数据挖掘的背景分析_精品文档Word文档下载推荐.doc
《数据挖掘的背景分析_精品文档Word文档下载推荐.doc》由会员分享，可在线阅读，更多相关《数据挖掘的背景分析_精品文档Word文档下载推荐.doc（2页珍藏版）》请在冰豆网上搜索。
对商业而言，有价值主要表现在三个方面：
降低开销；
提高收入；
增加股票价格。
在商业运营中，数据挖掘主要用作以下四种工具：
1）数据挖掘作为研究工具（Research）
2）数据挖掘提高过程控制（ProcessImprovement）
3）数据挖掘作为市场营销工具（Marketing）
4）数据挖掘作为客户关系管理CRM工具（CustomerRelationshipManagement）
二、数据挖掘的技术背景
数据挖掘是八十年代，投资人工智能研究项目失败后，人工智能转入实际应用时提出的。
它是一个新兴的，面向商业应用的人工智能研究。
选择数据挖掘这一术语，表明了与统计、精算、长期从事预言模型的经济学家之间没有技术的重叠。
数据挖掘技术包括三个主要部分：
算法和技术；
数据；
建模能力。
与数据挖掘密切相关的技术包括：
1）机器学习
机器学习是计算机科学和人工智能发展的产物，机器学习分为两种学习方式：
自组织学习（如神经网络）和从例子中归纳出规则（如决策树）。
2）统计
统计本包括预言算法（回归）、抽样、基于经验的设计等，现在也开始支持数据挖掘。
3）决策支持系统
4）数据仓库
5）OLAP（联机分析处理）、DataMart（数据集市）、多维数据库等
将数据仓库、OLAP、数据挖掘等技术融合在一起，即构成企业决策分析环境。
三、数据挖掘的社会背景
数据挖掘与个人预言：
数据挖掘号称能通过历史数据的分析，预测客户的行为，而事实上，客户自己可能都不明确自己下一步要作什么。
所以，数据挖掘的结果，没有人们想象中神秘，它不可能是完全正确的。
客户的行为是与社会环境相关联的，所以数据挖掘本身也受社会背景的影响。
比如说，在美国对银行信用卡客户信用评级的模型运行得非常成功，但是，它可能不适合中国。
（海脉编译：
继尧）
升级会员 