| 事例編 |
| 訳者まえがき iii |
| はじめに ix |
| 謝辞 xiii |
| PART ONE 本書の焦点 |
| [1] データマイニングのコンテキスト 5 |
| 1.1 データマイニングとは何か? 7 |
| 1.2 データマイニングで何ができるのか? 8 |
| 1.3 データマイニングのビジネスコンテキスト 13 |
| 1.4 データマイニングの技術的コンテキスト 17 |
| 1.5 データマイニングの社会経済的コンテキスト 23 |
| [2] なぜ技術をマスターしなければならないのか 27 |
| 2.1 データマイニングへの4つのアプローチ 30 |
| 2.2 得られた教訓 51 |
| [3] データマイニングの方法論 : 繰り返される好循環 53 |
| 3.1 データマイニングの2つのスタイル 55 |
| 3.2 データマイニングの好循環 58 |
| 3.3 適切な業務課題の特定 60 |
| 3.4 データの行動可能な結果への変換 66 |
| 3.5 結果に基づく行動 77 |
| 3.6 モデルの有効性の測定 80 |
| 3.7 予測モデルの成功要因は何か? 81 |
| 3.8 得られた教訓 88 |
| [4] 顧客および彼らのライフサイクル 89 |
| 4.1 誰が顧客なのか? 90 |
| 4.2 顧客ライフサイクル 99 |
| 4.3 顧客のライフサイクル 108 |
| 4.4 適切な時点での適切な顧客へのターゲティング 109 |
| 4.5 得られた教訓 121 |
| PART TWO データマイニングの3本柱 |
| [5] データマイニング技術とアルゴリズム 133 |
| 5.1 多様な技術に多様な目標 134 |
| 5.2 データマイニングの3つの技術 138 |
| 5.3 クラスタ分析 139 |
| 5.4 決定木 149 |
| 5.5 ニューラルネットワーク 162 |
| 5.6 得られた教訓 173 |
| [6] あたり一面のデータ, データ... 175 |
| 6.1 データはどのような形式であるべきか? 177 |
| 6.2 実際のデータはどのような形式なのか? 188 |
| 6.3 どのぐらいデータがあれば十分か? 209 |
| 6.4 導出変数 211 |
| 6.5 事例研究 : 顧客の行動を定義する 225 |
| 6.6 汚いデータ 234 |
| 6.7 得られた教訓 239 |
| [7] 有効な予測モデルの構築 241 |
| 7.1 良い予測モデルの構築 242 |
| 7.2 モデルセットを使っての作業 255 |
| 7.3 複数のモデルの使用について 284 |
| 7.4 やってみよう！ 296 |
| 7.5 得られた教訓 300 |
| [8] データマイニング環境の構築 301 |
| 8.1 スタートする 302 |
| 8.2 事例1 : 企業内にコアコンピタンスを構築する 306 |
| 8.3 事例2 : 新しい事業の構築 313 |
| 8.4 事例3 : データウェアハウスの取り組みにデータマイニングスキルを構築する 319 |
| 8.5 事例4 : Tessera RMEを用いたデータマイニング 322 |
| 8.6 得られた教訓 335 |
| 索引 337 |
| 理論編 |
| [0] 「事例編」の概要 1 |
| 01. カスタマーライフサイクルに従う 2 |
| 02. ビジネス慣習の洞察 5 |
| 03. ケーススタディの構成 7 |
| [1] カバンの香油やズボンプレッサーを必要とするのは誰か? 11 |
| 1.1 バーモントカントリーストア 12 |
| 1.2 業務課題 17 |
| 1.3 データ 20 |
| 1.4 技術的アプローチ 23 |
| 1.5 将来の構想 32 |
| 1.6 得られた教訓 33 |
| [2] 誰が何を買うのか? オンラインバンキングにおけるベストネクストオファーモデルの構築 35 |
| 2.1 財布内シェアを高めること 36 |
| 2.2 業務課題 38 |
| 2.3 データ 39 |
| 2.4 課題へのアプローチ 47 |
| 2.5 モデル構築 53 |
| 2.6 もっと完璧な世界 71 |
| 2.7 得られた教訓 72 |
| [3] どうか行かないで！ 無線通信事業における乗り換えモデルづくり 75 |
| 3.1 無線電話業界について 77 |
| 3.2 ビジネス上の問題 82 |
| 3.3 乗り換えモデル構築 : 実在する応用例 96 |
| 3.4 データ 117 |
| 3.5 乗り換えモデル構築の教訓 127 |
| 3.6 得られた教訓 136 |
| [4] 顧客への集中 : 遠隔通信産業における顧客行動の理解 137 |
| 4.1 データフロー 139 |
| 4.2 ビジネスの問題 147 |
| 4.3 データ 150 |
| 4.4 発見の旅 159 |
| 4.5 得られた教訓 184 |
| [5] 誰が何を買っているのか? スーパーマーケットの買物客を知る 185 |
| 5.1 過渡期にある業界 186 |
| 5.2 3つのケーススタディ 194 |
| 5.3 エスニック購買パターンの分析 195 |
| 5.4 誰がスーパーマーケットでヨーグルトを買っているのか? 206 |
| 5.5 誰が健康食品店で精肉を買っているのか? 220 |
| 5.6 得られた教訓 229 |
| [6] 不足なく, ムダなく : 製造工程の改善 233 |
| 6.1 ドネリー社でのコスト削減のためのデータマイニング 234 |
| 6.2 タイム社での紙の浪費の削減 246 |
| 6.3 得られた教訓 267 |
| [7] 社会経済的状況 : データマイニングとプライバシー 269 |
| 7.1 プライバシーの観点から 270 |
| 7.2 データマイニングは脅威か 273 |
| 7.3 プライバシーの期待 275 |
| 7.4 現実の世界での情報 282 |
| 7.5 電子的世界での情報 284 |
| 7.6 データマイニングの約束 291 |
| 索引 293 |
