某sas軟件研究所公司sas數(shù)據(jù)挖掘白皮書-全文預覽
【正文】 中，SAS語言可以直接實現(xiàn)將靜態(tài)GIF圖形文件組織成動態(tài)GIF文件。而SAS BAS等產(chǎn)品提供了強大的數(shù)據(jù)清理和轉換功能。下面首先介紹此分析套件的功能，之后再介紹SAS的產(chǎn)品配置方案及其工作模式。這時候可能要對前面的工作進行反思了。另一種辦法是另外找一批數(shù)據(jù)，已知這些數(shù)據(jù)是反映客觀實際的規(guī)律性的。除了在數(shù)據(jù)處理過程中SAS軟件提供給你的許多檢驗參數(shù)外，評價的辦法之一是直接使用你原來建立模型的樣板數(shù)據(jù)來進行檢驗。這時就要能很好的綜合它們的影響規(guī)律性提供合理的決策支持信息。Assess──模型和知識的綜合解釋和評價從上述過程中將會得出一系列的分析結果、模式或模型。SAS在這時也向你提供了充分的可選擇的技術手段：回歸分析方法等廣泛的數(shù)理統(tǒng)計方法；關聯(lián)分析方法；分類及聚類分析方法；人工神經(jīng)元網(wǎng)絡；決策樹……等。Model──模型的研發(fā)、知識的發(fā)現(xiàn)這一步是數(shù)據(jù)挖掘工作的核心環(huán)節(jié)。針對問題的需要可能要對數(shù)據(jù)進行增刪；也可能按照你對整個數(shù)據(jù)挖掘過程的新認識，要組合或者生成一些新的變量，以體現(xiàn)對狀態(tài)的有效的描述。這是十分重要的。這就使你數(shù)據(jù)分析過程集聚于你業(yè)務領域的問題，并使你的思維保持了一個集中的較高級的活動狀態(tài)，從而加速了你的思維過程，提高了你的思維能力。假如在你的操作中出現(xiàn)了這種情況，應當說，你的數(shù)據(jù)挖掘已挖到了有效的礦脈。但是，你也要注意，不要讓你的專業(yè)知識束縛了你對數(shù)據(jù)特征觀察的敏銳性。但是，這種復雜的關系不可能一下子建立起來。SAS有：SAS/INSIGHT和SAS/SPECTRAVIEW兩個產(chǎn)品給你提供了可視化數(shù)據(jù)操作的最強有力的工具、方法和圖形。利用它支持你進行決策才是真正有效的，并能使企業(yè)進一步獲得技術、經(jīng)濟效益。SAS不僅支持這一取樣過程，而且可對所取出的樣本數(shù)據(jù)進行各種例行的檢驗。因為通過數(shù)據(jù)挖掘是要探索企業(yè)運作的規(guī)律性的，原始數(shù)據(jù)有誤，還談什么從中探索規(guī)律性。這就象在對開采出來礦石首先要進行選礦一樣。 Explore──數(shù)據(jù)特征探索、分析和予處理178。這兩種方案分別為：一、深層統(tǒng)計分析與預測套件；二、數(shù)據(jù)挖掘套件。同樣，要想有效地進行數(shù)據(jù)挖掘也必須要有好的工具和一整套妥善的方法論。SAS數(shù)據(jù)挖掘軟件廣泛應用于客戶關系管理、金融風險防范、供應關系管理、數(shù)據(jù)庫營銷、企業(yè)均衡記分卡、e智能化及競爭優(yōu)勢分析等方面。通過數(shù)據(jù)挖掘還可以建立起企業(yè)或某個過程的各種不同類型模型。 對有很深計算機和數(shù)學造詣的數(shù)據(jù)分析專家不僅要提供上述環(huán)境，而且還要提供實現(xiàn)各種算法的工具和開發(fā)平臺。190。對應他們隨機的需求，應當提供菜單式選擇的方便工具。實際上早期的決策支持主要就是數(shù)據(jù)查詢的支持。有了反映業(yè)務主題全貌的數(shù)據(jù)后，在進行數(shù)據(jù)的分析、探索時，對于不同的人，可能會采用不同的方式方法。