數(shù)據(jù)挖掘在數(shù)據(jù)礦山中挖掘蘊(yùn)藏的知識(shí)金塊課件

1、數(shù)據(jù)挖掘-在數(shù)據(jù)礦山中挖掘蘊(yùn)藏的知識(shí)金塊主講：王名揚(yáng)信息與計(jì)算機(jī)工程學(xué)院2騰訊鮮為人知的重武器之-數(shù)據(jù)挖掘騰訊鮮為人知的重武器之-數(shù)據(jù)挖掘 中國有三家最重要、也是市值最高的“互聯(lián)網(wǎng)之水”騰訊、阿里巴巴、百度。 這三家公司分別依托IM(Instant Message)、搜索和電子商務(wù)，又都同時(shí)在試圖以全業(yè)務(wù)的模式進(jìn)入對(duì)方領(lǐng)地，結(jié)果他們每家公司都有了自己的搜索、IM和電子商務(wù)。過去幾年，他們之間已經(jīng)有過多次小規(guī)模的短兵相接。不過在一番試探之后，三家公司均發(fā)現(xiàn)對(duì)方的實(shí)力不俗，強(qiáng)行進(jìn)入對(duì)方領(lǐng)地難度太大。 他們都有自己鮮為人知的“重武器”。騰訊鮮為人知的重武器之-數(shù)據(jù)挖掘“互聯(lián)網(wǎng)之水”:就像日常生活中人

2、們對(duì)水和電的依賴一樣，我們要做成互聯(lián)網(wǎng)上的水和電馬化騰自1999年2月QQ上線到現(xiàn)在，10年間，馬化騰把一個(gè)最輕、最不主流的IM做成了“水一樣的內(nèi)在”，什么是他的重武器？ 騰訊從一個(gè)毫不起眼的“抄襲者”到一個(gè)兇猛王者，什么是它的真正原點(diǎn)？騰訊鮮為人知的重武器之-數(shù)據(jù)挖掘 數(shù)據(jù)挖掘:從大量數(shù)據(jù)中獲取有效的、新穎的、潛在可用的、最終可理解的信息，以輔佐公司戰(zhàn)略的數(shù)字神經(jīng)系統(tǒng)。 這是一個(gè)真正的重武器，即使整個(gè)中國互聯(lián)網(wǎng)，真正擁有這一系統(tǒng)的公司也極少騰訊、百度、阿里巴巴、盛大。騰訊鮮為人知的重武器之-數(shù)據(jù)挖掘數(shù)據(jù)是每一家互聯(lián)網(wǎng)公司安身立命的基礎(chǔ)之一。 “數(shù)據(jù)挖掘”才是騰訊最具門檻性質(zhì)的技術(shù)。 “數(shù)據(jù)蘊(yùn)

3、含商機(jī)，挖掘決勝千里”。7客戶關(guān)系管理（CRM）8什么是CRM？ 數(shù)據(jù)挖掘在CRM中的作用？Problem？9求賢若渴勢(shì)頭猛之-數(shù)據(jù)挖掘求賢若渴之-數(shù)據(jù)挖掘 北京-知名上市互聯(lián)網(wǎng)公司聘-互聯(lián)網(wǎng)海量數(shù)據(jù)處理、挖掘工程師 易方優(yōu)IT獵頭-數(shù)據(jù)挖掘/分布式/搜索研發(fā)/PHP/IOS/互聯(lián)網(wǎng)產(chǎn)品經(jīng)理（北京，薪水范圍：25-40萬/年） 全球知名的搜索引擎公司急招數(shù)據(jù)挖掘/統(tǒng)計(jì)研發(fā)工程師 【北京】IT行業(yè)電話銷售數(shù)據(jù)挖掘崗位大規(guī)模招聘 。求賢若渴之-數(shù)據(jù)挖掘求賢若渴之-數(shù)據(jù)挖掘13什么激發(fā)了數(shù)據(jù)挖掘，為什么它是重要的-需要是發(fā)明之母（柏拉圖）時(shí)代背景 我們已經(jīng)生活在一個(gè)網(wǎng)絡(luò)化的時(shí)代，通信、計(jì)算機(jī)和網(wǎng)絡(luò)技

