数据仓库与数据挖掘的综合应用37523

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,Body Text,Second Level,Third Level,Fourth Level,Fifth Level,Click to edit Master title style,数据仓库与数据挖掘,李志刚 教授,第10章 数据仓库与数据挖掘的综合应用,本章要点：,1.,数据仓库在企业管理中的应用情况,2.,数据挖掘在银行领域、证券领域、保险领域的应用,3.,从客户识别、客户保留、个性化营销与销售推荐等方面介绍了数据挖掘在客户关系管理中的应用,第10章 数据仓库与数据挖掘的综合应用,本章主要内容,10.1数据仓库与数据挖掘的关系,102数据仓库在企业管理中的应用,103数据挖掘的社会影响与应用行业,104金融业中的数据挖掘应用,105数据挖掘与客户关系管理,106电信业中的数据仓库与数据挖掘应用,1011从数据仓库的观点看,从数据仓库的观点，数据挖掘可以看作是联机分析处理的高级阶段。但是作为更高级的数据分析技术，数据挖掘比数据仓库的汇总型分析处理要详细和深入得多。,从数据仓库中直接得到进行数据挖掘的数据有许多好处。,数据挖掘库可能是数据仓库的一个逻辑上的子集，而不一定非得是物理上单独的数据库。,数据仓库与数据挖掘技术的关系,1012从数据挖掘的观点看,1.由于大多数数据挖掘工具要在集成的、一致的、经过清理的数据上进行挖掘，这就需要在数据挖掘中有一个费用昂贵的数据清理、数据变换和数据集成过程，作为数据挖掘的预处理。,2.在数据仓库的构造过程中已经围绕数据仓库组建了包括数据存取、数据集成、数据合并、异种数据库的转换、ODBC/OLE DB的连接、Web访问和服务工具以及报表与OLAP分析工具等全面的数据处理和数据分析基础设施。,3.在数据挖掘过程中，常常需要进行探测式的数据分析，穿越各种数据库，选择相关数据，对各种数据选择不同的粒度，以不同的形式提供知识或结果。,4.在数据挖掘过程中，如果将数据挖掘与数据仓库进行有效的联结，将增加数据挖掘的连机挖掘功能。,10.2数据仓库在企业管理中的应用,1021企业应用数据仓库的意义,1提高企业信息管理能力,2有助于企业建立良好的客户关系,3提高企业决策水平,4促使企业重构业务过程,1022应用数据仓库弥补ERP的不足,使用数据仓库技术可以把这些系统中的数据按主题进行集成，生成支持管理决策分析的信息。,通过建立一个综合的、便于查询和分析的数据仓库，能更好地满足管理层用户的决策分析，提高企业的管理水平和经济效益。,1023数据仓库实现分析型CRM,数据仓库在CRM中的作用表现为以下四个方面：,1客户行为分析,企业实施客户关系管理的前提是对客户信息进行分析和整合，形成客户信息的统一视图。,2客户保持,基于数据仓库的数据挖掘可以在客户细分、客户价值发现方面做出贡献，帮助我们找到哪些客户最有可能流失，他们具有什么样的特征，从而采取相应的对策，及早防范那些不应该流失的客户。,3数据库营销,利用数据仓库可以掌握大量的客户信息，实现对客户关系与资源的挖掘、分析与管理，实现营销的个性化服务与企业利益的最大化。,4效果评估,根据客户行为分析，企业可以准确地制定市场策略和市场活动。,1024数据仓库提高供应链管理的效率,供应链数据仓库能解决传统信息处理系统难以解决的许多问题。,1信息共享,通过数据交换和数据集成技术，依据确定的业务准则，有效地解决供应链成员之间多数据源和数据的不一致性问题。建立数据仓库有利于双方（或多方）的沟通，协调与合作，达到跨行业的信息共享。,2预测分析,供应链数据仓库将数据建立在同一个平台上，并借助于数据挖掘技术建立适合各个成员的数据立方体或数据集市。,3辅助决策,基于数据仓库技术的决策支持系统能全局地辅助多种经济或管理决策，决策范围很广。