【正文】 大量的數(shù)據(jù)中挖掘出有用的信息和知識。 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別 數(shù)據(jù)倉庫是一種存儲技術(shù) ,它的數(shù)據(jù)存儲量是一般數(shù)據(jù)庫的 100 倍 ,它包含大量的歷史數(shù)據(jù)、當(dāng)前的詳細(xì)數(shù)據(jù)以及綜合數(shù)據(jù)。另一方面 ,數(shù)據(jù)挖掘?yàn)閿?shù)據(jù)倉庫提供了更好的決策支持 ,同時(shí)促進(jìn)了數(shù)據(jù)倉庫技術(shù)的發(fā)展。數(shù)據(jù)倉庫完成數(shù)據(jù)的收集、集成、存儲、管理等 工作 ,數(shù)據(jù)挖掘面對的是經(jīng)初步加工的數(shù)據(jù) ,使得數(shù)據(jù)挖掘能更專注于知識的發(fā)現(xiàn)。 數(shù)據(jù)挖掘的可視化技術(shù)、統(tǒng)計(jì)分析技術(shù)等都為數(shù)據(jù)挖掘提供了強(qiáng)有力的技術(shù)支持。 數(shù)據(jù)倉庫作為數(shù)據(jù)挖掘的對象 ,要為數(shù)據(jù)挖掘提供更多、更好的數(shù)據(jù)。數(shù)據(jù)挖掘?qū)?shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行模式抽取和發(fā)現(xiàn)知識 ,從數(shù)據(jù)倉庫中揭 示出對企業(yè)有潛在價(jià)值的規(guī)律知識 ,形成知識發(fā)現(xiàn) ,為知識管理提供了內(nèi)容 ,在知識管理中起到中流砥柱的作用。另外 ,數(shù)據(jù)倉庫中對數(shù)據(jù)不同粒度的集成和綜合 ,更有效地支持廣多層次、多種知識的開采。而且 ,數(shù)據(jù)倉庫 機(jī)制大大降低了數(shù)據(jù)挖掘的障礙 ,一般進(jìn)行數(shù)據(jù)挖掘要花大量的精力在數(shù)據(jù)準(zhǔn)備階段 :數(shù)據(jù)倉庫中的數(shù)據(jù)已經(jīng)被充分收集起來 ,進(jìn)行了整理、合并 ,并且有些還進(jìn)行了初步的分析處理。用戶可以通過數(shù)據(jù)倉庫服務(wù)器得到所需的數(shù)據(jù) ,形成開采中間數(shù)據(jù)庫 ,利用數(shù)據(jù)挖掘方法進(jìn)行開采 ,獲得知識。數(shù)據(jù)倉庫一般設(shè)計(jì)成只讀方式 ,數(shù)據(jù)倉庫的更新由專門一套機(jī)制保證 ,數(shù)據(jù)倉庫對查詢的強(qiáng)大支持使數(shù)據(jù)挖掘效率更高。作為數(shù)據(jù)挖掘?qū)ο?,數(shù)據(jù)倉庫技術(shù)的產(chǎn)生和發(fā)展為數(shù) 據(jù)挖掘技術(shù)開辟了新的戰(zhàn)場 ,提出了新要求和挑戰(zhàn)。數(shù)據(jù)倉庫中數(shù)據(jù)在時(shí)間軸上的縱深性是數(shù)據(jù)挖掘不能回避的又一個(gè)新難點(diǎn)。二者的聯(lián)系概括如下： 數(shù)據(jù)倉庫中集成和存儲著來自異質(zhì)的信息源的數(shù)據(jù) ,而這些信息源本身就可能是一個(gè)規(guī)模龐大的數(shù)據(jù)庫。 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的關(guān)系 數(shù)據(jù)挖掘和數(shù)據(jù)倉庫作為決策支持新技術(shù) ,在近十年來迅速發(fā)展。 定義 6 ： 數(shù)據(jù)挖掘廣義的定義為在一些事實(shí)或觀察數(shù)據(jù)的集合中尋找模式的決策支持的過程。 4 定義 5 ： Fayyad 等在“知識發(fā)現(xiàn) 96 國際會議上”認(rèn)為，知識發(fā)現(xiàn)是從數(shù)據(jù)庫中發(fā)現(xiàn)知識的全部過程，而數(shù)據(jù)挖掘則是此全部過程中一個(gè)特定 的關(guān)鍵一步。 定義 3 ： 有人認(rèn)為，數(shù)據(jù)挖掘?yàn)榘l(fā)現(xiàn)數(shù)據(jù)中隱藏的模式和關(guān)系的過程。對數(shù)據(jù)挖掘有如下定義： 定義 1 ： Shapior, 等定義數(shù)據(jù)挖掘?yàn)閺臄?shù)據(jù)庫的大量數(shù)據(jù)中揭示出隱含的、先前未知的、潛在有用的信息的非平凡過程。從 1995 年開始，每年舉行一次知識發(fā)現(xiàn)國際學(xué)術(shù)會議，把對數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究推入高潮。零售商則更多的使用數(shù)據(jù)挖掘來決定每種商品在不同地點(diǎn)的庫存量，通過數(shù)據(jù)挖掘更靈活地進(jìn)行商品促銷和優(yōu)惠活動。電訊公司和信用卡公司就是用數(shù)據(jù)挖掘檢測欺詐行為的先行者。如何采用神經(jīng)網(wǎng)絡(luò)方法提高金融增益和在采用數(shù)據(jù)挖掘技術(shù)建立股票市場模型。如此，已經(jīng)發(fā)現(xiàn)了購買某一商品的客戶的特征，那么就可以向那些具有這些特征但還沒有購買此商品的客戶推銷這個(gè)商品；找 3 到流失的客戶的特征就可以對那些具有相似特征的客戶還未流失之前進(jìn)行針對性的彌補(bǔ)，因?yàn)楸Ａ粢粋€(gè)客戶要比爭取一個(gè)客戶容易得多。 很多企業(yè)都在利用數(shù)據(jù)挖掘技術(shù)幫助管理客戶生命周期的各個(gè)階段，包括爭取新的客戶、在已有客戶的身上賺更多的錢和保持優(yōu)質(zhì)客戶。當(dāng)然，在某些領(lǐng)域（如股票市場），數(shù)據(jù)挖掘產(chǎn)生預(yù)測的準(zhǔn)確性要比其他領(lǐng)域差一些。