4、術(shù)正改變著整個(gè)人類和社會(huì)。 在美國，廣播達(dá)到5000萬用戶用了38年；電視用了13年；Internet撥號(hào)上網(wǎng)達(dá)到5000萬戶僅用了4年；國內(nèi)，1999年初，上網(wǎng)用戶為210萬，現(xiàn)在已經(jīng)達(dá)到600多萬。早在20世紀(jì)80年代，全球信息量每隔20個(gè)月就增加一倍；而進(jìn)入21世紀(jì)，全世界所存儲(chǔ)的數(shù)據(jù)庫及其所存儲(chǔ)的數(shù)據(jù)規(guī)模增長更快。 一個(gè)中等規(guī)模的企業(yè)每天要生產(chǎn)100MB以上來自各生產(chǎn)經(jīng)營等多方面的商業(yè)數(shù)據(jù)； 在科研方面，以美國宇航局的數(shù)據(jù)庫為例，每天從衛(wèi)星下載的數(shù)據(jù)量就達(dá)34TB之多，而為研究，這些數(shù)據(jù)至少要保持7年之久； 紐約時(shí)報(bào)由60年代的10-20版擴(kuò)張至現(xiàn)在的100-200版，最高曾達(dá)1572

5、版；北京青年報(bào)也已是16-40版，等。而在現(xiàn)實(shí)社會(huì)中，人均日閱讀時(shí)間通常為30-45分鐘，只能瀏覽一份24版的報(bào)紙。 據(jù)估計(jì)，1993年全球數(shù)據(jù)存儲(chǔ)容量約為二千TB，到2000年增加到三百萬TB，面對(duì)極度膨脹的數(shù)據(jù)信息量，人們受到“數(shù)據(jù)過?！钡木薮髩毫?。“數(shù) 據(jù) 過 ?！?6數(shù)據(jù)爆炸. 知識(shí)貧乏 激增的數(shù)據(jù)背后隱藏著許多重要的信息，人們希望能夠?qū)ζ溥M(jìn)行更高層次的分析，以便更好地利用這些數(shù)據(jù)。 目前的數(shù)據(jù)庫系統(tǒng)可以高效地實(shí)現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計(jì)等功能，但無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢(shì)。缺乏挖掘數(shù)據(jù)背后隱藏知識(shí)的手段，導(dǎo)致“數(shù)據(jù)爆炸. 知識(shí)貧乏”的尷尬現(xiàn)象。

6、17數(shù)據(jù).信息.知識(shí) 數(shù)據(jù)僅是人們用各種工具和手段觀察外部世界得到的原始材料； 信息雖給出數(shù)據(jù)中有一定意義的東西，但往往和任務(wù)無直接聯(lián)系，不能作為判斷、決策和行動(dòng)的依據(jù)； 知識(shí)是人們作出正確的判斷、決策和采取正確行動(dòng)的依據(jù)。18數(shù)據(jù)的豐富帶來了對(duì)強(qiáng)有力的數(shù)據(jù)分析工具的需求！19數(shù)據(jù)倉庫與數(shù)據(jù)挖掘解決方法：數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)倉庫和聯(lián)機(jī)分析處理技術(shù)； 數(shù)據(jù)挖掘：在大量的數(shù)據(jù)中挖掘感興趣的知識(shí)（規(guī)則，規(guī)律，模式，約束）。（一）數(shù)據(jù)倉庫與OLAP1.1 為什么要建立數(shù)據(jù)倉庫？22從數(shù)據(jù)庫到數(shù)據(jù)倉庫管理信息的處理類型：（1）事務(wù)型處理：業(yè)務(wù)操作處理，用來協(xié)助企業(yè)對(duì)相應(yīng)事件或事務(wù)的日常商務(wù)活

