物流數(shù)據(jù)庫(kù)技術(shù)與數(shù)據(jù)挖掘7

著名的“啤酒尿布”案例：美國(guó)加州某個(gè)超級(jí)賣場(chǎng)通過數(shù)據(jù)挖掘發(fā)現(xiàn)，下班后前來購(gòu)買嬰兒尿布的男顧客大都購(gòu)買啤酒。于是經(jīng)理當(dāng)機(jī)立斷，重新布置貨架，把啤酒類商品布置在嬰兒尿布貨架附近，并在二者之間放置佐酒食品，同時(shí)還把男士日常用品就近布置。這樣，上述幾種商品的銷量大增。3數(shù)據(jù)挖掘技術(shù)（1）數(shù)據(jù)挖掘的社會(huì)需求工業(yè)控制技術(shù)研究所數(shù)據(jù)挖掘的社會(huì)需求數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)越來越大有價(jià)值的知識(shí)可怕的數(shù)據(jù)3數(shù)據(jù)挖掘技術(shù)（1）數(shù)據(jù)挖掘的社會(huì)需求工業(yè)控制技術(shù)研究所數(shù)據(jù)挖掘的社會(huì)需求數(shù)據(jù)爆炸，知識(shí)貧乏

苦惱:淹沒在數(shù)據(jù)中;不能制定合適的決策!數(shù)據(jù)知識(shí)決策模式趨勢(shì)事實(shí)關(guān)系模型關(guān)聯(lián)規(guī)則序列目標(biāo)市場(chǎng)資金分配貿(mào)易選擇在哪兒做廣告銷售的地理位置金融經(jīng)濟(jì)政府POS.人口統(tǒng)計(jì)生命周期3數(shù)據(jù)挖掘技術(shù)（1）數(shù)據(jù)挖掘的社會(huì)需求

數(shù)據(jù)挖掘（DataMining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(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。3數(shù)據(jù)挖掘技術(shù)（2）數(shù)據(jù)挖掘的技術(shù)定義3數(shù)據(jù)挖掘技術(shù)（3）數(shù)據(jù)挖掘技術(shù)的特點(diǎn)數(shù)據(jù)挖掘技術(shù)具有以下特點(diǎn)。1）處理的數(shù)據(jù)規(guī)模十分龐大，達(dá)到GB、TB數(shù)據(jù)級(jí)，甚至更大。2）查詢一般是決策制定者提出的即時(shí)隨機(jī)查詢，往往不能形成精確的查詢要求，需要靠系統(tǒng)本身尋找其可能感興趣的東西。3）在一些應(yīng)用中（如商業(yè)投資等），由于數(shù)據(jù)變化迅速，因此要求數(shù)據(jù)挖掘能快速做出相應(yīng)反應(yīng)以隨時(shí)提供決策支持。4）數(shù)據(jù)挖掘中，規(guī)則的發(fā)現(xiàn)基于統(tǒng)計(jì)規(guī)律。因此，所發(fā)現(xiàn)的規(guī)則不必適用于所有數(shù)據(jù)，而是當(dāng)達(dá)到某一臨界值即認(rèn)為有效。因此，利用數(shù)據(jù)挖掘技術(shù)可能會(huì)發(fā)現(xiàn)大量的規(guī)則。5）數(shù)據(jù)挖掘所發(fā)現(xiàn)的規(guī)則是動(dòng)態(tài)的，它只找到了當(dāng)前狀態(tài)的數(shù)據(jù)庫(kù)具有的規(guī)則，隨著不斷地向數(shù)據(jù)庫(kù)中加入新數(shù)據(jù)，需要隨時(shí)對(duì)其進(jìn)行更新。3數(shù)據(jù)挖掘技術(shù)（3）數(shù)據(jù)挖掘的一般過程數(shù)據(jù)挖掘過程可以大體分為4個(gè)步驟：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果的解釋和評(píng)價(jià)、用戶界面，如圖6-15所示。