表 給出的 3 個(gè)例子清楚地說明數(shù)據(jù)挖掘可以對企業(yè)的盈利能力產(chǎn)生直接影響。如果你不在這方面做些什么，那么你將會失去你的生意。同時(shí)和各種人員的交流也是很重要的，當(dāng)他們了解了數(shù)據(jù)挖掘之后，就有可能提出更好的問題。 ，為每一個(gè)顧客的獨(dú)特需求設(shè)計(jì)“量身定制”的產(chǎn) 品。即可以通過顧客定制和指定的產(chǎn)品和服務(wù)交換信息，對 Web 上的商業(yè)模式建模，預(yù)測、了解影響銷售的各種因素，以便迅速調(diào)整其市場、價(jià)格、存貨等；通過頁面訪問情況，分析出的客戶生活和購物模式，根據(jù)客戶的愛好等來定制個(gè)性化 Web界面。 例如，數(shù)據(jù)挖掘運(yùn)用于客戶行為分析，企業(yè)從中受益體現(xiàn)在以下四個(gè)方面： 客和訪問者的愛好、生活模式等。 綜合對數(shù)據(jù)倉庫的各種理解以及其特征，我們可以定義數(shù)據(jù)倉庫是一種為信息分析提供了良好的基礎(chǔ)并支持管理決策活動的分析環(huán)境，是面向主題的、集成的、穩(wěn)定的、不可更新的、隨時(shí)間變化的、分層次的多維的集成數(shù)據(jù)集合。 定義 6：倉庫提供公司數(shù)據(jù)以及組織數(shù)據(jù)的訪問功能，其中的數(shù)據(jù)是一致的（ consistent），并且可以按每種可能的商業(yè)度量方式分解和組合；數(shù)據(jù)倉庫也是一套查詢、分析和呈現(xiàn)信息的工具；數(shù)據(jù)倉庫是我們發(fā)布所用數(shù)據(jù)的場所，其中數(shù)據(jù)的質(zhì)量是業(yè)務(wù)再工程的驅(qū)動器（ driver of business reengineering）。這種數(shù) 據(jù)存儲提供給可以允許最終用戶的可以是一種他們能夠在其業(yè)務(wù)范疇中理解并使用的方式。即與企業(yè)定義的時(shí)間區(qū)段相關(guān)，面向主題且不可更新的數(shù)據(jù)集合。 定義 2：“ DW 是作為 DSS 基礎(chǔ)的分析型 DB，用來存放大容量的只讀數(shù)據(jù)，為制定決策提供所需的信息。 《 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘 》大作業(yè) 院（系）名稱 信息技術(shù)學(xué)院 專 業(yè) 年 級 10 級電子商務(wù) 學(xué)號 101144054 學(xué)生姓名 張澤果 I 目 錄 第 1章 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘簡介 .......................................... 1 .................................................. 1 .................................................... 1 數(shù)據(jù)挖掘的作用 ............................................ 1 數(shù)據(jù)挖掘?qū)ζ髽I(yè)的影響 ....................................... 2 數(shù)據(jù)挖掘概念 ............................................... 3 ........................................ 4 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別 ....................................... 5 第 2章 創(chuàng)建數(shù)據(jù)倉庫 .................................................... 6 數(shù)據(jù)倉庫的來源 .................................................. 6 數(shù)據(jù)表的結(jié)構(gòu) .................................................... 6 第 3章 關(guān)聯(lián)規(guī)則挖掘 .................................................... 8 案例背景 ........................................................ 8 數(shù)據(jù)來源 ........................................................ 9 關(guān)聯(lián)規(guī)則的應(yīng)用 .................................................. 9 Microsoft SQL Server 2021 Analysis Services 操作步驟 ....... 9 模型解釋 .................................................. 17 ........................................................... 19 第 4章 分類挖掘 ....................................................... 20 ....................................................... 