7、動(dòng)進(jìn)行處理。是事件驅(qū)動(dòng)、面向應(yīng)用的，通常是對(duì)一個(gè)/組記錄的增、刪、改以及簡單查詢等，以滿足組織特定的日常管理需要（數(shù)據(jù)庫；細(xì)節(jié)信息）；（2）分析型處理：用于管理人員的決策分析，例如DSS、 EIS和多維數(shù)據(jù)分析等。幫助決策者分析數(shù)據(jù)以察看趨向、判斷問題。分析型處理經(jīng)常要訪問大量的歷史數(shù)據(jù)，支持復(fù)雜的查詢分析（數(shù)據(jù)倉庫；宏觀信息）。23分離示意圖24轉(zhuǎn)換同時(shí)進(jìn)行的集成數(shù)據(jù)倉庫的關(guān)鍵特征關(guān)鍵特征： 面向主題； 集成的； 隨時(shí)間而變化的（時(shí)變的）； 不容易丟失的（非易失）。26面向主題關(guān)注決策者的數(shù)據(jù)建模與分析，而不是集中于組織機(jī)構(gòu)的日常操作和事務(wù)處理。27集成性 一個(gè)數(shù)據(jù)倉庫是通過集成多個(gè)異種數(shù)據(jù)

8、源來構(gòu)造的；關(guān)系數(shù)據(jù)庫，一般文件，聯(lián)機(jī)事務(wù)處理記錄 數(shù)據(jù)倉庫中的綜合數(shù)據(jù)不能從原有的數(shù)據(jù)庫系統(tǒng)直接得到，需使用數(shù)據(jù)清理和數(shù)據(jù)集成技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理：統(tǒng)一元數(shù)據(jù)中矛盾之處：確保命名約定、編碼結(jié)構(gòu)、屬性度量等的一致性。當(dāng)數(shù)據(jù)被移到數(shù)據(jù)倉庫時(shí)，它們要經(jīng)過轉(zhuǎn)化：進(jìn)行數(shù)據(jù)綜合和計(jì)算。28隨時(shí)間而變化的 數(shù)據(jù)倉庫從歷史的角度來提供信息：時(shí)間范圍比操作數(shù)據(jù)庫系統(tǒng)要長的多操作數(shù)據(jù)庫系統(tǒng): 主要保存當(dāng)前數(shù)據(jù)；數(shù)據(jù)倉庫:從歷史的角度提供信息（比如過去 5-10 年）。29數(shù)據(jù)不易丟失 盡管數(shù)據(jù)倉庫中的數(shù)據(jù)來自于操作數(shù)據(jù)庫，但他們卻是在物理上分離保存的操作數(shù)據(jù)庫的更新操作不會(huì)出現(xiàn)在數(shù)據(jù)倉庫環(huán)境下。 只進(jìn)行兩種數(shù)據(jù)訪

9、問： 數(shù)據(jù)的初始裝載； 查詢操作。1.2 數(shù)據(jù)倉庫模型？31回顧：數(shù)據(jù)庫模型E-R圖關(guān)系模型32數(shù)據(jù)倉庫的三級(jí)模型（1）概念模型：從客觀世界到主觀認(rèn)識(shí)的映射；（2）邏輯模型：邏輯模型描述了數(shù)據(jù)倉庫主題的邏輯實(shí)現(xiàn)；（3）物理模型邏輯模型在數(shù)據(jù)倉庫中的實(shí)現(xiàn)，如數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)、存儲(chǔ)策略、索引策略、存儲(chǔ)分配優(yōu)化等。概念-邏輯？33數(shù)據(jù)倉庫的概念模型-信息包圖信息包圖：信息包圖提供了分析人員思維模式的可視化表示。34信息包圖示例例試畫出銷售分析的信息包圖。解：首先根據(jù)銷售分析的實(shí)際需求，確定信息包的維度、類別、指標(biāo)與事實(shí)：（1）維度：包括日期維、銷售地點(diǎn)維、銷售產(chǎn)品維、年齡組別維、性別維等。（2）類別：確

10、定各維的詳細(xì)類別，如：日期維包括年（10）、季度（40）、月（120）等類別，括號(hào)中的數(shù)字分別指出各類別的數(shù)量；銷售地點(diǎn)維包括國家（15）、區(qū)域（45）、城市（280）、區(qū)（880）、商店（2000）等類別，括號(hào)中的數(shù)字同樣分別指出各類別的數(shù)量；類似地，可以確定銷售產(chǎn)品、年齡組別維、性別維等的詳細(xì)類別。（3）度量（指標(biāo)和事實(shí)）：確定用于進(jìn)行分析的數(shù)值化信息，用戶最關(guān)心的信息，包括預(yù)測銷售量、實(shí)際銷售量和預(yù)測偏差等。 35銷售分析的信息包圖36數(shù)據(jù)倉庫的邏輯模型 數(shù)據(jù)倉庫的邏輯模型主要包括如下幾種類型：星型模型；雪花模型；事實(shí)星座模型。37幾個(gè)基本概念1）維和維表：維：關(guān)于一個(gè)組織想要記錄的視角

