數據倉庫,聯(lián)機分析處理,數據挖掘datawarehousing,-資料下載頁
2025-05-15 00:04本頁面
【正文】 業(yè)務處理系統(tǒng) 數據準備區(qū) 數據倉庫 OLAP服務器 客戶端 可視化處理 底層 中間層 頂層 數據抽取 數據清理 轉換 多維化 數據加載 OLAP的特性 1. 快速性 . 用戶對 OLAP的快速反應能力有很高的要求。 2. 可分析性 . OLAP系統(tǒng)應能處理與應用有關的邏輯與統(tǒng)計分析。 3. 多維性 . 多維性是 OLAP的關鍵屬性。系統(tǒng)能夠提供對數據分析的多維視圖和多維分析。 . 不論數據量有多大，也不管數據存儲在何處， OLAP系統(tǒng)應能及時獲得信息，并且管理大容量信息。 OLAP多維數據分析 ? (Slice and Dice) – 在多維數據結構中 ,按二維進行切片 ,按三維進行切塊 ,可得到所需要的數據 。 如在 “ 城市 、 產品 、 時間 ”三維立方體中進行切塊和切片 ,可得到各城市 、 各產品的銷售情況 。 ? (Drill) – 鉆取包含向下鉆取 (Drilldown)和向上鉆取 (Drillup)/上卷 (Rollup)操作 ， 鉆取的深度與維所劃分的層次相對應 。 ? (Rotate)/轉軸 (Pivot) – 通過旋轉可以得到不同視角的數據 。 OLAP的分析方法 (一 )切片 (slicing)、切塊 (dicing) OLAP的分析方法 (二 )鉆取 (drilldown) 按時間維向下鉆取 按時間維向上鉆取 60 OLAP的分析方法 (三 )旋轉 數據挖掘技術 ? 數據挖掘的引出 1989年 8月，在第 11屆國際人工智能聯(lián)合會議的準題研討會上首次提出了基于數據庫的知識發(fā)現(KDD, Knowledge Discovery in Database)技術。涉及到機器學習、模式識別、統(tǒng)計學、智能數據庫、知識獲取、專家系統(tǒng)、數據可視化、高性能計算等領域。 1995年，在美國計算機年會 (ACM)上，提出了數據挖掘 (DM, Data Mining)的概念，即 通過從數據庫中抽取隱含的、未知的、具有潛在使用價值的信息的過程。 數據挖掘是 KDD過程中最為關鍵的步驟。 數據挖掘的定義 ? 數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際數據中提取隱含在其中的、人們所不知道的但又是潛在有用的信息和知識的過程。 ? 2. 從商業(yè)應用角度看 數據挖掘是一種嶄新的商業(yè)信息處理技術，其主要特點是對商業(yè)數據庫的大量業(yè)務數據進行抽取、轉化、分析和模式化處理，從中提取輔助商業(yè)決策的關鍵知識，即從一個數據庫中自動發(fā)現相關商業(yè)模式。 數據挖掘技術主要的四個相關的操作 ? 預測性建模 ? 數據庫分段 ? 連接分析 ? 偏離檢測 表 數據挖掘應用的示例 ? 零售 /市場 識別顧客的購買模式 發(fā)現顧客人口統(tǒng)計特征方面的關聯(lián) 預測對郵寄促銷活動的反映 市場購物分析 ? 銀行 發(fā)現偽信用卡使用模式 識別誠信顧客 預測可能更換信用卡的顧客 確定不同顧客群使用信用卡消費的情況 表 數據挖掘應用的示例 (續(xù) ) ? 保險 需求分析 預測購買新險種的顧客 ? 醫(yī)藥 分析病人情況以預計手術安排 發(fā)現藥物對不同病的療效
高考資料相關推薦
鄂ICP備17016276號-1