數(shù)據(jù)挖掘與bi借數(shù)據(jù)一雙慧眼-wenkub
2023-05-19 23:56:50 本頁(yè)面
【正文】 數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)和數(shù)據(jù)挖掘建模是 DM 價(jià)值鏈上的兩大技術(shù)要點(diǎn)。虛線表示曾經(jīng)擁有。循環(huán)往復(fù)，生息不止。在 Google 上采用完整模式搜索“數(shù)據(jù)挖掘”，得到了 27,700 余項(xiàng)查詢結(jié)果；若是搜索“ Datamining”，居然得到了 122,000 余項(xiàng)。 山東煙草專(zhuān)賣(mài)局現(xiàn)在有開(kāi)展數(shù)據(jù)挖掘項(xiàng)目的計(jì)劃，但還沒(méi)有開(kāi)始做。 用戶背景鏈接 北京協(xié)和醫(yī)院開(kāi)展數(shù)據(jù)挖掘工作的目的是為臨床化醫(yī)療管理，以及醫(yī)院業(yè)務(wù)管理等提供支撐，并輔助領(lǐng)導(dǎo)決策。 數(shù)據(jù)挖掘與 BI 借數(shù)據(jù)一雙慧眼 2 月 19 日上午 10 點(diǎn)至 11 點(diǎn)，我刊“數(shù)據(jù)挖掘與商業(yè)智能在線研討會(huì)”于賽迪網(wǎng)網(wǎng)上會(huì)議中心如期舉行。目前開(kāi)始做數(shù)據(jù)挖掘方面的研究工作。他們打算從簡(jiǎn)單的分析做起，隨著數(shù)據(jù)量增加 ，逐步完善挖掘功能。與此同時(shí)，一些關(guān)聯(lián)詞匯也冒出來(lái)了，“數(shù)據(jù)倉(cāng)庫(kù)”，“商務(wù)智能（ BI）”就是其中兩個(gè)，大有后來(lái)居上之勢(shì)。 數(shù)據(jù)倉(cāng)庫(kù)（ DW）、商務(wù)智能（ BI）和知識(shí)發(fā)現(xiàn)（ KDD）又分別是什么呢？如圖 2 所示。第二，如果不這樣畫(huà)，理論界、應(yīng)用廠商會(huì)不答應(yīng)，因?yàn)椴还茉瓉?lái)是做數(shù)據(jù)庫(kù)的（ IBM， Sybase， NCR， Oracle，Microsoft， etc），還是做統(tǒng)計(jì)分析軟件的（ SAS， Statistica， SPSS，etc），甚至是做報(bào)表工具的（ BO， Brio， Cognos， etc），都拼命在延伸自己的價(jià)值鏈。數(shù)據(jù)挖掘從狹義的角度講，只管從數(shù)據(jù)到知識(shí)這一段。簡(jiǎn)要說(shuō)明如下： （ 1）描述統(tǒng)計(jì)（ Descriptive statistics） 描述統(tǒng)計(jì)是數(shù)據(jù)挖掘的入 門(mén)兵器，直觀、簡(jiǎn)單，高手常常用來(lái)摘葉飛花。 描述統(tǒng)計(jì)的應(yīng)用十分廣泛：比如當(dāng)月公司利潤(rùn)總額，比較不同區(qū)域的銷(xiāo)售量等等。盡管這條規(guī)則很可信（ 100％），但是意義卻不大。 一般說(shuō)來(lái)，分類(lèi)的方法有三種：回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)?！拔镆灶?lèi)聚，人以群分”。時(shí)間序列的最大特點(diǎn)就是充分挖掘事物本身隨時(shí)間的規(guī)律。比如，如何度量客戶滿意度？客戶滿意度與客戶期望，產(chǎn)品，價(jià)格，服務(wù)，投訴處理和客戶忠誠(chéng)是什么關(guān)系？是怎么作用的？只有搞清楚了這些關(guān)系，才可能不斷提高客戶滿意度和客戶忠誠(chéng)度。 CRISPDM 分成如下六個(gè)階段：商業(yè)理解（ Business Understanding），數(shù)據(jù)理解 (Data Understanding)，數(shù)據(jù)準(zhǔn)備 (Data Preparation)，建模 (Modeling)，評(píng)估 (Evaluation)和發(fā)布 (Deployment)。