第1章数据仓库概念与体系结构

1、1数据仓库与数据挖掘数据仓库与数据挖掘王新庄王新庄CDLGDXWXZ163.NET2022-5-22022-5-2数据仓库与数据挖掘数据仓库与数据挖掘2第第1章章 数据仓库数据仓库的概念与体系结构的概念与体系结构 本章内容本章内容31.3 数据仓库的技术、方法与产品数据仓库的技术、方法与产品1.4 数据仓库系统的体系结构数据仓库系统的体系结构1.5 数据仓库的产生、发展与未来数据仓库的产生、发展与未来1.2 数据挖掘的概念与方法数据挖掘的概念与方法1.1 数据仓库的概念、特点与组成数据仓库的概念、特点与组成4l数据仓库的概念数据仓库的概念l数据仓库就是一个面向主题的（数据仓库就是一个面向主题的

2、（Subject Oriented）、集成的（）、集成的（Integrate）、相对）、相对稳定的（稳定的（Non-Volatile）、反映历史变化）、反映历史变化（Time Variant）的数据集合，通常用于）的数据集合，通常用于辅助决策支持（辅助决策支持（DDS）1.1 数据仓库的概念、特点与组成数据仓库的概念、特点与组成5）数据仓库关键特征一面向主题l围绕一些主题，如顾客、供应商、产品围绕一些主题，如顾客、供应商、产品等等l关注决策者的数据建模与分析，而不是关注决策者的数据建模与分析，而不是集中于组织机构的日常操作和事务处理。集中于组织机构的日常操作和事务处理。l排除对于决策无用的数据

3、，提供特定主排除对于决策无用的数据，提供特定主题的简明视图。题的简明视图。1.1.1 数据仓库的特点数据仓库的特点6）数据仓库关键特征二-数据集成q一个数据仓库是通过集成多个异种数据源来一个数据仓库是通过集成多个异种数据源来构造的。构造的。 例如关系数据库，一般文件，联机事务处理记录例如关系数据库，一般文件，联机事务处理记录q使用数据清理和数据集成技术使用数据清理和数据集成技术. 确保命名约定（如单价与价格）确保命名约定（如单价与价格） 、编码结构（如、编码结构（如域宽）域宽） 、属性度量（如、属性度量（如 Hotel price ）等的一致性。）等的一致性。 q当数据被移到数据仓库时，它们要

4、经过转化。当数据被移到数据仓库时，它们要经过转化。7）数据仓库关键特征三随时间而变化q数据仓库的时间范围比操作数据库系统要数据仓库的时间范围比操作数据库系统要长的多。长的多。q操作数据库系统操作数据库系统: 主要保存当前数据。主要保存当前数据。q数据仓库数据仓库:从历史的角度提供信息（比如过去从历史的角度提供信息（比如过去 5-10 年）年）q数据仓库中的每一个关键结构都隐式或显数据仓库中的每一个关键结构都隐式或显式地包含时间元素，而操作数据库中的关式地包含时间元素，而操作数据库中的关键结构可能就不包括时间元素。键结构可能就不包括时间元素。8）数据仓库关键特征四数据不易丢失q尽管数据仓库中的数

5、据来自于操作数据库，尽管数据仓库中的数据来自于操作数据库，但他们却是在物理上分离保存的。但他们却是在物理上分离保存的。q操作数据库的更新操作不会出现在数据仓库环境操作数据库的更新操作不会出现在数据仓库环境下。下。q不需要事务处理，恢复，和并发控制等机制不需要事务处理，恢复，和并发控制等机制q只需要两种数据访问只需要两种数据访问: q数据的初始转载和数据访问（读操作）数据的初始转载和数据访问（读操作）9q数据仓库数据库；数据仓库数据库；q数据抽取工具；数据抽取工具；q元数据：技术元数据与业务元数据；元数据：技术元数据与业务元数据；q访问工具；访问工具；q数据集市（数据集市（Data Marts）

6、；）；q数据仓库管理；数据仓库管理；q信息发布系统。信息发布系统。1.1.2 数据仓库组成数据仓库组成10三层数据仓库架构三层数据仓库架构:DataWarehouseExtractTransformLoadRefreshAnalysisQueryReportsData miningMonitor&IntegratorMetadata数据源ServeData MartsOperational DBsothersourcesOLAP Server数据仓库数据库数据仓库数据库数据抽取工具数据抽取工具元数据元数据数据集市数据集市数据仓库管理数据仓库管理访问工具访问工具信息发布系统信息发布系统1