11、或觀點(diǎn)。如公司Allelectronics 創(chuàng)建數(shù)據(jù)庫sales，用以記錄商店的銷售，則可能涉及time , item , branch , location維。維表：每個(gè)維都有一個(gè)表與之相關(guān)聯(lián)，稱為維表。如，item維表可以包含屬性item-name, brand, type。38幾個(gè)基本概念2）事實(shí)和事實(shí)表：事實(shí)：指的是一些數(shù)字度量；如，sales銷售數(shù)據(jù)倉庫的事實(shí)包括dollars-sold（銷售的款項(xiàng)），units-sold(銷售量)，amount-budgeted。事實(shí)表：包括事實(shí)的名稱或度量，以及每個(gè)相關(guān)維表的關(guān)鍵字。星型模型示例示例： Allelectronics公司sales銷

12、售數(shù)據(jù)倉庫的星型模式。Sales有四個(gè)維：time, item, branch, location。該模式包含一個(gè)中心事實(shí)表sales，該表包含四個(gè)維的關(guān)鍵字和三個(gè)度量dollars-sold, units-sold，avg-sales。40星型模型示例 time_keydayday_of_the_weekmonthquarteryearTime維表location_keystreetcitystate_or_provincecountryLocation維表Sales 事實(shí)表 time_key item_key branch_key location_key units_sold dolla

13、rs_sold avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeItem維表branch_keybranch_namebranch_typeBranch維表41數(shù)據(jù)倉庫的多維數(shù)據(jù)模型 數(shù)據(jù)倉庫和OLAP工具是基于多維數(shù)據(jù)模型的。在多維數(shù)據(jù)模型中，數(shù)據(jù)以數(shù)據(jù)立方體(data cube)的形式存在。 如，某公司可能創(chuàng)建一個(gè)數(shù)據(jù)倉庫sales，記錄商店的銷售情況，且涉及time, item, location。則，典型的3-D數(shù)據(jù)立方體如圖：42數(shù)據(jù)倉庫的“概念分層”在數(shù)據(jù)倉庫中，一個(gè)概念分層（concept hierarchy）定義一

14、個(gè)映射序列，將低層概念映射到更一般的高層概念。 對(duì)于一個(gè)給定的屬性或維，根據(jù)不同的用戶視圖，可能有多個(gè)概念分層：如，表示location的概念：杭州浙江中國亞洲；概念分層允許我們?cè)诟鞣N抽象級(jí)審查和處理數(shù)據(jù)，為不同級(jí)別上的數(shù)據(jù)匯總提供了一個(gè)良好的基礎(chǔ)。43Location維的一個(gè)概念分層allEuropeNorth_AmericaMexicoCanadaSpainGermanyVancouverM. WindL. Chan.TorontoFrankfurtcityallcontinentcountryProvince_or_state1.3 OLAP技術(shù)45為什么需要OLAP? 僅僅把數(shù)據(jù)存儲(chǔ)在

15、數(shù)據(jù)倉庫之中，利用一定的方法對(duì)其安全有效的管理，并不是用戶的最終目的。建立數(shù)據(jù)倉庫的目的，是要為決策提供必要的支持。 為此，必須使用適當(dāng)?shù)募夹g(shù)和工具，對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行分析，以實(shí)現(xiàn)最終的決策支持目標(biāo)。OLAP是一門比較成熟的分析技術(shù)，在數(shù)據(jù)倉庫領(lǐng)域中應(yīng)用最廣。OLAP的分析方法OLAP：（1）切片與切塊（Slice & Dice）；（2）鉆取 (Drill)；（3）旋轉(zhuǎn)（Rotate）/轉(zhuǎn)軸（Pivot）47（1）切片與切塊切片：在多維視圖中，如果某個(gè)維度上的取值選定了一個(gè)固定值，原視圖就降低了一個(gè)維度，可能就把原來的三維視圖變成了二維，四維變成了三維，即進(jìn)行了切片操作。 如在一個(gè)(時(shí)間，

