数据挖掘及其应用.ppt

数 据 挖 掘 技 术 及 其 应 用 数据挖掘技术及其应用 Data Mining and its Applications 主要内容 为什么要数据挖掘? 什么是数据挖掘? 数据挖掘的基本技术 数据挖掘的应用领域及其作用 数据挖掘的应用 为什么要数据挖掘? 随着信息技术应用的深入，特别是条码技术的普遍使用，人们收集、存贮、传输数据的能力迅速增长。成千上万的数据库已被广泛应用到政府、企业、银行、科研机构等各个领域，数据出现了爆炸性的增长。与此形成鲜明对比的是， 人们分析、处理、利用数据的能力却有限，对决策有价值的信息与知识仍然非常匮乏， 互联网的兴起更加剧了“数据爆炸、知识匮乏”趋势。数据挖掘正是在这种背景下发展起来的全新技术，已成为很多企业成功的“关键因素”。正如诺贝尔奖获得者Arno Penzias 博士指出那样，数据挖掘变得越来越重要， 这项技术使得企业能获得任何有关其顾客的信息与知识，任何企业如果不投资这项技术， 就有可能失去未来的市场。 什么是数据挖掘? 数据挖掘 (Data Mining) (从数据中发现知识) 数据挖掘是从大量不完全、有噪声、模糊、随机数据中， 提取隐含其中、不为人知、具有潜在价值的信息和知识的过程。 数据挖掘也称为知识发现(Knowledge Discovery in Databases) ，即用机器学习方法来发现数据库中隐藏的知识。数据挖掘不同于简单的数据查询，数据查询是从数据库中找到有意义的事实，而数据挖掘是从数据中发现有用的趋势和模式。 数据挖掘实例 美国加州某个超市连锁店通过数据挖掘从记录着每天销售和顾客基本情况的数据库中发现：在下班后前来购买婴儿尿布的顾客多数是男性，他们往往也同时购买啤酒。于是这个连锁店的经理当机立断地重新布置了货架，把啤酒类商品布置在婴儿尿布货架附近，并在二者之间放上土豆片之类的佐酒小食品， 同时把男士们需要的日常生活用品也就近布置。这样一来，上述几种商品的销量几乎马上成倍增长。 数据挖掘的基本技术 分类：分类是数据挖掘中一项非常重要的任务，目前在商业上应用最多。分类是使用类标记已知的数据对象作为训练集，通过对该数据集的分析，导出数据的分类模型，然后使用模型预测未知数据。 聚类：聚类是根据数据的不同特征，将其划分不同的数据类，目的是使同一类别的个体之间的距离尽可能小，而不同类别上的个体间的距离尽可能大。 关联分析：关联规则挖掘是从大量的商业事务记录中发现大量数据项之间有趣的相关性。关联规则发现广泛应用于市场营销、事务分析等领域。 孤立点分析：数据库中包含那些不符合大多数数据对象所构成的规律(模型)的数据对象就被称为孤立点。对这些数据的挖掘分析可以处理一些特殊事件。 演变分析：数据演变分析描述行为随时间变化的对象的规律或趋势，并对其建模。可以进行趋势分析、相似性分析、与时间有关数据的序列模式挖掘和周期模式挖掘。 知识发现 (KDD) 过程 数据挖掘—知识发现过程的核心 数据挖掘: 多种技术的融合 数据挖掘的应用领域及其作用 数据挖掘技术在现实世界中具有广阔应用。 它主要应用在CRM和ERP这两个系统中。 客户关系管理 CRM 客户关系管理(Customer Relationship Management)是适应企业以产品为中心到以客户为中心经营模式的战略转移而迅猛发展起来的一种新的管理技术，它以信息技术为手段，对相关业务功能重新设计，并对相关工作流程进行重组，以达到留住老客户、吸引新客户、提高客户利润贡献度等目的。 数据挖掘的应用领域及其作用 企业资源计划ERP ERP的全称是Enterprise Resources Planning，即企业资源计划。它的内在含义是指利用计算机系统技术，将企业内部和外部资源信息按照成本管理原则分类整理所形成的信息管理系统。它的主要宗旨就是将企业各方面的资源(包括人、财、物、产、供、销等方面)充分调配和平衡，使企业在激烈的市场竞争中能够合理地配置企业内部和外部的资源，全方位地发挥各方面的能量，从而使企业取得更好的经济效益。 数据挖掘的应用 关联规则挖掘 Web使用挖掘 空间数据挖掘 关联规则挖掘 动机: 寻找数据中固有的规律 什么产品会经常在一起购买?— 啤酒和尿布?! 买了一台电脑之后接着会买什么? 哪种 DNA对新药是敏感的? 我们能够自动分类Web文档吗? 应用 购物篮分析，交叉销售，分类设计，销售活动分析，Web 日志(点击流)分析，以及DNA 序列分析。 关联规则挖掘 购物篮分析 商店的经理想了解顾客的购物习惯 什么商品组或集合顾客多半会在一次购物时同时购买 可以帮助制定营销策略 有选择地安排货架 按比例进货 Web使用挖掘 Web使用挖掘的主要目标是