數(shù)據(jù)挖掘技術的應用領域_數(shù)據(jù)挖掘應用前景

很多公司已成功地部署了數(shù)據(jù)挖掘應用系統(tǒng)。隨著這一技術的早期采用者已經(jīng)逐步趨于信息密集型工業(yè)時，例如財務服務和直郵市場公司，這一技術已經(jīng)對任何想利用一個大的數(shù)據(jù)倉庫去較好地管理他們的客戶關系的公司均是適用的。數(shù)據(jù)挖掘成功的兩個關鍵因素是：一個大且完整的數(shù)據(jù)倉庫，和一個可挖掘的定義、理解都明確的商務流程，如客戶展望、保持，商業(yè)活動管理，等等。
一些成功的應用領域包括：
（1） 一家制藥公司可以分析他最近的銷售行動及其結(jié)果以改進高位值醫(yī)師的目標市場，并決定哪些市場活動將在后續(xù)的幾個月有最大的效果。數(shù)據(jù)需要包括競爭對手的市場活動，信息和當?shù)蒯t(yī)療系統(tǒng)的信息一樣。結(jié)果可以通過廣域網(wǎng)分發(fā)到各銷售隊伍，它可以使地區(qū)代表從決策過程中關鍵屬性的視點來檢視這些建議。隨著這一過程的進行，數(shù)據(jù)倉庫的動態(tài)分析允許來自整個組織的最好的實踐應用于特定的銷售環(huán)境。
（2） 一個信用卡公司可利用他的巨大的客戶交易數(shù)據(jù)倉庫來確定客戶對新的信用卡中最感興趣的產(chǎn)品。使用一個小型的測試郵件，就可以確定一個客戶對新產(chǎn)品的親和力屬性。最近的項目已經(jīng)表明，采用超常規(guī)的方法對指定目標的郵寄活動，可以節(jié)省20倍的費用。
（3） 一家擁有很大的直銷隊伍的多樣化的運輸公司，可使用數(shù)據(jù)挖掘以確定其服務的最好模式。 用數(shù)據(jù)挖掘來分析他自己的客戶體驗，該公司可建立唯一的分段以確定高位值的預期。對諸如由 Dun & Bradstreet 提供的那些一般商務數(shù)據(jù)使用這些分段可以產(chǎn)生一張按地區(qū)排列的優(yōu)先列表。
（4） 一個大的消費者貨物包裹公司可以利用數(shù)據(jù)挖掘來改進對零售商的銷售流程。來自消費者組織、運輸商以及競爭對手活動的數(shù)據(jù)，可以用于理解打上印記和倉儲轉(zhuǎn)移的原因。通過這些分析，制造商可選擇能最好地運抵目標客戶地區(qū)的運輸商推薦策略。
每一個這樣的例子有一個共同的清晰的基礎，他們利用在數(shù)據(jù)倉庫里隱藏的關于客戶篤信的知識，來減少費用并改善客戶關系的價值。這些組織現(xiàn)在可以集中精力于最重要的客戶和有前景的商務，并設計可以最好實現(xiàn)這些目標的市場策略。
數(shù)據(jù)挖掘(DM)、在線分析(OLAP)和決策支持(DSS)的差異
在在線分處理 OLAP 中，它采用的是演繹推理；在數(shù)據(jù)挖掘中，則是歸納推理。因此二者的區(qū)別是什么及分別采用什么技術差不多是一個問題。
數(shù)據(jù)挖掘(Data Mining)
數(shù)據(jù)挖掘的目標仍然很像是人工智能。數(shù)據(jù)挖掘用戶不能對系統(tǒng)嚴格地提出一個盡可能完整的問題，以在此模型中發(fā)現(xiàn)過去的模式來預測未來的行為。這可以產(chǎn)生以前不知曉的有價值的事實。
更開放的數(shù)據(jù)挖掘請求甚至可以像這樣：”給我一個人們購買敞蓬卡車時的特點預測模型”。通過從過去的模式的學習，數(shù)據(jù)挖掘系統(tǒng)應能提供下列類型的答案：”它取決于時間年份和所在地區(qū)。在冬季，在新英格蘭鄉(xiāng)下的人們，在特定的年齡組和收入水平，將比中西部的同類人，喜歡購買更多的該種卡車”。