7、11.2 数据挖掘的概念与方法数据挖掘的概念与方法q数据挖掘的概念数据挖掘的概念q数据挖掘数据挖掘(Data Mining)，就是从大量数据中获，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。的模式的非平凡过程。q简单的说，数据挖掘就是从大量数据中提取或简单的说，数据挖掘就是从大量数据中提取或“挖掘挖掘”知识，又被称为数据库中的知识发现知识，又被称为数据库中的知识发现(Knowledge Discovery in Database, KDD) q或者称为中知识挖掘、知识提取、数据或者称为中知识挖掘、知识提取、数据/模式分模

8、式分析、数据考古和数据捕捞。析、数据考古和数据捕捞。121314q直接数据挖掘直接数据挖掘利用已有数据建立模型，然后对其他数据进利用已有数据建立模型，然后对其他数据进行挖掘。如分类、预测等行挖掘。如分类、预测等q间接数据挖掘：间接数据挖掘：直接对给定的数据进行挖掘。如关联规则、直接对给定的数据进行挖掘。如关联规则、数据描述等数据描述等1.2.1数据挖掘的方法数据挖掘的方法15q若将数据仓库（若将数据仓库（Data Warehouse）比）比作矿井，那么数据挖掘（作矿井，那么数据挖掘（Data Mining）就是深入矿井采矿的工作就是深入矿井采矿的工作 q数据挖掘是从数据仓库中找出有用信息数据挖

9、掘是从数据仓库中找出有用信息的一种过程与技术的一种过程与技术 1.2.2数据仓库与数据挖掘的关系数据仓库与数据挖掘的关系161.3 数据仓库的技术、方法与产品数据仓库的技术、方法与产品 1、联机事务处理（、联机事务处理（OLTP）与联机分析处理（）与联机分析处理（OLAP）的比较）的比较1.3.1 OLAP技术技术OLTPOLTP：联机事务处理：联机事务处理。数据存储和检索、查询和事务数据存储和检索、查询和事务处理有效机制。处理有效机制。OLAPOLAP：联机分析处理。：联机分析处理。OLAP是一种分析技术，具有汇是一种分析技术，具有汇总、合并和聚集功能，以及从不同的角度观察信息的能力。总、合

10、并和聚集功能，以及从不同的角度观察信息的能力。尽管尽管OLAP工具支持多维分析和决策，对于深层次的分析，工具支持多维分析和决策，对于深层次的分析，如数据分类、聚类和数据随时间变化的特征，仍然需要其如数据分类、聚类和数据随时间变化的特征，仍然需要其他分析工具。他分析工具。17特征OLTPOLAP任务特点操作处理操作处理辅助决策辅助决策面向事务事务分析分析用户办事员、办事员、DBA、数据库专业、数据库专业人员人员经理、主管、数据分析员经理、主管、数据分析员功能日常操作日常操作长期信息分析、决策支持长期信息分析、决策支持DB设计基于基于E-R，面向应用，面向应用星型星型/雪花，面向主体雪花，面向主体

11、数据最新的、详细的最新的、详细的历史的、汇总的历史的、汇总的视图详细的、二维关系型详细的、二维关系型汇总的、多维的汇总的、多维的任务单位简短的事务简短的事务复杂的查询复杂的查询访问数据量数十个数十个数百万个数百万个用户数数千个数千个数百个数百个DB规模100M-数数GB100GB-数数TB优先性高性能、高可用性高性能、高可用性高灵活性、端点用户自治高灵活性、端点用户自治度量事务吞吐量事务吞吐量查询吞吐量、响应时间查询吞吐量、响应时间OLTP系统和系统和OLAP系统的比较系统的比较182、OLAP技术的有关概念技术的有关概念q多维数据集、多维数据集、q维度、维度、q度量值度量值q多维分析多维分析

12、q上钻、下钻上钻、下钻q切片、切块切片、切块q旋转旋转1920 OLAP根据其存储数据的方式可分为三类：根据其存储数据的方式可分为三类：3、OLAP的分类的分类qHOLAP：混合：混合OLAPqROLAP：关系：关系OLAPq使用关系数据库或扩展的关系数据库存放并管理数据仓库的数据，而用OLAP中间件支持其余部分q包括每个DBMS后端优化，聚集导航逻辑的实现，附加的工具和服务q基于数组的多维存储引擎（稀疏矩阵技术）q能对预计算的汇总数据快速索引qMOLAP：多维：多维OLAP214、OLAP工具工具通过多维操作的方式对数据进行分析、查询和报表通过多维操作的方式对数据进行分析、查询和报表q围绕数

