als Prognosen, die von oben nach unten erstellt werden, da Sie die Faktoren, die die Prognose beeinflussen, leichter finden können.
Die Kundenbindung ist nur eine Anwendung. Seit ich vor etwa 10 Jahren mit Survival Data Mining angefangen habe, sehe ich überall Time-to-Event-Probleme. Die Frage ist nicht, ob ein Kunde reaktiviert wird, sondern wie lange bis zur Reaktivierung. Die Frage ist nicht, ob ein Kunde einen Kauf tätigt oder nicht, sondern wie lange bis zum nächsten Einkauf. Die von den Einzelhändlern als Kaufgeschwindigkeit bezeichnete Geschwindigkeit kann mit Survival Data Mining gemessen und visualisiert werden.
Sie haben jetzt viele Bücher verfasst, von denen eines jetzt in der dritten Auflage erscheint. Erläutern Sie einige der neuen Materialien, die Sie in dieser Ausgabe behandeln, die in der Vergangenheit nicht enthalten waren. Welches sind die wichtigsten Erkenntnisse, die Sie den Leuten von diesem Buch mitnehmen möchten?
Data Mining-Techniken für Marketing, Vertrieb und Customer Relationship Management war eines der ersten Bücher über Data Mining. Es ist auch das erste Data-Mining-Buch, das eine dritte Auflage hat.
Michael Berry und ich haben alle Kapitel neu geschrieben, fügten einige neue hinzu und fügten einige der früheren hinzu. Das Buch ist immer noch in drei Teile unterteilt. In den ersten Kapiteln wird ein Überblick über Data Mining und den Data Mining-Prozess gegeben, der anhand von Erfahrungswerten illustriert wird. Der Hauptteil des Buches besteht aus den Kapiteln der Techniken, wobei für jede Hauptmethode ein eigenes Kapitel vorgesehen ist. Der Rest des Buches stellt Data Mining in den Kontext des Geschäfts, mit Diskussionen zu Daten, Data Warehousing und weiteren Fallstudien.
Das vielleicht interessanteste neue Kapitel ist das Kapitel über Text-Mining, das eine wunderbare Fallstudie über die Erfolge enthält, die DirecTV mit Text-Mining erzielt hat. Ein weiteres wichtiges neues Kapitel befasst sich mit Hauptkomponenten und der Zerlegung einzelner Werte. Dieses Kapitel war ziemlich schwierig zu schreiben, da unser Buch das Verständnis der Techniken über Matrixalgebra betont. Clustering ist eine derart wichtige Familie von Techniken, dass wir das ursprüngliche Kapitel in zwei Hälften geteilt haben und viel mehr Diskussion über Techniken enthalten, wie etwa das Erwartungsmaximierungs-Clustering, hierarchisches Clustering und andere Clustering-Methoden.
Langjährige SAS-Benutzer werden Sie mit der SAS Business Knowledge Series seit vielen Jahren als einen wichtigen Ausbilder erkennen. Was war dein Lieblingsunterricht und warum?
Alle meine Kurse sind mein Favorit. Michael und ich haben vor mehr als 10 Jahren mitgeholfen, die Business Knowledge Series zu gründen. SAS bietet seit langem hervorragende Schulungen für seine Software an. In den späten 1990er Jahren beschließen sie, die Investitionen in die Schulung zu nutzen, indem sie externe Experten dazu brachten, über verschiedene Themen zu sprechen. Wir waren die ersten, die einen solchen Kurs anboten.
Ihre Beratungsarbeit erstreckt sich über viele Branchen (und viele Länder). Woran arbeiten Sie gerade und was war für Sie an diesem Projekt am interessantesten?
Ich arbeite an einer Vielzahl von Projekten. Bei einem meiner Projekte arbeite ich mit einer großen Website, die Inhalte bereitstellt, um Kunden zu ermutigen, zahlende Abonnenten zu werden. Dies ist eine Herausforderung, da das gesammelte Datenvolumen so groß ist.
Ich habe kürzlich ein kleines Projekt außerhalb des Geschäftsbereichs fertiggestellt. FORGE ist ein Programm in New Jersey, das Frauen helfen soll, sich auf das Leben außerhalb des Gefängnisses einzustellen - und Rückfälle zu verhindern. Dies erlaubte mir, die Überlebensanalyse auf eine interessante Domäne anzuwenden, in der die Menschen helfen und Kriminalität verhindern sollen.
Einige meiner Arbeiten sind eher auf der "Daten" -Seite als auf der "Mining" -Seite. Im vergangenen Jahr habe ich mit dem Nachlass von Lehman Brothers zusammengearbeitet und dabei geholfen, die Daten zu verstehen, die die derivativen Transaktionen im Zusammenhang mit dem Insolvenzverfahren beschreiben.
