ibm電信業(yè)商業(yè)智能解決方案-資料下載頁
2025-05-25 18:01本頁面
【正文】 理器緊密集成 IBM的數(shù)據(jù)倉庫管理器中帶有大量與 OLAP Server相關(guān)的程序 (vwp)： ?文件數(shù)據(jù)加載到 OLAP ?數(shù)據(jù)庫數(shù)據(jù)加載 OLAP ?用文件數(shù)據(jù)更新維 ?用數(shù)據(jù)庫數(shù)據(jù)更新維 ?計算 ?用規(guī)則計算 客戶可以使用 Web方式訪問，不需要安裝任何OLAP工具。 Web瀏覽器 應(yīng)用服務(wù)器 WWW OLAP Server 數(shù)據(jù)倉庫 TCP/IP 客戶端訪問和維護 完善的授權(quán)機制： ?應(yīng)用程序級 ?數(shù)據(jù)庫 (Cube)級 ?過濾器 ?讀、寫、計算、設(shè)計權(quán)限 ?用戶組 圖形化管理界面 用戶、權(quán)限管理 完整的日志紀錄 數(shù)據(jù)挖掘 數(shù)據(jù)倉庫 選擇的 數(shù)據(jù) 選擇 轉(zhuǎn)換 挖掘 理解 轉(zhuǎn)換后的數(shù)據(jù) 可理解的信息 抽取的信息 一個過程，從大型數(shù)據(jù)庫中抽取以前沒有發(fā)現(xiàn)，可理解的，可操作的信息，用以支持企業(yè)關(guān)鍵性決策。 數(shù)據(jù)挖掘的典型例子 基于歷史數(shù)據(jù)預(yù)測行為 發(fā)現(xiàn)未知分群、規(guī)則和模式 常用數(shù)據(jù)挖掘算法分為三類 Data Mining Algorithms No Prediction Predict One Thing Time Series Matching Predict Everything Associations Sequential Patterns Decision Tree RBF Classification Value Prediction Neural Neural Clustering Demographic Neural 常用數(shù)據(jù)挖掘算法 ? Clustering (Segmentation) no dependent variable ? Demographic Segmentation ? Neural Segmentation (Kohonen Map) ? Example: Identify mon characteristics in a customer data base. ? Predictive/Classification Modeling dependent variable ? Nonlinear regression ? Decision trees ? Neural works ? Radialbasis functions ? Example: Predict IBM39。s stock price tomorrow. 常用數(shù)據(jù)挖掘算法 ? Link Analysis transaction data ?Basic associations (or dissociation) ?Sequential associations (over time) ?Example: Identify which features of an insurance policy sell together. ?Similar Time Sequence 許多業(yè)務(wù)問題可以映射到數(shù)據(jù)挖掘技術(shù) Intelligent Miner for Data IBM Intelligent Miner for Data Sequential Patterns Associations Predictive Modeling Deviation Detection Clustering Classification Data Mining Kernels Visualization Tools IBM DM PreProcessing Library DB2 Flat Files 數(shù)據(jù)驅(qū)動 發(fā)現(xiàn)競爭優(yōu)勢 Server端運行于 NT/2022, AIX, SUN Solaris, MVS, AS/400 Client端運行于Win95/NT/2022, AIX, SUN Solaris 分群 (Clustering)結(jié)果樣例 分群 (Clustering)結(jié)果樣例 分類 (Classification)結(jié)果樣例 ?客戶表 ?公司與客戶發(fā)生關(guān)系的各個方面 ?預(yù)測客戶可能帶來的利潤 car type car age profession age amount of claims van physicist 52 0 van 12 physician 31 5,000 pact 1 teacher 25 386 sedan teacher 55 1,234 pact 4 secretary 39 998 sports car 3 car dealer 62 stat. wagon vicar 30 sedan 46 pact butcher 46 預(yù)測樣例 ? Intelligent Miner for Data支持三種類型的關(guān)聯(lián)分析 ?發(fā)現(xiàn)關(guān)聯(lián)規(guī)則 ? 在交易數(shù)據(jù)庫中，每一筆交易包括一組元素，本算法可以發(fā)現(xiàn)所有的關(guān)聯(lián)關(guān)系，例如一組元素的出現(xiàn)將導(dǎo)致另一組元素的出現(xiàn)。 ?發(fā)現(xiàn)事件序列 ? 在數(shù)據(jù)庫中存放這一段時間中的交易信息，本算法可以找出交易間的模式，例如一組元素將跟隨另一組元素的出現(xiàn)而出現(xiàn)。 ?發(fā)現(xiàn)相似性時間序列 ? 在時間序列數(shù)據(jù)庫中，找出與某一個具有相同 /不同時間間隔的序列相似的序列。 關(guān)聯(lián)分析 (link analysis) IM4D體系結(jié)構(gòu) Client Server Standard Extraction or Replication Tool Data Analyst Results Graphical User Interface Application Program Interface Data Mining Techniques Oracle Sybase Data Processing Functions Flat Files DB2 DB2 Files 數(shù)據(jù)挖掘為業(yè)務(wù)方案提供了一條途徑 Clearly Define the Business Problem Understand Problem Prepare Relevant Data data mining Analyze Results Present Results Implement Solution and Measure Success IBM DM on the Web ? ? ? 謝謝
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1