監(jiān)理公司管理系統(tǒng) | 工程企業(yè)管理系統(tǒng) | OA系統(tǒng) | ERP系統(tǒng) | 造價(jià)咨詢管理系統(tǒng) | 工程設(shè)計(jì)管理系統(tǒng) | 甲方項(xiàng)目管理系統(tǒng) | 簽約案例 | 客戶案例 | 在線試用
X 關(guān)閉

“數(shù)據(jù)掘金”豈能用“鋤頭”

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

AMTeam.org

“數(shù)據(jù)掘金”豈能用“鋤頭” 利用數(shù)據(jù)挖掘技術(shù)獲得商業(yè)智能 劉紅巖 何軍 2003-6-5 中國(guó)計(jì)算機(jī)報(bào) 應(yīng)該注意：數(shù)據(jù)、信息和決策信息三者是有區(qū)別的。知識(shí)發(fā)現(xiàn)這個(gè)過(guò)程做不好，企業(yè)迅速膨脹的信息系統(tǒng)就是個(gè)垃圾堆。從外表看，企業(yè)信息系統(tǒng)的硬件施工很規(guī)范，但是怎么知道企業(yè)的管理團(tuán)隊(duì)，乃至整個(gè)企業(yè)正在滑進(jìn)這個(gè)垃圾堆呢？ ——編者


　　在當(dāng)今競(jìng)爭(zhēng)日益激烈的市場(chǎng)環(huán)境中，您一定希望能夠從浩如煙海的商務(wù)數(shù)據(jù)以及其他相關(guān)的數(shù)據(jù)中發(fā)現(xiàn)帶來(lái)巨額利潤(rùn)的商機(jī)。只有那些利用先進(jìn)的信息技術(shù)成功地收集、分析、理解信息并依據(jù)信息進(jìn)行決策的企業(yè)才能獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，才是市場(chǎng)的贏家。因此，越來(lái)越多的管理者開(kāi)始借助商務(wù)智能技術(shù)來(lái)發(fā)現(xiàn)商務(wù)運(yùn)營(yíng)過(guò)程中存在的問(wèn)題，找到有利的解決方案。
　　具體地說(shuō)，商務(wù)智能技術(shù)包括：

　　· 數(shù)據(jù)倉(cāng)庫(kù)(data warehousing)
　　· 聯(lián)機(jī)分析處理(on-line analytical processing，簡(jiǎn)稱(chēng)OLAP)
　　· 數(shù)據(jù)挖掘（data mining）

　　包括以上三者在內(nèi)的用于綜合、探察和分析商務(wù)數(shù)據(jù)的先進(jìn)的信息技術(shù)的統(tǒng)稱(chēng)就是商務(wù)智能技術(shù)。

　　數(shù)據(jù)倉(cāng)庫(kù)

　　數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、隨時(shí)間變化的、非易失的主要用于決策支持的數(shù)據(jù)的集合。一般來(lái)說(shuō)，大公司或企業(yè)內(nèi)存在著各種各樣的信息系統(tǒng)，這些應(yīng)用驅(qū)動(dòng)的操作型信息系統(tǒng)為企業(yè)不同的業(yè)務(wù)系統(tǒng)服務(wù)，具有不同接口和不同的數(shù)據(jù)表示方法，互相孤立。利用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)可以動(dòng)態(tài)地將各個(gè)異構(gòu)系統(tǒng)中的數(shù)據(jù)抽取集成到一起，進(jìn)行清洗、轉(zhuǎn)換等處理之后加載到數(shù)據(jù)倉(cāng)庫(kù)中，通過(guò)周期性的刷新，為用戶提供一個(gè)統(tǒng)一的干凈的數(shù)據(jù)視圖，為數(shù)據(jù)分析提供一個(gè)高質(zhì)量的數(shù)據(jù)源。

　　OLAP

　　對(duì)于數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，可以使用一些增強(qiáng)的查詢和報(bào)表工具進(jìn)行復(fù)雜的查詢和即時(shí)的報(bào)表制作，可以利用OLAP技術(shù)從多種角度對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行多方面的匯總統(tǒng)計(jì)計(jì)算，還可以利用數(shù)據(jù)挖掘技術(shù)自動(dòng)發(fā)現(xiàn)其中隱含的有用信息。

　　數(shù)據(jù)挖掘

　　數(shù)據(jù)挖掘又稱(chēng)知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database，簡(jiǎn)稱(chēng)KDD），是從大量數(shù)據(jù)中抽取有意義的、隱含的、以前未知的并有潛在使用價(jià)值的知識(shí)的過(guò)程。數(shù)據(jù)挖掘是一個(gè)多學(xué)科交叉性學(xué)科，它涉及統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、模式識(shí)別、可視化以及高性能計(jì)算等多個(gè)學(xué)科。利用數(shù)據(jù)挖掘技術(shù)可以分析各種類(lèi)型的數(shù)據(jù)，例如結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)、靜態(tài)的歷史數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)流數(shù)據(jù)等。

