數(shù)據(jù)倉庫在CRM中發(fā)揮多大作用？1)數(shù)據(jù)倉庫系統(tǒng)提供標準的報表和圖表顯示功能。數(shù)據(jù)倉庫中的數(shù)據(jù)來自不同的業(yè)務處理系統(tǒng)，數(shù)據(jù)倉庫系統(tǒng)展示的數(shù)據(jù)是整個企業(yè)的數(shù)據(jù)集成。數(shù)據(jù)倉庫的作用是通過使用這些最有價值的

數(shù)據(jù)倉庫在CRM中發(fā)揮多大作用？

1)數(shù)據(jù)倉庫系統(tǒng)提供標準的報表和圖表顯示功能。數(shù)據(jù)倉庫中的數(shù)據(jù)來自不同的業(yè)務處理系統(tǒng)，數(shù)據(jù)倉庫系統(tǒng)展示的數(shù)據(jù)是整個企業(yè)的數(shù)據(jù)集成。數(shù)據(jù)倉庫的作用是通過使用這些最有價值的商業(yè)數(shù)據(jù)做出最明智的商業(yè)決策。

2)數(shù)據(jù)倉庫支持多維分析。多維分析將一個實體的屬性定義為維度，方便用戶從多個角度匯總計算數(shù)據(jù)，增強數(shù)據(jù)分析處理能力。通過對不同維度數(shù)據(jù)的對比分析，增強信息處理能力。多維分析是數(shù)據(jù)倉庫系統(tǒng)在決策分析過程中非常有用的功能。

3)數(shù)據(jù)倉庫是數(shù)據(jù)挖掘技術的關鍵和基礎。數(shù)據(jù)挖掘技術是在現(xiàn)有數(shù)據(jù)的基礎上幫助用戶了解現(xiàn)有信息，并在當前信息的基礎上預測未來的企業(yè)情況。在數(shù)據(jù)倉庫的基礎上進行數(shù)據(jù)挖掘，可以對整個企業(yè)的發(fā)展現(xiàn)狀和未來前景做出更加全面、合理、準確的分析和預測。

廣義的數(shù)據(jù)分析定義？

業(yè)務理解-理解需求和定義目標。

理解數(shù)據(jù)-探索數(shù)據(jù)，認知數(shù)據(jù)

數(shù)據(jù)準備——數(shù)據(jù)收集、數(shù)據(jù)清理、整合等。

模型構建——選擇和應用模型并優(yōu)化它們。

評估模型——檢查模型以確保它符合目標。

發(fā)布-將獲得的知識轉化為報告或實現(xiàn)數(shù)據(jù)挖掘過程。

商業(yè)智能BI、數(shù)據(jù)倉庫DW和數(shù)據(jù)挖掘DM的關系

商業(yè)智能(BI)

基于數(shù)據(jù)倉庫，經(jīng)過數(shù)據(jù)挖掘，就是獲取商業(yè)價值的過程。

數(shù)據(jù)倉庫。

相當于BI的基礎。就是數(shù)據(jù)庫升級的概念，通過數(shù)據(jù)庫技術邏輯存儲數(shù)據(jù)，但是數(shù)據(jù)倉庫的量更大。數(shù)據(jù)倉庫是通過對幾個原始數(shù)據(jù)源的數(shù)據(jù)進行匯總和整理而得到的。

數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘的核心包括分類、聚類、預測、關聯(lián)分析等任務。

數(shù)據(jù)倉庫是金礦，數(shù)據(jù)挖掘是煉金術，商業(yè)報告是金子。

數(shù)據(jù)挖掘的名詞解釋？

數(shù)據(jù)挖掘是指通過算法從大量數(shù)據(jù)中尋找隱藏信息的過程。

數(shù)據(jù)挖掘通常與計算機科學有關，利用統(tǒng)計學、聯(lián)機分析處理、信息檢索、機器學習、專家系統(tǒng)(依靠過去的經(jīng)驗規(guī)則)、模式識別等多種方法來達到上述目的。

數(shù)據(jù)挖掘對象

1.數(shù)據(jù)類型可以是結構化的、半結構化的，甚至是異構的。知識發(fā)現(xiàn)的方法可以是數(shù)學的、非數(shù)學的或歸納的。最終發(fā)現(xiàn)的知識可用于信息管理、查詢優(yōu)化、決策支持和數(shù)據(jù)維護。

