第10章数据仓库与数据挖掘的综合应用ppt课件

1、第10章 数据仓库与数据发掘的综合运用本章要点：1.数据仓库在企业管理中的运用情况 2.数据发掘在银行领域、证券领域、保险领域的运用 3.从客户识别、客户保管、个性化营销与销售引荐等方面引见了数据发掘在客户关系管理中的运用 第10章 数据仓库与数据发掘的综合运用 本章主要内容10.1数据仓库与数据发掘的关系102数据仓库在企业管理中的运用103数据发掘的社会影响与运用行业104金融业中的数据发掘运用105数据发掘与客户关系管理106电信业中的数据仓库与数据发掘运用1011从数据仓库的观念看 从数据仓库的观念，数据发掘可以看作是联机分析处置的高级阶段。但是作为更高级的数据分析技术，数据发掘比数据

2、仓库的汇总型分析处置要详细和深化得多。 从数据仓库中直接得到进展数据发掘的数据有许多益处。 数据发掘库能够是数据仓库的一个逻辑上的子集，而不一定非得是物理上单独的数据库。 数据仓库与数据发掘技术的关系 1012从数据发掘的观念看 1. 由于大多数数据发掘工具要在集成的、一致的、经过清理的数据上进展发掘，这就需求在数据发掘中有一个费用昂贵的数据清理、数据变换和数据集成过程，作为数据发掘的预处置。 2. 在数据仓库的构造过程中曾经围绕数据仓库组建了包括数据存取、数据集成、数据合并、异种数据库的转换、ODBC/OLE DB的衔接、Web访问和效力工具以及报表与OLAP分析工具等全面的数据处置和数据分

3、析根底设备。 3. 在数据发掘过程中，经常需求进展探测式的数据分析，穿越各种数据库，选择相关数据，对各种数据选择不同的粒度，以不同的方式提供知识或结果。 4. 在数据发掘过程中，假设将数据发掘与数据仓库进展有效的结合，将添加数据发掘的连机发掘功能。 10.2数据仓库在企业管理中的运用1021企业运用数据仓库的意义 1提高企业信息管理才干2有助于企业建立良好的客户关系3提高企业决策程度 4促使企业重构业务过程1022运用数据仓库弥补ERP的缺乏 运用数据仓库技术可以把这些系统中的数据按主题进展集成，生成支持管理决策分析的信息。 经过建立一个综合的、便于查询和分析的数据仓库，能更好地满足管理层用户

4、的决策分析，提高企业的管理程度和经济效益。1023数据仓库实现分析型CRM数据仓库在CRM中的作用表现为以下四个方面：1客户行为分析 企业实施客户关系管理的前提是对客户信息进展分析和整合，构成客户信息的一致视图。 2客户坚持基于数据仓库的数据发掘可以在客户细分、客户价值发现方面做出奉献，协助我们找到哪些客户最有能够流失，他们具有什么样的特征，从而采取相应的对策，及早防备那些不应该流失的客户。 3数据库营销利用数据仓库可以掌握大量的客户信息，实现对客户关系与资源的发掘、分析与管理，实现营销的个性化效力与企业利益的最大化。4效果评价 根据客户行为分析，企业可以准确地制定市场战略和市场活动。 102

5、4数据仓库提高供应链管理的效率 供应链数据仓库能处理传统信息处置系统难以处理的许多问题。 1信息共享 经过数据交换和数据集成技术，根据确定的业务准那么，有效地处理供应链成员之间多数据源和数据的不一致性问题。建立数据仓库有利于双方或多方的沟通，协调与协作，到达跨行业的信息共享。 2预测分析 供应链数据仓库将数据建立在同一个平台上，并借助于数据发掘技术建立适宜各个成员的数据立方体或数据集市。 3辅助决策 基于数据仓库技术的决策支持系统能全局地辅助多种经济或管理决策，决策范围很广。 103数据发掘的社会影响与运用行业1031数据发掘的社会影响 数据发掘技术引起了信息产业界的极大关注 . 数据发掘技术

