教授讲座第四讲智能物流信息处理.pptVIP

基于智能技术的信息处理在物流行业中的应用 主要内容 数据仓库 数据挖掘 相关应用 神经网络 决策支持系统 数据仓库概念 按照DSS的需要对企业数据信息的重组，面向主题的、整合的、稳定的、且时变的收集以支持管理决策的数据结构形式，它具有强有力的从运行系统中取出数据的能力；可操作的管理能力和进一步支持决策的分析能力。 企业管理和决策的完整数据结构: 数据仓库技术 ?? 面向主题 ?? 集成的 ?? 随时间变化而变化 ?? 稳定可靠的 数据仓库的实现 数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护技术。 数据仓库的实现 ?? InfoMart：信息集市，是一个应用功能（或从应用功能产生的输出）可多次运行数据仓库，它是对应业务问题的答案。 ?? DataMart：数据集市，是数据仓库的一个数据子集，对应最终用户的信息需求，比数据仓库中的数据要更加归纳、汇总一些 数据集市主要面向部门级业务，并且只是面向某个特定的主题，数据集市可以在一定程度上缓解访问数据仓库的瓶颈，在此基础上在通过其他工具处理、分析数据挖掘等，最后进行再分析，产生真正能够为决策支持带来帮助的有用信息 数据仓库的展现 在数据仓库实现的基础上产生的对管理和决策人员提供决策支持的信息的方式，通常通过查询报表，在线分析等方式展现，具体形式多为图表等直观、易于理解的界面 信息流上主要表现为：经过数据确认、数据转化、数据整合以及数据汇总等数据处理步骤，形成各种主题表，在经过汇总形成汇总表。主题表和汇总表都是不同程度上的有用信息。 数据仓库的展现 数据仓库应用 数据仓库的应用主要包含：OLAP（在线分析处理）、BI（商业智能）、DataMining（数据挖掘）以及决策支持系统 数据仓库应用 数据仓库的应用主要包含：OLAP（在线分析处理）、BI（商业智能）、DataMining（数据挖掘）以及决策支持系统 数据仓库用途:客户跟踪 数据仓库是根本任务:把数据加以整理归纳，并及时提供给相应的管理决策人员，供他们做出改善其业务经营的决策，使信息发挥作用，支持决策。 网站在你不知不觉中记录你的行踪，抓到你的喜好。如果你在网上点击一下衬衫，之后又看了一下裤子。网站就会让住你的点击顺序，记下你在每个产品上停留的时间以及你买了什么，没买什么，这些信息都由数据仓库保存整理。 假如你买了裤子，没实衬衫，下次你上网时，数据仓库会跟你说，“欢迎再次光顾，上次您买了裤子，现在我们有一件衬衫可以优惠卖给您。您感兴趣吗？ 有了数据仓库，就可以了解客户是谁，他要什么，怎样提供更好的服务给他，并以此创造更多利润。 但目前84%的在线交易没有对客户进行跟踪；96%的在线交易没有为客户提供个性化的服务；75%的在线交易无法辨认重复客户。这使那些电子商务公司的经营长时间处于无序和迷茫之中，虽然他们急于想抓住已有的客户并发展潜在的客户，但实际上却在忽视他们，渐渐丢失这部分最重要资源。而面对客户个性化需求的不断增长，电子商务公司更是一筹莫展。 数据仓库用途:减少跳线率 跳线:客户从甲公司跳到乙公司，三个月后，他又回到了甲公司。 这种现象就使企业浪费了巨额资金。如果你有了数据仓库，就能预测“跳线”，知道谁可能跳线到竞争对手那里。在客户跳走之前，公司就可以和他们接触一下，劝他们不要离开。这样减少跳线率的收益将是十分巨大的。 4、 数据仓库用途:一对一服务 传统模式的公司一般都比较以自我为中心，他们开发了一个新产品，就希望大家都来买。 新一代一对一商业模式侧重客户的需求，以信息定制产品，没有数据仓库，这种一对一的商业模式就不可能实现。 随着一对一的销售和个性化的销售正逐渐成为企业利润增长的重要来源，数据仓库也将是造成电子商务时代企业竞争差异的关键。 数据仓库用途:决策信息服务 数据仓库有效集成了企业的业务数据，提供了标准的报表和图表的功能，从而为企业提供了多方们的决策支持 数据仓库可以按照面向主题的原则对灾些数据进行清洗和加工，使它们成为统一的格式的易于使用的支持决策的数据。 多维分析是通过把一个实体的多项重要的属性定义为多个维度，使得用户能方便地汇总数据集，简化了数据的分析处理逻辑，并能对不同维度值的数据进行比较，而维度则表示了对信息的不同理解角度，例如时间和地理区域是经常采用维度。 应用多椎分析可以在一个查询中对不同阶段的数据进行纵向或横向比较。 在数据仓库的基础上进行数据挖掘，可以针对整个企业的状况和未来发展做出比较完整、合理、准确的分析和预测。 主要内容 动机: 为什么要数据挖掘? 什么是数据挖掘? 数据挖掘: 在什么样的数据上挖掘? 数据挖掘功能 所有的模式都是有趣的吗? 数据挖掘的主要问题 为什么要数据挖掘? 数据的爆炸性增长: 从TB到PB 数据收集和数据可用性 自动的数据收集