Gordon Linoff è stato un autodidatta in molti modi. Per nominarne alcuni, lui, insieme a Michael Berry, ha fondato Data Miners Inc. nel 1998. Gordon è stato anche uno dei primi esperti che SAS ha cercato negli anni '90 di avviare la sempre più diffusa SAS Business Knowledge Series. Si è consultato per una vasta gamma di società tra cui Bank of America, BT, The Limited, New York Times, T-Mobile, The Teaching Company e Pfizer, ed è autore di alcuni dei libri di data mining più rispettati al mondo. .
Tra un paio di settimane, Gordon ospiterà una colazione speciale durante la nostra conferenza annuale degli utenti, Discovery Summit 2011 a Denver. Recentemente ho incontrato Gordon per discutere su quali nuovi progetti interessanti ha lavorato ultimamente.
Come descriveresti la sopravvivenza mineraria? Parlami di alcuni dei lavori interessanti che hai svolto in quest'area.
Il data mining è il processo di analisi di grandi quantità di dati per risolvere problemi reali. Il data mining di sopravvivenza viene applicato in modo specifico ai problemi time-to-event. L'esempio classico sta cercando di capire quando i clienti se ne andranno. La domanda non è se un cliente finirà o meno. La domanda è quanto a lungo resterà il cliente come cliente.
Questo semplice esempio di utilizzo dell'analisi di sopravvivenza per comprendere la fidelizzazione dei clienti ha diversi usi diretti. La redditività del cliente è legata a due fattori: quanto è redditizio un cliente per unità di tempo per quanto tempo ci si aspetta che un cliente rimanga? La seconda metà di questa equazione è l'analisi di sopravvivenza. Un altro uso è la previsione dei numeri dei clienti in futuro. Le previsioni create dal basso verso l'alto - utilizzando l'analisi di sopravvivenza - sono più potenti delle previsioni create dall'alto verso il basso perché è più facile eseguire il drill down per individuare i fattori che influenzano la previsione.
E la fidelizzazione dei clienti è solo una applicazione. Da quando ho iniziato a utilizzare il data mining di sopravvivenza circa 10 anni fa, vedo dappertutto problemi time-to-event. La domanda non è se un cliente si riattiverà, ma per quanto tempo fino alla riattivazione. La domanda non è se un cliente effettuerà un acquisto, ma per quanto tempo fino al prossimo acquisto. Ciò che i rivenditori chiamano velocità di acquisto può essere misurato e visualizzato utilizzando il data mining di sopravvivenza.
Ora hai creato molti libri, uno dei quali è giunto alla sua terza edizione. Spiega parte del nuovo materiale trattato in questa edizione che non è stato incluso in passato. Quali sono alcune delle idee chiave che vuoi che le persone tolgano da questo libro?
Tecniche di data mining per marketing, vendite e gestione delle relazioni con i clienti è stato uno dei primi libri a occuparsi del data mining. È anche il primo libro di data mining ad avere una terza edizione.
Benché ispirato alle prime due edizioni, Michael Berry ed io abbiamo riscritto tutti i capitoli, ne abbiamo aggiunti alcuni nuovi e combinato alcuni dei precedenti. Il libro è ancora diviso in tre parti. I primi capitoli sono una panoramica del data mining e del processo di data mining, illustrati con storie basate su ciò che abbiamo appreso nel corso degli anni. La maggior parte del libro sono i capitoli delle tecniche, con un capitolo separato per ciascuna tecnica principale. Il resto del libro mette il data mining nel contesto del business, con discussioni su dati, data warehousing e altri casi studio.
Forse il capitolo più interessante è il capitolo sul text mining, che include un meraviglioso case study sui successi che DirecTV ha usato con il text mining. Un altro nuovo capitolo importante riguarda i componenti principali e la decomposizione del valore singolare. Questo capitolo è stato abbastanza stimolante da scrivere, dal momento che il nostro libro sottolinea la comprensione delle tecniche rispetto all'algebra della matrice. Il clustering è una famiglia di tecniche così importante che abbiamo diviso il capitolo originale in due, aggiungendo molte più discussioni sulle tecniche, come il clustering di massimizzazione delle aspettative, il clustering gerarchico e altri metodi di clustering.
Gli utenti SAS di lunga data ti riconosceranno come istruttore fondamentale per molti anni con SAS Business Knowledge Series. Qual è stata la tua classe preferita da insegnare e perché?
Tutti i miei corsi sono i miei preferiti. Michael e io in realtà ho contribuito a fondare la Business Knowledge Series più di 10 anni fa. SAS ha una lunga esperienza nel fornire un eccellente addestramento per il suo software. Alla fine degli anni '90, decidono di sfruttare l'investimento in formazione, coinvolgendo esperti esterni per parlare di diverse materie e siamo stati i primi istruttori ad offrire questo corso.
Le tue attività di consulenza abbracciano molti settori (e molti paesi). A cosa stai lavorando attualmente e cosa ti ha interessato di più di questo progetto?
Lavoro su un'ampia varietà di progetti. Uno dei miei progetti sta lavorando con un grande sito web che fornisce contenuti per incoraggiare i clienti a diventare abbonati paganti. Questo è difficile perché il volume dei dati raccolti è così grande.
Di recente ho terminato un piccolo progetto al di fuori dell'area commerciale. FORGE è un programma in New Jersey progettato per aiutare le donne a liberarsi della libertà vigilata sulla vita fuori dalla prigione e per prevenire la recidiva. Questo mi ha permesso di applicare l'analisi di sopravvivenza a un dominio interessante, in cui lo scopo è aiutare le persone e prevenire il crimine.
Alcuni dei miei lavori sono più sul lato "dati" più che sul lato "minerario". Per l'anno passato, ho lavorato con la tenuta Lehman Brothers, contribuendo a dare un senso ai dati che descrivono le transazioni derivate coinvolte nella procedura fallimentare.
