数据挖掘是侦探也是警察.docx

数据挖掘是侦探也是警察

第一篇：数据挖掘是侦探也是警察数据挖掘是侦探，也是警察现在数据挖掘已经不仅仅停留在概念的层面，而是被广泛的应用在各种领域，最早是电信行业较多，现在主要是金融行业。从应用目的看，数据挖掘起初主要与营销相关，但是近年来它越来越多被应用在客户关系管理方面，特别是银行的风险管理，包括反欺诈、反洗钱等方面。欺诈在保险业务中最常见。例如车辆索赔，保险公司经常发现在车辆损坏进行保险理赔时，车主经常和修理厂串通，夸大损坏程度，只要花100元维修却谎报500元。这种情况很常见，而利用数据挖掘就可以发现索赔是否属于欺诈行为。此外，医保中也会出现有人去医院看病开许多很贵的药，但实际自己没有病。通过将要转手卖给别人从中赚取差价。这种利用职权滥用福利的问题就属于欺诈，这是风险管理方面很关键的一个问题。在金融行业，数据挖掘还被用在监测洗钱行为。虽然国家出台了反洗钱法，但是目前的监管体系还不足以把所有洗钱的行为都甄别出来。例如在以前，转账的金额如果超过10万会划归在大额交易范畴，银行定期出具大额交易报告，违法分子很容易被发现。但是如果将大额交易分成多次小额转账，那么这种情况银行很难发现。就需要数据挖掘分析建模的方法，帮助银行筛选可疑交易。谈到数据挖掘典型的案例，最广为人知的是啤酒与尿布的案例。但是关于这个故事是真是假也存在很多争辩。但不论如何它体现了数据挖掘优于其他方法的能力。类似交叉销售方面，例如汇丰银行通过细分客户，划定客户特征，依据兴趣爱好等分成不同组群，再通过产品关联分析做营销预测。最后将这个成熟的体系应用前台业务系统中。客户到汇丰银行网点办理业务，在常规业务办理完毕后，柜员的电脑会自动弹出窗口，提示这个客户属于哪一个类型，投资理财偏向，以及推荐产品建议。这样柜员就可以顺便询问客户需不需要某种理财产品，它可能更适合客户的需求等。我们称之为NextBestOffer（最佳对你合适的产品）。我还听说过国外有一个这样的案例。格洛斯特郡是英格兰西部的一个郡，大约有五十多万人口。在有一段时间内，发生了多起抢劫案，民众不再感觉到安全，对郡警察局的舆论压力也陡然增加了，强烈要求及时破获这些案件，并避免案件的进一步发生。警方一方面在加快破案的同时，也在努力思考怎么样才可以降低发案率。按照传统的做法，一般会采取这样的措施：锁定抢劫案的多发地区，加派警力进行巡逻，对行为异常的人员加强盘查等等。然而，格洛斯特郡警察局发现，这些措施的收效甚微，发案率依然居高不下，因为抢劫案的发案地点并不集中，分散在多个不同的街区，这让巡逻警力的安排显得捉襟见肘，难以全面顾及。此时，来自警察局内部的分析系统却有了新的发现。系统中保存了多年的案件和案犯的卷宗信息，通过利用数据挖掘等分析技术，揭示出最近这段时间的抢劫犯具有一些非常显著的特征：他们大多是没有固定住所，无家可归，而且也没有稳定的工作。另外，在很多抢劫案发生前，这些罪犯都吸食了毒品。正是在毒品的刺激作用下，他们失去了自控能力，临时见财起意，对单身女性或情侣实施抢劫。新的发现给警察局带来了新的思路，警方当机立断，对原来的增加警力加强巡逻的做法进行了调整，改为采取如下措施：一是加强对无业人员和有吸毒前科人员的管理，并通过社会福利机构对他们实施救助；然后，加强了对毒品交易易发场所的严打和治理，从源头上掐断毒品的供应。治理得到了良好的效果，抢劫案的发案率迅速降低，格洛斯特郡的人们又重新恢复了平静的生活。更多相关资料：http://第二篇：数据挖掘心得体会心得体会这次数据挖掘实验结束了，期间我们小组明确分工并积极去完成，虽然有点辛苦，但我感觉充实而有收获感！根据老师给的一些资料，我们决定采用SQLServer2000中的Northwind数据库里的数据作为我们的实验数据。根据表OrderDetails中的数据，我们分别根据ProductID和OrderID字段，并结合我们规定的最小支持度阀值对数据进行筛选。依次筛选出1项频繁集、2项频繁集和3项频繁集，其中还会使用游标的方式来遍历2项集与3项集的候选集，分别选出2项频繁集和3项频繁集。由于数据较多，因此过程比较复杂，要编写很多的查询语句，建立许多数据表，包括临时表。开始不知道则操作，但经过我们各自多次重复的建表与查询，逐渐的理解和有了自己的思路。尤其是在运用游标的方法进行遍历这块，因为我们比较陌生而不理解，操作时一时无法实现结果，但经过我们在网上查询了解相关知识，最终得以解决。经过该次实验，使我对数据库的操作更加熟练，而且还使我对课本上的“挖掘频繁模式”这块知识有了很好的掌握，今后我会多做实验，使我在实际操作过程中学得更好！第三篇：数据挖掘试题《数据挖掘》总复习题1．数据挖掘系统可以根据什么标准进行分类？答：根据挖掘的数据库类型分类、根据挖掘的知识类型分类、根据挖掘所