【正文】 數(shù)據(jù)挖掘是個繁復(fù)的過程，需要我們長此以往的研究！。目前我還很欠缺這一塊知識。然而數(shù)據(jù)挖掘還是有很多需要面臨并且急需解決的問題??而我們也希望其越來越深刻的研究和改進。各種相關(guān)的框架如Hadoop也如雨后春筍紛紛出現(xiàn)。數(shù)據(jù)挖掘已經(jīng)有許多成功的應(yīng)用，如商務(wù)智能，Web搜索，生物信息學(xué)，衛(wèi)生保健信息學(xué)，金融，數(shù)字圖書館和數(shù)字政府等。這些領(lǐng)域包括統(tǒng)計學(xué)、機器學(xué)習(xí)、數(shù)據(jù)庫和數(shù)據(jù)倉庫系統(tǒng)，以及信息檢索。層次方法：層次聚類算法、平衡迭代歸約和算法、Chameleon（變色龍）、基于密度的方法：DBSCAN算法，OPTICS算法，DENCLUE算法。它可以應(yīng)用到客戶群體的分類、客戶背景分析、客戶購買趨勢預(yù)測、市場的細分等。分類算法主要有決策樹歸納、貝葉斯分類、使用IFTHEN規(guī)則分類、神經(jīng)網(wǎng)絡(luò)、支持向量機等。分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數(shù)據(jù)庫中的數(shù)據(jù)項映射到某個給定的類別。通常，它只需要兩種數(shù)據(jù)訪問操作：數(shù)據(jù)的初始化裝入和數(shù)據(jù)訪問。非易失的：數(shù)據(jù)倉庫總是物理地分離存放數(shù)據(jù)，這些數(shù)據(jù)源于操作環(huán)境下的應(yīng)用數(shù)據(jù)。時變的：數(shù)據(jù)存儲從歷史的角度提供信息。因此，數(shù)據(jù)倉庫通常排除對于決策無用的數(shù)據(jù)，提供特定主題的簡明視圖。數(shù)據(jù)倉庫有以下四種關(guān)鍵特征：面向主題的：數(shù)據(jù)倉庫圍繞一些重要主題，如顧客、供應(yīng)商、產(chǎn)品、和銷售組織。數(shù)據(jù)存儲從歷史的角度提供信息，并且通常是匯總的。數(shù)據(jù)倉庫通過數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)集成、數(shù)據(jù)裝入和定期數(shù)據(jù)刷新來構(gòu)造。兩者都離不開一種80年代后期興起的一種高級數(shù)據(jù)分析技術(shù)：數(shù)據(jù)倉庫和聯(lián)機分析處理。但很明顯的是，數(shù)據(jù)挖掘必須借助數(shù)據(jù)分析的有關(guān)方法來挖掘出有效的，對目標(biāo)應(yīng)用有意義的模式和知識。在產(chǎn)品的整個壽命周期，包括從市場調(diào)研到售后服務(wù)和最終處置的各個過程都需要適當(dāng)運用數(shù)據(jù)分析過程，以提升有效性。數(shù)據(jù)分析是組織有目的地收集數(shù)據(jù)、分析數(shù)據(jù)，使之成為信息的過程。數(shù)據(jù)分析的目的是把隱沒在一大批看來雜亂無章的數(shù)據(jù)中的信息集中、萃取和提煉出來，以找出所研究對象的內(nèi)在規(guī)律。模型選定分析，在探索性分析的基礎(chǔ)上提出一類或幾類可能的模型，然后通過進一步的分析從中挑選一定的模型。數(shù)據(jù)分析有極廣泛的應(yīng)用范圍。這些問題將繼續(xù)激勵數(shù)據(jù)挖掘的進一步研究與改進！數(shù)據(jù)分析數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計方法對收集來的大量第一手資料和第二手資料進行分析，以求最大化地開發(fā)數(shù)據(jù)資料的功能，發(fā)揮數(shù)據(jù)的作用。作為知識發(fā)現(xiàn)過程，它通常包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、模式發(fā)現(xiàn)、模式評估和知識表示六個步驟。數(shù)據(jù)挖掘數(shù)據(jù)挖掘應(yīng)當(dāng)更正確的命名為：“從數(shù)據(jù)中挖掘知識”，不過后者顯得過長了些。我們迫切需要一種工具來滿足從數(shù)據(jù)中發(fā)現(xiàn)知識的需求！而數(shù)據(jù)挖掘便應(yīng)運而生了。沃爾瑪利用信息技術(shù)建設(shè)的數(shù)據(jù)倉庫,在1997年圣誕節(jié)進行市場技術(shù)建立的數(shù)據(jù)倉庫,即分析顧客最可能一起購買那些商品,結(jié)果產(chǎn)生了經(jīng)典的“啤酒與尿布”的故事,這便是借助于數(shù)據(jù)倉庫系統(tǒng)第五篇：數(shù)據(jù)挖掘與分析心得體會正如柏拉圖所說：需要是發(fā)明之母?，F(xiàn)在銀行信息化正在以業(yè)務(wù)為中心向客戶為中心轉(zhuǎn)變6銀行信息化不僅是數(shù)據(jù)的集中整合,而且要在數(shù)據(jù)集中和整合的基礎(chǔ)上向以客為中心的方向轉(zhuǎn)變?！