6、与日常生活的关系曾经越来越亲密了。 数据发掘技术的用户一定要对这些问题坚持敏感，并且不能进犯任何受法律法规维护的隐私。1032数据发掘运用行业 1金融业1分析信誉卡的运用方式。 (2从股票买卖的历史数据中得到股票买卖的规那么或规律。 3发现隐藏在数据后面的不同的财政金融指数之间的联络。 4探测金融政策与金融业行情的相互影响的关联关系。2保险业 1保险金确实定：对受险人员的分类将有助于确定适当的保险金额度。经过数据发掘可以得到对不同行业的人、不同年龄段的人、处于不同社会层次的人，他们的险金应该如何确定。 2险种关联分析：分析购买了某种保险的人能否又同时购买另一种保险。 3预测什么样的顾客将会购买

7、新险种。1032数据发掘运用行业 3零售业1分析顾客的购买行为和习惯。如“男性顾客在购买尿布的同时购买啤酒、，过了一定的时间就会购买野营帐篷、“顾客的品牌喜好等等看似很小、很微缺乏道的信息，却会非常有用。2分析商场的销售商品的构成。 3数据发掘工具可以用于进展商品销售预测、商品价钱分析、零售点的选择等。1032数据发掘运用行业 4科学研讨 1数据发掘对高科技的研讨是必不可少的。 2数据发掘在社会科学的研讨领域的运用前景也会越来越被人们所认识。 5数据发掘在生物医学中的运用在生物医学界，数据发掘技术主要用于DNA数据的分析。 6数据发掘在其他一些领域的运用。 1医疗数据发掘可用于病例、病人行为特

8、征的分析，以及用于药方管理等，以安排治疗方案、判别药方的有效性等。 2司法数据发掘可用于案件调查。案例分析、犯罪监控等等，还可用于犯罪行为特征的分析。3工业部门数据发掘技术可用于进展缺点诊断、消费过程优化、矿物发掘等。 1023数据发掘未来研讨方向研讨焦点能够会集中到以下几个方面：发现言语的方式化描画，即研讨专门用于知识发现的数据发掘言语，也许会像SQL言语一样走向方式化和规范化； 寻求数据发掘过程中的可视化方法，使知识发现的过程可以被用户了解，也便于在知识发现的过程中进展人机交互； 研讨在网络环境下的数据发掘技术;加强对各种非构造化数据的开采 ;处置的数据将会涉及到更多的数据类型 ;交互式发

9、现； 知识的维护更新。104金融业中的数据发掘运用 金融行业是数据发掘运用最广泛也是最有出路的领域，由于金融数据通常比较完好、可靠，这对系统化的数据分析和数据发掘相当有利。数据发掘在银行、证券、保险业中的运用有许多类似之处，但也有详细业务方面的区别。多数金融机构都提供丰富多样的储蓄、信誉、投资、保险等效力，随着混业运营的逐渐放开，各类金融机构的业务将向更综合的方向开展。1031数据发掘在银行领域的运用全球商业银行的运营观念正发生着宏大变化由传统的注重买卖转变为注重客户关系和客户价值，从而产生了“关系银行的概念。 1银行风险管理 数据发掘还可以处理银行经常面临的诈骗行为，如信誉卡的恶性透支及可疑

10、的信誉卡买卖等等。 2银行信誉等级评价 金融业风险与效益并存，分析账户的信誉等级对于降低风险、添加收益是非常重要的。 3银行效力分析和预测1042数据发掘在证券领域的运用 1证券公司客户关系管理 客户价值：建立客户价值模型CVM，客户价值模型主要是分析客户的价值的构成及影响因子。 客户盈利才干：分析客户给公司带来的价值，客户奉献和客户奉献率以及客户未来对于公司的盈利才干。 客户获取：研讨如何改良效力和产品，提高客户吸引力。 客户坚持：防止顾客流失，做出客户流失预测模型，在流失前采取对策挽留住客户，减少损失。 客户细分：按照不同的维度，细分客户，找出重点客户。 客户行为分析：可以采用基于概念聚类

11、的客户买卖行为分析，得出客户偏好，提出合理投资组合建议。 交叉营销： 1042数据发掘在证券领域的运用 2.证券投资分析运用 目前的主要运用领域有： (1经过横向财务目的聚类提炼出可以有效反映上市公司运营情况的目的，确立反映企业盈利、偿债、营运才干的浓缩目的。2利用历史买卖数据和时间序列方法，结合各时期企业重要决策及宏观社会经济情况，分析各种类别股票或个股的价钱对各类信息的影响变动敏感度，衡量股票动摇风险特性。 3从历史各时间间隔的股票价钱涨跌、买卖量变动的交叉信息中，分析出群众的投资心思和投资倾向，从而在与群众的博奕中获利。 4利用关联规那么分析方法对行业景气关联进展调查，确定各行业板 块股

