企业竞争的利器_数据仓库和数据挖掘.pptVIP

企业竞争的利器_数据仓库和数据挖掘.ppt

  1. 1、本文档共59页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
企业竞争的利器_数据仓库和数据挖掘

电信企业参与竞争的利器---- 数据仓库和数据挖掘 提要 市场竞争--竞争技术 数据仓库的基本认识 数据仓库设计 数据挖掘 数据融合 动力系统 研究 我们的实践 市场竞争--竞争技术 随着电信市场的开放,竞争将越来越激烈 利润的降低使得必须从粗放的经营转变到集约的经营 经营决策需要尽可能多的定量的依据 经营决策需要尽可能快的速度 所有这些需要技术上的支持----数据仓库和数据挖掘 数据仓库的基本认识 数据融合 融合的不同层次 原始数据的融合 特征融合 模型融合 融合的不同方面 时间融合 空间融合 时间/空间或空间/时间融合 系统的数据融合 业务数据体系 指标体系 数据融合 数据融合的高级境界 战略数据分析 态势评价 博弈理论 商场如战场--运用军事理论 关键是模型的建立 基础是数据仓库的建立 动力系统 企业实施数据仓库和数据挖掘战略的重要问题是建立一个有效的动力学系统 反馈是一个有效的动力系统最重要的环节 反馈的相关要素有反馈的量和反馈的时间延迟 目前的主要问题是 没有形成有效的反馈环路 反馈的量不够 反馈的时间太长 反馈的解决 建立有效的反馈通路 基于WEB的计算技术 增加反馈的量--到企业领导的手上 移动计算 人机界面 数据融合 缩短反馈的时间 高性能计算--亿次计算 研究 一般人用一般的工具 Normal use normal 数据仓库--企业竞争的基础 数据挖掘--企业竞争的秘密武器 数据融合--战略竞争的武器 需要有效地实施--过程与架构 需要深入地研究 我们的实践 首先在视聆通后台管理系统中应用,使用Sybase的数据仓库解决方案和BusinessObjects的联机分析解决方案,能够在3分钟的时间里对全省数据进行任意的查询,并能够通过WWW的方式进行在线分析并发布分析结果。 目前与我院网络市场部合作在电信市场经营支撑系统中进行更大规模的应用 长期的研究:在数据挖掘方面参与国家重点基础研究规划项目(“973”)有关海量数据库中的知识发现研究 数据集市数据模型设计 数据集市是数据仓库中数据的一个子集, 用于解决某个业务部门特定的应用需求. 数据集市数据模型设计 数据集市: 从数据仓库中派生出来 可以和数据仓库存放在同一 平台上,也可以分开. 应该把它作为数据仓库的一部分 来建设 Archived detail Enterprise-wide Individual M E T A D A T A Data Mart Individual Data Mart 多维模型 多维模型是人们观察数据 的形象表示 可以是 2, 3, 4或更多维 可以对多维模型进分析 -- 即: 选择哪维作为查询条件. Product Lines Regions T i m e 传统的数据模型比较复杂, 最终用户难于理解 多表联结(Join)查询(尤其是大表), 既费时,又占用大量资源 多维模型: 基本概念 维: 是人们观察数据的特定角度 维成员: 维的取值. 维层次: 代表维的细节程度. 比如: 时间维的层次可以是 年, 季, 月, 周,日, 等等. 类: 维成员互不相交的一个子集. 多维分析: 指对以维形式组织的数据采取切片,切块和 旋转等动作, 以求全面深刻地分析数据. 切片(Slice): 按照某一维取值做查询. 切块(Dice): 按照一维或多维取值做查询. 旋转: 改变一个报告或页面显示的维方向. 维表: 存放维数据. 事实表: 由事实数据元素和维数据元素组成. 事实表是多维 多维模型的核心. 事实数据是决策分析的数据基础. 多维模型: 怎样建立维表和事实表 建立维表和事实表要考虑: 建立中央事实表, 它存储大量数据. 事实表周围, 维表的数目要少, 并且维表中的数据量要小. 关键是要控制维数, 它直接影响数据粒度. 注意1: 多维模型是非范式化的, 大量的事实数据可能是重复的. 2: 多维模型通常不适合企业级的模型分析, 因为在企业级, 数据量太大并且太复杂. 多维模型: 多维数据模型的四种模式 星型模式(Star Schema) 雪花模式(Snowflake Schema) 星座模式(Constellation Schema) 雪暴模式(Snowstorm Schema) 多维模型: 星型模式 Grocery Transaction Store Number Transaction Date Customer Product Quantity Amount Customer Customer From Date To Date First Name Last Name Address 1 Address 2 Address 3 City State Co

您可能关注的文档

文档评论(0)

zijingling + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档