　　數(shù)據(jù)挖掘?qū)ο蠓诸?lèi)

　　關(guān)系數(shù)據(jù)庫(kù)(relational database)中通常存儲(chǔ)和管理的是結(jié)構(gòu)化的數(shù)據(jù)，它將一個(gè)實(shí)體的各方面信息通過(guò)離散的屬性進(jìn)行描述。而文本數(shù)據(jù)庫(kù)（text database）或文檔數(shù)據(jù)庫(kù)（document database）則通常存儲(chǔ)和管理的是半結(jié)構(gòu)化的數(shù)據(jù)，例如新聞稿件、研究論文、電子郵件、書(shū)籍以及WEB頁(yè)面等都屬于半結(jié)構(gòu)化數(shù)據(jù)。空間數(shù)據(jù)庫(kù)、多媒體數(shù)據(jù)庫(kù)中存放的是非結(jié)構(gòu)化數(shù)據(jù)，例如地圖、圖片、音頻、視頻等都屬于非結(jié)構(gòu)化數(shù)據(jù)。相對(duì)于半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)來(lái)說(shuō)，針對(duì)結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)比較成熟，市場(chǎng)上有很多的商品軟件可以使用，用的較多的包括IBM Intelligent Miner、SAS Enterprise Miner、SGI MineSet、Clementine SPSS以及Microsoft SQL Server 2000等。關(guān)于半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)挖掘軟件尚不多，相應(yīng)的算法相對(duì)還較少。IBM Intelligent Miner for Text是IBM公司開(kāi)發(fā)的針對(duì)文本的挖掘軟件。
　　從另一個(gè)角度來(lái)說(shuō)，數(shù)據(jù)挖掘的分析對(duì)象又可以分為兩種類(lèi)型：靜態(tài)數(shù)據(jù)和數(shù)據(jù)流（data stream）數(shù)據(jù)。現(xiàn)在的多數(shù)數(shù)據(jù)挖掘算法是用于分析靜態(tài)數(shù)據(jù)的。

　　數(shù)據(jù)挖掘常用技術(shù)

　　無(wú)論要分析的數(shù)據(jù)對(duì)象的類(lèi)型如何，常用的數(shù)據(jù)挖掘技術(shù)包括關(guān)聯(lián)分析、序列分析、分類(lèi)、預(yù)測(cè)、聚類(lèi)分析以及時(shí)間序列分析等。

　　·關(guān)聯(lián)分析
　　關(guān)聯(lián)分析主要用于發(fā)現(xiàn)不同事件之間的關(guān)聯(lián)性，即一個(gè)事件發(fā)生的同時(shí)，另一個(gè)事件也經(jīng)常發(fā)生。關(guān)聯(lián)分析的重點(diǎn)在于快速發(fā)現(xiàn)那些有實(shí)用價(jià)值的關(guān)聯(lián)發(fā)生的事件。其主要依據(jù)是事件發(fā)生的概率和條件概率應(yīng)該符合一定的統(tǒng)計(jì)意義。
　　對(duì)于結(jié)構(gòu)化的數(shù)據(jù)，以客戶的購(gòu)買(mǎi)習(xí)慣數(shù)據(jù)為例，利用關(guān)聯(lián)分析，可以發(fā)現(xiàn)客戶的關(guān)聯(lián)購(gòu)買(mǎi)需要。例如，一個(gè)開(kāi)設(shè)儲(chǔ)蓄賬戶的客戶很可能同時(shí)進(jìn)行債券交易和股票交易，購(gòu)買(mǎi)紙尿褲的男顧客經(jīng)常同時(shí)購(gòu)買(mǎi)啤酒等。利用這種知識(shí)可以采取積極的營(yíng)銷(xiāo)策略，擴(kuò)展客戶購(gòu)買(mǎi)的產(chǎn)品范圍，吸引更多的客戶。通過(guò)調(diào)整商品的布局便于顧客買(mǎi)到經(jīng)常同時(shí)購(gòu)買(mǎi)的商品，或者通過(guò)降低一種商品的價(jià)格來(lái)促進(jìn)另一種商品的銷(xiāo)售等。
　　對(duì)于非結(jié)構(gòu)化的數(shù)據(jù)，以空間數(shù)據(jù)為例，利用關(guān)聯(lián)分析，可以發(fā)現(xiàn)地理位置的關(guān)聯(lián)性。例如，85%的靠近高速公路的大城鎮(zhèn)與水相鄰，或者發(fā)現(xiàn)通常與高爾夫球場(chǎng)相鄰的對(duì)象等。