16、城市，產(chǎn)品，價(jià)格)的多維數(shù)據(jù)集中，其中，時(shí)間、城市、產(chǎn)品是三個(gè)維度，價(jià)格是度量變量。如要分別顯示在北京和上海各年各種產(chǎn)品的價(jià)格情況，只需要在城市維上取值“北京”、“上?！?，則分別形成兩個(gè)在城市維上的數(shù)據(jù)切片。48（1）切片與切塊切塊：如果某個(gè)/些維度上的取值范圍縮小到一個(gè)區(qū)間，原視圖的維度沒有降低，但內(nèi)容減少了，即進(jìn)行了切塊操作。 如，在一個(gè)(時(shí)間，城市，產(chǎn)品)的多維數(shù)據(jù)集中，要瀏覽2001-2003年（北京、上海、廣州）的產(chǎn)品（電視機(jī)、計(jì)算機(jī)、數(shù)碼相機(jī)）的銷售情況，通過指定時(shí)間維的取值為2001-2003，指定城市維（北京、上海、廣州），指定產(chǎn)品維（電視機(jī)、計(jì)算機(jī)、數(shù)碼相機(jī)），則這樣得到的子

17、集稱為該多維數(shù)據(jù)集的數(shù)據(jù)切塊。49（1）切片與切塊50（2）鉆取 鉆取包括向下鉆?。―rill-down）和向上鉆?。―rill-up）/上卷（Roll-up）。鉆取的深度與維所劃分的層次相對(duì)應(yīng)。下鉆：從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察或增加新維。上鉆：在某一維上將低層次的細(xì)節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)。51（2）鉆取52（3）旋轉(zhuǎn)/轉(zhuǎn)軸 數(shù)據(jù)旋轉(zhuǎn)是改變維的位置關(guān)系，使用戶可以從不同角度來觀察多維數(shù)據(jù)。如，要形成橫向?yàn)榈乩?，縱向?yàn)闀r(shí)間的報(bào)表，可以把橫向的時(shí)間維與縱向的地理維進(jìn)行交換。53（3）旋轉(zhuǎn)/轉(zhuǎn)軸（二）數(shù)據(jù)挖掘2.1 為什么要進(jìn)行數(shù)據(jù)挖掘？實(shí)際需求的驅(qū)動(dòng) “數(shù)據(jù)爆炸.知識(shí)貧乏”：與日趨成熟

18、的數(shù)據(jù)管理技術(shù)與軟件工具相比，人們所依賴的數(shù)據(jù)分析工具（錄入、查詢、統(tǒng)計(jì)等），無法有效地為決策者提供決策支持所需要的相關(guān)知識(shí)； 被收集并存儲(chǔ)在眾多數(shù)據(jù)庫中且正在快速增長的龐大數(shù)據(jù)，已遠(yuǎn)遠(yuǎn)超過人類的處理和分析理解能力，而成為“數(shù)據(jù)墳?zāi)埂保?數(shù)據(jù)與信息知識(shí)之間的巨大差距迫切需要開發(fā)數(shù)據(jù)挖掘工具，幫助實(shí)現(xiàn)將“數(shù)據(jù)墳?zāi)埂敝械臄?shù)據(jù)轉(zhuǎn)化為知識(shí)財(cái)富。572.2 什么是數(shù)據(jù)挖掘？59KDD, Knowledge Discovery in Database數(shù)據(jù)挖掘的概念數(shù)據(jù)挖掘（從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)）；從大量的數(shù)據(jù)中挖掘那些令人感興趣的、有用的、隱含的、先前未知的和可能有用的模式或知識(shí) 。 數(shù)據(jù)挖掘的替換詞：數(shù)據(jù)庫

