Data miner and Data WareHouse
奔跑的蜗牛007
96年郑州大学本科毕业,2007年上海华东师范大学软件工程硕士毕业,一直从事互联网技术的研发工作至今,熟悉微软互联网技术及平台,并在其平台上从事开发至今.
展开
-
ERP系统中的BI应用案例之二
(图三)3、报表展现多维分析模型搭建好以后,就可以使用Reporting Services工具实施RS报表流程,实现报表的创建、发布、展示和订阅。在reporting services中的“数据”栏,将需要在报表中展现的数据,从量度和维度区域拖拽到数据区域内,还可以在参数区域设置需要在报表中展现的参数。在reporting services中的“布局”栏,从左侧“工具箱”栏中选出所需要的适当转载 2008-02-21 13:55:00 · 701 阅读 · 0 评论 -
Data Mining在CRM中扮演的角色
因特网的兴起,引起一股电子商务的热潮,从美国延烧到台湾,一时之间,.com公司纷纷成立,传统企业也大幅度的投入电子商务的列车中,设立各式商务网站,但是反思顾客是否真正从网络上的电子商务得到更多的附加价值,则也引起广泛的讨论。同时,四月中旬NASDAQ大幅下挫,浮现出网络概念股泡沫化的阴影,未来网络公司何去何从,下一波的经营重点又应是如何,更是引发各界的疑虑。因此,近来顾客关系管理(CRM:Cust转载 2008-02-21 14:03:00 · 802 阅读 · 0 评论 -
Data Mining、Data Warehousing、OLAP三者关系
若将Data Warehousing(数据仓储)比喻作矿坑,Data Mining就是深入矿坑采矿的工作。毕竟Data Mining不是一种无中生有的魔术,也不是点石成金的炼金术,若没有够丰富完整的数据,是很难期待Data Mining能挖掘出什么有意义的信息的。 要将庞大的数据转换成为有用的信息,必须先有效率地收集信息。随着科技的进步,功能完善的数据库系统就成了最好的收集数据的工具转载 2008-02-21 14:02:00 · 2258 阅读 · 0 评论 -
Data Mining运用的理论与实际应用功能
类别 项 目 摘 要转载 2008-02-21 13:58:00 · 588 阅读 · 0 评论 -
判别分析法(Discriminant Analysis)
所谓判别分析法(discriminant analysis),是在已知的分类之下,一旦遇到有新的样本时,可以利用此法选定一判别标准,以判定如何该将新样本放置于那个族群中。而分群分析法,则是希望将一群具有相关性的数据加以有意义的分类。换句话说,设有数个群体,此时,取数个变量(说明变量)组,作成适当的判别标准(线性函数)时,即可辨别该群体的归属。用简单的例子来说,如果我们已知有两群人:一群是转载 2008-02-21 14:12:00 · 10456 阅读 · 0 评论 -
因素分析(Factor Analysis)
一、何谓因素分析法(FA)因素分析法也是希望能够降低变量的数目,但不同的是我们是想在一群具有相关性的数据中,找出几个影响原始数据的共同因素。统计上而言,主成份分析所着重的在于如何〝转换〞原始变项使之成为一些综合性的新指标,而其关键在『变异数』问题。与主成份分析不同的是,因素分析重视的是如何解变量之间的「共变异数」(Covariance)问题,因每一位受试者的反应变量均为一些"共同因素转载 2008-02-21 14:08:00 · 6891 阅读 · 0 评论 -
主成分分析(Principal Component Analysis)
一、何谓主成份分析(PCA)?当某一问题同时可以考虑好几个因素时,我们并不对这些因素个别处理,而是将它们总和起来处理,这就是PCA。主成份分析主要目的乃是希望用较少的变量去解释原来数据中的大部分变异,即期望能将我们手中许多相关性很高的变量转化成彼此互相独立的变量,能由其中选取较原始变量个数少,能解释大部分数据之变异的几个新变量,也就是所谓的主成份,而这几个主成份也就成为我们用来解释数据的总和性指针转载 2008-02-21 14:07:00 · 1947 阅读 · 0 评论 -
ERP系统中的BI应用案例之一
