BI与数据仓库培训文档.ppt

Ad Hoc View Regional Mgr. View Product Mgr. View Time Mgr. View PRODUCT region TIME SALES OLAP分析方法（一）：切片、切块 时间 地区 产品 2003年 2003年1月 2003年1月1日 2003年1月2日 2003年1月3日 2003年2月 考察一个特定的维 时间维，包括每一个地区同一产品的业务量 钻取到下面的层次来考察详细情况 OLAP分析方法（二）：钻取 时间 地区 产品 按照不同的顺序组合维，对数据进行考察 地区 产品 时间 OLAP分析方法（三）：旋转 OLAP分析方法（四）：钻透 关系型数据库 OLAP工具选择 OLAP后台服务 OLAP前端展现 CUBE创建管理 维管理 CUBE加载 CUBE重构 CUBE存储 切片、切块 钻取 旋转 钻透 报表定制 OLAP产品： (IBM)Congos　Powerplay (IBM)Hyperion　Essbase Biro Microsoft Analyse Server MicroStategy Oracle BI (SAP）BO OLAP Intelligence 国内不少BI集成商拥有自主研发基于oralce等数据库的ROLAP产品 OLAP产品选择 对平台、操作系统、数据库的支持能力 容量和处理能力 对中文报表的支持能力 开放性，二次开发能力 OLAP工具分为OLAP后台服务和OLAP前端展现两部分。 OLAP 在移动经分的应用 角度、指标树 拖动选择的指标到指标区位置 拖拽 选择指标 OLAP在移动经分的应用 使用数据窗口工具栏 设置图形显示 设置多栏显示 设置2:8归并显示 设置条件高亮显示 数据另存 分析方法另存 即席查询 客户详细信息查询 用户群跟踪 灵光一闪的临时查询 即席查询(Ad Hoc)是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。 即席查询 在移动经分的应用 普通即席查询 清单查询查询 按时间日、月查询 查询各种业务类型清单 即席查询在移动经分的应用 编辑“用户群” 理解高级即席查询 理解即席查询的“用户群条件” 增加“用户群条件” 选择查询数据地区 数据挖掘方法论 商业理解(Business Understanding) 数据理解(Data Understanding) 数据准备(Data Preparation) 建立模型(Modeling) 模型评估(Evaluation) 模型发布(Deployment) 数据挖掘模型应用： 数据挖掘模型主要应用于两个方面： 1、分类 2、预测 分类 预测 1、建模描述预定的数据类集或者概念集 2、使用模型进行分类 1、构造和使用模型评估无标号样本类 2、评估给定样本可能具有的属性值或值区间 用户细分 价值评估 客户偏好 客户流失 营销目标 用户预测 …… 常见数据挖掘模型： 决策树 Decision Tree 聚类分析 Cluster Analysis 回归模型 (Regression) 关联分析 (Association Analysis) 神经网络 (Neural Network) 数据挖掘模型：关联分析 超市购物的人总数：10000 购买尿布A的人数：500 购买啤酒B的人数：1000 两者同时使用的人数：300 关联规则：A-B 支持度[Support]：表示A和B的组合是否主流 同时购买A和B的可能性P(AB)=300/10000=3% 可信度[Confidence]：表示A-B的可信程度 在购买A的情况下购买B的可能性P(B|A)=P(AB)/P(A)=300/500=60% 提升度[Lift]：表示A-B的提升程度 在购买A的情况下购买B的可能性与没有任何前提情况下购买B的可能性之比P(B|A)/P(B)=P(AB)/(P(A)*P(B))=3%/(5%*10%)=6 描述 诊断 预测 应用场景 解释 最常用于精确营销，关联销售中 说明 关联性描述二者的关联关系，不表明因果关系 关联性分析可以不仅仅是两者的关系，还可以是两组之间的关联关系 引申：带时间序列的关联分析，先A再B和先B再A的差异 支持度、可信度、提升度：概率 经典案例 数据挖掘模型：聚类分析 将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程称为聚类. 目的：发现有用的或者感兴趣的群组；找出每个群组的代表性特征。 描述 诊断 预测 解释 应用场景 最常用于用户细分中 高端组 低端组 IP长途组 用户细分方法比较 单变量细分 双变量细分 聚类细分 优点： 可以在多维变量的情况下对用户进行分组 缺点： 分组缺乏直接的应用目标，难以应用，分组结果难以合理解释 优点： 直观