旅游数据资源管理技术.pptVIP

第五节 旅游企业中的数据仓库 二、数据挖掘（Data Mining） 数据挖掘的产生 起因：丰富的数据，贫乏的知识 发展：20世纪80年代开始，数据挖掘技术逐步发展起来 快速发展原因： 拥有巨大的数据资源，以及将这些数据资源转换为信息和知识资源的巨大需求 数据挖掘可被看作是数据管理与分析技术的自然进化产物 第六十一页，共九十九页。 什么是数据挖掘 ? 数据挖掘是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程，这些模型和关系可以用来做出决策和预测。 顾客数据到处都是，谁才是我的顾客？ 销售信息 订单目录 市场数据库 库存信息 客服信息 市场信息 第六十二页，共九十九页。 第五节 旅游企业中的数据仓库 二、数据挖掘（Data Mining） 数据挖掘基本知识 数据挖掘： 从大量数据中挖掘或抽取出知识。 数据库中知识发现 KDD，Knowledge Discovery from Database 从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。 整个知识挖掘过程由若干挖掘步骤组成，数据挖掘仅是其中一个主要步骤。 第六十三页，共九十九页。 数据挖掘能做些什么？ 数据特征化和数据区分 关联分析 分类和预测 聚类分析 孤立点分析 演变分析 第六十四页，共九十九页。 数据挖掘的常用方法 决策树 相关规则 神经元网络 遗传算法 可视化 OLAP联机分析处理 统计方法 第六十五页，共九十九页。 数据挖掘的常用方法 决策树 决策树(Decision Tree)。决策树方法被成功地应用于信用卡损失和不同的国际流通货币的时序预测等各种问题中。一般可用于探索问题、数据预处理和预测中。目前常用的有ID3、CHAID和CART等几种典型的算法。 决策树算法的主要优点是直观，其缺点在于随着数据复杂性的增加，分支数会增加，对数据仓库的搜索次数会增加，管理难度会加大。 第六十六页，共九十九页。 数据挖掘的常用方法 神经元网络 神经元网络(Neural Network)。神经元网络虽然在易用性和易理解性方面受到了限制，但其正确率很高。它通过学习发现规律，然后进行预测。神经元网络可用于聚类、异常发现、特征制取和预测。 第六十七页，共九十九页。 数据挖掘的常用方法 遗传算法 遗传算法(Genetic Algorithms)。遗传算法是霍兰等人于20世纪40年代提出的。以生物进化的过程为基础，加以交叉、变异和选择运算，逐步得到问题的最优解。 第六十八页，共九十九页。 第五节 旅游企业中的数据仓库 二、数据挖掘（Data Mining） 数据仓库与数据挖掘 数据仓库是创建商务智能过程中，继数据库技术后进一步的发展（超过数据库）。 数据挖掘工具是人们用于数据仓库和商务智能推理过程中，支持决策、解决问题或创造竞争优势而挖掘有价值信息时所必需的工具。 第六十九页，共九十九页。 ORACLE 数据仓库和数据挖掘解决方案 Data Warehousing ETL OLAP Data Mining Metadata 第七十页，共九十九页。 第三节 数据库模型 二、关系数据库模型 数据模型 关系模型 当前广泛应用的数据库管理系统几乎都支持关系模型，称为关系型数据库管理系统（Relational Data Base Management System，即RDBMS） 关系模型用二维表表示实体及其相互联系 对表的构成形式有一定限制 第二十九页，共九十九页。 第三节 数据库模型 二、关系数据库模型 数据模型 关系模型 关系模型的主要术语 元组：行，对应实体，相当于记录 属性和属性名：列，列的名称 分量：一个元组在一个属性上的值 关系与关系名：整表是一个关系 关系模式：关系名及其所有属性名集合 第三十页，共九十九页。 第三节 数据库模型 二、关系数据库模型 数据模型 关系模型 关系模型对二维表的限制 ①表中每一列都必须是不可分的基本项。 ②表中没有完全相同的两个元组。 在一个关系模式中： ③不能有两个属性具有相同的属性名。 ④属性间顺序和元组间顺序都是无关紧要的。 第三十一页，共九十九页。 第四节 旅游企业中常用的数据库管理系统 一、Oracle数据库管理系统 完整的数据管理功能 分布式数据库系统，支持Internet应用 提供界面友好、功能齐全的数据库开发工具 使用PL/SQL语言执行各种操作 可开放性、可移植性、可伸缩性 支持面向对象的功能，如类、方法、属性等 对象/关系型数据库管理系统 目前最新版本是Oracle 11g 第三十二页，共九十九页。 第四节 旅游企业中常用的数据库管理系统 二、DB2数据库管理系统 具