数据仓库概论.pptVIP

操作型系统 使用人员：企业具体操作人员 处理的数据：企业业务的细节信息 目标：实现企业的业务经营 分析型系统 使用人员：决策者 包含的信息：宏观信息，非细节 目的：提供支持信息 数据仓库系统的功能和构成 业务数据库 提取、清洗、转换 数据存储 OLAP 数据挖掘 企业决策层 数据仓库 决策支持 多维查询 预测 企业级的多维信息查询 数据仓库中的信息是企业级的整体信息，并支持多维度查询。 例子：1999~2010年之间“华东区”的“机械类”产品。包括了时间维度、地理维度、产品类型维度。 OLAP在线分析处理 用直观的表格或图形等方式，多维度观察。 例子：显示某公司在1995年~2000年间，中国各省的销售值。 1995 1996 1997 1998 1999 2000 山西 福建 宁夏 3000 200 3500 4000 5000 6000 400 800 900 4000 3 6 80 600 3000 …… …… …… …… …… 数据挖掘 发现系统中诸多因素间有指导意义的关系。 例子：“啤酒与尿布” 英国某超市使用数据挖掘技术发现：周末，购买啤酒的年轻男性也常常购买小孩的尿布。看似毫无道理，实际因为年轻男子周末看球爱喝啤酒，为了同时显示对小孩和太太的关心，尽一些义务，就会买尿布。发现这一规律，超市把啤酒和尿布相邻摆放，方便顾客，促进销售。 预测 通过历史积累的信息以及发现的规律预测事务发展的趋势。 例子：通过1990~2000年中国移动用户的数量信息来预测2001年用户增长的情况，提供决策依据。 仓库的应用前景 在客户服务及营销方面的应用 现代商业竞争激烈，客户群体庞大，客户对服务的要求越来越高。客户关系管理（CRM）是一个重要课题，实际上是基于数据仓库进行的。 Sybase公司认为不同行业的CRM，有80%的共性功能。这些功能包括7个模块（7P） 客户概况分析：客户的层次、风险、爱好、习惯； 客户忠诚度分析：客户对某个产品或商业机构的忠实程度、持久性、变动情况等； 客户利润分析：指不同客户所消费 客户性能分析：指不同客户所消费的产品按种类、渠道、销售地点等指标划分的销售额； 客户未来分析：包括客户数量、类别等情况的未来发展趋势、争取客户的手段等； 客户产品分析：包括产品设计、关联性、供应链等； 客户促销分析：包括广告、宣传等促销活动的管理。 在银行领域的应用 市场经济带来了银行对各种金融变量控制的随机性和模糊性。经营风险防范、科学管理、正确决策是很重要的课题。 银行决策支持系统=银行管理信息系统+银行数据库+银行数据仓库+各种模型库、方法库和知识库。 数据仓库技术在银行业的发展现状：基本上涵盖了银行经营管理与业务运作的各个方面。 现在国内几大商业银行都在着手调研、准备或者尝试实施基于数据仓库技术的各种解决方案。  ???  比如，中国工商银行进行了以个人客户关系管理（PCRM）和业绩价值管理（PVMS）为主题的应用试点，中国银行则全面规划了信用卡系统，其中很重要的一个子系统就是基于数据仓库技术的销售和客户服务系统，中国农业银行正在广东分行进行经营分析系统的建设，中国民生银行也全面启动了客户信息管理（CIM）和企业级数据仓库的建设。  例子：中国工商银行PCRM应用主题 银行卡应用 重点客户分析： 基本信息查询、存款余额分析、用卡行为分析、贡献度分析、透支分析（透支余额、单笔透支余额、单次透支金额、还贷周期） 客户群分析： 优质客户排名分析、卡业务存款分析、用卡行为分析、贡献度分析、卡申领情况分析、卡业务风险分析 银行卡客户贡献度 问题：按照现有的贡献度指标体系，什么样的客户对银行卡的贡献度最高？ 答案：通过数据挖掘，年龄在25-35、36-45的客户贡献度最高。这类人中，稳定，高收入或者高积蓄者较多。 在保险业的应用 商业保险公司业务系统的日趋完善，数据交换和处理中心的建立，数据仓库技术、联机分析处理技术的成熟，internet的普及，加速了决策支持的实用化过程。 例子：菲奈特公司与深圳华安保险公司的合作项目。 2000年6月两公司联合开发财产险主业务系统和保险决策支持系统。 该系统支持数据多维动态查询、分析和钻取功能，建成了保险决策支持系统。该系统挖掘现有数据的潜力，提供关键业务指标分析、业绩分析、财务分析、市场分析、重要险种分析、重大事件分析、即席分析、风险评估、业务预测、风险警告和风险预测功能。 在证券业的应用 证劵公司利用客户行为分析系统数据仓库技术将所有客户的操作记录进行归类和整理，并结合其他信息，对客户的行为和市场各因素的关联、客户的操作习惯、客户的持仓情况、客户的盈亏情况、公司的利润分布进行统计和分析。 目的是针对客户提供个人化的投资建议。 举例：深圳国信证劵的数据仓库项目 目的