稊?shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在金融信息化中的應(yīng)用》論文主要通過介紹數(shù)據(jù)額倉庫與數(shù)據(jù)挖掘的起源、定義以及特征的等方面的介紹引出其在金融信息化中的應(yīng)用。關(guān)聯(lián)分析。數(shù)據(jù)挖掘的主要任務(wù)有廣義知識。數(shù)據(jù)挖掘的定義:數(shù)據(jù)挖掘從技術(shù)上來說是從大量的、不完全的、有噪音的、模糊的、隨機的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在的有用的信息和知識的過程。作為一個系統(tǒng),數(shù)據(jù)倉庫至少包括3個基本的功能部分:數(shù)據(jù)獲取:數(shù)據(jù)存儲和管理。數(shù)據(jù)倉庫是不可更新的,數(shù)據(jù)倉庫主要是為決策分析提供數(shù)據(jù),所涉及的操作主要是數(shù)據(jù)的查詢。數(shù)據(jù)倉庫的特點如下:數(shù)據(jù)倉庫是面向主題的。數(shù)據(jù)倉庫內(nèi)的數(shù)據(jù)時間一般為5年至10年,主要用于進行時間趨勢分析。主題是數(shù)據(jù)數(shù)據(jù)歸類的標(biāo)準(zhǔn),每個主題對應(yīng)一個客觀分析的領(lǐng)域,他可為輔助決策集成多個部門不同系統(tǒng)的大量數(shù)據(jù)。《淺談數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》這篇論文主要是介紹數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的的一些基本概念。電子商務(wù)領(lǐng)域具有豐富得信息資源,，極大地促進電子商務(wù)得發(fā)展與普及，,將為正確得商業(yè)決策提供強有力得支持與可靠得保證，就是電子商務(wù)不可缺少得重要工具，有著廣闊得發(fā)展前景.第四篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W習(xí)心得.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W習(xí)心得通過數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的這門課的學(xué)習(xí),掌握了數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的一些基礎(chǔ)知識和基本概念,了解了數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別?；跀?shù)據(jù)挖掘得信用評估模型，對交易歷史數(shù)據(jù)進行挖掘，發(fā)現(xiàn)客戶得交易數(shù)據(jù)特征,建立客戶信譽度級別,有效地防范與化解信用風(fēng)險，、確定異常事件在許多商業(yè)領(lǐng)域中,異常事件具有顯著得商業(yè)價值，如客戶流失、銀行得信用卡欺詐、為企業(yè)采取決策提供依據(jù)，減少企業(yè)不必要得損失。３、評估商業(yè)信用低劣得信用狀況就是影響商業(yè)秩序得突出問題，已經(jīng)引起世人得廣泛關(guān)注。通過呼叫中心優(yōu)化與客戶溝通得渠道,提高對客戶得響應(yīng)效率與服務(wù)質(zhì)量，促進客戶關(guān)系管理得自動化與智能化。甚至可以發(fā)現(xiàn)不同得人在購買該種商品得相關(guān)商品后多長時間有可能購買該種商品，以及什么樣得人會購買什么型號得該種商品等等。有助于客戶盈利能力分析,尋找潛在得有價值得客戶,開展個性化服務(wù), Wｅb 資源得挖掘，了解客戶得購買習(xí)慣與興趣,從而改善網(wǎng)站結(jié)構(gòu)設(shè)計，推出滿足不同客戶得個性化網(wǎng)頁。２、管理客戶數(shù)據(jù)隨著“以客戶為中心”得經(jīng)營理念得不斷深入人心，分析客戶、了解客戶并引導(dǎo)客戶得需求已成為企業(yè)經(jīng)營得重要課題。例如:美國運通公司（Amerｉcan Exｐｒｅss)有一個用于記錄信用卡業(yè)務(wù)得數(shù)據(jù)庫,數(shù)據(jù)量達到５4 億字符，并仍在隨著業(yè)務(wù)進展不斷更新。通過對 Web 數(shù)據(jù)挖掘,快速提取商業(yè)信息，使企業(yè)準(zhǔn)確地把握市場動態(tài),極大地提高企業(yè)對市場變化得響應(yīng)能力與創(chuàng)新能力,使企業(yè)最大限度地利用人力資源、物質(zhì)資源與信息資源，合理協(xié)調(diào)企業(yè)內(nèi)外部資源得關(guān)系，產(chǎn)生最佳得經(jīng)濟效益。二、數(shù)據(jù)挖掘在電子商務(wù)中得應(yīng)用優(yōu)化企業(yè)資源節(jié)約成本就是企業(yè)盈利得關(guān)鍵。數(shù)據(jù)挖掘就是一種新得商業(yè)信息處理技術(shù)，其主要特點就是對商業(yè)數(shù)據(jù)庫中得大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析與其她模型化處理，從中提取輔助商業(yè)決策得關(guān)鍵性數(shù)據(jù)。