12、票价钱变化的关联特性，从而确定有效的投资组合。 3.证券市场监管 证券市场监管主要是指证券买卖所、证券监管部门对证券市场的管理监视。 今后的研讨将向证券数据的深层次发掘、建模和商业价值的识别领域扩展。同时，基于数据发掘的证券投资分析系统、基于数据仓库的证券公司决策支持系统将在中国进一步得到实践运用。1043数据发掘在保险领域的运用 1保险金确实定经过数据发掘，根据各种综合要素等进展保单风险分析，对不同行业的人、不同年龄段的人、处于不同社会层次的人，制定个性化费率和条款，从而利用数据发掘技术支待保险费率和保险条款的制定。 2保险产品设计经过分析购买了某种保险的人能否同时购买另一种保险，从而可以推

13、进保险产品的创新，进展交叉销售和增量销售，提高客户称心度。 3风险评价 保险公司的一个重要任务就是要进展风险评价，即对不同的风险领域进展鉴定和分析。 4营销方式创新 经过对客户信息的发掘，来支持目的市场的细分和目的客户群的定位，制定有针对性的营销措施，包括保险公司的专职人员、代理人员传统渠道，以及经纪人、计算机网络和银行等辅助渠道，提高客户呼应率，降低营销本钱。105数据发掘与客户关系管理 在客户关系管理中，数据发掘的运用是非常广泛的。CRM中的客户分类、客户盈利率分析、客户识别与客户保管等功能都需求数据发掘的运用来实现。下面我们将分别引见数据发掘技术在CRM各个功能中的运用。1051数据发掘

14、在客户识别和客户保管中的运用1数据发掘在客户识别中的运用 识别客户是企业发现潜在客户、获取新客户的过程。 2数据发掘在客户保管中的运用 客户识别是获取新客户的过程，而客户保管那么是留住老客户、防止客户流失的过程。 1052客户分类客户分类是指将一切客户分成不同的类的过程。客户分类是对已建立关系的客户进展数据发掘的常见运用。 客户分类可以采用分类的方法也可以采用聚类的方法。 客户分类可以对客户的消费行为进展分析，也可以对顾客的消费心思进展分析。 1053减少信誉风险进展客户信誉挑选，建立风险模型。从而学会防止差的客户，留住好的客户，降低运营风险。 1054数据发掘在客户忠实度分析中的运用 客户忠

15、实度的提高是企业客户关系管理的一个重要目的。 数据发掘在客户忠实度分析中主要是对客户耐久性、结实性和稳定性进展分析。 对客户耐久性、结实性和稳定性的分析主要是运用时间序列模型中的趋势分析方法。 1055个性化营销与销售引荐1个性化营销 个性化营销是面向客户的营销，也是客户关系管理的重要组成部分。 2销售引荐 交叉销售的一个方法是利用关联规那么。 1056数据发掘在客户盈利率分析中的运用客户盈利率是一个定量评价客户价值的目的。 客户盈利率的概念否认了“给企业带来的总收入越高的客户价值越大的观念。高价值客户是那些企业投入较少本钱就可以获得高收益的客户。 106电信业中数据仓库与数据发掘的运用 电信

16、行业拥有更多的有关用户的数据。谁能正确地分析这些数据所得到有用的知识,谁就能更好地向用户提供效力,可以发现更多的商机,从而在竞争中获胜。电信企业必需保管用户的呼叫数据以记费,监视网络运转情况和网络规划,电信企业也要对这些数据进展分析以发现有用的规律以优化网络。因此,数据发掘和数据仓库在电信业中有重要的运用价值。1061数据仓库与数据发掘技术在电信业中的作用 1固定话费行为分析2优惠战略预测仿真3欠费和动态防欺诈行为分析 4客户行为与忠实度分析5动态报表6优惠战略仿真预测7竞争对手分析1062数据发掘在电信业运用的特点目前挪动通讯运营商都具有业务营运系统、客户效力呼叫中心、业务受理网站等客户信息系统，这些系统具有如下特点：1各个信息系统都各自比较完好地管理着客户某一部分的信息，众多的客户数据、市场营销数据、帐务数据以不同的数据格式和访问方式分散在不同的系统中，构成众多的信息孤岛，在各个信息孤岛中存在着冗余和不一致，不能满足数据发掘