13、据仓库的信息处理结构和基础设施围绕数据仓库的信息处理结构和基础设施q存取、集成、合并多个异种数据库的转换，存取、集成、合并多个异种数据库的转换，ODBC/OLEDBODBC/OLEDB连接连接,Web,Web访问和访问工具等访问和访问工具等q基于基于OLAPOLAP的探测式数据分析（基于数据子集的数据分的探测式数据分析（基于数据子集的数据分析）析）q使用上卷、下钻、切片、转轴等技术进行数据挖掘使用上卷、下钻、切片、转轴等技术进行数据挖掘q数据挖掘功能的联机选择（按需选择、灵活性）数据挖掘功能的联机选择（按需选择、灵活性）q多种数据挖掘功能、算法和任务的整合多种数据挖掘功能、算法和任务的整合22

14、q联机分析挖掘的体系结构联机分析挖掘的体系结构数据仓库数据仓库元数据元数据多维数多维数据库据库OLAM引擎引擎OLAP引擎引擎用户图形界面用户图形界面 API数据方体数据方体 API数据库数据库 API数据清理数据清理数据集成数据集成Layer3OLAP/OLAMLayer2多维数据库多维数据库Layer1数据存储数据存储Layer4用户界面用户界面数据的过滤、集成数据的过滤、集成过滤过滤数据库数据库基于约束的基于约束的数据挖掘数据挖掘挖掘结果挖掘结果231、数据抽取：数据仓库与异种数据库集成、数据抽取：数据仓库与异种数据库集成1.3 .2数据仓库实施中的三个关键环节数据仓库实施中的三个关键环

15、节q异种数据库集成：多个数据源q抽取方式：定期、不定期；全部更新、部分更新q抽取工具：专业工具、自编程序242、数据存储与管理、数据存储与管理1 1）基于大量数据的关系数据库管理）基于大量数据的关系数据库管理2 2）并行处理：）并行处理：q联机事务处理：用户访问数据不多，但多用户并发，并发操作q数据仓库：单用户，访问数据资源多，访问计算的并行操作3 3）支持查询的优化操作）支持查询的优化操作q索引、筛选4 4）支持多维分析的查询模式）支持多维分析的查询模式q基于用户主题的查询：面向多维数据的查询25q基于关系的多维数据存储模式（基于关系的多维数据存储模式（ROLAP）多维数据（数据仓库）的存储

16、模式多维数据（数据仓库）的存储模式q基于数组的多维数据存储模式（基于数组的多维数据存储模式（MOLAP）例如：例如：DIME TX（3，4，5）q是最流行的多维数据模型。这种模型可以以星是最流行的多维数据模型。这种模型可以以星型模式、雪花模式、或事实星座模式的形式存在。型模式、雪花模式、或事实星座模式的形式存在。q用数组的方式存储多维数据。用数组的方式存储多维数据。26q星型模式实例星型模式实例 time_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcitystate_or_provincecountrylocation

17、Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranch273、数据表现、数据表现 发现模式的表示和可视化发现模式的表示和可视化q以多种形式显示挖掘出来的模式：表、图、判定以多种形式显示挖掘出来的模式：表、图、判定树、数据立方体等等，以适合不同背景的用户的树、数据立方体等等，以适合不同背景的用

18、户的需要。需要。q使用概念分层，用更有意义，更容易理解的高层使用概念分层，用更有意义，更容易理解的高层概念来替代低层概念；并通过上卷、下钻等操作概念来替代低层概念；并通过上卷、下钻等操作从不同的抽象级审视所发现的模式。从不同的抽象级审视所发现的模式。q特定知识类型的表示。特定知识类型的表示。281.3.3 数据仓库实施方法论数据仓库实施方法论q数据仓库不是简单的数据或产品堆砌，它是一个数据仓库不是简单的数据或产品堆砌，它是一个综合集成解决方案和系统工程。在数据仓库的实综合集成解决方案和系统工程。在数据仓库的实施过程中，技术决策至关重要，技术选择或决策施过程中，技术决策至关重要，技术选择或决策错

