數(shù)據(jù)挖掘與bi借數(shù)據(jù)一雙慧眼(存儲版)
【正文】 一步需求，需要新的挖掘方式。一句話：智能在于積累，不可好高騖遠(yuǎn)。前兩項對應(yīng) OLTP、操作性數(shù)據(jù)存儲（ ODS）系統(tǒng)，后者對應(yīng)數(shù)據(jù)倉庫。但要真正發(fā)揮挖掘分析的作用，還需要根據(jù)分析結(jié)果，按照醫(yī)院的實際情況，制定相關(guān)的管理策略；并通過醫(yī)療管理系統(tǒng)付諸實施。 針對以上三位用戶，石竹軟件公司可以針對性地提供 BI 支撐工具，如數(shù)據(jù)整合工具 DataStage、多維分析 OLAP 軟件 Essbase、數(shù)據(jù)挖掘工具 Angoss KnowledgeSTUDIO、元數(shù)據(jù)管理 MetaCenter、報表分析展示平臺 Crystal Decision 等企業(yè)級產(chǎn)品。在我們國外的案例中，一般會在建立數(shù)據(jù)倉庫并穩(wěn)定較長的時間后，才會逐步實施挖掘?qū)ｎ}。 匡宏波博士 : 關(guān)于數(shù)據(jù)庫的問題，應(yīng)該說目前最成熟的還是關(guān)系型。 單明祺 :電子病歷的問題中涉及大量時間的問題 ,用時態(tài)數(shù)據(jù)庫的方法 ,大家覺得如何 ? 張磊 :關(guān)于涉及時間問題的分析，可以采用多種模型和方法，比如序列分析、關(guān)聯(lián)分析、以及一些預(yù)測模型如決策樹、神經(jīng)網(wǎng)絡(luò)等等。 張磊 :以 NCR 的數(shù)據(jù)挖掘方法論為指導(dǎo)，數(shù)據(jù)挖掘的實施計劃主要劃分為如下階段：定義業(yè)務(wù)問題范圍、選取和抽樣、數(shù)據(jù)清洗和預(yù)處理、探索型數(shù)據(jù)分析、建模和實施。 張磊 : 對于閆工的建模問題，因為問題過于抽象，也只能給出抽象一點的建 議：最好是找具有相關(guān)行業(yè)實施經(jīng)驗的廠商，由它們結(jié)合您的具體問題，提供在該行業(yè)比較成熟的模型作為參考。第二，什么是 20％的重要客戶，他們有什么特征？第三，如何度量客戶滿意度和忠誠度，并建立績效考評和客戶維護(hù)方案。 王海寧 :山東煙草定位于物流企業(yè)，請問各位專家對物流配送企業(yè)在建模有何看法？目前山東煙草已具備軟硬件條件，數(shù)據(jù)相對薄弱，建模問題主要集中在客戶關(guān)系管理，和銷售潛力分析上。就像目前中醫(yī)所做的 。只是在絕大多數(shù)實際項目中，依然是關(guān)系型數(shù)據(jù)庫一統(tǒng)天下，成熟穩(wěn)定、充分的性能保證和豐富的成功案例對一個項目的成功實施很有幫助。這就是從業(yè)務(wù)理解，到數(shù)據(jù)采集和管理，到建模，到呈現(xiàn)，到應(yīng)用的完整的基礎(chǔ)設(shè)施和解決方案。在具體項目實施中，更困難的是對數(shù)據(jù)在業(yè)務(wù)邏輯上的準(zhǔn)確 性進(jìn)行檢查，這需要對業(yè)務(wù)的深刻理解并建立良好的數(shù)據(jù)模型。三 .讓領(lǐng)導(dǎo)層了解商業(yè)智能系統(tǒng)能解決什么問題。 另外，分析型應(yīng)用需要操作型環(huán)境的支撐。 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，為決策分析提供支持。商業(yè)智能系統(tǒng)最終要通過人，才能為商業(yè)所用，沒有終端操作人員的傾心配合，系統(tǒng)只能是一個死系統(tǒng)。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。 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。有人認(rèn)為，商業(yè)智能不就是做報表的嗎？ 實際上，傳統(tǒng)業(yè)務(wù)系統(tǒng)是面向點的，能給出詳細(xì)的功能定義。 (■ NCR（中國）有限公司數(shù)據(jù)倉庫事業(yè)部技術(shù)經(jīng)理 張磊博士 ) ◆ 智能源于積累 國內(nèi)商業(yè)智能市場正處于剛剛起步的階段，繼去年電信行業(yè)全國性數(shù)據(jù)倉庫建設(shè)之后，今年會有更多的企業(yè)、集成商參與到這個市場。收集實施結(jié)果反饋，為模型的退化進(jìn)行偵測，更進(jìn)一步改善模型性能。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)計分析是為了得到有關(guān)數(shù)據(jù)分布的更好知識。相信今年是數(shù)據(jù)挖掘項目會得到大力發(fā)展的一年。 CRISPDM 分成如下六個階段：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)，評估 (Evaluation)和發(fā)布 (Deployment)。時間序列的最大特點就是充分挖掘事物本身隨時間的規(guī)律。 一般說來，分類的方法有三種：回歸、決策樹、神經(jīng)網(wǎng)絡(luò)。 描述統(tǒng)計的應(yīng)用十分廣泛：比如當(dāng)月公司利潤總額，比較不同區(qū)域的銷售量等等。數(shù)據(jù)挖掘從狹義的角度講，只管從數(shù)據(jù)到知識這一段。 數(shù)據(jù)倉庫（ DW）、商務(wù)智能（ BI）和知識發(fā)現(xiàn)（ KDD）又分別是什么呢？如圖 2 所示。他們打算從簡單的分析做起，隨著數(shù)據(jù)量增加 ，逐步完善挖掘功能。 數(shù)據(jù)挖掘與 BI 借數(shù)據(jù)一雙慧眼 2 月 19 日上午 10 點至 11 點，我刊“數(shù)據(jù)挖掘與商業(yè)智能在線研討會”于賽迪網(wǎng)網(wǎng)上會議中心如期舉行。 山東煙草專賣局現(xiàn)在有開展數(shù)據(jù)挖掘項目的計劃，但還沒有開始做。循環(huán)往復(fù)，生息不止。 六種挖掘武器 數(shù)據(jù)倉庫的建設(shè)和數(shù)據(jù)挖掘建模是 DM 價值鏈上的兩大技術(shù)要點。目前應(yīng)用最為廣泛的 OLAP，究其本質(zhì)就是針對不同的數(shù)據(jù)群在做描述統(tǒng)計。 （ 3）分類和聚類 分類和聚類是最常用的技術(shù)。 時間序列常用
公司管理相關(guān)推薦
鄂ICP備17016276號-1