【正文】 良好、普通、較差；（信譽(yù)程度） 先為每個(gè)持卡人賦予一個(gè)標(biāo)記，即信譽(yù)等級(jí) 對(duì)同類(lèi)記錄（即同信譽(yù)等級(jí)的持卡人）的特征進(jìn)行描述。????39。=GROUPING(color) FROM my_cube GROUP BY model, theyear, color WITH CUBE,GROUPING 是一個(gè)聚合函數(shù),它產(chǎn)生一個(gè)附加的列，當(dāng)用 CUBE 或 ROLLUP 運(yùn)算符添加行時(shí)，附加的列輸出值為1，當(dāng)所添加的行不是由 CUBE 或 ROLLUP 產(chǎn)生時(shí)，附加列值為0。 GROUP BY Model,cube,CUBE,cube,select Model, Year, Color, sum(Sales) from Sales groupby Model, Year, Color with cube,總行數(shù)= (model個(gè)數(shù)+1) * (theyear個(gè)數(shù)+1) * (color個(gè)數(shù)+1) = (2 + 1) * (3 + 1) * (3 + 1) = 48,CUBE,SELECT SUM(units_sold), model, theyear, color FROM my_cube GROUP BY model, theyear, color WITH CUBE,SELECT 39。數(shù)據(jù)分析技術(shù),戰(zhàn)略信息,企業(yè)目標(biāo) 在5年內(nèi)增加15%的客戶(hù) 在3年內(nèi)搶占15%的市場(chǎng) 在2年內(nèi)投放3種新產(chǎn)品 提高前5%的產(chǎn)品質(zhì)量 在東北市場(chǎng)提高15%的銷(xiāo)售額 所需信息 全面深入地了解公司運(yùn)營(yíng) 了解關(guān)鍵因素及其相互作用 檢測(cè)這些因素如何隨時(shí)間變化 將公司運(yùn)營(yíng)狀況和對(duì)手以及行業(yè)標(biāo)準(zhǔn)做比較,戰(zhàn)略信息系統(tǒng),SIS：Strategic Information Systems 能夠支援和改變組織戰(zhàn)略行為，使得組織具有競(jìng)爭(zhēng)力的信息系統(tǒng),決策支持系統(tǒng),正確決策—— 企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì),錯(cuò)、錯(cuò)、錯(cuò) 在錯(cuò)誤的時(shí)間、錯(cuò)誤的地點(diǎn)、同錯(cuò)誤的對(duì)手打了一場(chǎng)錯(cuò)誤的戰(zhàn)爭(zhēng),噬臍何及,合九州六十四縣鐵， 不能鑄成此大錯(cuò)也,蒼天如圓蓋 大地如棋局 世間分楚漢 榮辱爭(zhēng)天下,博弈,博弈,博弈,博弈,納什均衡 一個(gè)博弈可能有多個(gè)納什均衡 每個(gè)參與者把其他參與人的策略當(dāng)作是給定的 允許了不可置信的威脅的存在,博弈,博弈,博弈,博弈,阿里巴巴：芝麻開(kāi)門(mén),哪些客戶(hù)對(duì)我們最有利？如何拓展與他們的聯(lián)系？ 哪些客戶(hù)給我們提供利潤(rùn)？哪些客戶(hù)使我們?cè)馐軗p失？ 根據(jù)他們經(jīng)常光顧的商店，最好的客戶(hù)居住在哪里？ 哪些產(chǎn)品和服務(wù)能被最有效的進(jìn)行交叉銷(xiāo)售，銷(xiāo)售對(duì)象是誰(shuí)？ 哪些市場(chǎng)營(yíng)銷(xiāo)案例是最成功的？為什么？ 哪些銷(xiāo)售渠道對(duì)于哪些產(chǎn)品是最有效的？ 如何才能改善我們用戶(hù)的總體經(jīng)歷？,We are drowning in data but starved of information,商務(wù)智能,商務(wù)智能的需求 有巨量的商業(yè)數(shù)據(jù) 日常數(shù)據(jù)：訂單、存貨、帳單、 外部數(shù)據(jù)：客戶(hù)信息、對(duì)手信息、政策 每2到3年商業(yè)數(shù)據(jù)變會(huì)翻番 有93%的數(shù)據(jù)沒(méi)有在決策過(guò)程中使用到！ 