19、误很可能导致项目实施失败错误很可能导致项目实施失败 q主题与目标主题与目标q数据仓库结构数据仓库结构: :平台构造平台构造q挖掘方法挖掘方法291.3.4常用数据仓库产品常用数据仓库产品1、常用常用OLAP工具介绍工具介绍2、各数据仓库厂商提供的解决方案、各数据仓库厂商提供的解决方案 IBM、Oracle、NCR、Microsoft、SAS等等301.4 数据仓库系统的体系结构数据仓库系统的体系结构数据仓库系统的体系结构的分类数据仓库系统的体系结构的分类（1）两层架构两层架构（Generic Two-Level Architecture）。）。（2）独立型数据集市独立型数据集市（Indepen

20、dent Data Mart）。）。（3）依赖型数据集市和操作型数据存储依赖型数据集市和操作型数据存储（Dependent Data Mart and Operational Data Store）。）。（4）逻辑型数据集市和实时数据仓库逻辑型数据集市和实时数据仓库（Logical Data Mart and Real-Time Data Warehouse）。）。31q两层数据仓库体系结构两层数据仓库体系结构 32q基于独立数据集市的数据仓库体系结构基于独立数据集市的数据仓库体系结构 33q基于依赖型数据集市和操作型数据存储基于依赖型数据集市和操作型数据存储(ODS)(ODS)的数的数据仓库

21、体系结构据仓库体系结构 34q逻辑型数据集市和实时数据仓库的体系结构逻辑型数据集市和实时数据仓库的体系结构 351.5 数据仓库的发展与应用数据仓库的发展与应用q简单地说，数据仓库就是一个作为决策支持和联简单地说，数据仓库就是一个作为决策支持和联机分析应用系统数据源的结构化数据环境，数据机分析应用系统数据源的结构化数据环境，数据仓库要研究和解决的问题就是从数据库中获取信仓库要研究和解决的问题就是从数据库中获取信息的问题。息的问题。1.5 .1数据仓库的发展数据仓库的发展36p 发展（技术视角）37q以报表为主：数据来自不同地方的整合以报表为主：数据来自不同地方的整合q以分析为主：对报表数据进行

22、分析以分析为主：对报表数据进行分析q以预测模型为主以预测模型为主 ：根据分析结果进行预测：根据分析结果进行预测q以营运导向为主以营运导向为主 ：根据管理主题的决策分析：根据管理主题的决策分析q以实时数据仓库、自动决策应用为主以实时数据仓库、自动决策应用为主 ：自动化：自动化的的 、实时的全面决策、实时的全面决策p 发展（应用视角）发展（应用视角）38q在数据抽取方面，未来的技术发展将集中在在数据抽取方面，未来的技术发展将集中在系统集成化系统集成化方面。方面。它将互连、转换、复制、调度、监控纳入它将互连、转换、复制、调度、监控纳入标准化标准化的统一管理，的统一管理，以适应数据仓库本身或数据源可能

23、的变化，使系统更便于管理以适应数据仓库本身或数据源可能的变化，使系统更便于管理和维护。和维护。q在数据管理方面，未来的发展将使数据库厂商在数据管理方面，未来的发展将使数据库厂商明确推出数据仓明确推出数据仓库引擎，作为数据仓库服务器产品与数据库服务器并驾齐驱库引擎，作为数据仓库服务器产品与数据库服务器并驾齐驱。在这一方面，带有决策支持扩展的并行关系数据库将最具发展在这一方面，带有决策支持扩展的并行关系数据库将最具发展潜力。潜力。q在数据表现方面，在数据表现方面，数理统计的算法和功能将普遍集成到联机分数理统计的算法和功能将普遍集成到联机分析产品中，并与析产品中，并与Internet/WebInte

24、rnet/Web技术紧密结合技术紧密结合。按行业应用特征按行业应用特征细化的数据仓库用户前端软件将成为产品作为数据仓库解决方细化的数据仓库用户前端软件将成为产品作为数据仓库解决方案的一部分案的一部分。数据仓库实现过程的方法论将更加普及，将成为。数据仓库实现过程的方法论将更加普及，将成为数据库设计的一个明确分支，成为管理信息系统设计的必备数据库设计的一个明确分支，成为管理信息系统设计的必备 p数据仓库的未来数据仓库的未来39哪些商品放在一起比较好卖？哪些商品放在一起比较好卖？ 这是沃尔玛的经典案例：一般看来，啤酒和尿布是顾客群这是沃尔玛的经典案例：一般看来，啤酒和尿布是顾客群完全不同的商品。但是

