【正文】 可以隨時(shí)訪(fǎng)問(wèn)企業(yè) BI應(yīng)用；實(shí)時(shí)鉆取，主題分析；信息定制推送服務(wù)；及時(shí)提醒，監(jiān)控與預(yù)警服務(wù)；隨需定制，個(gè)性化開(kāi)發(fā)。模型的作用是從數(shù)據(jù)中找到知識(shí)并投入使用。建立一個(gè)真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵84數(shù)據(jù)挖掘過(guò)程建模建模 評(píng) 估 部署可以選擇和使用不同的模型技術(shù)，將模型參數(shù)調(diào)整到最佳數(shù)值。? 現(xiàn)今的分析僅局限在企業(yè)的現(xiàn)有數(shù)據(jù)庫(kù)還不夠 ，還需要保持?jǐn)?shù)據(jù)與當(dāng)前社會(huì)乃至全球的相關(guān)性。滿(mǎn)足這些龐大數(shù)據(jù)量在存儲(chǔ)方面的需求需要采購(gòu)和維護(hù)所需的硬件設(shè)備，并且還要不斷的進(jìn)行監(jiān)督與管理。沃爾瑪保潔專(zhuān)柜和沃爾瑪搜索。歐洲公共事業(yè)的年度大數(shù)據(jù)經(jīng)濟(jì)預(yù)測(cè)－ 超過(guò)希臘的 GDP產(chǎn)值全球個(gè)人消費(fèi)者使用地理信息數(shù)據(jù)獲取的商業(yè)價(jià)值零售商借助大數(shù)據(jù)技術(shù)增加的利潤(rùn)增加的數(shù)據(jù)深度分析的工作崗位在美國(guó)，借助大數(shù)據(jù)技術(shù)從事數(shù)據(jù)相關(guān)的經(jīng)理工作崗位大數(shù)據(jù)價(jià)值71理解大數(shù)據(jù) —數(shù)據(jù)處理理念的轉(zhuǎn)變大轉(zhuǎn)變數(shù)據(jù)價(jià)值鏈三大轉(zhuǎn)變大數(shù)據(jù)所有權(quán)大數(shù)據(jù)技術(shù)能力大數(shù)據(jù)創(chuàng)新思維重要性上升重要性上升重要性下降數(shù)據(jù)處理理念的三大轉(zhuǎn)變傳統(tǒng)數(shù)據(jù)處理理念隨機(jī)采樣精確性因果關(guān)系大數(shù)據(jù)處理理念所有數(shù)據(jù)效率相關(guān)關(guān)系72理解大數(shù)據(jù) —不僅應(yīng)用于營(yíng)銷(xiāo)領(lǐng)域?應(yīng)用 － 通過(guò)對(duì)大數(shù)據(jù)的儲(chǔ)存、挖掘與分析，大數(shù)據(jù)在營(yíng)銷(xiāo)、企業(yè)管理、數(shù)據(jù)標(biāo)準(zhǔn)化與情報(bào)分析等領(lǐng)域大有作為?行業(yè) － 大數(shù)據(jù)一方面可以應(yīng)用于客戶(hù)服務(wù)水平提升及營(yíng)銷(xiāo)方式的改進(jìn)，另一方面可以助力行業(yè)內(nèi)企業(yè)降低成本，提升運(yùn)營(yíng)效益，同時(shí)還能幫助企業(yè)進(jìn)行商業(yè)模式的創(chuàng)新及發(fā)現(xiàn)新的市場(chǎng)商機(jī)?社會(huì) － 大數(shù)據(jù)在智慧城市、智慧交通及災(zāi)難預(yù)警等方面都有巨大的潛在應(yīng)用價(jià)值。 PS:體感交互技術(shù)屬于前沿科技之一，從 Kinect開(kāi)始逐步向各個(gè)領(lǐng)域、各個(gè)國(guó)家延伸和發(fā)展。 第五次信息技術(shù)領(lǐng)域的重大技術(shù)革命：個(gè)人計(jì)算機(jī)、互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、體感交互。 項(xiàng)目團(tuán)隊(duì)58第三部分u信息情報(bào)管理系統(tǒng)的發(fā)展 趨勢(shì)網(wǎng)絡(luò)化決策化集成化智能化系統(tǒng)框架設(shè)計(jì)u企業(yè)情報(bào)信息系統(tǒng)建立后的數(shù)據(jù)庫(kù)資源60決策參考部分研究部分知 識(shí) 管理部分一般商業(yè) 情 報(bào)部分 公司的知識(shí)庫(kù)管理系統(tǒng)，或是說(shuō)情報(bào)知識(shí)庫(kù)，實(shí)際上是一個(gè)通過(guò)企業(yè)內(nèi)聯(lián)網(wǎng)對(duì)競(jìng)爭(zhēng)對(duì)手和市場(chǎng)進(jìn)行深層次分析的知識(shí)管理系統(tǒng)。 發(fā)展趨勢(shì)216。