假如所取用的數(shù)據(jù)并不足以反映企業(yè)的真實情況，當然也不可能挖掘出有用的規(guī)律。一組生產(chǎn)數(shù)據(jù)可作生產(chǎn)能力的分析；可作生產(chǎn)成本核算的分析；亦可作影響產(chǎn)品質(zhì)量諸因素的分析。一些簡單的決策支持所需要的就是有針對性的數(shù)據(jù)。建立數(shù)據(jù)倉庫，這是進一步能有成效的進行數(shù)據(jù)挖掘的基礎工作。美國數(shù)據(jù)挖掘技術開拓者Gregory PiatetskyShapiro曾戲言說：“原來曾希望計算機系統(tǒng)成為我們智慧的源泉，但從中涌出的卻是洪水般的數(shù)據(jù)！”其實不必埋怨數(shù)據(jù)太多，也不必埋怨原來的數(shù)據(jù)結構不好，它們是適應原有工作任務的，只是不適合你現(xiàn)在的要求而已。SAS的數(shù)據(jù)挖掘軟件集成了一系列有效的技術手段全面地支持你的工作。運用有力的工具，不斷地探索企業(yè)成敗、得失的原委，并以此不斷完善企業(yè)運作，這是每一個成功的企業(yè)家必不可少的工作任務。企業(yè)的數(shù)據(jù)和由此而產(chǎn)生的信息是企業(yè)的重要財富。SAS數(shù)據(jù)挖掘白皮書美國SAS軟件研究所公司2000年8 月 目 錄第一章 總括 2第二章 SAS數(shù)據(jù)挖掘方法論 ─ SEMMA 5第三章 深層統(tǒng)計分析與預測套件 9功能 10客戶機/服務器方式 13瀏覽器/服務器方式 14第四章 數(shù)據(jù)挖掘套件 15功能 15客戶機/服務器方式 19瀏覽器/服務器方式 19 第一章 總括早期的計算機主要就是用來進行數(shù)據(jù)處理或稱數(shù)值計算的。到今天，即使是發(fā)展中的我們中國，在一個企業(yè)中有數(shù)以幾十或上百GB、甚至TB計的生產(chǎn)經(jīng)營數(shù)據(jù)已不是什么希奇的事情了。面對激烈競爭的市場經(jīng)濟，企業(yè)的經(jīng)營和管理者任何不符合客觀事物規(guī)律性的決策都會給企業(yè)帶來損失，甚至失敗。SAS系統(tǒng)的軟件和這些軟件運用的無數(shù)成功經(jīng)驗，一定能幫你從企業(yè)堆積如“山”的數(shù)據(jù)中“挖掘”出隱藏著的規(guī)律性，以支持你正確的經(jīng)營決策。但當你從企業(yè)級的角度去審視，并想進一步分析處理時，你會感到這些數(shù)據(jù)過于分散，數(shù)量越來越大，并難以整合。這在前面五篇連載文章中已作了詳盡的介紹。多維數(shù)據(jù)結構是實現(xiàn)其任務的第一項要求。對數(shù)據(jù)的探索、挖掘首先要有一個明確的業(yè)務目標。這里所指的大量企業(yè)數(shù)據(jù)最好是按照數(shù)據(jù)倉庫的概念重組過的，在數(shù)據(jù)倉庫中的數(shù)據(jù)、信息才能最有效的支持數(shù)據(jù)挖掘。從決策支持的主題來看，這重新組織過的數(shù)據(jù)，以極易取用的數(shù)據(jù)結構方式，全面的描述了該主題。 業(yè)務水平和數(shù)學水平可能比較一般，對這樣的用戶提供方便的數(shù)據(jù)查詢是非常重要的。這可做成SAS數(shù)據(jù)倉庫中的信息市場（Information Mart）。讓他們不必受累于繁雜的過程，通過簡單的需求設定，即可執(zhí)行他們需要的操作。190。描述型的結果是指通過數(shù)據(jù)挖掘量化的搞清了業(yè)務目標的現(xiàn)狀。在世界走向信息化的今天，充分利用
化學相關推薦
鄂ICP備17016276號-1