商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中,可以说,制造业是非常需要商业智能的行业。因此,本期我们就将目光转向制造业,讨论一下商业智能在ERP业务中的应用。在文中,我们以一家鞋服制造企业为例,描述其ERP相关的BI系统项目特点,让大家对制造业BI在ERP业务的应用有一个直观的印象和清晰的理解。 商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中,可以说,制造业是非常需要商业智转载 2008-02-21 13:51:00 · 952 阅读 · 0 评论 -
SQL SERVER 2005的数据挖掘实现图书馆书目推荐服务
一、 前言数据挖掘(DM data mining)是从大量的,不完全的,有噪声的,模糊的,随机的数据中,提取隐含在其中的,人们事先不知道的,但又是潜在的有用的信息和知识的过程。而我们的图书馆的数据库中积累了大量的读者借阅历史数据,这些数据中隐藏着大量重要信息,利用这些信息我们可以挖掘出读者对图书资源的借阅偏好模式。于是我们便利用微软SQL SERVER 2005中的数据挖掘关联规则模块建立一转载 2008-02-21 14:24:00 · 1222 阅读 · 0 评论 -
Data Mining 的功能
Data Mining功能可包含下列五项功能: 1.分类(classification)按照分析对象的属性分门别类加以定义,建立类组(class)。例如,将信用申请者的风险属性,区分为高度风险申请者,中度风险申请者及低度风险申请者。使用的技巧有决策树(decision tree),记忆基础推理(memory-based reasoning)等。 2.推估(estimation)根据既有连续转载 2008-02-21 14:05:00 · 625 阅读 · 0 评论 -
Data Mining 与 Web Mining有何不同
Web Mining可单纯看做Data Mining应用在网络数据的泛称。Web Mining 分析之范畴: 该如何测量一个网站是否成功? 哪些内容、优惠、广告是人气最旺的? 主要访客是哪些人? 什么原因吸引他们前来? 如何从堆积如山之大量由网络所得数据中找出让网站运作更有效率的操作因素?Web Mining除了计算网页浏览率以及访客人次等log file分析外,举凡网络上的零售、财转载 2008-02-21 14:04:00 · 954 阅读 · 0 评论 -
何谓Data Mining
Data Mining是指找寻隐藏在数据中的讯息,如趋势(Trend)、特征(Pattern)及相关性(Relationship)的过程,也就是从数据中发掘信息或知识(有人称为Knowledge Discovery in Databases, KDD),也有人称为「数据考古学」(Data Archaeology)、「数据样型分析」(Data Pattern Analysis)或「功能相依分析转载 2008-02-21 13:57:00 · 735 阅读 · 0 评论 -
集群分析法(Cluster Analysis)
一、何谓集群分析法众多的多变量分析方法中,集群分析法(cluster analysis)是比较简单的一种,统计学家通常应用集群分析法来对数据做简化的工作及分类,也就是把相似的个体(观测物)归于一群。然而相似的标准为何、多相似才能归为一群,则是我们需要探讨的问题。集群分析分析出来的结果若没有信息(information),则结果究竟适不适合,也是一大考验,因此分析时的"目标"非常重要,在分析进行中各转载 2008-02-21 14:16:00 · 10388 阅读 · 0 评论 -
Data Mining与统计分析有何不同与步骤
Data Mining所使用的技术如CART、CHAID或模糊计算等等理论方法,都是由统计学者根据统计理论所发展衍生,有相当大的比重是由高等统计学中的多变量分析所支撑。 Data Mining Statistics转载 2008-02-21 14:00:00 · 629 阅读 · 0 评论 -
Data Mining的分析工具
产品名称 平台 简介转载 2008-02-21 14:06:00 · 1490 阅读 · 0 评论