19、中的知識(shí)挖掘（KDD）知識(shí)提煉、數(shù)據(jù)/模式分析數(shù)據(jù)考古數(shù)據(jù)捕撈、信息收獲等等。2.3 常用的數(shù)據(jù)挖掘技術(shù)？常用的數(shù)據(jù)挖掘技術(shù)（1）分類63分類是人類很自然的一個(gè)過程，不知不覺間就已經(jīng)在進(jìn)行了分類的工作。一切生物都在進(jìn)行著分類，如對(duì)食物分為能吃的和不能吃的兩種。小孩看電視會(huì)分好人，壞人。分類反映同類事物共同性質(zhì)的特征型知識(shí)和不同事物之間的差異型特征知識(shí)。64分類過程示意圖65分類過程的第一步：學(xué)習(xí)建模66分類過程的第二步：分類測試（2）聚類分析67將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成的多個(gè)類的過程被稱為聚類。原則：同一個(gè)組內(nèi)的數(shù)據(jù)對(duì)象具有較高的相似度；而不同組中的數(shù)據(jù)對(duì)象是不相似的。 “物

20、以類聚，人以群分”。686970（3）關(guān)聯(lián)分析71 關(guān)聯(lián)分析用以挖掘事務(wù)之間存在的有意義的聯(lián)系和規(guī)則。在商業(yè)應(yīng)用中，這些規(guī)則通過發(fā)掘不同商品之間的聯(lián)系，以反映顧客的購買行為模式。 （3）關(guān)聯(lián)分析72典型例子：購物籃分析如，在同一次購物中，如果顧客購買牛奶，則他同時(shí)購買面包（和什么類型的面包）的可能性有多大？ “啤酒與尿布”（3）關(guān)聯(lián)分析同時(shí)滿足用戶定義的最小置信度和最小支持度閾值的關(guān)聯(lián)規(guī)則，稱為強(qiáng)關(guān)聯(lián)規(guī)則74A（4）孤立點(diǎn)分析75 數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對(duì)象，它們與數(shù)據(jù)的一般行為或模型不一致。這些數(shù)據(jù)對(duì)象被稱為孤立點(diǎn)（outlier）。 孤立點(diǎn)可能是度量或執(zhí)行錯(cuò)誤所導(dǎo)致的。例如，一個(gè)人的年齡

21、為999 可能是程序?qū)ξ从涗浀哪挲g的缺省設(shè)置所產(chǎn)生的。 孤立點(diǎn)也可能是固有的數(shù)據(jù)變異性的結(jié)果。例如，一個(gè)公司的首席執(zhí)行官的工資自然遠(yuǎn)遠(yuǎn)高于公司其他雇員的工資，成為一個(gè)孤立點(diǎn)。孤立點(diǎn)常被視為噪聲或異常而被丟棄。（4）孤立點(diǎn)分析76 任何事物都要一分為二來看，正如一條一個(gè)人認(rèn)為是垃圾的信息對(duì)另一個(gè)人是如獲至寶。 在一些應(yīng)用中，罕見的事件可能比正常出現(xiàn)的事件更有趣，如，信用卡欺詐檢測等。2.3 數(shù)據(jù)挖掘的典型應(yīng)用？1）哪些商品放在一起會(huì)比較好賣 沃爾瑪：啤酒與尿布 購物籃分析2）庫存預(yù)測過去零售商依靠供應(yīng)鏈軟件、內(nèi)部分析軟件甚至直覺來預(yù)測庫存需求。隨著競爭壓力的一天天增大，很多零售商（從主要財(cái)務(wù)主管

22、到庫存管理員）都開始致力于找到一些更準(zhǔn)確的方法來預(yù)測其連鎖商店應(yīng)保有的庫存。SQL Server 2005 Analysis Services 獲得的數(shù)據(jù)挖掘模型可以預(yù)測在未來一周內(nèi)一本書是否將脫銷，準(zhǔn)確性為 98.52%。3）股票預(yù)測預(yù)測一支股票的走勢(shì)幾乎是不可能，但是通過相關(guān)分析，可以找出一支股票的走勢(shì)與另一只股票走勢(shì)的潛在規(guī)律，比如數(shù)據(jù)挖掘曾經(jīng)得到過這個(gè)結(jié)論：“如果微軟的股票下跌4%，那么IBM的股票將在兩周內(nèi)下跌5%”。4）NBA教練的布陣想象你是NBA的教練，你靠什么帶領(lǐng)你的球隊(duì)取得勝利呢？當(dāng)然，最容易想到的是全場緊逼、交叉扯動(dòng)和快速搶斷等具體的戰(zhàn)術(shù)和技術(shù)。但是今天，NBA的教練又有