25、沃尔玛一年内数据挖掘的结果显示，完全不同的商品。但是沃尔玛一年内数据挖掘的结果显示，在居民区中尿布卖得好的店面啤酒也卖得很好。原因其实很在居民区中尿布卖得好的店面啤酒也卖得很好。原因其实很简单，一般太太让先生下楼买尿布的时候，先生们一般都会简单，一般太太让先生下楼买尿布的时候，先生们一般都会犒劳自己两听啤酒。因此啤酒和尿布一起购买的机会是犒劳自己两听啤酒。因此啤酒和尿布一起购买的机会是最最多多的。这是一个现代商场智能化信息分析系统发现的秘密。这的。这是一个现代商场智能化信息分析系统发现的秘密。这个故事被公认是商业领域数据挖掘的诞生。个故事被公认是商业领域数据挖掘的诞生。 另外，大家都知道在沃尔

26、玛牙膏的旁边通常配备牙刷，在另外，大家都知道在沃尔玛牙膏的旁边通常配备牙刷，在货价上这样放置，牙膏和牙刷才能都卖的很好。货价上这样放置，牙膏和牙刷才能都卖的很好。 * *关联规则的应用关联规则的应用 X=Y(X=Y(置信度，支持度）置信度，支持度）1.5 .2 数据仓库与挖掘的应用实例数据仓库与挖掘的应用实例402. 库存预测库存预测 过去零售商依靠供应链软件、内部分析软件甚至直觉来预测库存需过去零售商依靠供应链软件、内部分析软件甚至直觉来预测库存需求。随着竞争压力的一天天增大，很多零售商（从主要财务主管到库求。随着竞争压力的一天天增大，很多零售商（从主要财务主管到库存管理员）都开始致力于找到

27、一些更准确的方法来预测其连锁商店应存管理员）都开始致力于找到一些更准确的方法来预测其连锁商店应保有的库存。预测分析是一种解决方案。它能够准确预测哪些商店位保有的库存。预测分析是一种解决方案。它能够准确预测哪些商店位置应该保持哪些产品。置应该保持哪些产品。 使用使用 Microsoft(R) SQL Server(TM) 2005 Microsoft(R) SQL Server(TM) 2005 中的中的 Analysis Analysis Services Services 以及以及 SQL Server SQL Server 数据仓库，采用数据挖掘技术可以为产数据仓库，采用数据挖掘技术可以为

28、产品存储决策提供准确及时的信息。品存储决策提供准确及时的信息。SQL Server 2005 Analysis SQL Server 2005 Analysis Services Services 获得的数据挖掘模型可以预测在未来一周内一本书是否将获得的数据挖掘模型可以预测在未来一周内一本书是否将脱销，准确性为脱销，准确性为 98.52%98.52%。平均来说，预测该书是否将在未来两周内。平均来说，预测该书是否将在未来两周内脱销的准确性为脱销的准确性为 86.45%86.45% * *预测模型预测模型413. 股票预设股票预设 预测一支股票的走势几乎是不可能，但是通过相关分析，可预测一支股票的

29、走势几乎是不可能，但是通过相关分析，可以找出一支股票的走势与另一只股票走势的潜在规律，比如数据以找出一支股票的走势与另一只股票走势的潜在规律，比如数据挖掘曾经得到过这个结论：挖掘曾经得到过这个结论：“如果微软的股票下跌如果微软的股票下跌4%4%，那么，那么IBMIBM的股票将在两周内下跌的股票将在两周内下跌5%”5%”。 * *相关分析相关分析424. 出了一个新成品，哪些老客户最可能购买？出了一个新成品，哪些老客户最可能购买？ 银行应该认识到客户需要什么产品以及如何推销这些产品，然银行应该认识到客户需要什么产品以及如何推销这些产品，然后银行需要开发相应商品并进行营销活动，后银行需要开发相应商

30、品并进行营销活动， 从而满足这些需求。从而满足这些需求。几几 年前，蒙年前，蒙 特利尔银行银行开始采用特利尔银行银行开始采用 IBM DB2 Intelligent IBM DB2 Intelligent Miner ScoringMiner Scoring，基于银行账户余额、客户已拥有的银行产品以及，基于银行账户余额、客户已拥有的银行产品以及所处地点和信贷风险等标准来评价记录档案。所处地点和信贷风险等标准来评价记录档案。这些评价可用于确这些评价可用于确定客户购买某一具体产品的可能性。定客户购买某一具体产品的可能性。该系统能够通过浏览器窗口该系统能够通过浏览器窗口进行观察，使得管理人员不必分析

