數據倉庫與數據挖掘綜合應用第10章數據倉庫與數據挖掘的綜合應用本章主要內容10.1數據倉庫與數據挖掘的關系10．2數據倉庫在企業管理中的應用10．3數據挖掘的社會影響與應用行業10．4金融業中的數據挖掘應用10．5數據挖掘與客戶關系管理10．6電信業中的數據倉庫與數據挖掘應用10．1．1從數據倉庫的觀點看從數據倉庫的觀點，數據挖掘可以看作是聯機分析處理的高級階段。但是作為更高級的數據分析技術，數據挖掘比數據倉庫的匯總型分析處理要詳細和深入得多。從數據倉庫中直接得到進行數據挖掘的數據有許多好處。數據挖掘庫可能是數據倉庫的一個邏輯上的子集，而不一定非得是物理上單獨的數據庫。數據倉庫與數據挖掘技術的關系10．1．2從數據挖掘的觀點看1.由于大多數數據挖掘工具要在集成的、一致的、經過清理的數據上進行挖掘，這就需要在數據挖掘中有一個費用昂貴的數據清理、數據變換和數據集成過程，作為數據挖掘的預處理。2.在數據倉庫的構造過程中已經圍繞數據倉庫組建了包括數據存取、數據集成、數據合并、異種數據庫的轉換、ODBC/OLEDB的連接、Web訪問和服務工具以及報表與OLAP分析工具等全面的數據處理和數據分析基礎設施。3.在數據挖掘過程中，常常需要進行探測式的數據分析，穿越各種數據庫，選擇相關數據，對各種數據選擇不同的粒度，以不同的形式提供知識或結果。4.在數據挖掘過程中，如果將數據挖掘與數據倉庫進行有效的聯結，將增加數據挖掘的連機挖掘功能。10.2數據倉庫在企業管理中的應用10．2．1企業應用數據倉庫的意義1．提高企業信息管理能力2．有助于企業建立良好的客戶關系3．提高企業決策水平4．促使企業重構業務過程10．2．2應用數據倉庫彌補ERP的不足

使用數據倉庫技術可以把這些系統中的數據按主題進行集成，生成支持管理決策分析的信息。通過建立一個綜合的、便于查詢和分析的數據倉庫，能更好地滿足管理層用戶的決策分析，提高企業的管理水平和經濟效益。10．2．3數據倉庫實現分析型CRM數據倉庫在CRM中的作用表現為以下四個方面：1．客戶行為分析企業實施客戶關系管理的前提是對客戶信息進行分析和整合，形成客戶信息的統一視圖。2．客戶保持基于數據倉庫的數據挖掘可以在客戶細分、客戶價值發現方面做出貢獻，幫助我們找到哪些客戶最有可能流失，他們具有什么樣的特征，從而采取相應的對策，及早防范那些不應該流失的客戶。3．數據庫營銷利用數據倉庫可以掌握大量的客戶信息，實現對客戶關系與資源的挖掘、分析與管理，實現營銷的個性化服務與企業利益的最大化。4．效果評估根據客戶行為分析，企業可以準確地制定市場策略和市場活動。10．2．4數據倉庫提高供應鏈管理的效率供應鏈數據倉庫能解決傳統信息處理系統難以解決的許多問題。

1．信息共享通過數據交換和數據集成技術，依據確定的業務準則，有效地解決供應鏈成員之間多數據源和數據的不一致性問題。建立數據倉庫有利于雙方（或多方）的溝通，協調與合作，達到跨行業的信息共享。

