(北郵鄧芳老師)第六章決策支持系統(tǒng)2(編輯修改稿)
2025-03-13 12:09 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 分析大客戶的基本信息以及帳務(wù)信息，了解大客戶情況，從中挖掘新的銷售機(jī)會(huì)； ?客戶流失分析： 分析客戶流失情況，刻畫(huà)流失客戶的特征，對(duì)未來(lái)可能流失的客戶作出預(yù)測(cè)，作出相應(yīng)的挽留措施； ?網(wǎng)絡(luò)狀況分析： 分析網(wǎng)絡(luò)的情況，刻畫(huà)網(wǎng)絡(luò)元素的分布以及利用率，為今后的網(wǎng)絡(luò)優(yōu)化提供數(shù)據(jù)支持； ?客戶信用度與忠誠(chéng)度分析： 通過(guò)信用度模型，評(píng)價(jià)客戶的信用度，從而對(duì)不同的欠費(fèi)用戶采用不同的措施。 決策支持與事務(wù)之間數(shù)據(jù)庫(kù)要求上的差異： 特征 事務(wù)處理需要 數(shù)據(jù)倉(cāng)庫(kù)需要 易變性 動(dòng)態(tài) 靜態(tài) 通用性 當(dāng)前的 歷史的 時(shí)間維 暗指 明確、可見(jiàn) 粒度 原始的、詳細(xì) 詳細(xì)的和匯總 更新 連續(xù)的、隨機(jī) 定期的、計(jì)劃 任務(wù) 可重復(fù)的 不可預(yù)期的 靈活性 低 高 性能 要求高性能 可接受低性能 數(shù)據(jù)倉(cāng)庫(kù)內(nèi)容分析： 通常兩種手段： （ 1）用戶引導(dǎo)分析，聯(lián)機(jī)分析處理（ OLAP）： 是一類軟件技術(shù)，允許分析人員、用戶通過(guò)以下方式獲得更有價(jià)值數(shù)據(jù)：對(duì)已經(jīng)從原始數(shù)據(jù)轉(zhuǎn)換成用以反映真正問(wèn)題所在的信息的各種可能視圖的快速、一致、交互的訪問(wèn)。 （ 2）數(shù)據(jù)挖掘 (Data Mining) 從大量的數(shù)據(jù)集合中有效地發(fā)現(xiàn)有價(jià)值但不明顯的信息；計(jì)算機(jī)進(jìn)行分析工作； 不會(huì)受用戶對(duì)數(shù)據(jù)間最可能存在關(guān)系的預(yù)先設(shè)想看法的束縛。 OLAP查詢 數(shù)據(jù)挖掘調(diào)查 去年那些客戶消費(fèi)最多？ 哪些類型的客戶明年將成為消費(fèi)最多的？ 銀行過(guò)去兩年的貸款違約損失是多少？ 什么樣的消費(fèi)者最可能成為規(guī)定期限到達(dá)前償還貸款？ 什么商品最暢銷？ 什么附加品最可能賣給買了運(yùn)動(dòng)服的消費(fèi)的商品？ 哪個(gè)分店去年銷售額最高？ 明年應(yīng)在什么地區(qū)開(kāi)一新商店？ 數(shù)據(jù)挖掘所能發(fā)現(xiàn)的知識(shí)有如下幾種： 廣義性知識(shí)：反映同類事物共同性質(zhì)的知識(shí)； 特征性知識(shí)：反映事物各方面特征的知識(shí)； 差異性知識(shí)：反映不同事物間屬性差別的知識(shí)； 關(guān)聯(lián)性知識(shí)：反映事物之間依賴或關(guān)聯(lián)的知識(shí)； 預(yù)測(cè)性知識(shí)：根據(jù)歷史的和當(dāng)前的數(shù)據(jù)推測(cè)未來(lái)數(shù)據(jù)； 偏離型知識(shí)：揭示事物偏離常規(guī)的異?，F(xiàn)象。 數(shù)據(jù)挖掘的任務(wù)及目標(biāo)： （ 1）相關(guān)分析： 若兩個(gè)或多個(gè)變量 /屬性之間存在某種規(guī)律，則稱相關(guān)聯(lián)： 簡(jiǎn)單關(guān)聯(lián)：買面包的人 90%買牛奶； 時(shí)序關(guān)聯(lián)：糧食漲價(jià)，不久副食品漲價(jià)； 因果關(guān)聯(lián)：條件與結(jié)論的關(guān)聯(lián)關(guān)系。 方法： 統(tǒng)計(jì)技術(shù)； 分析字段項(xiàng)間的共變性。 關(guān)聯(lián)分析需注意問(wèn)題： 規(guī)則可信度； 規(guī)則的評(píng)價(jià)； ?關(guān)聯(lián)規(guī)則挖掘（ Association Rule Mining）是數(shù)據(jù)挖掘中研究較早而且至今仍活躍的研究方法之一。 ?最早是由 Agrawal等人提出的（ 1993）。最初提出的動(dòng)機(jī)是針對(duì)購(gòu)物籃分析（ Basket Analysis）問(wèn)題提出的，其目的是為了發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)（ Transaction Database）中不同商品之間的聯(lián)系規(guī)則。 ?關(guān)聯(lián)規(guī)則的挖掘理論、算法設(shè)計(jì)、算法的性能以及應(yīng)用推廣、并行關(guān)聯(lián)規(guī)則挖掘以及數(shù)量關(guān)聯(lián)規(guī)則挖掘等。 ?關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的其他研究分支的基礎(chǔ)。 （ 2）聚類 將數(shù)據(jù)記錄劃分為一系列有意義的子集，即類。常常為規(guī)則抽取算法提供有用的數(shù)據(jù)。 方法： 數(shù)學(xué)分類法； 模式識(shí)別； 概念聚類； 神經(jīng)網(wǎng)絡(luò)的自組織模型； 聚類分析的目標(biāo)就是形成的數(shù)據(jù)簇，并且滿足下面兩個(gè)條件： ?一個(gè)簇內(nèi)的數(shù)據(jù)盡量相似 ?不同簇的數(shù)據(jù)盡量不相似 聚類在數(shù)據(jù)挖掘中的典型應(yīng)用有： ?聚類分析可以作為其它算法的預(yù)處理步驟：利用聚類進(jìn)行數(shù)據(jù)預(yù)處理，可以獲得數(shù)據(jù)的基本概況，在此基礎(chǔ)上進(jìn)行特征抽取或分類就可以提高精確度
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1