第 1 步：理解业务和数据
关键决策：
1. 需要作出什么样的决策？
需要作出的决策：是否需要向这 250 个新客户寄送产品宣传册
2. 作出这些决策需要获取哪些数据？
需要获取的数据如下：
需要建模的历史客户数据（p1-customers）：
| 数据项 | 数据来源表格 | 数据名称 | 数据用途 |
| 1 | p1-customers | Customer Segment | 建模中的虚拟变量 |
| 2 | p1-customers | Avg Num Products Purchased | 建模中的预测变量 |
| 3 | p1-customers | Avg Sale Amount | 建模中的目标变量 |
进行预测计算的新客户数据（p1-mailinglist）：
| 数据项 | 数据来源表格 | 数据名称 | 数据用途 |
| 1 | p1-mailinglis | Customer Segment | 带入模型计算预测销售额 |
| 2 | p1-mailinglis | Avg Num Products Purchased | 带入模型计算预测销售额 |
| 3 | p1-mailinglis | Score_Yes | 计算预测销售额 |
当然我们计算得是利润，那么还需要以下两个数据：
| 数据项 | 数据名称 | 数据用途 |
| 1 | 所有产品的平均毛利率（价格减去成本）是 50% | 计算毛利润 |
| 2 | 印刷和寄送每本产品目录册的成本是 6.5 美元 | 计算纯利润 |
第 2 步：分析、建模和验证
分析：
因为我们预测的是总销售额是否能达到预期要求，那么需要计算我们如果寄送之后
的收入是多少；如果需要计算收入，那么需要我们根据历史客户的销售数据情况来
建立预测模型。
建模：
模型中预测变量的选择：
1）姓名数据不可作为预测变量
2）Customer Segment 为分类变量，可将其作为预测器变量。我们设置 Credit Card
Only 为基础条件，其他：Loyalty Club and Credit Card，Loyalty Club Only，
Store Mailing List 变量为预测变量；
3）Customer ID、Address、City 、State、ZIP 均无法作为预测变量。
4）Avg Sale Amount 与 Avg Num Products Purchased 间的关系：
从以上散点图可以看出 Avg Sale Amount 与 Avg Num Products Purchased 间
具有线性关系。Avg Num Products Purchased 可以作为预测变量。
5）Responded to Last Catalog 由于新客户数据表中没有此数据信息，所以在预测
模型中该数据无法作为预测变量。
6）Avg Sale Amount 与# Years as Customer 间的关系：
从以上散点图可以看出 Avg Sale Amount 与# Years as Customer 间没有线性关
系，所以# Years as Customer 无法作为预测变量。
所以我们目前已选择的变量为：
预测变量：（Loyalty Club and Credit Card、Loyalty Club Only、Store Mailing
List ）、Avg Num Products Purchased
目标变量：Avg Sale Amount
所以，我们可以建立销售金额预测模型如下：
Y（Avg Sale Amount）=β0 + β1·X1(Avg Num Products Purchased) +
β2·X2（Store Mailing List）+β3·X3（Loyalty Club and Credit Card）+
β4·X4（Loyalty Club Only）
验证：
1. 根据统计学验证线性模型的拟合度：
1）Avg Num Products Purchased 的拟合度验证：
通过对 Avg Num Products Purchased 进行回归数据分析
得出：R 的平方为 0.732315，对应的 P 值为 0。
结论：Avg Num Products Purchased 数据具有显著统计意义。
2）Customer Segment 的模型拟合度验证：
通过对 Customer Segment 进行回归数据分析
得出：R 的平方为 0.702367，对应变量系数的 P 值小于 0.05。
结论：Customer SegmentS 数据具有显著统计意义。
3）预测模型方程的拟合度验证：
通过对预测模型方程进行回归数据分析
得出：R 的平方为 0.836878，对应变量系数的 P 值均小于 0.05。
结论：建立的销售预测模型数据具有显著统计意义。
2. 根据以上数据推理，可以得出该销售预测模型的最佳线性回归方程：
Y（Avg Sale Amount）=303.46 + 66.97·X1(Avg Num Products Purchased)
-245.41（if type:Store Mailing List）+ 281.83（if type:Loyalty Club and
Credit Card）-149.35（if type:Loyalty Club Only）
第 3 步：演示/可视化:
1. 你的建议是什么？公司应该向这 250 个客户发送宣传册吗？
建议：公司应该向这 250 名新客户发送宣传册
2. 你是如何得出你的建议的？（请解释你的推理流程，以便审核人员能够根据你
的流程向你提供反馈）
根据我们建立的预测模型计算：
1）假设每个客户都会购买时，根据模型计算得出总的销售额为$138284.64
2）因为每个客户都有概率进行购买，那么销售额乘以购买概率后，得出预计的购
买销售额为$47222.3
3）因为通过产品目录册出售的所有产品的平均毛利率是 50%，并且印刷和寄送每
本产品目录册的成本是 6.5 美元。那么可以计算得出最终的预计销售利润为
$21986.15。
4）最终销售额大于 1 万美元，所以最终的决策应该是向这 250 名客户发送宣传册。
3. 新的宣传册带来的利润预计是多少？（假设向这 250 个客户发送了宣传册）
新的宣传册带来的利润预计是 21986.15 美元