31、基础数据，因此非常适合于非进行观察，使得管理人员不必分析基础数据，因此非常适合于非统计人员。统计人员。 “我们对客户的财务行为习惯及其对银行收益率的影响有了更我们对客户的财务行为习惯及其对银行收益率的影响有了更深入的了解。现在，当进行更具针对性的营销活动时，银行能够深入的了解。现在，当进行更具针对性的营销活动时，银行能够区别对待不同的客户群，以提升产品和服务质量，同时还能制订区别对待不同的客户群，以提升产品和服务质量，同时还能制订适当的价格和设计各种奖励方案，甚至确定利息费用。适当的价格和设计各种奖励方案，甚至确定利息费用。” 蒙特利尔银行的数据挖掘工具为管理人员提供了大量信息，蒙特利尔银行的

32、数据挖掘工具为管理人员提供了大量信息，从而帮助他们对于从营销到产品设计的任何事情进行决策。从而帮助他们对于从营销到产品设计的任何事情进行决策。 * *分类与预测分类与预测435. 电子商务网站公共页面该放哪些内容最可能产生购买行电子商务网站公共页面该放哪些内容最可能产生购买行为？为？ 圣地亚哥圣地亚哥 P P 通过采用通过采用 HitBoxHitBox，即，即 WebSideStory WebSideStory 的数据挖掘的数据挖掘 ASP ASP 服务，使企业的计划者在业务高峰日也能够对销售情服务，使企业的计划者在业务高峰日也能够对销售情况做出迅速反应。由于鲜花极易枯萎，况做出迅速反应。由于

33、鲜花极易枯萎，Proflowers Proflowers 不得不均匀地削减不得不均匀地削减库存，否则可能导致一种商品过快地售罄或库存鲜花的凋谢。库存，否则可能导致一种商品过快地售罄或库存鲜花的凋谢。 由于日交易量较高，管理人员需要对零售情况进行分析，比如转换由于日交易量较高，管理人员需要对零售情况进行分析，比如转换 率，率，也就是多少页面浏览量将导致销售产生也就是多少页面浏览量将导致销售产生。举例来说，如果。举例来说，如果 100 100 人人中仅有中仅有 5 5 人人(5%)(5%)看到玫瑰时就会购买，而盆景的转换率则为看到玫瑰时就会购买，而盆景的转换率则为 100 100 比比 20(20

34、%)20(20%)，那么不是页面设计有问题，就是玫瑰的价格有问题。公司能，那么不是页面设计有问题，就是玫瑰的价格有问题。公司能够迅速对网站进行调整，比如在每个页面上都展示玫瑰或降低玫瑰的够迅速对网站进行调整，比如在每个页面上都展示玫瑰或降低玫瑰的价格。对于可能过快售罄的商品，公司通常不得不在网页中弱化该商价格。对于可能过快售罄的商品，公司通常不得不在网页中弱化该商 品或取消优惠价格，从而设法减缓该商品的销售。品或取消优惠价格，从而设法减缓该商品的销售。 * *自动推测自动推测446. 登录网站的当前用户现在最可能购买什么东西？登录网站的当前用户现在最可能购买什么东西？ 丹佛的丹佛的 eBags

35、 eBags 旨在针对常旅客销售手提箱、手提袋、钱包以及旨在针对常旅客销售手提箱、手提袋、钱包以及提供其它旅行服务。该公司采用提供其它旅行服务。该公司采用 Kana Kana 软件公司的软件公司的 E-Marketing E-Marketing Suite Suite 来整合其网站的来整合其网站的 Oracle Oracle 数据库、数据库、J.D. Edwards J.D. Edwards 财务系统、财务系统、客户服务电子邮件和呼叫中心，从而获得客户购买行为习惯方面的信客户服务电子邮件和呼叫中心，从而获得客户购买行为习惯方面的信息。其目标是提供完全个性化的服务。息。其目标是提供完全个性化的服务。 与设计页面以鼓励大部分消费者采购的做法不同，与设计页面以鼓励大部分消费者采购的做法不同，一个个性化的一个个性化的解决方案将不停地创建页面以适合每个具体的访问者解决方案将不停地创建页面以适合每个具体的访问