數(shù)據(jù)挖掘與bi借數(shù)據(jù)一雙慧眼-文庫吧在線文庫
【正文】 的方法有： ARMA，指數(shù)平滑和趨勢外推等。 業(yè)界有許多指導項目實踐的方法論，大同小異，以 CRISPDM 為例。用戶的應用需求也開始從初期的 OLAP（聯(lián)機處理）和報表分析向更深層次轉變，包括 CRM、數(shù)據(jù)挖掘等。 3．探索型數(shù)據(jù)分析（數(shù)據(jù)探索）：在這個階段中，建模小組核查目前的數(shù)據(jù)源，并且努力去發(fā)現(xiàn)在每個待選 的自變量和目標變量之間是否有任何關系。 5．實施：在這個階段，需要用模型的結果來幫助做出業(yè)務決定、戰(zhàn)略設計和戰(zhàn)術實施。同時需要熟悉業(yè)務的人員以及熟悉數(shù)據(jù)倉庫PDM 的人員予以支持。大家紛紛從各自的角度出發(fā)，給商業(yè)智能下定義，猜想商業(yè)智能是一種什么樣的應用。數(shù)據(jù)挖掘的基礎是數(shù)據(jù)理解，通過即席查詢對數(shù)據(jù)充分理解后，才談得上各種算法的應用。數(shù)據(jù)挖掘可以隨著數(shù)據(jù)倉庫的展開和數(shù)據(jù)積累的增加，而大范圍展開。作為一個企業(yè)個體而言，成功的關鍵無外乎兩個方面，就是業(yè)務人員充分參與和循序漸進。用戶只有在 OLTP 系統(tǒng)的一定基礎上建立數(shù)據(jù)倉庫系統(tǒng) 才可獲得比較好的收益。要想開展數(shù)據(jù)挖掘，建議先定義應用目標，研究數(shù)據(jù)挖掘項目的必要性和可行性。切莫期望一個層次的分析結果能覆蓋解決所有分析需求。 目前已經(jīng)有不少處理措施，如數(shù)據(jù)清理（噪音數(shù)據(jù)、遺漏數(shù)據(jù)和不一致性數(shù)據(jù)）、數(shù)據(jù)集成等等。 王海寧 : 對于閆工提到的關系型數(shù)據(jù)庫問題，匡博士以及張磊、陳建、單明祺先生如何看待？ 匡宏波博士 :就我的認識而言，企業(yè)要做 DM（數(shù)據(jù)挖掘）和 BI（商業(yè)智能），第一是要有主題，即你希望做什么，希望 DM 給你帶來什么？第二，需要構造 一條 DM（數(shù)據(jù)管理）的價值鏈。 張磊 : 面向對象數(shù)據(jù)庫還處于新興和發(fā)展階段，它具備關系型數(shù)據(jù)庫缺乏的不少優(yōu)點。第二，針對診療數(shù)據(jù)建模，為個體化診療和輔助診療服務。 ◆ 關于建模 閆世方 :醫(yī)院在不同情況下關心的內容不同，比如有時關心的是病 人的自身情況，有時關心的是診斷情況，有時是藥品的情況，有時是花費情況等，因此建模有一定難度，請各位專家開張藥方。第一，對于庫存和需求，你怎么去預測準確 ?進一步，怎么自適應？因為市場結構是要變化的，不能我們老跟在旁邊建模。 單明祺 :關于建模 ,我們注重解決其中幾個問題 :模型的進化和實施，另外是幾種工具的配合使用。 匡宏波博士 : 這是一個非常具體的問題，項目經(jīng)理就可以做。 單明祺 :是的 ,但從更廣的意義來看 ,似乎時態(tài)數(shù)據(jù)庫的概念更通用。我們去年和中醫(yī)研究院合作對 SARS 中西醫(yī)療效比較研究的數(shù)據(jù)庫也是采用關系型數(shù)據(jù)庫。 閆世方 : 關于基本數(shù)據(jù)不足的問題，我認為在某一行業(yè)建立“基本數(shù)據(jù)集”是很重要的，現(xiàn)在醫(yī)療行業(yè)正在建立基本數(shù)據(jù)集。我們提供的 BI 整體解決方案已在移動、電信、聯(lián)通、保險、證券、銀行、制造業(yè)、零售業(yè)的數(shù)據(jù)倉庫、數(shù)據(jù)整合、查詢報表項目中成功應用。因此，實施數(shù)據(jù)挖掘項目不但需要明確的目標和實施計劃，還要有相應的管理系統(tǒng)支撐。在系統(tǒng)建設前，企業(yè)首先要明確希望解決的是哪個層次的需求。 (■ Sybase（中國）有限公司 BI 部技術顧問 陳建 ) ◆ 對癥下藥 商業(yè)智能（ BI）經(jīng)過幾年的發(fā)展，已開始進入快速發(fā)展期。這時就進入了商業(yè)智能領域整體水平需要提升的階段。隨后，就可以進入集中建設階段。 基于此，我建議，目前的商業(yè)智能系統(tǒng)最好先以 12 個主題為主展開，如即席查詢，目的是讓操作人員理解系統(tǒng)使用方式，積累業(yè)務經(jīng)驗。如北京協(xié)和醫(yī)院、三九宜工生化股份有限公司和山東煙草專賣局的信息部門主管，各自都提出了一些建設商業(yè)智能系統(tǒng)的問題。 任務包括：客戶模型評分和存儲模型結果，性能跟蹤和進一步整合其它業(yè)務系統(tǒng)；數(shù)據(jù)挖掘過程的自動化是單獨的項目；模型結果的現(xiàn)場測試是單獨的項目。 4．建模：在這個階段，建模小組建立并確認挖掘模型。任務包括：明確業(yè)務目標；定義響應變量；項目計劃必要的調整。 一個成功的 DM 項目，不僅可以面向操作層面，加強自動化；還可以面向決策層，優(yōu)化決策。 （ 6）結構方程模型 不同于以上應用，結構方程模型重點在于如何揭示事物內部的結構和相互作用的原理。聚類是沒有目標的。在應用關聯(lián)規(guī)則時還需要多考慮的一個問題是：這條規(guī)則遵循者的數(shù)量怎樣？通俗的說就是，如果超市的尿布只有一個人買（假設），但是這人每次買尿布時，一定會買啤酒。 一般說來，數(shù)據(jù)挖掘有如下六件武器：描述統(tǒng)計、關聯(lián)和相關、分類和聚類、預測、優(yōu)化、結構方程模型。虛線表示曾經(jīng)擁有。在 Google 上采用完整模式搜索“數(shù)據(jù)挖掘”，得到了 27,700 余項查詢結果；若是搜索“ Datamining”，居然得到了 122,000 余項。 用戶背景鏈接
公司管理相關推薦
鄂ICP備17016276號-1