数据挖掘系统论文

《数据挖掘系统论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘系统论文——关于OLAP的运用计本一班邓珍彭摘要数据挖掘、OLAP是当前基于大世数据阳或数据仓即•的新羽信息分析技术,在许多领域得到广泛应用，取得了很好的成效。如何将其应丿IJ于财务决策以提高决策的正确性、及时性，降低决策的风险，已成为财务管理领域的重要研究课题。本文在介绍数据挖掘、OLAP技术及其相互关系的垄础上，分析了财务决策领域应用这两种技术的现实必要性。关键词：数据挖掘OLAP在财务决策中的应用前言：利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不同的角度对数据进行挖掘。①

2、分类。分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽左零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册克接邮寄到有这种喜好的客户手屮，从而大大增加了商业机会。②冋归分析。冋归分析方法反映的是事务数据库中属性值在时间上的特征,产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以

3、及数据间的担关关系等。它可以应用到市场营销的各个方面,如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及冇针对性的促销活动等。③聚类。聚类分析是把一组数据按照相似性和差异性分为儿个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别屮的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。④关联规则。关联规则是描述数据库屮数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。在客户关系管理中,通过对企业的客户数据库里的人

4、量数据进行挖掘，可以从人量的记录中发现有趣的关联关系,找出影响市场营销效杲的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。⑤特征。特征分析是从数据库中的一组数据中提取出关于这些数据的特征式,这些特征式表达了该数据集的总体特征。如营销人员通过对客户流失因素的特征捉取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以冇效地预防客户的流失。正文：随着计算机和Internet技术的发展，以及金业在以往事务型处理中数据的不断积累，一方面企业数据资源口益丰富，信息超载，另一方面数据资源

5、屮蕴涵的知识企业却至今未能得到充分的挖掘和利用，“数据丰富而知识贫乏”是常见现象。如何才能不被信息的汪洋大海所淹没,并能从中及时发现有用的知识,提高信息的利用效率，已成为企业急需面对的一个问题。止是在这种背景下，数据挖掘、OLAP技术应运而生。这是两种基于人量数据库或数据仓库的新型数据分析技术。将其应用到财务决策领域则有利于提高决策的正确性、及时性，降低决策的风险。一、数据挖掘与OLAP1.数据挖掘关丁数据挖掘，一种较为公认的定义是ft]G.Piatetsky-Shapiro等人提出的。他们认为：数据挖掘是从大型数据库中提取人们感兴趣的知识,这些知识是隐含的、事

6、先不知的，潜在有用的信息。数据挖掘涉及到机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计算、专家系统等各个领域。它不仅面向特定数据库的简单检索查询调用，而凡要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用己有的数据对未來的活动进行预测。这样一來，就把人们对数据的应用从低层次的末端查询操作，提高到为各级经营决策者提供决策支持。2.OLAP联机分析处理(OLAP)的概念垠早是由关系数据库Z父E.F.Codd于1993年提出的，它是基于人型数据库或数据仓库的信息分析过程，是人型数

7、据库或数据仓库的用户接口部分,其冃的是满足决策支持或多维环境特定的查询和报表要求。简单地讲，OLAP就是共享多维信息的快速分析。它是跨部门、而向主题的，其基本特点是快速性、可分析性、多维性、信息性和共享性。也就是说，OLAP能快速响应用户的要求，能处理与应用有关的任何逻辑分析和统计分析,能提供多维数据分析的多维视图，能及吋获得信息和管理犬容量的信息，以及能在犬量用户群中共享潜在的数据。其中“多维性”是其核心灵魂。3.数据挖掘与OLAP数据挖掘和OLAP都是基于大型数据库或数据仓库的数据分析技术，有着一定的联系和区别。数据挖掘和OLAP最木质的区别在于，数据挖掘是

8、一种挖掘性的分析工具，它