步驟1：數(shù)據(jù)準(zhǔn)備1）數(shù)據(jù)選擇。搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘的應(yīng)用的數(shù)據(jù)。以物流領(lǐng)域中的倉(cāng)庫(kù)管理為例，倉(cāng)庫(kù)管理中通常會(huì)對(duì)貨物進(jìn)行一定的分類，從而來有效利用平面、空間利用率，同時(shí)讓工作流程更加的高效。在物流上，通常取用ABC分類法（即按貨物的價(jià)值與數(shù)量）進(jìn)行分類。而這些數(shù)據(jù)多從市場(chǎng)上搜集得來，部分是直接從零售商處取得的。在這種情況下，數(shù)據(jù)選擇應(yīng)選擇那些跟市場(chǎng)銷售上有更多關(guān)聯(lián)的數(shù)據(jù)。3數(shù)據(jù)挖掘技術(shù)（3）數(shù)據(jù)挖掘的一般過程2）數(shù)據(jù)的預(yù)處理。研究數(shù)據(jù)的質(zhì)量，為進(jìn)一步的分析做準(zhǔn)備，并確定將要進(jìn)行的挖掘操作的類型。仍以上述例子說明，通過各類市場(chǎng)搜集回來的各種數(shù)據(jù)中存在有很多的噪聲，如由于某些特別的原因，導(dǎo)致某產(chǎn)品在特定的短時(shí)期內(nèi)價(jià)格有所上升，偏離平時(shí)情況。數(shù)據(jù)預(yù)處理則是要先對(duì)這樣的偏離的數(shù)據(jù)預(yù)先剔走。3）數(shù)據(jù)的轉(zhuǎn)換。將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型。這個(gè)分析模型是針對(duì)挖掘算法建成的，建立一個(gè)真正的適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵。3數(shù)據(jù)挖掘技術(shù)（3）數(shù)據(jù)挖掘的一般過程步驟2：數(shù)據(jù)挖掘?qū)λ玫降慕?jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘，除了進(jìn)一步完善挖掘算法外，其余一切工作都能自動(dòng)完成。以下一些情況可能影響數(shù)據(jù)挖掘的效果。以上述例子為例，出現(xiàn)填寫錯(cuò)誤的訂單；部分重復(fù)的訂單數(shù)據(jù)；缺少相應(yīng)可以實(shí)施的功能；挖掘出來的結(jié)果缺乏充分的理由；耗時(shí)太長(zhǎng)等。步驟3：結(jié)果的解釋和評(píng)價(jià)解釋并評(píng)估結(jié)果，其使用的分析方法一般應(yīng)視不同的數(shù)據(jù)挖掘操作而定。根據(jù)最終用戶的決策目的對(duì)提取的信息進(jìn)行分析，把最有價(jià)值的信息區(qū)分出來，并且通過決策支持工具提交給決策者。因此這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來，還要對(duì)信息進(jìn)行過濾處理，如果不能令決策者滿意，需要重復(fù)以上數(shù)據(jù)挖掘過程。步驟4：用戶界面將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)組織結(jié)構(gòu)中去。94數(shù)據(jù)挖掘技術(shù)在物流領(lǐng)域中的應(yīng)用（1）物流領(lǐng)域中的數(shù)據(jù)挖掘過程1）定義商業(yè)問題。每一個(gè)客戶關(guān)系管理應(yīng)用程序都有一個(gè)或多個(gè)商業(yè)目標(biāo)，為此需要建立恰當(dāng)?shù)挠嗅槍?duì)性的模型。