第10章商务智能与决策支持公共管理摘要.ppt

10.3数据仓库与联机分析处理 数据仓库的组织结构 它是将来自不同源头包括从业务数据库中获得的基础数据和综合数据的数据按照一定的逻辑分成一些层次（如下图）。 内部 外部 元数据 客户端 元数据（Meta Data）是一类为数据仓库中的内容进行整理、归纳、分类、简化等活动的说明和指南的数据。 （一）元数据 10.3 数据仓库与联机分析处理 元数据与数据集市 10.3 数据仓库与联机分析处理 数据集市（Data Mart）也叫数据市场，是一种更小、更集中的数据仓库。它是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。 （二）数据集市 数据仓库 从属数据集市 数据源 数据分析 从属数据集市结构 独立数据集市 数据源 数据分析 独立数据集市结构 从结构上划分，数据集市可以分为两种：（如右图） 独立的数据集市； 和从属数据集市。 10.3 数据仓库与联机分析处理 联机分析处理概念 联机分析处理（On-Line Analytical Processing，OLAP）是一种使得分析人员能够迅速、一致、交互地从多维信息、特定问题的联机数据访问等方面观察信息，以达到深入理解数据目的的软件技术。 OLAP具有灵活的分析功能、直观的数据操作功能和分析结果可视化等优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，有利于做出正确的判断。OLAP的这些功能取决于其四种内在的特性： 10.3 数据仓库与联机分析处理 联机分析处理体系结构 数据仓库与OLAP的关系是互补的，现代OLAP系统一般以数据仓库作为基础，即从数据仓库中抽取详细数据的一个子集并经过必要的聚集存储到OLAP存储器中供前端分析工具读取 数据库 DBMS 分析程序 用户接口 MDDB（多维数据库） 关系DBMS产生多维视图 分析程序创建多维视图 随着数据采集技术和存储技术的快速发展，企业建立了庞大的数据库和数据仓库，积累了大量的数据，并呈现“爆炸式”的增长。然而一般的数据分析技术（如前面提到的数据仓库和联机分析处理技术）只能完成简单的统计分析工作，而不能对这些数据所蕴涵的模式进行有效分析。 怎么运用这么多的数据？ 10.4 数据挖掘 数据挖掘的概念 10.4 数据挖掘 数据挖掘的概念 10.4 数据挖掘 数据挖掘的功能与技术 10.4 数据挖掘 数据挖掘的功能与技术 （一）分类分析 基本思想：找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类。 应用范围：客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而在节约营销成本的情况下大大增加了商业机会。 常见算法：决策树、神经网络、k紧邻算法、贝叶斯分类器、支持向量机等。 10.4 数据挖掘 数据挖掘的功能与技术 （二）回归分析 基本思想：反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系。 应用范围：可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。 常见算法：很多分类算法都可以用在回归分析中，如神经网络、k近邻算法、支持向量机等，此外还有一元、多元回归分析等技术。 10.4 数据挖掘 数据挖掘的功能与技术 （三）聚类分析 基本思想：把一组数据按照相似性和差异性分为若干类或簇，使得同一簇中的数据间的相似度尽可能大，而不同簇中的数据间的相似性尽可能小。 应用范围：客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。例如，银行的信用卡中心通过聚类方法可以将信用卡申请人分为高度风险申请者、中度风险申请者和低度风险申请者。 常见算法：按照聚类的原理，可以分为基于划分、层次、密度、网格、模型等五类聚类算法。 分类与聚类有何区别？ 10.4 数据挖掘 数据挖掘的功能与技术 （四）关联分析 基本思想：发现大量数据集中频繁出现的项集之间有趣的关联或相关联系（称为关联规则） 。 应用范围：广泛应用于商品货架布置、销售配货、商品陈列设计、交叉销售、客户寻求等领域。 常见算法： Apriori算法是最常见的寻找关联规则的算法。 引导案例——购物篮的关联规则分析 10.4 数据挖掘 数据挖掘的过程 10.5 人工智能与专家系统 人工智能的概念和发展 人工智能（Artificial Intelligence，简称AI）是计算机科学的一个分支，研究如何用计算机来模拟人类的智能活动，求解需要人类智力才能解决的复杂问题，如定理证