bi商務智能--數(shù)據(jù)迷霧中(ppt46)-資料下載頁
2025-01-13 00:03本頁面
【正文】 預測（ prediction）： 根據(jù)對象屬性過去的觀察值來估計此屬性未來的值。 比如，預測哪些顧客會在未來的半年內(nèi)取消該公司的服務，或是預測哪些電話用戶會申請增值服務，如三方通話、語音信箱等。 所使用的技巧有回歸分析、時間序列分析及類神經(jīng)網(wǎng)絡方法。 數(shù)據(jù)挖掘 (DM)常用方法 關聯(lián)分組（ affinity grouping） ：從所有對象來決定哪些相關對象應該放在一起。 比如，在超市中，哪些物品會一起被購買，零售商可以利用關聯(lián)分組來規(guī)劃店內(nèi)商品的擺設位置，把會被一起購買的商品擺在一起。 在客戶的營銷系統(tǒng)上，此種功能可用來確認交叉銷售（ crossselling）的機會以設計出更吸引人的產(chǎn)品群組。 聚類、群集化（ clustering） ：將不同的母體區(qū)隔為較具同構(gòu)型的群組（ cluster），換句話說，其目的是將組與組之間的差異分辨出來，并對個別組內(nèi)的相似樣本進行挑選。在群集化技術中，沒有預先定義好的類別和訓練樣本存在，所有紀錄都根據(jù)彼此相似程度來加以歸類。 比如，在市場營銷調(diào)查前，先將顧客群集化，再來分析每群顧客最喜歡哪一類促銷，而不是對每個顧客都用相同的標準規(guī)則來分析。 所使用的技巧有 kmeans法及 agglomeration法。 ANALYSES QUERIES SCORES APPLICATIONS DATA HANDLE DATA STORES LOAD TRANSFORM EXTRACT WAREHOUSE CRM ERP SCM Policy FA Other 商務智能體系結(jié)構(gòu) 客戶分類和特點分析 市場營銷策略分析 經(jīng)營成本與收入分析 欺詐行為分析和預防 商務智能的應用前景 市場預測 根據(jù) IDC分析，從 1997年到 2023年，整個數(shù)據(jù)倉庫市場（軟件、服務、服務器和存儲）以平均每年 ％的速度增長。 IDC的另一項調(diào)查結(jié)果表明，企業(yè)用于商務智能的投資回報率平均 400％。一項來自美國 MetaGroup的市場分析指出，92％的企業(yè)將在今后 3年內(nèi)使用數(shù)據(jù)倉庫。 謝謝大家！ 演講完畢，謝謝觀看！
試題試卷相關推薦
鄂ICP備17016276號-1