【管理精品】数据挖掘与bi借数据一双慧眼

《【管理精品】数据挖掘与bi借数据一双慧眼》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、数据挖掘与BI借数据一双慧眼　2月19日上午10点至11点，我刊“数据挖掘与商业智能在线研讨会”于赛迪网网上会议中心如期举行。北京协和医院信息中心数据挖掘项目负责人闫世方、三九宜工生化股份有限公司信息中心主任刘灵芝、山东烟草专卖局信息中心技术负责人王海宁，人民大学统计与数据挖掘中心匡宏波博士，Sybase中国、NCR、石竹软件等公司的有关人，以及赛迪网网友，登录网上会议中心进行了研讨。探讨话题有：数据挖掘、商业智能的概念由来，如何开展数据挖掘等，以下为此次研讨内容的专题报道。　　用户背景链接　　北京协和医院开展数据挖掘工作的目的是为临床化

2、医疗管理，以及医院业务管理等提供支撑，并辅助领导决策。目前开始做数据挖掘方面的研究工作。　　三九宜工生化股份有限公司在实施ERP后，总感觉ERP的作用未能充分发挥，在以下几个方面存在不足：1、库存物料储备量多少、安全库存值大小；2、物料采购的批量值；3、产品的计划成本与实际成本的差异分析；4、销售客户对象类型分析。因此他们打算开展数据挖掘项目。　　山东烟草专卖局现在有开展数据挖掘项目的计划，但还没有开始做。他们打算从简单的分析做起，随着数据量增加，逐步完善挖掘功能。目前主要是想通过对销售数据和客户信息的分析，为企业决策提供参考数据。　　专

3、家观点　　“数据挖掘”的确是热起来了。在Google上采用完整模式搜索“数据挖掘”，得到了27,700余项查询结果；若是搜索“Datamining”，居然得到了122,000余项。与此同时，一些关联词汇也冒出来了，“数据仓库”，“商务智能（BI）”就是其中两个，大有后来居上之势。　　真是“乱花渐欲迷人眼”。那么，应该如何完整地理解“数据挖掘”？“数据挖掘”的理论基础是什么？企业应该如何开展“数据挖掘”项目？　　统一概念之乱　　图1表示的就是：现实中人类的社会和经济活动，总可以用数据（数字或者符号）来描述和记录；经过对这些数据的分析，就会产

4、生信息（知识）；用这些信息（知识）来指导实践，就可以做出相应的决策；这些决策又引发了新一轮的社会和经济活动。循环往复，生息不止。　　数据仓库（DW）、商务智能（BI）和知识发现（KDD）又分别是什么呢？如图2所示。　　为什么图2中的部分线要画成虚线呢？有两个含义。第一是因为上述概念诞生初始，在DM的价值链上还是有所侧重的，数据仓库重在“建仓”，数据挖掘和知识发现重在“加工”，商务智能重在“应用”。虚线表示曾经拥有。第二，如果不这样画，理论界、应用厂商会不答应，因为不管原来是做数据库的（IBM，Sybase，NCR，Oracle，Micro

5、soft，etc），还是做统计分析软件的（SAS，Statistica，SPSS，etc），甚至是做报表工具的（BO，Brio，Cognos，etc），都拼命在延伸自己的价值链。　　所以，干脆叫数据管理（也就是DM）好了，一统天下。　　至于ERP，CRM等，说白了，还是个DM，只不过限制在了具体的社会经济活动上罢了。　　六种挖掘武器　　数据仓库的建设和数据挖掘建模是DM价值链上的两大技术要点。数据挖掘从狭义的角度讲，只管从数据到知识这一段。俗话说：“没有金刚钻，不揽瓷器活”。作为一个数据挖掘人员的起码要求，就是充分掌握各种挖掘工具的性能、

6、局限、应用条件等。　　一般说来，数据挖掘有如下六件武器：描述统计、关联和相关、分类和聚类、预测、优化、结构方程模型。简要说明如下：　　（1）描述统计（Descriptivestatistics）　　描述统计是数据挖掘的入门兵器，直观、简单，高手常常用来摘叶飞花。描述统计包括平均数、中位数、众数、分位数、百分比、求和等。描述统计经常和统计图（如直方图，条形图，线图，散点图，茎叶图等）配合使用。目前应用最为广泛的OLAP，究其本质就是针对不同的数据群在做描述统计。　　描述统计的应用十分广泛：比如当月公司利润总额，比较不同区域的销售量等等。　　

7、（2）关联和相关（AssociationandCorrelation）　　关联规则从本质上讲是条件概率：A发生时，B同时也出现的概率是多大？只要B离50％较远，就是有意义的。　　关联规则的一个典型的现代应用是“啤酒加尿布”。在应用关联规则时还需要多考虑的一个问题是：这条规则遵循者的数量怎样？通俗的说就是，如果超市的尿布只有一个人买（假设），但是这人每次买尿布时，一定会买啤酒。尽管这条规则很可信（100％），但是意义却不大。　　在应用关联规则时，要注意两点：关联不一定是因果，关联是有方向的。　　相关也是考虑两个事物之间的关系，典型的度量方法

8、有Pearson相关系数和Kendall相关系数。　　（3）分类和聚类　　分类和聚类是最常用的技术。　　一般说来，分类的方法有三种：回归、决策树、神经网络。　　聚类和分类的最大区别就是，分类是