信息時(shí)代的到來，使得人們在實(shí)踐中積累的數(shù)據(jù)越來越多。大量信息給人們帶來方便的同時(shí)也帶來一大堆問題，如信息過載，難以消化；信息形式不一致，難以統(tǒng)一處理；信息真?zhèn)坞y辨等等，導(dǎo)致了“信息爆炸而知識(shí)缺乏”、“信息孤島”等現(xiàn)象。激增的數(shù)據(jù)背后隱藏著許多重要的信息，人們希望能夠?qū)ζ溥M(jìn)行更高層次的分析，發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，根據(jù)現(xiàn)有數(shù)據(jù)預(yù)測未來的發(fā)展趨勢，獲得更準(zhǔn)確全面的信息幫助管理層決策。面臨著這些新問題和挑戰(zhàn)，人們開始考慮和解決如何舍棄那些不必要的信息，從大量的數(shù)據(jù)中提取有用的信息，提高信息的利用率，數(shù)據(jù)挖掘技術(shù)此時(shí)應(yīng)運(yùn)而生。

    數(shù)據(jù)挖掘(Data Mining)是從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)挖掘是一門廣義的交叉學(xué)科，它匯聚了不同領(lǐng)域尤其是數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等方面的知識(shí)。數(shù)據(jù)挖掘技術(shù)從一開始就是面向應(yīng)用領(lǐng)域，它不僅是面向特定數(shù)據(jù)庫的簡單檢索查詢調(diào)用，而且，要對數(shù)據(jù)進(jìn)行微觀、中觀乃至宏觀的統(tǒng)計(jì)、分析、綜合和推理，以指定實(shí)際問題的求解，企圖發(fā)現(xiàn)事件間的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù)對未來的活動(dòng)進(jìn)行預(yù)測。

圖1 數(shù)據(jù)挖掘的流程

    數(shù)據(jù)挖掘的任務(wù)是從大量數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，可分為描述性挖掘，隱藏性挖掘和預(yù)測性挖掘三類，如圖2所示。描述性挖掘是刻畫出數(shù)據(jù)倉庫中數(shù)據(jù)的某一特性，解釋發(fā)現(xiàn)了什么；隱藏性挖掘找出以前無法探知，隱藏于業(yè)務(wù)數(shù)據(jù)中的信息，解釋為什么；預(yù)測性挖掘則是在但前數(shù)據(jù)上進(jìn)行推理，做出預(yù)測，解釋將會(huì)發(fā)生什么。

    數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析(如查詢、報(bào)表、聯(lián)機(jī)應(yīng)用分析)的本質(zhì)區(qū)別是數(shù)據(jù)挖掘是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí)數(shù)據(jù)挖掘所得到的信息應(yīng)具有事先未知，有效和可實(shí)用三個(gè)特征。先前未知的信息是指該信息是預(yù)先未曾預(yù)料到的，即數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識(shí)，甚至是違背直覺的信息或知識(shí)。

圖2 數(shù)據(jù)挖掘類型

    數(shù)據(jù)挖掘方法有很多種，其中比較典型的有分類、關(guān)聯(lián)、序列模式、聚類等，本文在后面將詳細(xì)介紹其分析模式及算法。

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標(biāo)題：商務(wù)智能體系介紹——數(shù)據(jù)挖掘相關(guān)理論

本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/1083932967.html