数据挖掘

数据挖掘

数据挖掘概述

1.1数据挖掘技术的由来

数据爆炸但知识贫乏

支持数据挖掘技术的基

海量数据搜集、强大的多处理器计算机和数据挖掘算法

数据挖掘逐渐演变的过程

1.2数据挖掘的定义

技术上的定义及含义

数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。

¨商业角度的定义

数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。

¨数据挖掘与传统分析方法的区别

数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识

1.3数据挖掘的功能

自动预测趋势和行为

关联分析

聚类

概念描述

偏差检测

1.4数据挖掘应用

数据挖掘所能解决的典型商业问题包括：

数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等。

1.5数据挖掘未来研究方向

发现语言的形式化描述

寻求数据挖掘过程中的可视化方法

研究在网络环境下的数据挖掘技术

加强对各种非结构化数据的开采

处理的数据将会涉及到更多的数据类型

交互式发现和知识的维护更新

从行业角度分析数据挖掘技术的应用

零售业ＣＲＭ中的数据挖掘 ：

（1）使用多特征数据立方体进行销售、客户、产品、时间和地区的分析；

（2）使用分析和关联分析进行促销活动的有效性分析；

（3）序列模式挖掘可用于客户忠诚分析

（4）利用关联分析挖掘关联信息进行购买推荐和商品参照。

浅谈库存管理数据挖掘系统分析和设计

随着制造企业生产和销售中间环节的减少,库存管理直接面向企业客户。为降低库存成本、满足客户需求,企业需要合理的管理库存。探究表明:库存管理的重点在于确定合理的

库存水平,对库存水平变化的分析和猜测可以找出库存管理存在的不足,有效满足客户需求。随着信息管理技术和数据挖掘技术的发展,开发面向库存管理的数据挖掘系统能够为企业提高库存管理水平提供帮助。 论文的写做思路如下:根据库存管理业务,建立面向库存水平分析主题的数据仓库,同时建立相关指标体系,利用BP算法挖掘其中知识,分析并猜测库存水平,最后完成库存管理数据挖掘系统的逻辑分析和设计。 论文具体阐述了库存管理的业务流程,并根据库存管理的特征和所用参数设计了面向确定库存水平主题的数据仓库;基于库存管理理论,建立了有效分析库存水平的指标体系,同时选择了算法模型和网络配置,设计了网络分析模型;着重考虑了原有BP神经网络算法效率较低、轻易陷入局部极小的新问题,改进了标准的BP算法权值的调整频率,提高了效率;最后,基于本论文的技术路线,论文对企业实际运做中的数据进行了分析,证实了应用此指标体系和挖掘算法设计的库存管理数据挖掘系统的正确性和可行性。