2．預測分析供應鏈數據倉庫將數據建立在同一個平臺上，并借助于數據挖掘技術建立適合各個成員的數據立方體或數據集市。

3．輔助決策基于數據倉庫技術的決策支持系統能全局地輔助多種經濟或管理決策，決策范圍很廣。10．3數據挖掘的社會影響與應用行業10．3．1數據挖掘的社會影響數據挖掘技術引起了信息產業界的極大關注.數據挖掘技術與日常生活的關系已經越來越密切了。數據挖掘技術的用戶一定要對這些問題保持敏感，并且不能侵犯任何受法律法規保護的隱私。10．3．2數據挖掘應用行業1．金融業（1）分析信用卡的使用模式。(2）從股票交易的歷史數據中得到股票交易的規則或規律。（3）發現隱藏在數據后面的不同的財政金融指數之間的聯系。（4）探測金融政策與金融業行情的相互影響的關聯關系。2．保險業（1）保險金的確定：對受險人員的分類將有助于確定適當的保險金額度。通過數據挖掘可以得到對不同行業的人、不同年齡段的人、處于不同社會層次的人，他們的險金應該如何確定。（2）險種關聯分析：分析購買了某種保險的人是否又同時購買另一種保險。（3）預測什么樣的顧客將會購買新險種。10．3．2數據挖掘應用行業3．零售業（1）分析顧客的購買行為和習慣。如“男性顧客在購買尿布的同時購買啤酒”、，過了一定的時間就會購買野營帳篷”、“顧客的品牌愛好”等等看似很小、很微不足道的信息，卻會非常有用。（2）分析商場的銷售商品的構成。（3）數據挖掘工具可以用于進行商品銷售預測、商品價格分析、零售點的選擇等。10．3．2數據挖掘應用行業4．科學研究（1）數據挖掘對高科技的研究是必不可少的。（2）數據挖掘在社會科學的研究領域的應用前景也會越來越被人們所認識。5．數據挖掘在生物醫學中的應用在生物醫學界，數據挖掘技術主要用于DNA數據的分析。6．數據挖掘在其他一些領域的應用。（1）醫療數據挖掘可用于病例、病人行為特征的分析，以及用于藥方管理等，以安排治療方案、判斷藥方的有效性等。（2）司法數據挖掘可用于案件調查。案例分析、犯罪監控等等，還可用于犯罪行為特征的分析。（3）工業部門數據挖掘技術可用于進行故障診斷、生產過程優化、礦物挖掘等。10．2．3數據挖掘未來研究方向研究焦點可能會集中到以下幾個方面：發現語言的形式化描述，即研究專門用于知識發現的數據挖掘語言，也許會像SQL語言一樣走向形式化和標準化；尋求數據挖掘過程中的可視化方法，使知識發現的過程能夠被用戶理解，也便于在知識發現的過程中進行人機交互；研究在網絡環境下的數據挖掘技術;加強對各種非結構化數據的開采;處理的數據將會涉及到更多的數據類型;交互式發現；知識的維護更新。10．4金融業中的數據挖掘應用金融行業是數據挖掘應用最廣泛也是最有前途的領域，因為金融數據通常比較完整、可靠，這對系統化的數據分析和數據挖掘相當有利。數據挖掘在銀行、證券、保險業中的應用有許多相似之處，但也有具體業務方面的區別。多數金融機構都提供豐富多樣的儲蓄、信用、投資、保險等服務，隨著混業經營的逐步放開，各類金融機構的業務將向更綜合的方向發展。10．3．1數據挖掘在銀行領域的應用全球商業銀行的經營觀念正發生著巨大變化——由傳統的注重交易轉變為注重客戶關系和客戶價值，從而產生了“關系銀行”的概念。1．銀行風險管理數據挖掘還可以解決銀行經常面臨的詐騙行為，如信用卡的惡性透支及可疑的信用卡交易等等。2．銀行信用等級評估金融業風險與效益并存，分析賬戶的信用等級對于降低風險、增加收益是非常重要的。3．銀行服務分析和預測10．4．2數據挖掘在證券領域的應用1．證券公司客戶關系管理客戶價值：建立客戶價值模型CVM，客戶價值模型主要是分析客戶的價值的構成及影響因子。客戶盈利能力：分析客戶給公司帶來的價值，客戶貢獻和客戶貢獻率以及客戶未來對于公司的盈利能力。客戶獲取：研究如何改進服務和產品，提高客戶吸引力。客戶保持：防止顧客流失，做出客戶流失預測模型，在流失前采取對策挽留住客戶，減少損失。客戶細分：按照不同的維度，細分客戶，找出重點客戶。客戶行為分析：可以采用基于概念聚類的客戶交易行為分析，得出客戶偏好，提出合理投資組合建議。交叉營銷：10．4．2數據挖掘在證券領域的應用2.證券投資分析應用目前的主要應用領域有：(1）通過橫向（財務指標）聚類提煉出可以有效反映上市公司經營狀況的指標，確立反映企業盈利、償債、營運能力的”濃縮指標”。（2）利用歷史交易數據和時間序列方法，結合各時期企業重要決策及宏觀社會經濟狀況，分析各種類別股票或個股的價格對各類信息的影響變動敏感度，衡量股票波動風險特性。（3）從歷史各時間間隔的股票價格漲跌、交易量變動的交叉信息中，分析出大眾的投資心理和投資傾向，從而在與大眾的博奕中獲利。（4）利用關聯規則分析方法對行業景氣關聯進行考查，確定各行業板塊股票價格變化的關聯特性，從而確定有效的投資組合。3.證券市場監管證券市場監管主要是指證券交易所、證券監管部門對證券市場的管理監督。今后的研究將向證券數據的深層次挖掘、建模和商業價值的識別領域擴展。同時，基于數據挖掘的證券投資分析系統、基于數據倉庫的證券公司決策支持系統將在中國進一步得到實際應用。10．4．3數據挖掘在保險領域的應用1．保險金的確定通過數據挖掘，根據各種綜合因素等進行保單風險分析，對不同行業的人、不同年齡段的人、處于不同社會層次的人，制定個性化費率和條款，從而利用數據挖掘技術支待保險費率和保險條款的制定。2．保險產品設計通過分析購買了某種保險的人是否同時購買另一種保險，從而可以推進保險產品的創新，進行交叉銷售和增量銷售，提高客戶滿意度。3．風險評估保險公司的一個重要工作就是要進行風險評估，即對不同的風險領域進行鑒定和分析。4．營銷方式創新通過對客戶信息的挖掘，來支持目標市場的細分和目標客戶群的定位，制訂有針對性的營銷措施，包括保險公司的專職人員、代理人員傳統渠道，以及經紀人、、計算機網絡和銀行等輔助渠道，提高客戶響應率，降低營銷成本。10．5數據挖掘與客戶關系管理

