客户关系管理教学资料-7第七章 CRM中的数据仓库和数据挖掘技术.pptVIP

5.数据挖掘的应用 A.数据挖掘在生物医学中的应用 B.数据挖掘在电信业中的应用 C.数据挖掘在金融业的应用 （二）数据挖掘算法 每一种数据挖掘方法都有多种算法来实现。现在越来越多的人在从事数据挖掘算法的研究。如果没有挖掘算法将数据挖掘原理加以实现，那么所提出的所有方法和思想都将变得没有意义。 A.关联规则挖掘 B.神经网络方法 C.决策树 D.聚类分析 E.孤立点分析 （三）数据挖掘实施方法 1.数据挖掘过程模型 许多公司针对数据挖掘过程提出了参考模型，具有代表性的是SPSS提出的5A模型和SAS提出的SEMMA模型。 2.数据挖掘的基本步骤 A.确定分析和预测目标 B.建立数据挖掘库 C.分析数据 D.建立模型 E.模型评估与验证 F.模型实施 （四）基于数据挖掘的决策支持系统 在传统的决策支持系统中，数据库、模型库和知识库往往被独立地设计和实现，因而不具有内在的统一性。而以数据仓库为中心，联机分折处理和数据挖掘为手段的新方案则很好地解决了这个问题，如下图所示。 以数据挖掘为中心的决策支持系统 1．本情景要求同学们对数据仓库的基本概念和原理进行掌握，了解OLAP分析，对数据仓库的应用前景有一定的认识，掌握数据仓库的实现过程和数据仓库的模型设计，对CRM中数据挖掘算法加以掌握。 2．本情景的重点是数据仓库的实现过程和数据仓库的模型设计，难点是数据挖掘算法。 本情景难点重点回顾 学习情景七  CRM中的数据仓库和数据挖掘技术 情景七结构框架 一、数据仓库综述 1、数据仓库基本概念 2、数据仓库的基本原理 3、多维数据库与OLAP分析 4、数据仓库模型设计 5、数据仓库的实现过程 6、CRM中的数据仓库的组成和管理 二、数据挖掘综述 1、数据挖掘的基本概念 2、数据挖掘算法 3、数据挖掘实施方法 4、基于数据挖掘的决策支持系统 情景七学习重点 本情景的重点是数据仓库的实现过程和数据仓库的模型设计，难点是数据挖掘算法。 一、数据仓库综述 （一）数据仓库基本概念 1. 数据仓库的产生 数据仓库的产生将企业的数据处理分为两部分。传统的关系数据库处理企业的日常事务，数据仓库则用于分析数据中隐含的信息，以支持决策。 2. 数据仓库与数据库的区别 特性 数据库 数据仓库 数据 当前数据 历史数据 面向 业务操作 数据分析 存取 读写操作 多为只读 使用频率 高 较低 数据访问量 少 多 要求的响应时间 较短 可以很长 关注 数据输入 信息输出 2.数据仓库的定义 著名的数据仓库专家W.H.Inmon在《Building the Data Warehouse》一书中给数据仓库的定义是：数据仓库是一个面向主题的、集成的、非易失、随时间变化的数据集合，用于支持管理决策。该定义指出了数据仓库的四个特性：面向主题、集成性、非易失性和时变性。 面向主题的特性 ：在数据仓库中，所有的数据都是围绕一定的主题进行组织的。在关系数据库，针对同一主题的数据分布在相关的各个数据表中，而在数据仓库中，针对同一主题的数据存放在同一数据表中，这样，在分析数据时管理者可以在数据仓库中方便的找到包含他关心的主题的所有数据。这就是数据仓库面向主题的特性。 集成性 ：数据仓库中的数据都是经过清洗、过滤、转换的。它们有统一的格式、表示方式、代码含义、相同的单位表示。消除了源数据中结构、表示方式、含义的不一致性，数据仓库中的数据具有集成性。 非易失性 ：在数据仓库中，所有的数据都是围绕一定的主题进行组织的。在关系数据库，针对同一主题的数据分布在相关的各个数据表中，而在数据仓库中，针对同一主题的数据存放在同一数