Gordon Linoff ha sido un emprendedor en muchos aspectos. Para nombrar algunos, él, junto con Michael Berry, fundó Data Miners Inc. en 1998. Gordon también fue uno de los primeros expertos a los que SAS recurrió en la década de 1990 para iniciar la siempre popular serie de conocimiento empresarial de SAS. Ha consultado para una amplia gama de compañías, incluyendo Bank of America, BT, The Limited, The New York Times, T-Mobile, The Teaching Company y Pfizer, y ha escrito algunos de los libros de minería de datos más respetados del mundo. .
En un par de semanas, Gordon ofrecerá un desayuno especial durante nuestra conferencia anual de usuarios, Cumbre Descubrimiento 2011 en denver Me reuní con Gordon recientemente para hablar sobre los nuevos proyectos geniales en los que ha estado trabajando últimamente.
¿Cómo describirías la supervivencia minera? Cuéntame sobre el trabajo interesante que has estado haciendo en esta área.
La minería de datos es el proceso de analizar grandes cantidades de datos para resolver problemas del mundo real. La extracción de datos de supervivencia se aplica específicamente a los problemas de tiempo hasta el evento. El ejemplo clásico es tratar de entender cuándo se irán los clientes. La pregunta no es si un cliente terminará o no. La pregunta es cuánto tiempo permanecerá el cliente como cliente.
Este sencillo ejemplo de uso del análisis de supervivencia para comprender la retención de clientes tiene varios usos directos. La rentabilidad del cliente se relaciona con dos factores: ¿cuán rentable es un cliente por unidad de tiempo por cuánto tiempo se espera que permanezca un cliente? La segunda mitad de esta ecuación es el análisis de supervivencia. Otro uso es pronosticar números de clientes en el futuro. Los pronósticos creados desde abajo hacia arriba (utilizando el análisis de supervivencia) son más poderosos que los pronósticos creados desde arriba hacia abajo porque puede profundizar más fácilmente para encontrar los factores que influyen en el pronóstico.
Y, la retención de clientes es solo una aplicación. Desde que comencé a usar la extracción de datos de supervivencia hace unos 10 años, veo problemas de tiempo para eventos en todas partes. La pregunta no es si un cliente se reactivará, sino durante cuánto tiempo hasta la reactivación. La pregunta no es si un cliente realizará o no una compra, sino durante cuánto tiempo hasta la próxima compra. Lo que los minoristas llaman velocidad de compra se puede medir y visualizar utilizando la extracción de datos de supervivencia.
Ya has escrito muchos libros, uno de los cuales está ahora en su tercera edición. Explique parte del nuevo material que cubre en esta edición que no se ha incluido en el pasado. ¿Cuáles son algunas de las ideas clave que desea que la gente saque de este libro?
Técnicas de minería de datos para marketing, ventas y gestión de relaciones con clientes Fue uno de los primeros libros en cubrir la minería de datos. También es el primer libro de minería de datos en tener una tercera edición.
Aunque inspirados en las dos ediciones anteriores, Michael Berry y yo reescribimos todos los capítulos, agregamos varios nuevos y combinamos algunos de los anteriores. El libro todavía está dividido en tres partes. Los primeros capítulos son una descripción general de la extracción de datos y el proceso de extracción de datos, ilustrados con historias basadas en lo que hemos aprendido a lo largo de los años. La mayor parte del libro son los capítulos de técnicas, con un capítulo separado para cada técnica principal. El resto del libro coloca la extracción de datos en el contexto de la empresa, con discusiones sobre datos, almacenamiento de datos y más estudios de casos.
Quizás el nuevo capítulo más interesante es el capítulo sobre minería de textos, que incluye un maravilloso estudio de caso sobre los éxitos que DirecTV ha tenido al utilizar la minería de textos. Otro nuevo capítulo importante cubre los componentes principales y la descomposición del valor singular. Este capítulo fue bastante difícil de escribir, ya que nuestro libro enfatiza la comprensión de las técnicas sobre el álgebra matricial. La agrupación en clúster es una familia tan importante de técnicas que dividimos el capítulo original en dos, agregando mucha más discusión de las técnicas, como la agrupación por expectativas de maximización, la agrupación jerárquica y otros métodos de agrupación en clústeres.
Los usuarios de larga data de SAS lo reconocerán como un instructor crucial durante muchos años con SAS Business Knowledge Series. ¿Cuál ha sido tu clase favorita para enseñar y por qué?
Todos mis cursos son mis favoritos. Michael y yo realmente ayudamos a fundar Business Knowledge Series hace más de 10 años. SAS ha tenido una larga historia de proporcionar una excelente capacitación para su software. A fines de la década de 1990, decidieron aprovechar la inversión en capacitación al traer expertos externos para hablar sobre diferentes temas, y fuimos los primeros capacitadores en ofrecer un curso de este tipo.
Su trabajo de consultoría abarca muchas industrias (y muchos países). ¿En qué estás trabajando actualmente y qué te ha parecido más interesante sobre este proyecto?
Trabajo en una amplia variedad de proyectos. Uno de mis proyectos es trabajar con un sitio web grande que proporciona contenido para alentar a los clientes a convertirse en suscriptores de pago. Esto es un desafío porque el volumen de datos que se recopilan es muy grande.
Hace poco terminé un pequeño proyecto fuera del área de negocios. FORGE es un programa en Nueva Jersey diseñado para ayudar a las mujeres en libertad condicional a adaptarse a la vida fuera de la prisión y para prevenir la reincidencia. Esto me permitió aplicar el análisis de supervivencia a un dominio interesante, donde el propósito es ayudar a las personas y prevenir el crimen.
Parte de mi trabajo es más en el lado de "datos" más que en el lado de "minería". Durante el año pasado, trabajé con el patrimonio de Lehman Brothers, ayudando a dar sentido a los datos que describen las transacciones de derivados involucradas en el procedimiento de quiebra.
