數(shù)據(jù)挖掘技術(shù)理論

1、 為公司創(chuàng)造 很多潛在的利潤，而這種從海量數(shù)據(jù)庫中挖掘信息的技術(shù)，就稱之為數(shù)據(jù)挖掘。 對公司整個數(shù)據(jù)庫系統(tǒng)的分析， 數(shù)據(jù)挖掘工具可以回答諸如“哪個客戶對我們公司的郵件推銷活 數(shù)據(jù)挖掘技術(shù)是人們長期對數(shù)據(jù)庫技術(shù)進行研究和開發(fā)的結(jié)果。起初各種商業(yè)數(shù)據(jù)是存儲在 行查詢和遍歷， 并且 可以馬上投入使用，因為對這種技術(shù)進行支持的三種基礎(chǔ)技術(shù)已經(jīng)發(fā)展成熟，他們是：海量數(shù)據(jù)搜集強大的多處理器計算機數(shù)據(jù)挖掘算法 理機的技術(shù)來滿足； 另外數(shù) 據(jù)挖掘算法經(jīng)過了這 10 多年的發(fā)展也已經(jīng)成為一種成熟，穩(wěn)定，且易于理解和操作的技術(shù)。從商業(yè)數(shù)據(jù)到商業(yè)信息的進化過程中，每一步前進都是建立在上一步的基礎(chǔ)上的。見下表。 經(jīng)可

2、以快速地回答商業(yè)上的很多問題了。進進化階段數(shù)據(jù)搜集“在新英格蘭的分?jǐn)?shù)據(jù)訪問部去年三月的銷售額是多少？”數(shù)據(jù)倉庫；決策支 “在新英格蘭的分部去年三月的銷售支持技術(shù) 產(chǎn)品廠家計算機、磁帶和磁IBM, CDC盤關(guān)系數(shù)據(jù)庫Oracle、Sybase、 (RDBMS) ，結(jié)構(gòu)化Informix、IBM、 查詢語言(SQL)，MicrosoftODBC聯(lián)機分析處理(OLAP)、多維數(shù) Arbor、Cognos、產(chǎn)品特點提供歷史性的、靜態(tài)的數(shù)據(jù)信息在記錄級提供歷史性的、動態(tài)數(shù)據(jù)信息在各種層次上提供回溯的、動態(tài)的數(shù)商業(yè)問題“過去五年中我的總收入是多少？”Pilot、Comshare、持額額是多少？波士頓 據(jù)庫

3、、數(shù)據(jù)倉庫 Microstrategy據(jù)此可得出什么結(jié)論？”“下個月波士頓的 高級算法、多處理SPSS、SAS、IBM、 銷售會怎么樣？為 器計算機、海量數(shù) 什么？” 據(jù)庫據(jù)信息提供預(yù)測性的信息數(shù)據(jù)挖掘(正在流行)表一、數(shù)據(jù)挖掘的進化歷程(摘自天極網(wǎng)絡(luò))了數(shù)十年的發(fā)展，其中包括數(shù)理統(tǒng)計、人工智能、機器學(xué)習(xí)。今天，這 的關(guān)系數(shù)據(jù)庫引擎以及廣泛的數(shù)據(jù)集成，讓數(shù)據(jù)挖掘技術(shù)在當(dāng)前的數(shù)據(jù)倉庫環(huán) “數(shù)據(jù)挖掘”這個名字來源于它有點類似于在山脈中挖掘有價值的礦藏。在商業(yè)應(yīng)用里，它就表現(xiàn)為在 商業(yè)信息。這兩種過程都需要對巨量的材料進行詳細地過濾，并且需要智能 。對于給定了大小的數(shù)據(jù)庫，數(shù)據(jù)挖掘技術(shù)可以用它如下的

4、超能力產(chǎn)生巨大 接地從數(shù)據(jù)中間找到答案。一個典型的利用數(shù)據(jù)挖掘進行預(yù)測的例子就是 件和硬件更加自動化，并且可以在升級的或者新開發(fā)的平臺上執(zhí)行。當(dāng) 的并行處理系統(tǒng)上的時候，它能在數(shù)分鐘內(nèi)分析一個超大型的數(shù)據(jù)庫。這種更 在。以往，在進行較復(fù)雜的數(shù)據(jù)分析時，專家們限于時間因素，不得不對 限制，但是那些被丟棄而沒有參加運算的變量有可能包含著另一些不為人知的有 數(shù)據(jù)挖掘工具讓用戶對數(shù)據(jù)庫能進行通盤的深度編歷，并且任何可能參選的變量 。存在。更大的樣本讓產(chǎn)生錯誤和變化的概率降低，這樣用戶就能更加精確地 up 技術(shù)來挖掘市場以外的價值，采用更為廣闊的并行處理系統(tǒng)來創(chuàng)建新的商業(yè)增長 。門的分析工具已經(jīng)發(fā)展了大

5、約十年的歷史，不過這些工具所面對的數(shù)據(jù)量通常 數(shù)據(jù)挖掘工具是怎樣準(zhǔn)確地告訴你那些隱藏在數(shù)據(jù)庫深處的重要信息的呢？它們又是如何 型， 并且把這 你個時 。 利用這個模型，你就很有希望在具有大量相同特征的另外一個地點發(fā)現(xiàn)一件不為人知的寶藏。 用。在計算機中的建模和以前的建模方法并無很大不同， 主要的差異在于計算機能處理的信息量 工具從這 應(yīng)用在那些情形相似但結(jié)果尚未知的判斷中了。比如，現(xiàn)在假設(shè)你是一個電信公司的營銷主任， 有目的地去拉攏客戶會產(chǎn)生高得多的效率。 一樣，緊密地和數(shù)據(jù)倉庫集成起來。這樣，在人們對參數(shù)和分析深度進行變化的時候， 高集成度 就能大大地簡化數(shù)據(jù)挖掘過程。集成后的數(shù)據(jù)挖掘體系

6、種市 場上的數(shù)據(jù)庫： Sybase、Oracle、Redbrick、和其他等等，并且可以針對其中的數(shù)據(jù)進行速度上 和靈活性上的優(yōu)化。 和并輔助用戶快速作出商業(yè)決策，并且用戶還可以在更新數(shù)據(jù)的時候不斷發(fā)現(xiàn)更 規(guī)決策支持系統(tǒng)的基礎(chǔ)結(jié)構(gòu)的轉(zhuǎn)變。不象查詢和報表語言僅僅是將數(shù)據(jù) 息的分析結(jié)果。這個結(jié)果是一個經(jīng)過分析和抽象的動態(tài)視圖層，通常會根據(jù)用 這個視圖，各種報表工具和可視化工具就可以將分析結(jié)果展現(xiàn)在用戶面前，以 統(tǒng)，但是現(xiàn)在這種技術(shù)已經(jīng)準(zhǔn)備好應(yīng)用于各個公司中，只要公司具有大型數(shù)據(jù) 數(shù)據(jù)庫；另一個就是定義完善的商業(yè)處理程序，這樣數(shù)據(jù)挖掘才好緊密地應(yīng)用 最近幾個月內(nèi)對高附加值的醫(yī)生群體影響最大，這樣的分析建立在競爭對手的銷 況的數(shù)據(jù)系統(tǒng)之上。然后這個藥品公司可以通過其辦公網(wǎng)絡(luò)，將分析結(jié)果傳達到 代表們則可以根據(jù)公司傳遞的關(guān)鍵信息來作出相應(yīng)的銷售抉擇，這樣，在快速變 出利于企業(yè)的抉擇， 建立在關(guān)系數(shù)據(jù)庫和聯(lián)機分析技術(shù)上