第一象限： 絕對(duì)競(jìng)爭(zhēng)態(tài)勢(shì)與相對(duì)競(jìng)爭(zhēng)態(tài)勢(shì)均 優(yōu)于競(jìng)爭(zhēng)者， 俗稱(chēng) 明星類(lèi)航線(xiàn)。產(chǎn)能份額 ，表示的 是絕對(duì) 競(jìng)爭(zhēng)態(tài)勢(shì)關(guān)系。目標(biāo)在于清理和撤銷(xiāo)某些業(yè)務(wù)，減輕負(fù)擔(dān)，以便將有限的資源用于效益較高的業(yè)務(wù)。要是 “ 幼童 ” 類(lèi)業(yè)務(wù)想盡快成為 “ 明星 ” ，就要增加資金投入。如果這類(lèi)業(yè)務(wù)已經(jīng)徹底失敗，企業(yè)應(yīng)及早采取措施，清理業(yè)務(wù)或退出經(jīng)營(yíng)。它是處在 低增長(zhǎng)率、低市場(chǎng)占有率 象限內(nèi)的產(chǎn)品群。前者說(shuō)明市場(chǎng)機(jī)會(huì)大，前景好，指增長(zhǎng)率很快，而后者則說(shuō)明在市場(chǎng)營(yíng)銷(xiāo)上占有率不高，得到的利潤(rùn)有限，利潤(rùn)率較低。四種業(yè)務(wù)分析如下：金牛業(yè)務(wù)u 又稱(chēng)厚利產(chǎn)品。如果沒(méi)有達(dá)到目標(biāo)，就需修正行動(dòng)措施?？缧袠I(yè)比超，不同行業(yè)，但具有相同或類(lèi)似運(yùn)作環(huán)節(jié)的企業(yè)間的定標(biāo)比超將來(lái)自不同行業(yè)的創(chuàng)新實(shí)踐移入本企業(yè)，這對(duì)整個(gè)企業(yè)來(lái)說(shuō)是一個(gè)極大的挑戰(zhàn)，因?yàn)槠髽I(yè)可能因此需要重新設(shè)計(jì)業(yè)務(wù)流程。 通過(guò)對(duì)競(jìng)爭(zhēng)對(duì)手的定標(biāo)比超，與其對(duì)客戶(hù)要求的了解作對(duì)比，可以發(fā)現(xiàn)本公司在這方面的不足，可以將市場(chǎng)、競(jìng)爭(zhēng)力和目標(biāo)的設(shè)定結(jié)合在一起。 對(duì)一流企業(yè)所做的定標(biāo)比超可以將從任何產(chǎn)業(yè)中最佳企業(yè)那里得到的信息用于改進(jìn)本企業(yè)的內(nèi)部經(jīng)營(yíng)，建立相應(yīng)的趕超目標(biāo)。是將本企業(yè)經(jīng)營(yíng)的各方面狀況和環(huán)節(jié)與競(jìng)爭(zhēng)對(duì)手或行業(yè)內(nèi)外一流的企業(yè)進(jìn)行對(duì)照分析的過(guò)程，是一種評(píng)價(jià)自身企業(yè)和研究其他組織的手段，是將外部企業(yè)的持久業(yè)績(jī)作為自身企業(yè)的內(nèi)部發(fā)展目標(biāo)并將外界的最佳做法移植到本企業(yè)的經(jīng)營(yíng)環(huán)節(jié)中去的一種方法。45趨勢(shì)線(xiàn)u 所謂趨勢(shì)線(xiàn)，是用劃線(xiàn)的方法將低點(diǎn)或高點(diǎn)相連，根據(jù)歷史數(shù)據(jù)上下變動(dòng)的趨勢(shì)所畫(huà)出的線(xiàn)路。收益趨勢(shì)216。 通過(guò)企業(yè)之間銷(xiāo)售趨勢(shì)的比較，獲得更多的有用信息。縱向分析橫向分析標(biāo)準(zhǔn)分析綜合分析作用：u 確定公司財(cái)務(wù)狀況和經(jīng)營(yíng)成果的發(fā)展趨勢(shì)對(duì)投資者是否有利；u 通過(guò)趨勢(shì)分析可以知道企業(yè)經(jīng)營(yíng)的變化情況，為預(yù)測(cè)未來(lái)發(fā)展方向提供幫助。u 通過(guò)絕對(duì)值分析：u 通過(guò)相對(duì)值分析：2023年與 2023年相比：凈利潤(rùn)增長(zhǎng)了 150100=50（萬(wàn)元）；2023年與 2023年相比：凈利潤(rùn)增長(zhǎng)了 210150=60（萬(wàn)元）；說(shuō)明 2023年的效益增長(zhǎng)好于 2023年 。定基動(dòng)態(tài)比率它是以每一分析期的前期數(shù)值為基期數(shù)值而計(jì)算出來(lái)的動(dòng)態(tài)比率。 波士頓矩陣……38水平比較分析39水平比較法：通過(guò)對(duì)各類(lèi)相關(guān)數(shù)字資料，將兩期或多期連續(xù)的相同指標(biāo)或比率進(jìn)行定基對(duì)比和環(huán)比對(duì)比，得出它們的增減變動(dòng)方向、數(shù)額和幅度，是揭示企業(yè)財(cái)務(wù)狀況、經(jīng)營(yíng)情況和現(xiàn)金流量變化趨勢(shì)的一種分析方法。模型選定? 