數(shù)據(jù)挖掘可以發(fā)現(xiàn)復雜或精細的答案，而這些是 OLAP 處理所不能做到的。但拋去這些差別，一些不做數(shù)據(jù)挖掘的 OLAP 銷售商也聲稱他們能做。 Pilot 公司的專家說：”給出數(shù)據(jù)挖掘的較弱的定義，OLAP 銷售商說他們可以做數(shù)據(jù)挖掘。明顯的分界線一個是處理是否是自動的，另一個是對諸如’什么是感興趣的’和’什么是無關的’等問題，你是否有一個好的統(tǒng)計基礎?！?br /> 在線分析(OLAP)和決策支持(DSS)
OLAP 和 DSS 配置有少數(shù)的算法，并且依賴于人們提供給問題和假設。這樣做的缺點在于”問題和假設”受限于人的一己之見。
一個典型的 OLAP 或 DSS 問題是問：”去年中西部的人比新英格蘭的人購買了更多的敞蓬卡車嗎？” 注意這里的問題隱含有某種假設。OLAP 或 DSS 處理將回答：”去年中西部的人購買了 12,000 輛卡車，而同一時間, 新英格蘭的人買了 10,000 輛。”這顯然是有幫助的，但這受限于假設。
特別查詢并生成報表一般用于很多商務活動，來為他們的決策提供輸入。決策支持系統(tǒng) DSS 和執(zhí)行信息系統(tǒng) EIS 大多用于這種目的。從基本面來看，需要使用報表生成工具。應用系統(tǒng)利用這些特別的關系數(shù)據(jù)庫系統(tǒng)的查詢能力是普遍的現(xiàn)象。數(shù)據(jù)挖掘幫助人們聚焦于這些系統(tǒng)和技術的使用使用，這樣關系信息可以快速獲取分析時間更加有效率。
分界線的消退。與此同時，數(shù)據(jù)挖掘、OLAP 和 DSS 的界線正在消退。數(shù)據(jù)挖掘的算法已經(jīng)進入了很多產(chǎn)品的議程，包括那些純粹的 DSS 和 OLAP 銷售商，和 AT&T 那樣，他們已經(jīng)在悄悄地工作于一個稱為”最近鄰居系統(tǒng)”的數(shù)據(jù)挖掘方案，它可以展示記錄間的相似性。因為 DSS 銷售商已經(jīng)有了前衛(wèi)的數(shù)據(jù)庫可視化系統(tǒng)，如果數(shù)據(jù)挖掘功能很好地做出，那它的加入是自然而然的事。
編譯自 Kenneth S. Lubel Data Mining: A New Way to Find Answers
數(shù)據(jù)挖掘技術未來的發(fā)展方向
（1） 新的專門用于知識發(fā)現(xiàn)的類似 SQL 那樣的形式化和標準化的數(shù)據(jù)挖掘語言將會出現(xiàn)。
（2） 可視化的數(shù)據(jù)挖掘過程，用戶易于理解挖掘且能操縱它，它可使數(shù)據(jù)挖掘過程成為用戶業(yè)務流程的一部分。包括數(shù)據(jù)用戶化呈現(xiàn)與交互操縱兩部分。
（3） WEB 下的網(wǎng)絡挖掘的應用技術的發(fā)展，數(shù)據(jù)挖掘服務器與數(shù)據(jù)庫服務器配合，實現(xiàn)數(shù)據(jù)挖掘。屆時可在因特網(wǎng)上建立強大的數(shù)據(jù)挖掘引擎與數(shù)據(jù)挖掘服務市場。
融合各種異構(gòu)數(shù)據(jù)的挖掘技術。從而既可以在數(shù)據(jù)外的文本、圖形、多媒體上又可以在數(shù)據(jù)庫外的信息、新聞、廣播市場上實施挖掘。