商业智能与数据挖掘技术详述.pptxVIP

引言CRM四大技术 三个层级后续各章业务管理子系统分析管理子系统协作管理子系统应用集成子系统部门级协同级企业级CRM业务管理系统客户数据库的设计和利用客户互动中心EAI，成功实施CRM数据挖掘流程优化与工作流管理第八章 商业智能与数据挖掘技术 第一节 概述第二节 关联规则挖掘第三节 决策树挖掘技术第四节 市场细分与聚类分析 第一节 概述一、商业智能 1、概念：是对商业信息进行加工处理、帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。 2、目标：决策能力、运营能力的提高。对各种业务系统的多数据源数据进行整合面向主题的多维度分析面向高层决策者的快速、及时、正确的决策分析为各层决策者服务的即时查询对业务模型的深层次分析与预测 3、商业智能与数据挖掘惠普公司2007/11表示：正在寻找数据管理软件和商业智能软件公司，交易额可能达3-5亿美元，也可能为50亿-100亿美元。赛门铁克是全球最大的数据管理软件公司之一。2005年，赛门铁克通过并购Veritas进入该市场。在商业智能软件市场，2007年已有过多起并购交易：如IBM并购Cognos，SAP 并购Business Objects，Oracle并购Hyperion。消息：Oracle2007/4/18以29亿美元收购商业智能软件商Hyperion Solutions。 它将该公司软件与自己的商业智能和分析工具软件整合起来，以提高客户的规划、预算、运营分析等管理能力。 二、商业智能体系的构成理论基础，如CRM中的八大理论三项技术：数据仓库和数据集市产品，OLAP工具，数据挖掘软件应用界面：终端用户查询和报告工具 三、商业智能与企业应用系统之间的关系 三、数据挖掘概念定义：DM就是应用一系列技术从数据仓库中提取人们感兴趣的信息——概念、规则、规律、模式。它是深层次的数据分析,是分析型CRM的核心。 Data Mining is the application of artificial intelligence (AI) techniques (Neural network, fuzzy Logic, genetic arithmetic, etc) to large quantities of data, to discovery hidden trends, patterns ,and relationships---Meta Group DM 与KDD（知识发现）的关系。KDD：Knowledge discovery in database is the non-trivial process of identifying valid, novel, potential ,useful, and ultimately understandable pattern in data.等价：人工智能领域习惯称知识发现，数据库领域称DM。核心：把DM当作KDD的最核心部分。 3、DM的研究现状 首次KDD和DM研讨会1989年在底特律召开。1995年国际第一届KDD和DM学术会议在加拿大召开，定义了DM 。1998年第四届KDD和DM学术会议，30多家公司展示DM软件产品。KDD和DM现在已成为数据库领域最重要的课题之一，DM软件广泛应用于商业.经济.金融.管理。有影响的数据挖掘软件四、DM的应用市场营销：预测顾客购买行为，划分顾客群体。银行业：侦测欺诈行为；客户信誉度分析。零售业：预测销售额；决定库存量，批发点分布。制造业：预测机器故障；发现生产力的关键因素。经纪业和安全交易：预测债券价格、确定交易时间。电信：评估客户群；综合效益分析；网络性能评估。经营管理：评估客户信誉、部门业绩、员工业绩等。例：宝钢的DM1.???技术部要求：就某钢种找到一组生产条件，通过调整化学成分或轧制参数，提高断裂延伸率，降低抗拉强度。2.???? 数据预处理：从数据集市中，找出15000条质量记录。3.???? DM方法：聚类分析。4.???? 结论：（1）钢材两项性能指标与温度和两种元素含量有关。（2）增加该两项元素含量可实现两项目标。5.效益：技术部工程师建议：（1） 结合工程现状，保持温度不变。（2）?将某一元素（成本高）减少50% 以降低成本。 （3） 另元素含量客户需求加调整。五、DM技术的分类根据发现的知识种类分类 （1）总结（summarizing）：概括数据，做一般性结论（2）特征（characteristics）：描述数据的分布特征。（3）分类（Classification）：生成一分类函数或分类树。（4）聚集（Clustering）：聚集和分类的区别。（5）数据可视化（Description and Visualization）（6）关联规则（asso