通過(guò)使用數(shù)理統(tǒng)計(jì)方法對(duì)所定模型或評(píng)估的可靠程度及精確程度作出推斷推斷結(jié)論對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析216。 提高了客戶(hù)的滿(mǎn)意度和忠誠(chéng)度；216。因此啤酒和尿布一起購(gòu)買(mǎi)的機(jī)會(huì)是最多 的。? 可以把某些復(fù)雜的函數(shù)關(guān)系，通過(guò)一定的變換用直線(xiàn)圖表示出來(lái)。 宏觀(guān)環(huán)境分析216。 戰(zhàn)略設(shè)想和聯(lián)盟分析216。 國(guó)家風(fēng)險(xiǎn)分析216。 產(chǎn)品生命周期216。 組合管理和調(diào)整戰(zhàn)略216。 組織和個(gè)性評(píng)估216。 競(jìng)爭(zhēng)者標(biāo)桿216。 SWOT分析216。 水平比較分析216?？赡苁且粋€(gè)報(bào)表或充滿(mǎn)圖標(biāo)和圖形的簡(jiǎn)報(bào)。該過(guò)程可能多次執(zhí)行，且非常耗時(shí)。? 合理性、簡(jiǎn)單性、穩(wěn)定性、預(yù)測(cè)能力? 為了特定的數(shù)據(jù)挖掘目的作出假設(shè)，運(yùn)用適當(dāng)?shù)臄?shù)據(jù)挖掘工具建立模型；? 利用模型解釋特定的現(xiàn)象和預(yù)測(cè)對(duì)象的未來(lái)狀況。成功的數(shù)據(jù)挖掘是讓數(shù)據(jù)產(chǎn)生商業(yè)價(jià)值，而不是簡(jiǎn)單運(yùn)營(yíng)特別算法或工具。 方法26第二部分27在處理海量數(shù)據(jù)時(shí)，我們常常遇到類(lèi)似的苦惱，數(shù)據(jù)庫(kù)越來(lái)越大，數(shù)據(jù)爆炸 ，不能制定合適的決策，那么 我們?nèi)绾胃玫睦猛诰虺龅臄?shù)據(jù)，通過(guò)分析獲取到有價(jià)值的數(shù)據(jù)成為非常重要的課題。如果沒(méi)有進(jìn)行數(shù)據(jù)挖掘與分析， “ PopTarts” 和颶風(fēng)的微妙關(guān)系就難以被發(fā)現(xiàn)。u 數(shù)據(jù) 挖掘與分析技術(shù) 瞄準(zhǔn)了那些最適合梅隆銀行服務(wù)項(xiàng)目的顧客，不僅削減成本，還提高了每位新開(kāi)戶(hù)顧客的平均利潤(rùn)率，其利潤(rùn)要比通常高 3倍。偏差檢測(cè)數(shù)據(jù)挖掘與分析的功能24美國(guó)梅隆銀行（ Bank of NewYork Mellon）梅隆銀行設(shè)定爭(zhēng)取 20萬(wàn)新戶(hù)頭的目標(biāo)，為此計(jì)劃向 1000萬(wàn)可能得顧客郵寄邀請(qǐng)函。聚類(lèi)? 對(duì)某類(lèi)對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類(lèi)對(duì)象的有關(guān)特征。自動(dòng)預(yù)測(cè)趨勢(shì)和行為? 數(shù)據(jù)庫(kù)中存在的一類(lèi)重要的可被發(fā)現(xiàn)的知識(shí)；若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱(chēng)為關(guān)聯(lián)；找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。數(shù)據(jù) 挖掘分析的 發(fā)展歷史22數(shù)據(jù)挖掘與分析的重要性：? 電信：客戶(hù) 流失? 銀行 ：客戶(hù)細(xì)分；交叉 銷(xiāo)售? 百貨公司 /超市：購(gòu)物籃 分析? 保險(xiǎn)公司：客戶(hù)細(xì)分；流失? 信用卡：欺詐探測(cè)；客戶(hù)細(xì)分? 稅務(wù)部門(mén)：偷稅漏稅行為探測(cè)? 醫(yī)學(xué)：醫(yī)療保健? 電子商務(wù)：網(wǎng)站日志 分析? 物流行業(yè)：貨物追蹤在銀行、保險(xiǎn)、電信、零售 等行業(yè)，激烈的市場(chǎng) 競(jìng)爭(zhēng) 環(huán)境下， 數(shù)據(jù)挖掘 及數(shù)據(jù)分析 的 作用尤為重要，并已開(kāi)始 廣泛 應(yīng)用 。信息發(fā)布階段? 從 1995年起，以 WEB技術(shù)為代表的信息發(fā)布系統(tǒng)，爆炸式地成長(zhǎng)起來(lái)，成為目前Inter的主要應(yīng)用。所有 這些推薦結(jié)果都來(lái)自于各式各樣的推薦系統(tǒng)，它們依靠計(jì)算機(jī)算法運(yùn)行，根據(jù)