商務(wù)智能的目的 使人能更快捷、更容易地做出更好的商業(yè)決策 終極目標(biāo) 3wwin, win, win,商務(wù)智能,Business Intelligence is a process of turning data into knowledge and knowledge into action for business gain,Business Intelligence is the process of transforming data into information … and through iterative discovery transforming information into knowledge,elevate,從數(shù)據(jù)到知識(shí),垂拱而治,CEO：統(tǒng)計(jì)一下購(gòu)買(mǎi)我們的產(chǎn)品及競(jìng)爭(zhēng)對(duì)手產(chǎn)品的用戶(hù)信息 計(jì)算機(jī)：,垂拱而治,CEO：怎樣會(huì)使得用戶(hù)購(gòu)買(mǎi)我們的產(chǎn)品？ 計(jì)算機(jī)：刺激銷(xiāo)售（如中獎(jiǎng)銷(xiāo)售、打折優(yōu)惠）會(huì)吸引他們購(gòu)物 CEO：促銷(xiāo)的成本是多少？促銷(xiāo)的最佳時(shí)機(jī)是什么時(shí)候？它會(huì)吸引多少新用戶(hù)？ 計(jì)算機(jī)：……,“三拍”而治,管理活動(dòng)的層次結(jié)構(gòu),管理活動(dòng)各層次中信息的特征,不同層次的信息處理需求,事務(wù)處理需求 不同的事務(wù)處理子系統(tǒng) 采購(gòu)子系統(tǒng)：訂單、訂單細(xì)則、供應(yīng)商 銷(xiāo)售子系統(tǒng)：顧客、銷(xiāo)售 庫(kù)存子系統(tǒng)：出庫(kù)領(lǐng)料單、進(jìn)料入庫(kù)單、庫(kù)存臺(tái)帳 人事子系統(tǒng)：?jiǎn)T工、部門(mén) 各種事務(wù)處理需求 一筆訂購(gòu)、一筆銷(xiāo)售、一次進(jìn)料、一次出料 要求 強(qiáng)調(diào)多用戶(hù)并發(fā)環(huán)境，數(shù)據(jù)的一致性、完整性,不同層次的信息處理需求,分析處理需求 今年銷(xiāo)售量下降的因素（時(shí)間、地區(qū)、商品、銷(xiāo)售部門(mén)） 某種商品今年的銷(xiāo)售情況與以往相比，有怎樣的變化？每年的第一季度商品銷(xiāo)售在各類(lèi)商品上的分布情況怎樣？ 要求 多個(gè)子系統(tǒng)中的數(shù)據(jù)（數(shù)據(jù)集成） 歷史數(shù)據(jù) 匯總、綜合的數(shù)據(jù),DSS早期演化階段,1960,1965,1970,1975,1980,主文件 報(bào)表,太多主文件,數(shù)據(jù)庫(kù)所有處理的單一數(shù)據(jù)源,聯(lián)機(jī)高性能事務(wù)處理,單一數(shù)據(jù)庫(kù)既用于事務(wù)處理，又用于DSS,DSS早期演化階段,抽取程序 搜索整個(gè)文件和數(shù)據(jù)庫(kù)，使用某些標(biāo)準(zhǔn)選取合乎限制的數(shù)據(jù)，并把數(shù)據(jù)傳到其他文件或數(shù)據(jù)庫(kù)中 優(yōu)點(diǎn) 將數(shù)據(jù)從事務(wù)處理應(yīng)用中轉(zhuǎn)移出來(lái)，在進(jìn)行數(shù)據(jù)分析時(shí)不會(huì)與事務(wù)處理發(fā)生沖突 當(dāng)將數(shù)據(jù)從事務(wù)處理應(yīng)用中抽取出來(lái)之后，數(shù)據(jù)的控制方式發(fā)生了轉(zhuǎn)變，最終用戶(hù)可以擁有抽取出來(lái)的數(shù)據(jù),抽取程序,DSS早期演化階段,蜘蛛網(wǎng),數(shù)據(jù)缺乏可信性 