　　·序列分析
　　序列分析技術(shù)主要用于發(fā)現(xiàn)一定時(shí)間間隔內(nèi)接連發(fā)生的事件。這些事件構(gòu)成一個(gè)序列，發(fā)現(xiàn)的序列應(yīng)該具有普遍意義，其依據(jù)除了統(tǒng)計(jì)上的概率之外，還要加上時(shí)間的約束。

　　·分類(lèi)分析
　　分類(lèi)分析通過(guò)分析具有類(lèi)別的樣本的特點(diǎn)，得到?jīng)Q定樣本屬于各種類(lèi)別的規(guī)則或方法。利用這些規(guī)則和方法對(duì)未知類(lèi)別的樣本分類(lèi)時(shí)應(yīng)該具有一定的準(zhǔn)確度。其主要方法有基于統(tǒng)計(jì)學(xué)的貝葉斯方法、神經(jīng)網(wǎng)絡(luò)方法、決策樹(shù)方法以及support vector machines等。
　　利用分類(lèi)技術(shù)，可以根據(jù)顧客的消費(fèi)水平和基本特征對(duì)顧客進(jìn)行分類(lèi)，找出對(duì)商家有較大利益貢獻(xiàn)的重要客戶的特征，通過(guò)對(duì)其進(jìn)行個(gè)性化服務(wù)，提高他們的忠誠(chéng)度。
　　利用分類(lèi)技術(shù)，可以將大量的半結(jié)構(gòu)化的文本數(shù)據(jù)，如WEB頁(yè)面、電子郵件等進(jìn)行分類(lèi)?？梢詫D片進(jìn)行分類(lèi)，例如，根據(jù)已有圖片的特點(diǎn)和類(lèi)別，可以判定一幅圖片屬于何種類(lèi)型的規(guī)則。對(duì)于空間數(shù)據(jù)，也可以進(jìn)行分類(lèi)分析，例如，可以根據(jù)房屋的地理位置決定房屋的檔次。

　　·聚類(lèi)分析
　　聚類(lèi)分析是根據(jù)物以類(lèi)聚的原理，將本身沒(méi)有類(lèi)別的樣本聚集成不同的組，并且對(duì)每一個(gè)這樣的組進(jìn)行描述的過(guò)程。其主要依據(jù)是聚到同一個(gè)組中的樣本應(yīng)該彼此相似，而屬于不同組的樣本應(yīng)該足夠不相似。
　　仍以客戶關(guān)系管理為例，利用聚類(lèi)技術(shù)，根據(jù)客戶的個(gè)人特征以及消費(fèi)數(shù)據(jù)，可以將客戶群體進(jìn)行細(xì)分。例如，可以得到這樣的一個(gè)消費(fèi)群體：女性占91%，全部無(wú)子女、年齡在31到40歲占70%，高消費(fèi)級(jí)別的占64%，買(mǎi)過(guò)針織品的占91%，買(mǎi)過(guò)廚房用品的占89%，買(mǎi)過(guò)園藝用品的占79%。針對(duì)不同的客戶群，可以實(shí)施不同的營(yíng)銷(xiāo)和服務(wù)方式，從而提高客戶的滿意度。
　　對(duì)于空間數(shù)據(jù)，根據(jù)地理位置以及障礙物的存在情況可以自動(dòng)進(jìn)行區(qū)域劃分。例如，根據(jù)分布在不同地理位置的ATM機(jī)的情況將居民進(jìn)行區(qū)域劃分，根據(jù)這一信息，可以有效地進(jìn)行ATM機(jī)的設(shè)置規(guī)劃，避免浪費(fèi)，同時(shí)也避免失掉每一個(gè)商機(jī)。
　　對(duì)于文本數(shù)據(jù)，利用聚類(lèi)技術(shù)可以根據(jù)文檔的內(nèi)容自動(dòng)劃分類(lèi)別，從而便于文本的檢索。

　　·預(yù)測(cè)
　　預(yù)測(cè)與分類(lèi)類(lèi)似，但預(yù)測(cè)是根據(jù)樣本的已知特征估算某個(gè)連續(xù)類(lèi)型的變量的取值的過(guò)程，而分類(lèi)則只是用于判別樣本所屬的離散類(lèi)別而已。預(yù)測(cè)常用的技術(shù)是回歸分析。

