《数据挖掘概论》课件.ppt

数据库技术的历程 1960s: 数据采集, 数据库产生, IMS and network DBMS. 1970s: 关系数据模式, 关系型DBMS 发布. 1980s: RDBMS, advanced data models (extended-relational, OO, deductive推理型, etc.) and application-oriented DBMS (spatial空间的, scientific, engineering, etc.). 1990s: 数据采掘和数据仓库, 多媒体数据库和 Web 技术. Why Data Mining? -- 潜在的应用 数据库分析和决策支持 市场分析和管理 市场营销, 客户关系管理, 菜篮子分析, cross 销售, 市场细化. 风险分析和管理 天气预报, 顾客消费习惯, 保险业, 质量控制,竞争分析等等. 诈骗预测和管理 市场分析与管理 电信行业:市场营销，客户关系管理，市场细分 1 ．英国电信采用数据挖掘手段，建立模型来确定潜在客户的购买倾向和他们变为用户之后可能的价值。建立精确的客户特征以后，英国电信打算开发针对于特定客户群的产品。 2．沃达丰利用数据挖掘技术建立模型研究客户离网的原因，并从不同的角度来进行市场细分. 3．法国电信利用数据挖掘技术在预防欺诈、客户流失分析和预测、交叉销售等各方面都取得很多成果。 4．NTT在自己的CRM系统COMWARE中使用数据挖掘的方法来分析数据和提高对客户的管理水平。 5．韩国SK Telecom公司的CRM中，应用数据挖掘技术分析客户和通话行为，预测通话中的掉线情况。 市场分析与管理 Cross销售 著名的啤酒＋尿布的故事 又如：烤鸭，面酱，面饼间的关联 Cross销售 从双项统计中我们可以看到：60％的顾客同时买了烤鸭和面酱， 三项统计中：40％的顾客同时买了烤鸭，面酱和面饼 KDD结果不一定是因果关系。运用之妙成乎于人。 例如∶ 用R1，将烤鸭降价以促销面饼、面酱，很可能会破产 用R2 将面饼降价，以促销烤鸭，可能会发财； 用R3，将面酱降价，促销面饼和烤鸭，可能引不起顾客的热情。 风险分析与管理 银行业： 由于银行商业化的步伐正在加大，各大中型银行在入世的压力下，开始重新考虑自身的业务，特别是对自己的信贷风险管理方面特别注意，因而有关信贷风险管理和风险规避的决策支持系统的需求逐渐多了起来。 风险分析与管理 保险业： 保险公司的一个重要工作就是进行风险评估，即对不同风险领域的鉴定和分析。风险评估对保险公司的正常运作起着至关重要的作用，保费和保单的设计都需要比较详细的风险分析。 欺诈预防与管理 银行或商业上经常发生诈骗行为，如恶性透支等，这些给银行和商业单位带来了巨大的损失。对这类诈骗行为进行预测，哪怕正确率很低的预测，都会减少发生诈骗的机会，从而减少损失。进行诈骗甄别主要是通过总结正常行为和诈骗行为之间的关系，得到诈骗行为的一些特性，这样当某项业务符合这些特征时，可以向决策人员提出警告。 这方面应用非常成功的系统有：FALCON系统和FAJS系统 FALCON-----------探测可疑的信用卡交易 FAJS----------------识别与洗钱有关的金融交易 Falcon Fraud Monitoring Falcon Fraud Monitoring -2 Q: What types of transactions are considered suspicious or fraudulent? A: Falcon monitors and analyzes transactions and assigns a rating to the transaction. Based on your normal spending patterns, if a questionable transaction is detected on your Credit Union of Colorado debit or credit card, Falcon will contact you to verify the transaction. In some cases, the transaction is even declined at the point of purchase if the fraud rating is high. 其他应用 体育 IBM Advanced Scout 分析 NBA 比赛统计 (篮板, 助攻, 和 犯规)，为纽约尼克斯队和迈阿密热队赢得了长足的进步。 天文 Cal Tech 和 the Palo