学科名著阅读报告.docVIP

学科名著阅读报告 第一部分：学科名著导读 学科名闻名称：商业数据挖掘导论 作者：戴维·奥尔森、石勇，吕巍等译 出版社：机械工业出版社 出版年份：2007-8-1 内容提要：科学的进步使得人类猎取数据的力量大大增加，并且，越来越多的事实也表明数据能够猜测将来，专注于数据分析的数据挖掘技术由此而诞生。数据挖掘技术能够应用在人类生活的方方面面，对于逐利的商人们来说尤其重要。虽然数据挖掘技术并非完善无瑕，但它正在进展之中，隐藏着巨大的潜力。 本书是数据挖掘的基础教材，综合商业专业学问和数据挖掘模型开发与一体，系统地介绍了什么是数据挖掘、数据挖掘的过程、数据挖掘的技术以及数据挖掘在商业中的应用。本书分为四个部分，分别介绍了数据挖掘的基础学问和名词、数据挖掘的工具、数据挖掘在商业中的应用以及数据挖掘在进展中的问题，主线清楚，案例丰富。 其次部分：商业数据挖掘导论心得 数据挖掘是计算机普及之后才得以进展的技术，由于数据挖掘需要分析海量的数据，而仅仅依靠人工明显是不太可能的。数据挖掘进展至今已经形成一套完整的理论和方法，这得益于商业的驱动。数据挖掘在商业方面应用得可谓淋漓尽致，最闻名的要属超市啤酒和尿布的例子，虽然这一案例有待检验，但仍说明白数据挖掘技术对于商业的影响。除了商业领域，数据挖掘在其他的诸如政治、医学等领域也有越来越多的应用。与数据挖掘技术应用日益广泛的是数据挖掘的工具。为了适应各种不同的环境，数据挖掘工具也是多种多样，并常常在各领域组合使用，以获得最优的数据分析模型。 数据挖掘技术在商业中的应用最为广泛，包括名目营销、客户关系管理、信用评分、银行贷款、投资风险和保险等在内的众多商业领域都大量使用了数据挖掘技术，并且被证明是卓有成效的。当然，在应用数据挖掘相关技术之前，决策者得推断投入回报比，由于数据挖掘虽然有效，但需要大量持续的投入，这可能会让公司得不偿失。 数据挖掘分析的一般是规律性很强的数字、字母等数据，但当代文化中，产生了越来越多的电子文本，对文本进行数据挖掘的需求促进了数据挖掘技术在文本挖掘方面的进步。文本挖掘是对海量文本中的关键词进行辨认以在看似无规律的文本中猎取有规律的有用的数据。Web挖掘与此相像，也伴随着互联网的兴起而不断进展。 下面，将就本书的四个部分分别作心得体会。 数据挖掘简介 商业数据挖掘导论的第一部分主要介绍了数据挖掘的基础学问和相关名词，介绍了数据挖掘的过程、数据库支持及一些实例。 数据挖掘是指对存储在电脑中的海量数据进行分析，数据挖掘的核心是学问发觉，主要依靠统计和人工智能分析来处理浩大的各种各样的数据。数据挖掘在商业中的应用主要有顾客分析、目标指定和市场购物篮分析。 首先，从数据挖掘的工具来说，统计学是数据挖掘里特别重要的一个工具， 从本书其次部分对数据挖掘工具的介绍来看就可以知道，统计学几乎是数据挖掘的支撑。正如Two Crows公司总裁Herb Edelstein所说的：“假如你没有统计或挖掘方面的背景，要想完成数据挖掘工作，那将是令人难以置信的事。” 其次，数据挖掘在商业不同领域的应用也特别广泛，而且各有差别。例如在零售业，数据挖掘主要关心实现同族定位和交叉销售；在银行业主要用于客户关系管理；而在信用卡管理方面将用于客户的增值和客户流失的分析等等。数据挖掘的应用可以如此之广泛以至于其它众多行业包括电信业、电话营销以及人力资源管理等数据挖掘都在其中占有重要的地位。 最终，虽然数据挖掘技术在各细分领域的应用差别较大，但总的说来，他们都是对人本身的分析。各种各样详尽的数据几乎都是对人的行为特征的描述，最终的结果也是为了更好地服务于人。而由于人的行为特征特别庞杂，海量的数据分析让数据挖掘技术更加重要，计算机系统的进展赐予了很大的关心。 经过长时间的进展，数据挖掘已经有了一套完整的理论体系和一条标准化的流程。商业方面虽然各领域对数据挖掘的应用不尽相同但大致都遵循这一套标准流程。数据挖掘的流程一般包括：业务理解、数据理解、数据预备、建立模型、模型评估和模型发布。可以用如下的流程图表示： 业务理解 业务理解 数据理解 数据预备 建立模型 模型评估 模型发布 确定商业对象、了解现状、建立数据挖掘目标和指定方案书，关键是了解讨论的目的 确定可用的数据资源：清楚的描述、问题相关数据、变量相互独立；数据收集、数据描述、数据探究、数据质量核查 清理筛选数据，提高质量；过滤、筛选重复，用统计学的方法转换数据 采用合适的数据挖掘工具在不同的环境下建立适合的模型 可视化工具，数据分析员、商业分析员和决策者的相互沟通 从挖掘中的大学问，应用于实际 数据库的支持是数据挖掘的基础，海量数据由于有了数据库的相关技术才能够更轻松便利高效地被人们管理和采用。就我的理解来看，数据集市可能是数据库最重要的一种存在形式。数据集市是一种中等