對(duì)我國(guó)的企業(yè)來(lái)說(shuō)， DM 的興起和成功應(yīng)用是一個(gè)很好的發(fā)展機(jī)會(huì)。相信今年是數(shù)據(jù)挖掘項(xiàng)目會(huì)得到大力發(fā)展的一年。 2．選取和抽樣：在這個(gè)階段，建模小組要搜尋并檢查客戶數(shù)據(jù)，作為以后分析挖掘時(shí)所用變量的簡(jiǎn)略一覽表。通常，數(shù)值分析是全面理解數(shù)據(jù)的第一步，跟著進(jìn)行的統(tǒng)計(jì)分析是為了得到有關(guān)數(shù)據(jù)分布的更好知識(shí)。建模小組通常嘗試不同的建模技術(shù)或結(jié)合不同數(shù)據(jù)集，并衡量模型性能的不同，選出最好的 。收集實(shí)施結(jié)果反饋，為模型的退化進(jìn)行偵測(cè)，更進(jìn)一步改善模型性能。 數(shù)據(jù)挖掘項(xiàng)目的項(xiàng)目計(jì)劃會(huì)涵蓋以上的各個(gè)階段，但完成整個(gè)項(xiàng)目所需的時(shí)間則要根據(jù)多個(gè)關(guān)鍵因素而定，如挖掘?qū)ｎ}的復(fù)雜程度、客戶對(duì)挖掘結(jié)果性能評(píng)定的期望、可用的數(shù)據(jù)完備性及數(shù)據(jù)質(zhì)量、項(xiàng)目人力資源是否充足以及人員能力等等。 (■ NCR（中國(guó)）有限公司數(shù)據(jù)倉(cāng)庫(kù)事業(yè)部技術(shù)經(jīng)理 張磊博士 ) ◆ 智能源于積累 國(guó)內(nèi)商業(yè)智能市場(chǎng)正處于剛剛起步的階段，繼去年電信行業(yè)全國(guó)性數(shù)據(jù)倉(cāng)庫(kù)建設(shè)之后，今年會(huì)有更多的企業(yè)、集成商參與到這個(gè)市場(chǎng)。這些問(wèn)題很有代表性，也是許多開(kāi)始探索商業(yè)智能應(yīng)用的企業(yè)所面臨的困惑。有人認(rèn)為，商業(yè)智能不就是做報(bào)表的嗎？ 實(shí)際上，傳統(tǒng)業(yè)務(wù)系統(tǒng)是面向點(diǎn)的，能給出詳細(xì)的功能定義。數(shù)據(jù)挖掘在目前也可以開(kāi)展，但也要以 12 個(gè)為主，不要貪多，目的不是用這 12 個(gè)主題來(lái)解決業(yè)務(wù)問(wèn)題，而是充分理解商業(yè)智能和數(shù)據(jù)挖掘的使用方式和內(nèi)涵。 在這一階段中，商業(yè)智能系統(tǒng)的架構(gòu)可能多次調(diào)整。 ◆ 集中建設(shè)階段 經(jīng)過(guò)前一階段的經(jīng)驗(yàn)積累，企業(yè)有了一個(gè)穩(wěn)定的使用方式和系統(tǒng)架構(gòu)，這個(gè)階段的主要問(wèn)題就是企業(yè)級(jí)數(shù)據(jù)的整合，以及交叉主題的開(kāi)展。最終使商業(yè)智能系統(tǒng)成為企業(yè)日常行為中不可或缺的一部分，使即席查詢成為業(yè)務(wù)員的日常習(xí)慣。此時(shí)，各行業(yè)的專(zhuān)家將歸納出許多商業(yè)規(guī)律，技術(shù)專(zhuān)家研究出許多新的數(shù)學(xué)模型，以滿足更高層次的 商業(yè)智能需求。商業(yè)智能系統(tǒng)最終要通過(guò)人，才能為商業(yè)所用，沒(méi)有終端操作人員的傾心配合，系統(tǒng)只能是一個(gè)死系統(tǒng)。國(guó)內(nèi)電信業(yè)已經(jīng)有一些成功案例，其他行業(yè)也開(kāi)始陸續(xù)規(guī)劃、實(shí)施數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，所以有理由看好今年的 BI 市場(chǎng)。 數(shù)據(jù)挖掘的任務(wù)是發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)中的新規(guī)則，為決策分析提
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1