　　·時(shí)間序列分析
　　時(shí)間序列分析的是隨時(shí)間而變化的事件序列，目的是預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，或者尋找相似發(fā)展模式或者是發(fā)現(xiàn)周期性發(fā)展規(guī)律。

　　現(xiàn)狀：與發(fā)達(dá)國(guó)家差距較大

　　現(xiàn)在，隨著我國(guó)加入WTO，我國(guó)在許多領(lǐng)域，如金融、保險(xiǎn)等領(lǐng)域?qū)⒅鸩綄?duì)外開(kāi)放，這就意味著許多企業(yè)將面臨來(lái)自國(guó)際大型跨國(guó)公司的巨大競(jìng)爭(zhēng)壓力。國(guó)外發(fā)達(dá)國(guó)家各種企業(yè)采用商務(wù)智能的水平已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)了我國(guó)。美國(guó)Palo Alto 管理集團(tuán)公司1999年對(duì)歐洲、北美和日本375家大中型企業(yè)的商務(wù)智能技術(shù)的采用情況進(jìn)行了調(diào)查。結(jié)果顯示，在金融領(lǐng)域，商務(wù)智能技術(shù)的應(yīng)用水平已經(jīng)達(dá)到或接近70%，在營(yíng)銷(xiāo)領(lǐng)域也達(dá)到50%，并且在未來(lái)的3年中，各個(gè)應(yīng)用領(lǐng)域?qū)υ摷夹g(shù)的采納水平都將提高約50%?，F(xiàn)在，許多企業(yè)都把數(shù)據(jù)看成寶貴的財(cái)富，紛紛利用商務(wù)智能發(fā)現(xiàn)其中隱藏的信息，借此獲得巨額的匯報(bào)。
　　據(jù)IDC對(duì)歐洲和北美62家采用了商務(wù)智能技術(shù)的企業(yè)的調(diào)查分析發(fā)現(xiàn)，這些企業(yè)的3年平均投資回報(bào)率為401%，其中25%的企業(yè)的投資回報(bào)率超過(guò)600%。調(diào)查結(jié)果還顯示，一個(gè)企業(yè)要想在復(fù)雜的環(huán)境中獲得成功，高層管理者必須能夠控制極其復(fù)雜的商業(yè)結(jié)構(gòu)，若沒(méi)有詳實(shí)的事實(shí)和數(shù)據(jù)支持，是很難辦到的。因此，隨著數(shù)據(jù)挖掘技術(shù)的不斷改進(jìn)和日益成熟，它必將被更多的用戶采用，使更多的管理者得到更多的商務(wù)智能。
　　編后其實(shí)，商業(yè)智能并不是從天而降的，它是伴隨這幾十年“計(jì)算機(jī)器”的普及和發(fā)展，孕育、產(chǎn)生并變得鮮活起來(lái)的。我們欣喜地看到，很多企業(yè)已經(jīng)或者正在利用商業(yè)智能增強(qiáng)核心競(jìng)爭(zhēng)力。從計(jì)算機(jī)作為辦公設(shè)備成為普通員工的勞作工具，到辦公自動(dòng)化網(wǎng)絡(luò)作為組織管理模式的不可缺少的有機(jī)構(gòu)成，再到商業(yè)智能作為決策輔助工具，表明了人們?cè)谶@一領(lǐng)域的認(rèn)識(shí)發(fā)展過(guò)程：從利用“早期簡(jiǎn)單智能工具”——對(duì)產(chǎn)品客體的認(rèn)識(shí)和加工，到人們對(duì)企業(yè)組織行為管理過(guò)程的認(rèn)識(shí)，再到企業(yè)領(lǐng)導(dǎo)者對(duì)自身決策行為過(guò)程的主體的反思。企業(yè)家認(rèn)識(shí)BI，采用BI，代表著人類(lèi)能夠認(rèn)識(shí)客觀世界的同時(shí)，時(shí)刻挑戰(zhàn)著自我認(rèn)知這個(gè)最高境界。具體說(shuō)，采用BI是企業(yè)決策者給高管層一個(gè)智能化工具，最終使自己的決策更加智慧和敏捷的美妙過(guò)程。

發(fā)布：2007-03-25 10:38    編輯：泛普軟件 · xiaona    [打印此頁(yè)]    [關(guān)閉]
相關(guān)文章：
上海OA系統(tǒng)
聯(lián)系方式

成都公司：成都市成華區(qū)建設(shè)南路160號(hào)1層9號(hào)

重慶公司：重慶市江北區(qū)紅旗河溝華創(chuàng)商務(wù)大廈18樓

咨詢：400-8352-114

加微信，免費(fèi)獲取試用系統(tǒng)

QQ在線咨詢