,103数据挖掘的社会影响与应用行业,1031数据挖掘的社会影响,数据挖掘技术引起了信息产业界的极大关注,.,数据挖掘技术与日常生活的关系已经越来越密切了。,数据挖掘技术的用户一定要对这些问题保持敏感，并且不能侵犯任何受法律法规保护的隐私。,1032数据挖掘应用行业,1金融业,（1）分析信用卡的使用模式。,(2）从股票交易的历史数据中得到股票交易的规则或规律。,（3）发现隐藏在数据后面的不同的财政金融指数之间的联系。,（4）探测金融政策与金融业行情的相互影响的关联关系。,2保险业,（1）保险金的确定：对受险人员的分类将有助于确定适当的保险金额度。通过数据挖掘可以得到对不同行业的人、不同年龄段的人、处于不同社会层次的人，他们的险金应该如何确定。,（2）险种关联分析：分析购买了某种保险的人是否又同时购买另一种保险。,（3）预测什么样的顾客将会购买新险种。,1032数据挖掘应用行业,3零售业,（1）分析顾客的购买行为和习惯。如“男性顾客在购买尿布的同时购买啤酒”、，过了一定的时间就会购买野营帐篷”、“顾客的品牌爱好”等等看似很小、很微不足道的信息，却会非常有用。,（2）分析商场的销售商品的构成。,（3）数据挖掘工具可以用于进行商品销售预测、商品价格分析、零售点的选择等。,1032数据挖掘应用行业,4科学研究,（1）数据挖掘对高科技的研究是必不可少的。,（2）数据挖掘在社会科学的研究领域的应用前景也会越来越被人们所认识。,5数据挖掘在生物医学中的应用,在生物医学界，数据挖掘技术主要用于DNA数据的分析。,6数据挖掘在其他一些领域的应用。,（1）医疗数据挖掘可用于病例、病人行为特征的分析，以及用于药方管理等，以安排治疗方案、判断药方的有效性等。,（2）司法数据挖掘可用于案件调查。案例分析、犯罪监控等等，还可用于犯罪行为特征的分析。,（3）工业部门数据挖掘技术可用于进行故障诊断、生产过程优化、矿物挖掘等。,1023数据挖掘未来研究方向,研究焦点可能会集中到以下几个方面：,发现语言的形式化描述，即研究专门用于知识发现的数据挖掘语言，也许会像SQL语言一样走向形式化和标准化；,寻求数据挖掘过程中的可视化方法，使知识发现的过程能够被用户理解，也便于在知识发现的过程中进行人机交互；,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；,知识的维护更新。,104金融业中的数据挖掘应用,金融行业是数据挖掘应用最广泛也是最有前途的领域，因为金融数据通常比较完整、可靠，这对系统化的数据分析和数据挖掘相当有利。数据挖掘在银行、证券、保险业中的应用有许多相似之处，但也有具体业务方面的区别。多数金融机构都提供丰富多样的储蓄、信用、投资、保险等服务，随着混业经营的逐步放开，各类金融机构的业务将向更综合的方向发展。,1031数据挖掘在银行领域的应用,全球商业银行的经营观念正发生着巨大变化由传统的注重交易转变为注重客户关系和客户价值，从而产生了“关系银行”的概念。,1银行风险管理,数据挖掘还可以解决银行经常面临的诈骗行为，如信用卡的恶性透支及可疑的信用卡交易等等。,2银行信用等级评估,金融业风险与效益并存，分析账户的信用等级对于降低风险、增加收益是非常重要的。,3银行服务分析和预测,1042数据挖掘在证券领域的应用,1证券公司客户关系管理,客户价值：建立客户价值模型CVM，客户价值模型主要是分析客户的价值的构成及影响因子。,客户盈利能力：分析客户给公司带来的价值，客户贡献和客户贡献率以及客户未来对于公司的盈利能力。,客户获取：研究如何改进服务和产品，提高客户吸引力。,客户保持：防止顾客流失，做出客户流失预测模型，在流失前采取对策挽留住客户，减少损失。,客户细分：按照不同的维度，细分客户，找出重点客户。,客户行为分析：可以采用基于概念聚类的客户交易行为分析，得出客户偏好，提出合理投资组合建议。,交叉营销：,1042数据挖掘在证券领域的应用,2.