23、了他們的新式武器：數(shù)據(jù)挖掘。大約20個(gè)NBA球隊(duì)使用了IBM公司開發(fā)的數(shù)據(jù)挖掘應(yīng)用軟件Advanced Scout系統(tǒng)來優(yōu)化他們的戰(zhàn)術(shù)組合。例如Scout就因?yàn)檠芯苛四g(shù)隊(duì)隊(duì)員不同的布陣安排，在與邁阿密熱隊(duì)的比賽中找到了獲勝的機(jī)會(huì)。4）NBA教練的布陣系統(tǒng)分析顯示魔術(shù)隊(duì)先發(fā)陣容中的兩個(gè)后衛(wèi)安佛尼.哈德衛(wèi)(Anfernee Hardaway)和伯蘭.紹(Brian Shaw)在前兩場中被評(píng)為17分,這意味著他倆在場上，本隊(duì)輸?shù)舻姆謹(jǐn)?shù)比得到的分?jǐn)?shù)多17分。然而，當(dāng)哈德衛(wèi)與替補(bǔ)后衛(wèi)達(dá)利爾.阿姆斯創(chuàng)(Darrell Armstrong)組合時(shí)，魔術(shù)隊(duì)得分為正14分。在下一場中，魔術(shù)隊(duì)增加了阿姆斯創(chuàng)的上

24、場時(shí)間。此著果然見效：阿姆斯創(chuàng)得了21分，哈德衛(wèi)得了42分，魔術(shù)隊(duì)以88比79獲勝。魔術(shù)隊(duì)在第四場讓阿姆斯創(chuàng)進(jìn)入先發(fā)陣容，再一次打敗了熱隊(duì)。在第五場比賽中，這個(gè)靠數(shù)據(jù)挖掘支持的陣容沒能拖住熱隊(duì)，但Advanced Scout畢竟幫助了魔術(shù)隊(duì)贏得了打滿5場，直到最后才決出勝負(fù)的機(jī)會(huì)。5）出了一個(gè)新成品，哪些老客戶最可能購買蒙特利爾銀行是加拿大歷史最為悠久的銀行，也是加拿大的第三大銀行。在 20 世紀(jì) 90 年代中期，行業(yè)競爭的加劇導(dǎo)致該銀行需要通過交叉銷售來鎖定 1800 萬客戶。 在應(yīng)用數(shù)據(jù)挖掘之前，銀行的銷售代表必須于晚上 6 點(diǎn)至 9 點(diǎn)在特定地區(qū)通過電話向客戶推銷產(chǎn)品。但是，正如每個(gè)處于

25、接受端的人所了解的那樣，大多數(shù)人在工作結(jié)束后對(duì)于兜售并不感興趣。因此，在晚餐時(shí)間進(jìn)行電話推銷的反饋率非常低。5）出了一個(gè)新成品，哪些老客戶最可能購買幾年前，該銀行開始采用 IBM DB2 Intelligent Miner Scoring，基于銀行賬戶余額、客戶已擁有的銀行產(chǎn)品以及所處地點(diǎn)和信貸風(fēng)險(xiǎn)等標(biāo)準(zhǔn)來評(píng)價(jià)記錄檔案。這些評(píng)價(jià)可用于確定客戶購買某一具體產(chǎn)品的可能性。 對(duì)客戶的財(cái)務(wù)行為習(xí)慣及其對(duì)銀行收益率的影響有了更深入的了解。當(dāng)進(jìn)行更具針對(duì)性的營銷活動(dòng)時(shí)，銀行能夠區(qū)別對(duì)待不同的客戶群，以提升產(chǎn)品和服務(wù)質(zhì)量，同時(shí)還能制訂適當(dāng)?shù)膬r(jià)格和設(shè)計(jì)各種獎(jiǎng)勵(lì)方案，甚至確定利息費(fèi)用。6）登錄網(wǎng)站的當(dāng)前用戶現(xiàn)在最可能購買什么東西