所謂「資料探勘」(Data Mining)是利用模型認知技術與統計的手法處理大數據，發現有意義的新模型及傾向的過程。IBM SPSS Modeler 是一款資料探勘與預測分析軟體，可以使用Microsoft 安裝程式(MSI) 在Windows 系統上完成安裝，最近也可以在雲端使用它。它擁有 30 多種基本的機器學習算法和自動建模方法，具有 R 語言可擴展性，可使用 Python 腳本。使用IBM SPSS Modeler軟體可以找出人們最頻繁討論的話題，或是企業可以了解消費者實際關心的問題。
　　資料探勘因為是透過各種資料分析技術，挖掘出顧客的消費行為模式與各項營運作業之管理決策等，可說是知識管理之一大利器。例如，7-11超商就是充分運用資料探勘技術，不斷推出各種抓住顧客心房的行銷活動，以贏得更多顧客的心，並將店舖之經營作更完善的規劃管理，使其獲利並使績效能夠長期位居國內零售業之領先地位。
　　根據美國一項調查超過7萬名購物者的行銷研究，發現消費者在他們店中購物的行為有其一定的慣性，如果門市經營者或是行銷人員能夠善用「消費者行為」模式，將可有效改善經營品質。
　　書中也一併列舉IBM SPSS Modeler常用的分析方法供讀者參考。資料探勘的方法包括監督式學習、非監督式學習等。監督式學習包括：分類、估計、預測等；非監督式學習包括：集群、關聯規則分析等。上述相關的分析方法，在第1篇中均有步驟式的介紹 ; 第2篇中舉出百貨業的資料案例，分析顧客的消費行為，利用IBM SPSS Modeler從RFM的角度探討消費者的特徵，以及如何向未購買者推銷商品，盼能藉由此例題能激起讀者對資料探勘的興趣。

陳耀茂
日本（國立）電氣通信大學經營工學博士
東海大學企管系教授

第1篇　基礎篇
1. 何謂資料探勘
1.1　資料探勘的意義與過程
1.2　Modeler的介面
1.3　Modeler的利用例與主要應用領域
1.4　IBM SPSS Modeler試用版的下載
1.5　Modeler的基本操作
1.6　IBM SPSS Modeler的節點形狀與功能
2. Modeler範例1─關聯規則、決策樹（C5.0）、主成分分析、集群分析
2.1　問題的發生狀況法則的探索
2.2　有關品質管理諸工具的構成
2.3　關聯規則
2.4　決策樹分析的一種C5.0
2.5　Kohonen網路
2.6　利用主成分分析密集大量的變數
3. Modeler範例2─類神經網路、決策樹（CART）
3.1　類神經網路的基礎理論
3.2　類神經網路與Modeler
3.3　利用CART從學習結果抽出規則
4. Modeler範例3─判別分析、時間序列、二項羅吉斯迴歸、多項羅吉斯迴歸
4.1　利用判別分析
4.2　時間序列
4.3　二項羅吉斯迴歸
4.4　多項羅吉斯迴歸
5. 購物籃分析（關聯歸納／C5.0）、支援向量機器（SVM）、廣義線性模型、Cox迴歸
5.1　購物籃分析
5.2　支援向量機器（SVM）
5.3　廣義線性模型
5.4　Cox迴歸

第2篇　應用篇
6. 在開始顧客分析之前
6.1　顧客分析的5個業務課題
6.2　掌握顧客的4個數據
6.3　資料探勘手法是顧客分析的核心
6.4　準備顧客分析工具
7. 理解顧客行為將顧客價值定量化
7.1　使用購買明細數據之後的顧客行為紀要
7.2　購買金額等級與優良顧客定義
7.3　利用RFM分數理解顧客
7.4　掌握顧客行為的特徵
7.5　十分位數分析
8. 發現顧客的行為模式
8.1　關聯規則
8.2　協同過濾
8.3　時系列關聯
8.4　關聯規則的留意點
9. 將顧客的行為分類
9.1　利用集群分析將顧客行為類型化
9.2　理解集群的特徵
9.3　依照集群推薦
10. 預測顧客行為
10.1　行銷活動的反應預測
10.2　休眠的判別預測
10.3　顧客與商品的匹配
11. 確立顧客分析的基礎
11.1　處理大數據
11.2　將分析流程效率化