資料內容：
一、數據挖掘用于 AI 產品需求發(fā)現
需求的發(fā)現是產品經理和企業(yè)產品創(chuàng)新取得成功的關鍵，數據信息在產品的創(chuàng)新設計與制
造中發(fā)揮越來越重要的作用，充分利用數據挖掘技術從產品市場需求發(fā)現、需求設計中提
取相應的需求，從而控制和改善下一代產品的設計與制造。
目前，AI 賦能的智能軟硬件整體產品的研制周期長，市場反應能力弱，創(chuàng)新度不夠等一系
列因素控制了產品制造企業(yè)的生存和發(fā)展，不論是萬億市值的蘋果還是國內的華為小米一
年旗艦智能手機只有一款。這個現象背后正是因為 AI 賦能的軟硬一體產品，在需求發(fā)現
到產品設計上有其特殊性。
因此，如何在最短的時間內開發(fā)出質量高、價格能被用戶接受的 AI 產品，已成為產品經
理市場競爭的焦點。數據挖掘技術已經成為分析和發(fā)現需求，提供決策十分有效的工具，
而需求發(fā)現速度快起來后可以給需求設計制造更多時間，所以必將有力地支持 AI 產品的
創(chuàng)新設計和制造過程。
數據挖掘（Data Mining，簡稱 DM）就是從大量的、不完全的、隨機的實際應用數據中，
提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和需求的過程。
根據產品發(fā)現需求的不同，數據挖掘的任務主要分為以下 6 類：
（1）關聯分析需求，揭示隱藏在數據之間相互關系的一項挖掘潛在需求的數據挖掘任務。
例子：“尿布與啤酒”的故事。
在一家超市里，有一個有趣的現象：尿布和啤酒竟然擺在一起出售。但是，這種奇怪的舉
措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發(fā)生在美國沃爾瑪超市的真
實案例，并一直為商家所津津樂道。
沃爾瑪擁有世界上最大的數據倉庫系統(tǒng)，為了能夠準確了解顧客在其門店的購買習慣，沃
爾瑪對其顧客的購物需求進行了深層分析，想了解顧客經常一起購買的商品都有哪些。沃
爾瑪數據倉庫里集中了其各門店的詳細的原始交易數據，在這些原始交易數據的基礎上，
沃爾瑪利用關聯規(guī)則對這些數據進行分析和挖掘，得出了一個令人意外的發(fā)現：“跟尿布
一起被購買最多的商品竟是啤酒！”
經過大量實際調查和分析，揭示了一個隱藏在“尿布與啤酒”背后的美國人的一種需求模
式：在美國，一些年輕的父親下班以后要經常到超市去買嬰兒尿布，而他們中有 30%～40%
的人同時也會為自己買一些啤酒。
產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們
在買尿布后又隨手帶回了他們喜歡的啤酒。
按照常規(guī)思維模式，尿布與啤酒風馬牛不相及，若不是借助關聯規(guī)則進行挖掘和分析，沃
爾瑪是不可能發(fā)現數據之間存在的這一有價值的需求。
以前企業(yè)的信息管理系統(tǒng)由于缺乏數據挖掘功能，最多只能統(tǒng)計一些數據，從表面上似乎
合理，但實際上根本不能反映出本質的情況。例如：通過傳統(tǒng)的信息管理系統(tǒng)，我們得出
某一種紅酒在超市的銷售額排名倒數第一位，按照以往的做法，該紅酒肯定會停止銷售，
但是通過對所有銷售數據進行關聯分析，我們會發(fā)現消費額最高的客戶中有 25%常常買這
種紅酒，如果停止出售這種紅酒，必然會引起這些高端客戶的不滿。
關聯分析就是發(fā)現交易數據庫中不同商品之間的內在的聯系，利用關聯規(guī)則找出顧客購買
行為模式，如購買了某一商品對其它商品的影響。例如：它能發(fā)現數據庫中如“90%的顧
客在一次購買活動中購買商品 X 的同時購買商品 Y”之類的問題，發(fā)現這樣的規(guī)則可以應
用于商品貨架設計、庫存安排以及根據購買模式對用戶進行需求分析等。
用于關聯規(guī)則發(fā)現的主要對象是事務型數據庫，其中針對的應用則是商品銷售數據。如果
對這些歷史數據進行分析，則可以對顧客的購買行為提供極有價值的信息。例如：可以幫
助商家如何擺放貨架上的商品，如何幫助商家規(guī)劃市場等。
總之，從事務數據中發(fā)現關聯規(guī)則，對于改進商業(yè)活動的決策非常重要。
