【正文】 報表領域 探智 Trinity，主要是數(shù)據(jù)集成領域 主流商務智能產(chǎn)品介紹 2 商務智能應用 1 金融通信制造業(yè)保健行業(yè)技術(shù)業(yè)零售政府基建行業(yè)教育運輸外包業(yè)娛樂業(yè)旅游業(yè)其他商務智能行業(yè)應用 商務智能應用 2 各行業(yè)電子商務網(wǎng)站 算法 層 商 業(yè) 邏 輯 層 行 業(yè) 應 用 層 商業(yè)應用 商業(yè)模型 挖掘算法 CRM 產(chǎn)品推薦 客戶細分 客戶流失 客戶利潤 客戶響應 關聯(lián)規(guī)則、序列模式、分類、聚集、偏差分析 … WEB挖掘 網(wǎng)站結(jié)構(gòu)優(yōu)化 網(wǎng)頁推薦 商品推薦 …… 基因挖掘 基因表達路徑分析 基因表達相似性分析 基因表達共發(fā)生分析 …… 銀行 電信 零售 保險 制藥 生物信息 科學研究 …… 相關行業(yè) 商務應用需求的推動 神經(jīng)網(wǎng)絡、決策樹、回歸分析、粗集、遺傳算法 結(jié) 束 。 ? 數(shù)據(jù)挖掘研究各種方法和技術(shù)，從大量的數(shù)據(jù)中挖掘出有用的信息和知識。 知識發(fā)現(xiàn)（ KDD） ：從數(shù)據(jù)中發(fā)現(xiàn)有用知識的整個過程。每次操作的數(shù)據(jù)量不大且多為當前的數(shù)據(jù)。 （ 2）數(shù)據(jù)倉庫是集成的 數(shù)據(jù)進入數(shù)據(jù)倉庫之前 ， 必須經(jīng)過加工與集成 。能從大量歷史數(shù)據(jù)中預測未來。 作為一個數(shù)據(jù)挖掘平臺， Clementine結(jié)合商業(yè)技術(shù)可以快速建立預測性模型，進而應用到商業(yè)活動中，幫助人們改進決策過程。對數(shù)據(jù)倉庫操作不明確，操作數(shù)據(jù)量大 （ 1） 《 建立數(shù)據(jù)倉庫 》 一書中，對數(shù)據(jù)倉庫的定義為： 數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的，不同時間的數(shù)據(jù)集合，用于支持經(jīng)營管理中決策制定過程。 ? OLTP主要用于包括銀行業(yè)、航空、郵購訂單、超級市場和制造業(yè)等的輸入數(shù)據(jù)和取回交易數(shù)據(jù)。 OLAP的對比 OLTP OLAP 細節(jié)性數(shù)據(jù) 綜合性數(shù)據(jù) 當前數(shù)據(jù) 歷史數(shù)據(jù) 經(jīng)常更新 不更新，但周期性刷新 一次性處理的數(shù)據(jù)量小 一次處理的數(shù)據(jù)量大 對響應時間要求高 響應時間合理 面向應用，事務驅(qū)動 面向分析，分析驅(qū)動 從機器學習到數(shù)據(jù)挖掘 數(shù)據(jù)挖掘含義 數(shù)據(jù)挖掘與 OLAP的比較 數(shù)據(jù)挖掘與統(tǒng)計學 從機器學習到數(shù)據(jù)挖掘 ? 學習是人類具有的智能行為，主要在于獲取知識。 統(tǒng)計學與數(shù)據(jù)挖掘的比較 ? 統(tǒng)計學主要是對數(shù)量數(shù)據(jù)（數(shù)值）或連續(xù)值數(shù)據(jù)（如年齡、工資等），進行數(shù)值計算（如初等運算）的定量分析，得到數(shù)量信息。 ? 數(shù)據(jù)倉庫（ DW）、聯(lián)機分析處理（ OLAP）、數(shù)據(jù)挖掘（ DM）等結(jié)合，形成決策支持系統(tǒng)。 （ 1）數(shù)據(jù)挖掘從數(shù)據(jù)倉庫中挖掘更深層次的信息 （ 2）數(shù)據(jù)倉庫為數(shù)據(jù)挖掘提出了新要求 ①數(shù)據(jù)挖掘需要可擴展性 ②數(shù)據(jù)挖掘方法需要能挖掘多維知識 ? 數(shù)據(jù)倉庫中有大量的綜合數(shù)據(jù)，為決策者提供了綜合信息。 2. 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘任務在于聚類（如神經(jīng)網(wǎng)絡聚類）、分類（如決策樹分類）、預測等。 ? OLAP（ OnLine Analytical Processing） ? 商務智能的直接數(shù)據(jù)來源？ ? OLTP? ? 數(shù)據(jù)倉庫？ ? 多維數(shù)據(jù)集 ? ? 什么是多維數(shù)據(jù)集？