数据挖掘在商务智能决策与CRM中应用.ppt

数据挖掘在商务智能决策与CRM中的应用 北京科技大学 杨炳儒 教授 数据挖掘（知识发现）新进展 数据挖掘在商务智能决策中的应用 数据挖掘在CRM中的应用 第一部分数据挖掘（知识发现）新进展 一、数据挖掘(知识发现)概念内涵与外延的发展 知识发现的新定义： 在现实世界中，针对客观存在的具有海量性、不确定性、不完全性的量的、质的、复杂形态的知识源，挖掘其中潜在的、先前未知的、用户感兴趣的、最终可被用户理解的模式的非平凡提取过程。 二、挖掘知识类型的扩展 三、挖掘技术方法的扩展 四、应用的扩展 五、研究动态与趋向 国外研究动态 2003年8月27日在华盛顿召开了第九届知识发现与数据挖掘国际会议，参与讨论的专家一致认为： 数据挖掘正面临着巨大的机遇和挑战。 其中U. Fayyad认为从科学发展的长远来看,最大的绊脚石是基础理论的缺乏以及所面临的问题和挑战的清晰明白的阐述。 他认为对于我们要做什么，几乎没有理论甚至工程实践来指导：在今天它仍然是” 不为人知的艺术”。 我们需要理论来指导我们要做什么以及要如何作。这些理论能够促使工程解决方法的出现，这样我们也可以将我们的 “手艺”更有效的教给其他人。而这种形势与从业者以及对应用感兴趣的人们的巨大的热情同时存在，这些人来自不同的领域，但是没有科学根基以及持续的学术发展，本领域不可能得到发展与巩固。 R.Uthurusamy认为WEB的使用和生产厂家的大肆宣传等都会在短期内影响本领域的发展，它们会使得我们将更多的精力投向数据库营销、CRM和OLAP等方面，而不是致力于使KDD从根本上或科学上有大的进步。KDD的基础研究界必须消除这些干扰而去努力解决KDD的真正的根本的问题。 国内研究动态 我们编制了了软件对中国期刊网上1994年至今的论文进行了分类与统计。 1、历年发表文章数分类汇总图示如下(含所有的类别共11707篇) 2、按照数据挖掘、决策支持系统、专家系统方面的文章统计图示如下：(评价) 发展的基本特征 （1）原有理论方法的深化与拓展 如： 1）网络数据挖掘；流数据;混合数据。 2）基于神经网络的的时序数据、相似序列、快速挖掘算法的研究等。 3）粗糙集与支持向量机模型与方法的扩展。 4）凸分析与数据包络分析方法的运用。 5）增强（强化）学习模型与方法的运用。 （2）复杂类型（系统）数据挖掘成为热点 如：1） 生物信息挖掘。  Knowledge Discovery for Promoter Structure Analysis Study of Motif Correlation in Proteins by Data Mining （用数据挖掘技术进行蛋白质中启动子的结构分析） 2）半结构化、非结构化等复杂类型数据挖掘。 A Method for Mining Data of Sequential Images---- Rebuilding of Gray (Position) time Function on Arbitrary Direction Lines （基于图表数据库知识发现系统的概念等级聚类 ） 3）分布式数据挖掘系统。 4）动态、在线数据挖掘系统。 5）流数据、混合数据与不完备数据挖掘系统。 （3）新技术与方法的引入（其它学科领域的渗透） 如：人工免疫系统方法；协同验算方法;模拟退火算法；保角变换方法；黎曼几何方法等。 （4）理论融合交叉性研究 如：基于RoughSet的证据推理算法；模糊关系数据模型与粗集结合算法等。认知心理学、认知物理学、认知生物学等。 （5）基础理论研究 内在机理研究；自主知识发现框架；DM=数据集+似然关系+挖掘算法等。 第二部分 数据挖掘在商务智能决策中的应用 一、基于信息挖掘的新型智能决策支持系统 二、商务部国际商务中心项目简介 三、软件系统实现整体说明 一、基于信息挖掘的新型智能决策支持系统 自从美国麻省理工学院的Michael S.S.Morton和Peter G.W.Keen于20世纪70年代首次提出决策支持系统（DSS）以来，其发展迅速，不断取得显著的成果，并成为许多行业经营管理中一个不可缺少的现代化决策支持工具。现在正逐步形成新一代的DSS：群决策支持系统（GDSS），分布式决策支持系统（DDSS），战略决策支持系统等，尤其是智能决策支持系统（IDSS）的出现，将人工智能的知识推理等技术引入DSS，使DSS的发展进入了一个新的阶段。近年来，又相继出现了基于数据仓库与基于WEB的智能决策支持系统，大大推进了