证券投资分析应用,目前的主要应用领域有：,(1）通过横向（财务指标）聚类提炼出可以有效反映上市公司经营状况的指标，确立反映企业盈利、偿债、营运能力的”浓缩指标”。,（2）利用历史交易数据和时间序列方法，结合各时期企业重要决策及宏观社会经济状况，分析各种类别股票或个股的价格对各类信息的影响变动敏感度，衡量股票波动风险特性。,（3）从历史各时间间隔的股票价格涨跌、交易量变动的交叉信息中，分析出大众的投资心理和投资倾向，从而在与大众的博奕中获利。,（4）利用关联规则分析方法对行业景气关联进行考查，确定各行业板,块股票价格变化的关联特性，从而确定有效的投资组合。,3.证券市场监管,证券市场监管主要是指证券交易所、证券监管部门对证券市场的管理监督。,今后的研究将向证券数据的深层次挖掘、建模和商业价值的识别领域扩展。同时，基于数据挖掘的证券投资分析系统、基于数据仓库的证券公司决策支持系统将在中国进一步得到实际应用。,1043数据挖掘在保险领域的应用,1保险金的确定,通过数据挖掘，根据各种综合因素等进行保单风险分析，对不同行业的人、不同年龄段的人、处于不同社会层次的人，制定个性化费率和条款，从而利用数据挖掘技术支待保险费率和保险条款的制定。,2保险产品设计,通过分析购买了某种保险的人是否同时购买另一种保险，从而可以推进保险产品的创新，进行交叉销售和增量销售，提高客户满意度。,3风险评估,保险公司的一个重要工作就是要进行风险评估，即对不同的风险领域进行鉴定和分析。,4营销方式创新,通过对客户信息的挖掘，来支持目标市场的细分和目标客户群的定位，制订有针对性的营销措施，包括保险公司的专职人员、代理人员传统渠道，以及经纪人、电话、计算机网络和银行等辅助渠道，提高客户响应率，降低营销成本。,105数据挖掘与客户关系管理,在客户关系管理中，数据挖掘的应用是非常广泛的。CRM中的客户分类、客户盈利率分析、客户识别与客户保留等功能都需要数据挖掘的应用来实现。下面我们将分别介绍数据挖掘技术在CRM各个功能中的应用。,1051数据挖掘在客户识别和客户保留中的应用,1数据挖掘在客户识别中的应用,识别客户是企业发现潜在客户、获取新客户的过程。,2数据挖掘在客户保留中的应用,客户识别是获取新客户的过程，而客户保留则是留住老客户、防止客户流失的过程。,1052客户分类,客户分类是指将所有客户分成不同的类的过程。客户分类是对已建立关系的客户进行数据挖掘的常见应用。,客户分类可以采用分类的方法也可以采用聚类的方法。,客户分类可以对客户的消费行为进行分析，也可以对顾客的消费心理进行分析。,1053减少信用风险,进行客户信用筛选，建立风险模型。从而学会避免差的客户，留住好的客户，降低经营风险。,1054数据挖掘在客户忠诚度分析中的应用,客户忠诚度的提高是企业客户关系管理的一个重要目标。,数据挖掘在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析。,对客户持久性、牢固性和稳定性的分析主要是运用时间序列模型中的趋势分析方法。,1055个性化营销与销售推荐,1个性化营销,个性化营销是面向客户的营销，也是客户关系管理的重要组成部分。,2销售推荐,交叉销售的一个方法是利用关联规则。,1056数据挖掘在客户盈利率分析中的应用,客户盈利率是一个定量评价客户价值的指标。,客户盈利率的概念否定了“给企业带来的总收入越高的客户价值越大”的观点。高价值客户是那些企业投入较少成本就可以获得高收益的客户。,106电信业中数据仓库与数据挖掘的应用,电信行业拥有更多的有关用户的数据。谁能正确地分析这些数据所得到有用的知识,谁就能更好地向用户提供服务,能够发现更多的商机,从而在竞争中获胜。电信企业必须保存用户的呼叫数据以记费,监视网络运行状况和网络规划,电信企业也要对这些数据进行分析以发现有用的规律以优化网络。因此,数据挖掘和数据仓库在电信业中有重要的应用价值。,1061数据仓库与数据挖掘技术在电信业中