客户关系管理 - 数据挖掘及其在CRM.ppt

第十章数据仓库技术（DataWarehousing）早期的数据库主要支持联机事务处理
决策支持对数据分析的需求
传统数据库系统不适宜DSS
事务处理和分析处理的性能特性不同
数据集成问题
数据动态集成问题
历史数据问题
数据的综合问题
操作繁简问题⒉数据仓库概念数据结构：这种数据组织的特点：

对相关部门的数据进行收集和处理，重点是“数据”和“处理”
数据按部门的组织结构和业务活动特点进行；
数据是不断变化和反复更新的，所以，是动态的，要求的是
处理的速度和即时性（只反映当时的情况）；
数据库中存储的表与部门中的业务报表基本上是对应的，所以，
直观，处理方便，易理解；
数据库建立的本质：数据与处理分离（在程序中不分离）
因为：很多应用涉及同一数据项，而同一数据项分散在不同的
数据库中→造成数据的不一致性。

这样的数据处理方式称为“联机事务处理”——OLTP

数据库的存储要求冗余小（各种范式）
速度快（保留一定的冗余）按主题组织数据的数据结构:按主题进行数据组织：

①企业关心的业务方向：客户，商品，供应商⒋数据仓库中的粒度⒌多维数据库⑴多维数据库报表——交叉报表⑵细化与概化处理VolumeofProd
(numbersin1000)OLAP的分析方法-钻取⒍联机分析处理（OLAP）⒎数据仓库设计8.数据库到数据仓库OLTPvsOLAPCRM的业务整合需要数据仓库
数据清洁与集中需要数据仓库
数据分析需要数据仓库客户行为分析
重点客户发现
个性化服务
市场性能评估2.3CRM数据仓库的系统结构数据挖掘：从大型数据库的数据中提取人们感兴趣的知识，这些知识是
隐含的、事先未知的潜在有用信息。
数据挖掘就是对数据库(数据仓库)中蕴涵的、未知的、非平凡
的、有潜在应用价值的模式(规则)的提取。
例1：美国加州一超市连锁店：酒和尿布。⒉概念区别⑴人工神经网络（ArtificialNeural）4.关联算法（Associations）模式（pattern）
用高级语言表示的表达一定逻辑含义的信息，这里通常指数据库中数据之间的逻辑关系。
例如：在超市的商品销售数据库中，我们可以找到以下信息：
男性顾客在购买婴儿尿布时也往往同时购买啤酒
在购买面包和黄油的顾客中，大部分的人同时也买了牛奶
置信度（confidence）
知识在某一数据域上为真的量度。
置信度涉及到许多因素，如数据的完整性、样本数据的大小、领域知识的支持程度等。
没有足够的确定性，模式不能成为知识。

例如：模式‘在购买面包和黄油(X)的顾客中，大部分的人同时也买了牛奶(Y)’的置信度为：支持度(Support)
同时购买X和Y的客户人数占总客户数的百分比称的支持度。

兴趣度（interestingness）
在一定数据域上为真的知识被用户关注的程度。

知识（discoveredknowledge）
满足用户支持度和置信度的模式。
有效性（effectiveness）
知识的发现过程必须能够有效地在计算机上实现。

非平凡性（nontrivial）
能够以确定的计算过程提取的模式称为平凡知识。平凡的知识（如根据数据库中的薪水字段求得职员的平均薪水）不是数据挖掘的目标。
在数据挖掘中，知识的发现过程都应具有某种不确定性和一定的自由度，也就是要发现不平凡的知识。关联规则用于表示OLTP数据库中诸多属性（项集）之间的关联程度。而关联规则挖掘（AssociationRulesMining）则是利用数据库中的大量数据通过关联算法寻找属性间的相关性。

例：(超级市场)在购买商品A的客户中有90%的人会同时购买商品B，则可用关联规则表示为：
A→B……………………………….……规则1

我们讲数据挖掘的结果要满足一定的置信度和兴趣度要求，在这里，用户对规则感兴趣的程度我们用规则的支持度来表示。规则1：A→B

支持度(Support)
同时购买A和B的客户人数占总客户数的百分比称为规则1的支持度。
Support(A→B)=Probability(A∩B)

置信度(Confidence)
同时购买A和B的客户人数占购买A的客户人数的百分比称为规则1的置信度。
Confidence(A→B)=Probability(B/A)
=Probability(A∩B)/Probability(A)D如果不考虑关联规则的支持度和置信度，那么在事务数据库中存在无穷多的关联规则。事实上，人们一般只对满足一定的支持度和可信度的关联规则感兴趣。

为了发现出有意义的关联规则，需要给定两个阈值：最小支持度和最小置信度。关联规则挖掘的实质是在OLTP数据库中寻找满足用户给定的最小支持度和最小置信度的规则。
关联规则挖掘算法：TheAprioriAlgorithm
Apriori算法的原理：
项