生產(chǎn)率低,從數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù),事務(wù)處理與分析處理的性能特性不同 事務(wù)處理環(huán)境 數(shù)據(jù)存取操作頻率高 每次操作處理的時(shí)間短 占用系統(tǒng)資源少 系統(tǒng)可以允許多個(gè)用戶(hù)按分時(shí)方式使用資源，保持較短的響應(yīng)時(shí)間 分析處理環(huán)境 運(yùn)行時(shí)間長(zhǎng) 消耗大量系統(tǒng)資源 事務(wù)與分析應(yīng)用不宜放在同一中環(huán)境中,從數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù),數(shù)據(jù)集成問(wèn)題 事務(wù)處理 目的是使業(yè)務(wù)自動(dòng)化 只關(guān)注與本部門(mén)業(yè)務(wù)相關(guān)的當(dāng)前數(shù)據(jù) 事務(wù)處理應(yīng)用的分散：企業(yè)內(nèi)部各事務(wù)處理應(yīng)用間相互獨(dú)立 DSS需要集成的數(shù)據(jù) （內(nèi)部各部門(mén)數(shù)據(jù)、外部數(shù)據(jù)、競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)據(jù)） DSS需要對(duì)分散在各個(gè)事務(wù)處理應(yīng)用中的相關(guān)數(shù)據(jù)進(jìn)行集成，以向分析人員提供統(tǒng)一的數(shù)據(jù)視圖,數(shù)據(jù)倉(cāng)庫(kù)的定義,數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的（Subject Oriented），集成的（Integrated），相對(duì)穩(wěn)定的（Nonvolatile），反映歷史變化的（time Variant）數(shù)據(jù)集合。Chevy39。ALL Colors39。) END FROM my_cube GROUP BY model, theyear, color WITH CUBE,ROLLUP,SELECT ’unit_sold’ = SUM(units_sold), ’model’=CASE WHEN (GROUPING(model)=1) THEN ’ALL’ ELSE ISNULL(model, 39。這樣一來(lái)，上述幾種商品的銷(xiāo)量幾乎馬上成倍增長(zhǎng)。 ⑺設(shè)si是samples中test_attribute=ai的樣本的集合。 不同的聚類(lèi)分析工具可以定義不同的規(guī)則集，從而相同的記錄集合可能有不同的劃分 應(yīng)用 市場(chǎng)或客戶(hù)分割、模式識(shí)別、基因分類(lèi)、Web文檔分類(lèi)等,聚類(lèi)算法：KMeans,算法：k平均 輸入：簇的數(shù)目 k, 包含n個(gè)對(duì)象的數(shù)據(jù)庫(kù) 輸出：k個(gè)簇，使平方誤差最小 步驟： 任意選擇k個(gè)對(duì)象作為初始的簇中心 Repeat 根據(jù)簇中對(duì)象的平均值，將每個(gè)對(duì)象賦給最類(lèi)似的簇 更新簇的平均值，即計(jì)算每個(gè)簇中對(duì)象的平均值 Until平方誤差小于某個(gè)閾值或不再發(fā)生變化 平方方差函數(shù)： KMeans算法對(duì)噪音數(shù)據(jù)敏感,聚類(lèi)算法：KMeans,格言,戴手套的貓逮不著老鼠 倒塌的燈塔比暗礁更危險(xiǎn) 戴手套的貓逮不著老鼠 對(duì)青少年火一樣的激情，歲月是最好的滅火器 不擲色子，就永遠(yuǎn)別想得到六點(diǎn) 統(tǒng)計(jì)數(shù)字就像超短裙，掩蓋起來(lái)的部分才是關(guān)鍵 老鼠夾上總會(huì)有免費(fèi)