电子商务技术基础教程ppt课件(完整版).ppt

6．OLAP的其它考虑因素 （1）假设分析 （2）复杂计算 （3）数据评估 7.2.3 数据挖掘 1．数据挖掘的分析方法 数据挖掘有以下六种不同的分析方法：分类（Classification）、估值（Estimation）、预言（Prediction）、相关性分组或关联规则（Affinity Grouping or Association Rules）、聚集（Clustering）、描述和可视化（Description and Visualization）。 直接数据挖掘是指利用可用的数据建立一个模型，应用该模型对剩余的数据或某个特定的变量（可以理解成数据库中表的属性，即列）进行描述。间接数据挖掘是指目标中没有选定某一具体的变量用模型进行描述，而是在所有的变量中建立起某种关系。 （1）分类 先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。 （2）估值 估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理是连续值的输出；分类的类别是确定数目的，估值的量是不确定的。 （3）预言 通常，预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。 （4）相关性分组或关联规则 相关性分组或关联规则是决定哪些事情将一起发生。 （5）聚集 聚集是对记录分组，把相似的记录放在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。 （6）描述和可视化 描述和可视化是对数据挖掘结果的表示方式，是用户与系统交互的接口。 2．数据挖掘的应用 数据挖掘首先是需要商业环境中收集大量的数据，然后是要求挖掘的知识是有价值的。有价值对商业而言，不外乎三种情况：降低开销、提高收入、增加利润。 数据挖掘在商务活动中的应用主要有以下几方面：作为研究工具、提高过程控制水平、作为市场营销工具以及作为客户关系管理工具。 3．数据挖掘的工作过程 数据挖掘的工作过程可分为数据的抽取、数据的存储和管理、数据的展现等关键步骤。 （1）数据的抽取 数据的抽取是数据进入数据仓库的入口。 （2）数据的存储和管理 （3）数据的展现 4．数据挖掘与数据仓库的关系 数据仓库用于数据的存储和组织，数据挖掘则致力于知识的自动发现，两者并没有内在的依赖关系，可以独立地应用到企业信息系统的建设中。但两者之间存在着一定的联系性和互补性。虽然没有数据仓库也同样能进行数据挖掘，但有了数据仓库可以使数据挖掘更有效率。 数据挖掘和数据仓库的协同工作、融合发展，一方面可以简化数据挖掘过程中的重要步骤，提高数据挖掘的效率和能力，确保数据挖掘中数据来源的广泛性和完整性。另一方面，数据挖掘技术已经成为数据仓库应用中极为重要和相对独立的方面和工具。 7.3 电子商务系统数据层访问技术 7.3.1 数据层访问技术发展过程 在一个典型的电子商务应用中，三层架构或N层架构常常是设计师的首选，三层架构包括表现层、商业逻辑层和数据访问层。本节的关注点放在数据访问层，它负责和应用中的各种数据源打交道，诸如DB2、Oracle等关系型数据源、XML数据、其它种类的非关系型数据、Web服务以及各类特别的遗留系统等等，将它们整合起来，为商业逻辑层提供统一的数据服务。 7.3.2 ODBC与JDBC 下面对两种重要的数据访问技术开放数据库互连（ODBC）和Java数据库连接（JDBC）分别予以详细介绍。 1．ODBC ODBC是微软公司开放服务结构(Windows Open Services Architecture，WOSA)中有关数据库的一个组成部分。它建立了一组规范，并提供了一组对数据库访问的标准应用程序编程接口（API）。这些API使用SQL来完成其大部分任务。ODBC本身也提供了对SQL语言的支持，用户可以直接将SQL语句送给ODBC。 2．JDBC JDBC（Java Data Base Connectivity）是一种用于执行SQL语句的Java API，可以为多种关系数据库提供统一访问，它由一组用Java语言编写的类和接口组成。JDBC制定了一种数据库访问标准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序。 有了JDBC，向各种关系数据库发送SQL语句就是一件很容易的事。换言之，有了JDBC API，就不必为访问不同的关系数据库专门编程了，程序员只需用JDBC API写一个程序就够了，JDBC API可向相应数据库发送SQL调用，程序员只须写一遍程序就可以让这段程序在任何平台上运行。 7.1.2 数据库的基本理论 1．数据模型 （1）有关概念 模型是对客观事物、现象、过程或