- 决策支持的演变DS分析的不同类别简单的查询…..更高级的分析技术最广泛的分析技术
从简单查询到高级分析
- 简单的咨询:新数据,“罐头”战略决策或预定义的咨询无需准备的咨询(临时)
多维分析:
分裂的力量
标准咨询多维分析
更强大的分析技术
- 深入研究
使用“维度”对数据的不同观点
一定维度的信息
下钻
类似工具(用于标准查询)
相同的数据:不同的方式
建模和细分:
知识工作者分析
大数据和详细数据
知识工作者
模型。给定特征的模式集合
建模算法决策支持
细分也不是新工具
示例:客户分段
专业软件
知识发现
- 寻找最佳客户的市场营销KD。强大的算法可在未预先指定的大型DB模式中寻找模式(例如在建模中)DW告诉公司重要的模式和关系在哪里是``未知答案'',以寻找新的创新方式
一些观察
- DW基础架构的演进DW基础架构的演进DW中的数据不断发展和成熟DW是基本需求
使用频率增加
节省时间或成本
流程整合
标准查询
“列出向客户X发放的贷款数量以及花费超过一周时间的还款日期”
协商旨在确认一个很强的假设的所谓的一部分
“列出在高峰时间使用收入减少了20%或更多的所有客户”结果商业行动
“每周显示不完整来电的所有手机客户超过20%”
有用的结果:
- 需要更多设备的高使用率客户潜在的市场竞争者新产品的候选者欺诈嫌疑潜在的不满意的客户总之,保留并增加客户
“每周向所有手机客户显示不完整的来电,超过20%”。
“在那些使用网络外部漫游的客户中?
结果:
“显示1977年和1978年与北部,西北和南部地区的大型商业客户相对应的季度收入”
“在西北地区按地区显示相同的数据”
“显示西北地区B区的相同数据”
OLAP工具的独特之处在于可以帮助用户以不同的方式请求相同的数据
供应商
- NET OLAP服务的Oracle OLAPSAP-OLAPMicrosoftInesoftDundas图表MicroStrategy OLAP服务
造型
- 未来的客户行为您的长期生存能力
分割
- 按人口统计学对客户进行分类和重新分类购买模式购买倾向
建模实例
- 客户终生价值客户磨损预测模型
细分示例
- 回应客户的优惠回应客户的折扣回应新产品的客户回应促销的客户
细分结果:
- 哪一组客户将目标对准一项新服务?谁最可能对该服务感兴趣?哪些客户最有可能进行欺诈?哪些客户最有可能对折扣做出反应?零假设在模式数据中查找隐藏:按产品取消销售的客户行为未来购买
例子:
- 两种药物合用时会发生什么未知产品亲和力模式其他触发产品
更多示例:
在购买油炸食品的客户中,有66%的人还购买了糖果
购买油炸食品和甜点的客户中,有75%的人还购买红酒
动作
- 向经常购物的人发送优惠券消除红酒的折扣在商店中重新定位产品借助KD,数据示例得以展示:某些触发产品会影响其他购买发现“下一次可能购买”发现购买秋天的模式影响客户的方面产品生命周期数据挖掘包括细分,建模和知识发现它与统计分析同义由3种技术支持大规模数据收集具有多处理器的强大计算机数据挖掘算法
它是基于基于人工智能的最新一代语言开发的,并使用诸如以下的数学模型:
- 人工神经网络决策树归纳规则遗传算法
预测未来的趋势和行为,使企业能够做出积极的决策
这些工具可以回答耗时的业务问题
他们扫描数据库中的隐藏模式,查找专家无法找到的可预测信息,因为这些信息超出了他们的期望。
现实中的数据仓库
数据驻留在最少数量的不同平台中,最好驻留在DW或Data mart中
经理通常在需要信息时直接访问DW
高管支持决策支持
DW可以提高生产力并提高组织的盈利能力
参考文献
电子数据。使用数据仓库将数据转换为信息
第2章。支持自下而上的决策JillDyché
下载原始文件