Peter Fader　教授

　　作为美国宾夕法尼亚大学沃顿商学院营销学领域的著名教授，PeterFader擅长于用消费者的行为数据对企业的销售额做预测并进行客户关系管理，他还因此获得了很多奖项。即使如此，PeterFader最为世人所熟知的可能还是他在2000年7月作为专家证人在旧金山地区法院所做的有关Napster网站音乐销售额激增的证词（当时Napster网站因为侵权行为而被几家大的音乐公司起诉）。
　　
　　PeterFader给人的直观印象是精神饱满且极具魅力，同时，他对很多公司浪费时间和金钱来做一些不可能实现的目标的行为深恶痛绝。对此，Fader研究了一个替代性方案：建立在概率模型基础上的数据挖掘。当前，他正在大学里向学生讲授他的研究成果，而且他还认为这一方案在企业的实际操作中出人意料地简便易行。CIOINSIGHT杂志社记者近期采访了PeterFader，与他就如何借助概率模型使商务变得更智能化进行了交流。
　　
　　CIOI:你认为对企业来说，数据挖掘工具有哪些优点，又有哪些不足之处？
　　
　　Fader：在对人群进行分类时，数据挖掘工具是一个不错的选择。借助数据挖掘工具，可以很容易区分出哪些人的信誉较好、哪些人的信誉较差；什么原因使人们分别加入共和党和民主党？要想做这样的工作，我实在找不出还有什么比数据挖掘工具更合适的方式，而且我认为做这些事情时投入一部分钱也是合情合理的。但是需要特别注意的是，对于企业来说，很多时候消费者购买哪件商品并不重要，重要的是他们何时会购买？多长时间之后才会再次购买？我们刚才提问的这些问题靠数据挖掘工作很难得到正确答案。数据挖掘工具比较擅长分析某一行为是否会发生，但它在分析这一行为何时才会发生时就显得无能无力。
　　
　　在分析一些对时间较具敏感性的商品时，数据挖掘工具的效果更为显著，比如圣诞节期间，零售商通过分析一些相关数据可以出售容易获得消费者青睐的商品。但当你不只是想预测接下来某些特定消费者想购买哪些商品，而是想进一步分析一下他们的购买行为时，你可能就需要一些特别的分析工具。因为人们在做一件事的时候，具有很强的随机性，所以仅靠数据挖掘工具来收集消费者的600个不同的行为变量并不能有效地捕捉到他们的行为。
　　
　　很多人一直认为，如果我们收集消费者的更多数据、更加深入地理解他们的消费心理和行为，就可以解决在进行预测时所有不确定性的问题。其实，现实情况永远不会像大家想像的这么简单，因为人们的消费行为通常是很随机性的，仅是借助数据仓库不可能捕捉到他们的消费行为。有时候，人们购买一件商品的动机可能是因和恋人发生了争吵而借购物来消气；也可能是一个小孩在玩球的时候伤了自己的脚踝因此需要一些药品来止痛；也极有可能是有人在看电视时看到了某件产品而激起了其购物欲望，这些行为都是随机性的，很难进行预测。所以我建议一些企业与其继续扩大数据仓库的规模，还不如就此举白旗投降，甚至对它都不要抱任何幻想，连试一下的念头都不要有。
　　
　　CIOI:你认为一些企业的主管了解到了数据挖据工具的局限性了吗？
　　
　　Fader：可以遗憾地说，他们还没有。出现这样的情况和数据挖掘以及市场营销并无关系，更大程度上是和人的本性有极大关联。现在，在各门科学领域，我们能看到这种情况经常发生。随着数据采集技术的不断发展和人们建模能力的增强，很多人认为他们可以借助数据挖掘工具回答原先所不知道的问题。但是也可能是技术上还有不少有待提高的地方，也可能是人们experTvOICeS在理解方面还存在偏差，其实数据挖掘工具在我们寻找数据方面所能提供的帮助并没有大家想像的那么巨大。
　　
　　CIOI:如果公司错误地使用了数据挖掘工具，对它们自身会带来哪些损害？
　　
　　Fader：首先我告诉你一个正面的例子。我特别钦佩保险公司的那些精算师，因而对保险公司对待客户的方式也非常佩服。精算师们无需观察客户所有的个人特征就能预言客户将会去世。然后，他们会得出一个可能的结论，即所有具有某一类特征的客户都将会去世，或者共同拥有某一特征的客户能够活到70岁的比例大概是多少。他们明白不可能对每一个投保人都做这样的陈述，所以他们通常会对一群人的特征进行分析。
　　
　　现在，试着将保险公司的那一套做法放到其他企业的营销中来。很多公司都在讨论“一对一”营销，其实我并不认为这种营销方式对公司的业务会有积极的帮助，相反，它可能更多地会损害企业的业务发展。只有当企业在与每一个客户都建立起紧密联系时，“一对一”营销才会发挥它的效果。