分析培训ppt课件.pptx

《分析培训ppt课件.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据仓库的我国的发展前景：随着计算机技术的发展，尤其是分布式技术的发展，数据仓库在我国有着广阔的发展空间和良好的发展前景。例如：由于银行商业化的步伐正在加大，各大中型银行在入世的机遇和挑战下，开始重新考虑自身的业务，特别是信贷风险管理方面特别注意，因而有关信贷风险管理和风险规章的基于数据仓库的决策支持系统的需求逐渐增多；由于电子商务的迅速发展，越来越多的电子商务网站，开始考虑如何将数据仓库应用于商品销售分析、顾客的诚信度分析等，为客户提供更进一步的个性化服务；如移动通信等各大型企业也开始考虑着手进行决策支持以及数据仓库规划。1如

2、何有效使用数据库中存储的海量数据？数据挖掘就是从大量的实际应用数据中，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的主要目的是提高市场决策能力，检测异常模式，在过去的经验基础上预言未来趋势等。例如，通过对大量气象资料和销售资料的处理及分析，德国的啤酒商发现，夏天气温每升高1℃，就会增加230万瓶的啤酒销量；而日本人则发现，夏季30℃以上的天气每增加一天，空调的销量便增加4万台。2数据挖掘简介数据挖掘（ＤataMining）：又称为数据库中的知识发现，是基于ＡＩ、机器学习、统计学等技术，高度自动化地分

3、析原有的数据，进行归纳性推理，从数据仓库或数据库中提取可信的、新颖的、有效的、人们感兴趣的、能别人理解的知识的高级处理过程。这些知识是隐含的、事先未知的有用信息，提取的知识表现为概念、规则、模式、规律等形式，以帮助管理者作出正确的决策。模式：它给出了数据特性或数据之间的关系，是对数据所包含的信息更抽象的描述。模式按功能可以分为预测型模式和描述型模式。在实际应用中，可以细分为关联模式、分类模式、聚类模式和序列模式等。3数据挖掘简介数据挖掘和数据仓库是作为两种独立的信息技术出现的。它们都可以完成对决策过程的支持，并且相互间有一定的内

4、在联系。因此，将数据仓库与数据挖掘集成到一个系统中将能够更有效地提高系统的决策支持能力。数据挖掘是一门交叉性学科，它涉及到机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计算、专家系统等多个领域。可广泛地应用于信息管理、过程控制、科学研究、决策支持等许多方面。4DM系统的体系结构（1）DW的步骤：数据准备：数据集成数据选择预分析挖掘表述评价（2）DW系统的结构：用户界面结果输出数据挖掘核心知识库数据仓库数据库文件系统其他数据源ODBC或其他专用数据库接口5数据准备阶段：经过处理过的数据一般存储在数据仓库中。数

5、据准备是否做得充分将影响到数据挖掘的效率和准确度以及最终模式的有效性。包括：数据的选择：选择相关的数据数据的净化：消除噪音、冗余数据数据的推测：推算缺失数据数据的转化：离散值数据与连续值数据之间的相互转换、数据值的分组分类、数据项之间的计算组合等数据的缩减：减少数据量数据清洗的过程6数据挖掘的过程挖掘阶段：该阶段是数据挖掘的核心步骤，也是技术难点所在。根据数据挖掘的目标，采用人工智能、集合论、统计学等方法，应用相应的数据挖掘算法，分析数据并通过可视化工具表述所获得的模式或规则。7数据挖掘的过程评价阶段：在数据挖掘中得到的模式可能

6、是没有实际意义或没有使用价值的，也有可能不能准确反映数据的真实意义，甚至在某些情况下是与事实相反的，因此需要评估，确定哪些是有效的、有用的模式。评估可以根据用户多年的经验，有些模式也可以直接用数据来检验其准确性。8数据挖掘的类型数据挖掘的任务:是从大量的数据中发现模式。比较典型的有：预测模型关联分析分类分析聚类分析序列分析偏差检测模式相似性挖掘Web数据挖掘9可视化技术可视化数据分析技术拓宽了传统的图表功能，使用户对数据的剖析更清楚、更直观。例如，把数据仓库中的多维数据或者把由数据挖掘获得的模式和规则变成多种图形，这对揭示数据的

7、状况、内在本质及规律性起到了重要的作用。10数据挖掘解决的典型商业问题数据挖掘技术从一开始就是面向应用的，尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域。解决的典型商业问题包括：数据库营销（DatabaseMarketing）、客户群体划分（CustomerSegmentation&Classification）、背景分析（ProfileAnalysis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失性分析(ChurnAnalysis)、客户信用记分(CreditScoring)、欺诈发现(

8、FraudDetection)等等。11数据挖掘在市场营销的应用是以市场营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费