20 ....................................................... 20 ................................................. 21 Microsoft SQL Server 2021 Analysis Services 操作步驟 ...... 21 模型解釋 .................................................. 26 ........................................................... 28 第 5章 聚類挖掘 ....................................................... 29 ....................................................... 29 ....................................................... 29 ................................................. 30 Microsoft SQL Server 2021 Analysis Services 操作步驟 ...... 30 II 模型解釋 .................................................. 32 小結(jié) ........................................................... 36 ................................................................ 1 第 1 章 數(shù)據(jù)倉庫 和數(shù)據(jù)挖掘簡介 數(shù)據(jù)倉庫 的概念 什么是數(shù)據(jù)倉庫，目前有一下不同的看法： 定義 1： 在《 Building the Data Warehouse》中定義 數(shù)據(jù)倉庫為：“數(shù)據(jù)倉庫是面向主題的、集成的、隨時(shí)間變化的、歷史的、穩(wěn)定的、支持決策制定過程的數(shù)據(jù)集合?！? 即數(shù)據(jù)倉庫是在管理人員決策中的面向主題的、集成的、非易失的并且隨時(shí)間而變化的數(shù)據(jù)集合?！? 定義 3：“ DW 是與操作型系統(tǒng)相分離的、基于標(biāo)準(zhǔn)企業(yè)模型集成的、帶有時(shí)間屬性的?！? 定義 4：數(shù)據(jù)倉庫是一種來源于各種渠道的單一的、完整的、穩(wěn)定的數(shù)據(jù)存儲。 定義 5：數(shù)據(jù)倉庫是大量有關(guān)公司數(shù)據(jù)的數(shù)據(jù)存儲。 定義的共同特征：首先，數(shù)據(jù)倉庫包含大量數(shù)據(jù)，其中一些數(shù)據(jù)來源于 組織中的操作數(shù)據(jù)，也有一些數(shù)據(jù)可能來自于組織外部；其次，組織數(shù)據(jù)倉庫是為了更加便利地使用數(shù)據(jù)進(jìn)行決策；最后，數(shù)據(jù)倉庫為最終用戶提供了可用來存取數(shù)據(jù)的工具。 數(shù)據(jù)挖掘引論 數(shù)據(jù)挖掘的作用 2 數(shù)據(jù)挖掘解決諸如欺詐甄別（ fraud detection）、保留客戶（ customer retention）、 消除摩擦（ attrition）、數(shù)據(jù)庫營銷（ database marketing）、市場細(xì)分（ market segmentation）、風(fēng)險(xiǎn)分析（ risk analysis）、親和力分析（ affinity analysis）、客戶滿意度（ customer satisfaction）、破產(chǎn)預(yù)測（ bankruptcy prediction）、職務(wù)分析（ portfolio analysis）等業(yè)務(wù)問題提供了有效的方法。 ，怎樣使產(chǎn)品適銷對路，怎樣給產(chǎn)品定價(jià)，怎樣吸引單個(gè)顧客，怎樣優(yōu)化 Web 站點(diǎn)等問題。 ，針對不同的產(chǎn)品定制相應(yīng)的營銷策略。 有些問題的產(chǎn)生是顯然的，如：開辟新產(chǎn)品的市場；為現(xiàn)存的產(chǎn)品和服務(wù)定價(jià)；了解客戶流失的原因。 企業(yè) 的影響 諾貝爾獎得 主 Penziad 博士在 1999 年 1月的《計(jì)算機(jī)世界》上發(fā)表評論認(rèn)為：“數(shù)據(jù)挖掘?qū)⒆兊酶又匾?，因?yàn)閿?shù)據(jù)挖掘如此有價(jià)值，以至于企業(yè)將不再會丟失與其客戶有關(guān)的任何信息?！? 如果數(shù)據(jù)挖掘能夠?qū)Ω纳粕虅?wù)過程起到明顯的作用，則它就是一種能夠贏得競爭 的武器。 這 3 個(gè)例子中，企業(yè)的銷售收入都受到通過數(shù)據(jù)挖掘所收集到的信息數(shù)據(jù)量的影響。例如，在零售業(yè)中對于直接信函而言，采用數(shù)據(jù)挖掘，從有可能對直接信函做出響應(yīng)的人當(dāng)中識別出其中 10%為可能性最高的人就是一件比較容易的事情。如果能夠確定優(yōu)勢客 戶的特點(diǎn)，那么就能提供針對性的服務(wù)。 表 21 圖書借閱登記表 零 售 業(yè) 業(yè)務(wù) 問題 增加對直接信函（ direct mail）的響應(yīng)率 解決 方案 銷售人員通過數(shù)據(jù)挖掘建立的預(yù)測模型以了解哪些人最有可能對直接信函作出響應(yīng) 獲得的收益 由于將直接信函發(fā)送給正確的客戶而增 加了銷售額 保 險(xiǎn) 業(yè) 業(yè)務(wù) 問題 減少保險(xiǎn)欺詐案件的發(fā)生數(shù)量 解決