数据挖掘在企业中地应用.pdfVIP

数据挖掘在企业中的应用 摘要 从1989年KDD 一词出现在第十一届国际联合人工智能学术会议上以来 数据挖掘技术己成为业界人士的研究热点 其发展非常迅速 应用更加广泛 数据挖掘技术融合了数据库 人工智能 机器学习 统计学等多个领域的理论 和技术 它能从大量数据中提取隐含在其中的 人们事先不知道的 有用的信 息和知识 从而指导企业经营运作 本人根据移动通信运营商的具体需求 运 用SPSS 公司的数据挖掘软件Clementine 8.1 对电信企业大客户流失主题实施数 据挖掘 通过数据分析得到影响移动通信运营商大客户流失的主要因素 为企 业运用数据挖掘工具进行具体案例分析提供借鉴 本文首先分析了数据挖掘出 现的必然性 介绍了数据挖掘的概念 历史 研究现状 热点和前景 并分析 比较了与其相关的两项重要技术 数据仓库和联机分析处理 然后论述了数据 挖掘的方法 步骤和数据挖掘工具的评价方法 列举了数据挖掘在某些行业中 的具体应用 并分析了我国数据挖掘应用不足的原因 提出在数据挖掘项目实 施过程中应注意的问题 关键字 数据挖掘 KDD 数据仓库 联机分析处 SPSS Clementine 流失 The Application of Data Mining in Enterprise Abstract Data Mining (DM) technology has become a highly attractive field in computer science since the term Knowledge Discovery in Database (KDD) first appeared in the 11th International AI Academic Conference in 1989. DM has been developed rapidly and applied widely. DM combines theories and technologies of many fields, such as Database, Artificial Intelligence, Machine Learning, and Statistics. It is able to abstract unpredicted but valuable knowledge from mass data to guide business operations of enterprises. According to specific requirements of the Mobil Telecommunications, the author applied Clementine 8.1 of SPSS Inc., a DM software, to analyze reasons of VIP customers churning. Moreover, the author sumarized the successful experience of implementing DM software to analyze data in enterprise. In the first part, the author analyzed why the DM appeared, and explained its concept, history , current research, hot topics and outlook. Secondly, the author described and compared Data Warehouse and On-Line Analytical Processing which are relevant to DM. In addition, the author explained methods and steps of DM in detail, and methods for eval