在數(shù)據(jù)挖掘之前，應(yīng)從企業(yè)角度分析要達(dá)到的需求和目標(biāo)，將物流目標(biāo)轉(zhuǎn)換成數(shù)據(jù)挖掘目標(biāo)，給出數(shù)據(jù)挖掘問題的定義，并設(shè)計(jì)一個(gè)達(dá)到目標(biāo)的初步計(jì)劃。2）建立行銷數(shù)據(jù)庫(kù)。因?yàn)椴僮餍詳?shù)據(jù)庫(kù)和共同的數(shù)據(jù)倉(cāng)庫(kù)常常沒有提供所需格式的數(shù)據(jù)，因此需要建立一個(gè)行銷數(shù)據(jù)庫(kù)。建立行銷數(shù)據(jù)庫(kù)時(shí)，要對(duì)它進(jìn)行凈化。因?yàn)樾枰臄?shù)據(jù)可能在不同的數(shù)據(jù)庫(kù)中，所以需要集成和合并數(shù)據(jù)到單一的行銷數(shù)據(jù)庫(kù)中，并協(xié)調(diào)來自多個(gè)數(shù)據(jù)源的數(shù)據(jù)在數(shù)值上的差異。3）為建模準(zhǔn)備數(shù)據(jù)。根據(jù)已確定的挖掘目標(biāo)，選擇挖掘的數(shù)據(jù)源，一般包括企業(yè)客戶數(shù)據(jù)庫(kù)、業(yè)務(wù)數(shù)據(jù)庫(kù)、外部數(shù)據(jù)庫(kù)，對(duì)取得的各種數(shù)據(jù)源進(jìn)行預(yù)處理，檢查數(shù)據(jù)的完整性和一致性。4）數(shù)據(jù)挖掘模型的構(gòu)建。模型建立是一個(gè)迭代的過程，需要研究可供選擇的模型，從中找出最能解決企業(yè)商業(yè)問題的一個(gè)。根據(jù)確定的挖掘目標(biāo)，選擇適合的挖掘模型和挖掘算法，對(duì)數(shù)據(jù)挖掘庫(kù)中數(shù)據(jù)進(jìn)行處理，對(duì)模型的參數(shù)進(jìn)行調(diào)整，可綜合運(yùn)用幾種挖掘模型，然后再對(duì)結(jié)果進(jìn)行分析。5）模型評(píng)估。要及時(shí)對(duì)建立的模型進(jìn)行解釋和評(píng)估。企業(yè)的客戶關(guān)系管理人員根據(jù)挖掘的結(jié)果和先確立的挖掘目標(biāo)進(jìn)行解釋和評(píng)價(jià)，過濾出要呈現(xiàn)給用戶的知識(shí)，并將有意義的知識(shí)以圖形或邏輯可視化的形式表現(xiàn)出來，易于讓用戶理解。如果跟挖掘目標(biāo)有出入，需要重新對(duì)數(shù)據(jù)建模、改進(jìn)和完善。104數(shù)據(jù)挖掘技術(shù)在物流領(lǐng)域中的應(yīng)用（1）物流領(lǐng)域中的數(shù)據(jù)挖掘過程6）將數(shù)據(jù)挖掘運(yùn)用到客戶關(guān)系管理方案中。在建立客戶關(guān)系管理應(yīng)用時(shí)，數(shù)據(jù)挖掘常常是整個(gè)產(chǎn)品中很小的但意義重大的一部分。通過數(shù)據(jù)挖掘而得出的預(yù)測(cè)模式可以和各個(gè)領(lǐng)域的專家知識(shí)結(jié)合在一起，構(gòu)成一個(gè)可供不同類型的人使用的應(yīng)用程序。我國(guó)物流企業(yè)現(xiàn)階段總體上還處于向現(xiàn)代物流轉(zhuǎn)型的時(shí)期，在客戶關(guān)系管理方面，雖然企業(yè)對(duì)客戶十分關(guān)注，并積累了一定的客戶信息，但仍然存在著許多問題。雖然客戶關(guān)系管理逐步得到應(yīng)用，但在客戶關(guān)系管理中積累下來的海量數(shù)據(jù)并沒有得到企業(yè)決策層的足夠的認(rèn)識(shí)，尚未完全挖