[管理学]第八章-数据仓库和数据挖掘.pptVIP

第三部分 客户关系管理技术 第八章 数据仓库和数据挖掘 本 章 要 点 数据库系统 数据仓库系统 数据挖掘 1. 数据库系统(Database System) 1.1 数据库系统组成 数据库 按一定的数据模型组织、描述和存储的，有组织、可共享的数据集合 数据库管理系统（DBMS） 帮助用户建立、使用和管理数据库的软件系统 硬件系统 用户 1.2 数据库系统结构 1.3 数据库系统三级模式结构 1.4 关系数据库 关系数据库 在一个给定的应用领域中，所有实体及实体间的联系的关系集合构成关系数据库(图) 结构化语言(SQL) 关系数据库实例 SQL: 创建表 (Create table) Create table Customer ID number (3) primary key, Name char(8) not null, Age number(2), Sex char(2) SQL:输入数据（Insert into） Insert into Customer values(1,“Mary”,18, “F”) SQL:删除数据（Delete） Delete from Customer where ID =4 SQL:更新数据（Update） Update Customer set Age =27 where ID =5 SQL:查询数据（Select） Select ID,Name,Age from Customer where Age 20 and Age30 SQL:联合查询数据(Select,Join) SQL:联合查询数据(Select,Join) Select Customer.ID, Name, Age, Sex, Product from Customer, Orders where Customer.ID= Orders.C_ID 2. 数据仓库系统(Data Warehouse System) 2.1 数据仓库和数据库的区别 2.2 数据仓库系统的体系结构 2.3 数据仓库设计流程 2.3.1 概念模型设计 确定主题和所需信息 如，客户销售事实信息 2.3.2 创建数据仓库，转换数据 新建数据仓库crm.dw （图） 根据设计的概念模式，从数据库crm.db中抽取、筛选数据，存入新建的数据仓库（图） crm.dw数据仓库表关系 crm.db数据库表关系 转换数据 2.3.3 创建OLAP数据库,进行多维分析 创建Customer_sales_OLAP数据库 从数据仓库cmr.dw中选择事实表Sales，确定度量值（图） 创建多维数据集Customer_ sales_5 （图） 浏览多维数据集Customer_ sales_5 （图） 确定度量值 创建和浏览多维数据集sales_5 通过创建多维数据集向导创建多维数据集，并设定维度级别 Customer维度，维度级别Country, City等 Product维度，维度级别CategoryName, ProductName Employee维度，维度级别EmployeeName Supplier维度，维度级别SupplierName Time 维度，维度级别OrderDate 2.4 数据仓库在CRM中的作用 客户行为分析 重点客户发现 客户流失预警 个性化服务 市场性能评估 3. 数据挖掘（Data Mining) 3.1 数据挖掘的概念 数据挖掘 从大量的 、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程 3.2 数据挖掘和联机分析处理的区别 联机分析处理 需要以假设为前提，属验证驱动型分析 数据挖掘 没有明确假设的前提，属发现驱动型分析 3.3 数据挖掘的功能 数据总结（Summarization） 将大量数据缩减为令人易于理解的、有意义的提要。 如，总结出客户群的特征，它与其它客户群的区别以其区别产生的原因 分类(Classification) 将数据映射到预先给定类别中的一个 如，分析客户的贷款风险，从而决定其贷款额 统计回归(Regression) 将数据映射到一个实数预测值 3.3 数据挖掘的功能 聚类(Clustering) 客观地按被处理对象的特征分类，有相同特征的对象被归为一类 如，有相同行为的客户组群 关联(Associations) 挖掘出数据库中隐藏的关联网 如，产品搭配销售 3.3 数据挖掘的功能 预测(Prediction) 自动在数据库中寻找预测性信息 如，销售预测 时间序列分析(Time Series Analysis) 又称趋势分析，即从相当长的时间的发展中发现规律和趋势 如，客户在银行开了一个支票账户，并在三个月内又