2.數(shù)據(jù)挖掘的對象可以是任何類型的數(shù)據(jù)源?？梢允顷P系數(shù)據(jù)庫，是包含結構化數(shù)據(jù)的數(shù)據(jù)源；也可以是數(shù)據(jù)倉庫、文本、多媒體數(shù)據(jù)、空間數(shù)據(jù)、時間序列數(shù)據(jù)、Web數(shù)據(jù)等包含半結構化數(shù)據(jù)甚至異構數(shù)據(jù)的數(shù)據(jù)源。

3.知識發(fā)現(xiàn)的方法可以是數(shù)字的、非數(shù)字的或歸納的。最終發(fā)現(xiàn)的知識可用于信息管理、查詢優(yōu)化、決策支持和數(shù)據(jù)維護。

數(shù)據(jù)挖掘步驟

在實施數(shù)據(jù)挖掘之前，要想好要走什么步驟，每一步要做什么，要達到什么目標。一個好的計劃可以保證數(shù)據(jù)挖掘的有序實施和成功。許多軟件供應商和數(shù)據(jù)挖掘咨詢公司都提供了一些數(shù)據(jù)挖掘過程模型來指導他們的用戶一步步地進行數(shù)據(jù)挖掘。比如SPSS的5A，SAS的SEMMA。

數(shù)據(jù)挖掘過程模型的步驟主要包括定義問題、建立數(shù)據(jù)挖掘數(shù)據(jù)庫、分析數(shù)據(jù)、準備數(shù)據(jù)、建立模型、評估模型和實施。我們來看看每一步的具體內(nèi)容：

(1)定義問題。知識發(fā)現(xiàn)之前的第一個也是最重要的要求是理解數(shù)據(jù)和業(yè)務問題。我們必須有一個明確的目標定義，也就是決定我們要做什么。比如你想提高電子郵件的利用率，你想做的可能是“提高用戶的利用率”，或者是“提高一個用戶的使用價值”。要解決這兩個問題，建立的模型幾乎完全不同，必須做出決定。

(2)建立數(shù)據(jù)挖掘數(shù)據(jù)庫。數(shù)據(jù)挖掘數(shù)據(jù)庫的建立包括以下步驟：數(shù)據(jù)收集、數(shù)據(jù)描述、數(shù)據(jù)選擇、數(shù)據(jù)質(zhì)量評估和數(shù)據(jù)清洗、合并與集成、元數(shù)據(jù)構建、數(shù)據(jù)挖掘數(shù)據(jù)庫加載和數(shù)據(jù)挖掘數(shù)據(jù)庫維護。

(3)分析數(shù)據(jù)。分析的目的是找到對預測輸出影響最大的數(shù)據(jù)字段，并決定是否需要定義導出字段。如果數(shù)據(jù)集包含數(shù)百個字段，那么瀏覽和分析這些數(shù)據(jù)將是非常耗時和累人的。這時候你就需要選擇一個界面好，功能強大的工具軟件來幫你完成這些事情。

(4)準備資料。這是建立模型前數(shù)據(jù)準備的最后一步。這一步可以分為四個部分：選擇變量、選擇記錄、創(chuàng)建新變量和轉換變量。

(5)建立模型。建立模型是一個迭代的過程。有必要仔細檢查不同的模型，以確定哪一個對業(yè)務問題最有用。首先用一部分數(shù)據(jù)建立模型，然后用剩下的數(shù)據(jù)對得到的模型進行檢驗和驗證。有時會有第三個數(shù)據(jù)集，稱為驗證集，因為測試集可能會受到模型特征的影響。這時候就需要一個獨立的數(shù)據(jù)集來驗證模型的準確性。訓練和測試數(shù)據(jù)挖掘模型需要將數(shù)據(jù)至少分成兩部分，一部分用于模型訓練，另一部分用于模型測試。

(6)評價模型。模型建立后，我們必須對結果進行評估，并解釋模型的價值。從測試集中獲得的準確性僅對用于構建模型的數(shù)據(jù)有意義。在實際應用中，有必要進一步了解錯誤的類型和相關成本。經(jīng)驗證明，有效的模式不一定是正確的模式。造成這種情況的直接原因是模型建立中隱含的各種假設。因此，在現(xiàn)實世界中直接測試模型是很重要的。先小范圍應用，拿到測試數(shù)據(jù)，感覺滿意后再大面積推廣。

(7)實施。模型建立并驗證后，主要有兩種使用方法。首先是為分析師提供參考；二是將該模型應用于不同的數(shù)據(jù)集。