第一章_商务智能基本概念1.3.pptVIP

高效消费者响应 (ECR) 及 时、 准 确和无 纸 的 信 息 流 通 流 畅， 不 间 断 的 产 品 流 通， 满 足 消 费 者 的 需 求 供应 商 零 售 商 商店 消 费 者 ERP /CM 企业资源计划管理 品类管理 SCM 供应链管理 CRM 客户关系管理 POS 销售时点系统 商业企业 信息系统 数据爆炸，知识贫乏 苦恼: 淹没在数据中，不能制定合适的决策! 数据 知识 决策 模式 趋势 事实 关系 模型 关联规则 序列 目标市场 资金分配 贸易选择 在哪儿做广告 销售的地理位置 金融 经济 POS 人口统计 生命周期 1.5.2数据挖掘的定义 各行业电子商务网站 算 法 层 商 业 逻 辑 层 行 业 应 用 层 商业应用 商业模型 挖掘算法 CRM 产品推荐 客户细分 客户流失 客户利润 客户响应 关联规则、序列模式、分类、聚集、神经元网络、偏差分析… WEB挖掘 网站结构优化 网页推荐 商品推荐 。。。 基因挖掘 基因表达路径分析 基因表达相似性分析 基因表达共发生分析 。。。 银行 电信 零售 保险 制药 生物信息 科学研究 。。。 相关行业 数据挖掘 数据库技术 统计分析 机器学习 模式识别 算法 其它。。。 可视化技术 * Data Mining: Concepts and Techniques * 数据挖掘与商务智能 Increasing potential to support business decisions End User Business Analyst Data Analyst DBA Decision Making Data Presentation Visualization Techniques Data Mining Information Discovery Data Exploration Statistical Summary, Querying, and Reporting Data Preprocessing/Integration, Data Warehouses Data Sources Paper, Files, Web documents, Scientific experiments, Database Systems 从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们所不知道的、但又是潜在有用的信息和知识的过程。 从商业应用角度看，数据挖掘是一种崭新的商业信息处理技术、主要特点是对商业数据库中的大量业务数据进行抽取、转化、分析和模式化处理，从中提取辅助商业决策的关键知识，即从一个数据库中自动发现相关商业模式。因此数据挖掘可以描述成：按企业既定目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的商业规律，并进一步模式化的处理方法。 表1-2 数据挖掘工具与传统数据分析工具的比较 传统数据分析工具(DSS/EIS) 数据挖掘工具 工具特点 回顾型的，验证型的 预测型的、发现型的 分析重点 已经发生了什么 预测未来的情况、解释发生的原因 分析目的 从过去的事实中列出了管理人员感兴趣的事实 锁定未来的可能客户，以减少未来的销售成本 数据集大小 数据维、维中属性值、维中数据均是少量的 数据维、维中属性值、维中数据均是庞大的 启动方式 企业管理人员、系统分析员、管理顾问启动与控制 数据与系统启动，少量的人员指导 技术状况 成熟 统计分析工具已成熟，其他工具正在发展中 1.6数据挖掘技术与工具 1.6.1常用数据挖掘技术 传统分析类：常用的数据挖掘模型主要有线性分析和非线性分析、回归分析、逻辑回归分析、单变量分析、时间序列数据、最近邻算法和聚类分析等技术。 知识发现类：包含人工神经网络、决策树、遗传算法、粗糙集（Rough Set，RS）和关联规则等。 最新发展的数据挖掘技术：包含文本数据挖掘、Web数据挖掘、可视化系统、空间数据挖掘和分布式数据挖掘技术等。 1.6.2常用数据挖掘工具 按使用方式分类的数据挖掘工具：决策方案生成工具、商业分析工具和研究分析工具。 按照数据挖掘技术分类的数据挖掘工具：基于规则和决策树的工具，基于模糊逻辑的工具和综合性数据挖掘工具等。 按应用范围分类的数据挖掘工具：专用型数据挖掘工具（SKICAT空间数据挖掘，TASA网络通信故障）和通用型数据挖掘工具（IM、SPSS和Red Brisk等）。 1.6.3数据挖掘工具的评价标准 模式种类的数量 解决复杂问题的能力 操作能力 数据获取能力 数据结果的输出 噪声数据的处理及挖掘工具的鲁棒性 1.6.4常用数据挖掘工具的选择 工具的实用性 工具的技术型