在客戶關系管理中，數據挖掘的應用是非常廣泛的。CRM中的客戶分類、客戶盈利率分析、客戶識別與客戶保留等功能都需要數據挖掘的應用來實現。下面我們將分別介紹數據挖掘技術在CRM各個功能中的應用。10．5．1數據挖掘在客戶識別和客戶保留中的應用1．數據挖掘在客戶識別中的應用識別客戶是企業發現潛在客戶、獲取新客戶的過程。2．數據挖掘在客戶保留中的應用客戶識別是獲取新客戶的過程，而客戶保留則是留住老客戶、防止客戶流失的過程。10．5．2客戶分類客戶分類是指將所有客戶分成不同的類的過程。客戶分類是對已建立關系的客戶進行數據挖掘的常見應用。客戶分類可以采用分類的方法也可以采用聚類的方法。客戶分類可以對客戶的消費行為進行分析，也可以對顧客的消費心理進行分析。10．5．3減少信用風險進行客戶信用篩選，建立風險模型。從而學會避免差的客戶，留住好的客戶，降低經營風險。10．5．4數據挖掘在客戶忠誠度分析中的應用

客戶忠誠度的提高是企業客戶關系管理的一個重要目標。數據挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩定性進行分析。對客戶持久性、牢固性和穩定性的分析主要是運用時間序列模型中的趨勢分析方法。10．5．5個性化營銷與銷售推薦1．個性化營銷個性化營銷是面向客戶的營銷，也是客戶關系管理的重要組成部分。2．銷售推薦交叉銷售的一個方法是利用關聯規則。

10．5．6數據挖掘在客戶盈利率分析中的應用客戶盈利率是一個定量評價客戶價值的指標。客戶盈利率的概念否定了“給企業帶來的總收入越高的客戶價值越大”的觀點。高價值客戶是那些企業投入較少成本就可以獲得高收益的客戶。10．6電信業中數據倉庫與數據挖掘的應用電信行業擁有更多的有關用戶的數據。誰能正確地分析這些數據所得到有用的知識,誰就能更好地向用戶提供服務,

能夠發現更多的商機,從而在競爭中獲勝。電信企業必須保存用戶的呼叫數據以記費,監視網絡運行狀況和網絡規劃,電信企業也要對這些數據進行分析以發現有用的規律以優化網絡。因此,

數據挖掘和數據倉庫在電信業中有重要的應用價值。10．6．1數據倉庫與數據挖掘技術在電信業中的作用1．固定話費行為分析2．優惠策略預測仿真3．欠費和動態防欺詐行為分析4．客戶行為與忠誠度分析5．動態報表6．優惠策略仿真預測7．競爭對手分析10．6．2數據挖掘在電信業應用的特點目前移動通信運營商都具有業務營運系統、客戶服務呼叫中心、業務受理網站等客戶信息系統，這些系統具有如下特點：（1）各個信息系統都各自比較完整地管理著客戶某一部分的信息，眾多的客戶數據、市場營銷數據、帳務數據以不同的數據格式和訪問方式分散在不同的系統中，形成眾多的信息孤島，在各個信息孤島中存在著冗余和不一致，不能滿足數據挖掘過程中數據