《数据挖掘:实用案例分析》——1.4 数据挖掘现状及应用前景

1.4 数据挖掘现状及应用前景

  “数据海量,信息缺乏”是大多数金融企业所面对的尴尬。目前,金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能,却无法发现数据中存在的各种有用信息,例如对这些数据进行分析,发现其数据模式及特征,然后可能发现某个客户、消费群体或组织的金融和商业需求,并观察金融市场的变化趋势。

  作为一门应用技术,数据挖掘可谓涵盖广泛,尤其在发达国家,数据挖掘技术的触角已经伸向了各行各业。只要企业拥有具分析价值的数据源,皆可利用数据挖掘工具进行有目的的挖掘分析。一般较常见的应用案例多发生在零售业、制造业、财务金融保险、通信业以及医疗服务等。数据挖掘的应用领域具体可以分为以下三类:

  可以说,未来若干年,数据挖掘将会成为极为重要的成长领域,数据挖掘的应用也会越来越广泛。研究结果显示,企业所处理的数据每五年就会呈现倍数增长。

  大部分的企业并没有数据不足的问题,而过度的数据重复与不一致才是大问题,这使得企业无论在使用、有效管理、以及将这些数据用于决策过程方面都遭遇到了问题。因此市场需要的是能够将数据转变成可靠与可用信息的系统。

  不同领域的专家对数据挖掘都表现出了极大的兴趣,例如在信息服务业中出现了一些应用,在Internet数据仓储和线上服务中也给企业增加了许多生机。同时在产学合作下,又发展出了许多实用的系统,例如MDT、Coverstory and Spotlight、NichWork Visualization System、LBS、FALCON、FAIS、NYNEX、TASA等。目前已被许多研究者视为结合数据库系统和机器学习技术的重要领域。对于研究者来说,数据挖掘是个充满潜力和机遇无限的研究领域。

  由于数据挖掘能分析出数据中的有用信息,给企业带来显著的经济效益,这使得数据挖掘技术越来越普及。IDC预测,2015年中国大数据市场规模或达169亿美元,数据挖掘市场规模大约为140亿美元,并对欧洲和北美62家采用了数据挖掘技术的企业进行调查分析,发现这些企业的3年平均投资回报率为401%,其中25%的企业的投资回报率超过600%。

  美国Palo Alto管理集团公司对欧洲、北美和日本375家大中型企业的数据挖掘技术的采用情况进行了调查。结果显示,在金融领域,数据挖掘技术的应用水平已经达到或接近70%,在营销领域也达到50%,并且在未来的数年中,各个应用领域对该技术的采纳水平都将提高约50%。

  近年来,甲骨文、IBM、微软和SAP耗费超过150亿美元收购专门从事数据挖掘的软件公司。这个产业预计有1000亿美元市场容量,并以每年10%的速度增长,是软件产业整体增速的两倍。英国电信要发布一种新的产品,通过直邮的方式向客户推荐这种产品,使用数据挖掘技术可以使直邮的回应率提高100%;GUS日用品零售商店需要准确预测未来的商品销售量,降低库存成本,使用数据挖掘技术使库存成本比原来减少了3.8%;汇丰银行需要对不断增长的客户群进行分类,针对每种产品找出最有价值的客户,使用数据挖掘技术营销费用减少了30%;美国国防财务部每年有上百万笔的军火交易,使用数据挖掘技术能够发现可能存在的欺诈交易,然后进行深入调查,这样节约了大量的调查成本。

时间: 2024-09-22 05:41:32

《数据挖掘:实用案例分析》——1.4 数据挖掘现状及应用前景的相关文章

《数据挖掘:实用案例分析》——导读

前 言 为什么要写这本书 现在,什么程序员最稀缺?什么技术最火?回答:数据挖掘! 数据挖掘是从大量数据(包括文本)中挖掘出隐含的.先前未知的.对决策有潜在价值的关系.模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法.工具和过程.数据挖掘有助于企业发现业务的趋势,揭示已知的事实,预测未知的结果,因此"数据挖掘"已成为企业保持竞争力的必要方法. 近年来企业所处理的数据每五年就会呈现倍数增长.大部分的企业并没有数据不足的问题,过度的数据重复与不一致才是大问题,这

《数据挖掘:实用案例分析》——第1章 初识数据挖掘 1.1 什么是数据挖掘

第1章 初识数据挖掘 随着计算机技术.网络技术.通信技术和Internet技术的发展,以及各行各业业务操作流程的自动化,企业内积累了大量业务数据,这些数据动辄以TB计算.这些数据和由此产生的信息是企业的财富,它如实地记录着企业运作的状况.面对大量的数据,迫使人们不断寻找新的工具,来对企业的运营规律进行探索,为商业决策提供有价值的信息,使企业获得利润.能满足企业这一迫切需求的有力工具就是数据挖掘.对于企业而言,数据挖掘有助于发现业务的趋势,揭示已知的事实,预测未知的结果.从这个意义上讲,知识是力量

《数据挖掘:实用案例分析》——1.2 数据挖掘在企业商务智能应用中的定位

1.2 数据挖掘在企业商务智能应用中的定位 报告和商业智能解决方案对于了解过去和现在的状况是非常有用的.但是,预测分析解决方案还能使用户预见未来的发展状况,使其能够先发制人,而不是处于被动.数据分析和数据挖掘系统的目的是带给我们更多的决策支持信息,并不是取代数据报表.报表系统依然有其不可取代的优势,并且将会长期与数据分析.挖掘系统并存下去. 1.2.1 数据挖掘给企业带来最大的投资收益 预测分析解决方案将复杂的统计方法和机器学习技术应用到数据之中,通过使用预测分析技术来揭示隐藏在交易系统或企业资

《数据挖掘:实用案例分析》——1.5 本章小结

1.5 本章小结 本章主要介绍数据挖掘的相关知识.看到数据挖掘的前景如此美好,是否有跃跃欲试的感觉呢?第2章将介绍数据挖掘的算法及应用场景,看看你身边是否有可应用的场景呢?

《数据挖掘:实用案例分析》——2.3 关联规则

2.3 关联规则 我们经常会碰到这样的问题: 1)商业销售上,如何通过交叉销售得到更大的收入? 2)保险方面,如何分析索赔要求发现潜在的欺诈行为? 3)银行方面,如何分析顾客消费行业,以便有针对性地向其推荐感兴趣的服务? 4)哪些制造零件和设备设置与故障事件关联? 5)哪些病人和药物属性与结果关联? 6)哪些商品是已经购买商品A的人最有可能购买的? 除此之外,人们希望从大量的商业交易记录中发现有价值的关联知识,以帮助进行商品目录的设计.交叉营销或其他有关的商业决策.在商业销售上,关联规则可用于交

《数据挖掘:实用案例分析》——3.2 数据挖掘建模过程

3.2 数据挖掘建模过程 广州TipDM团队在多年的数据挖掘项目实施过程中,积累了一套行之有效的数据挖掘方法论,数据挖掘建模过程如图3-2所示. 3.2.1 定义挖掘目标 针对具体的数据挖掘应用需求,首先要非常清楚:本次的挖掘目标是什么?系统完成后能达到什么样的效果?因此我们必须分析应用领域,包括应用中的各种知识和应用目标.了解相关领域的有关情况,熟悉背景知识,弄清用户需求.要想充分发挥数据挖掘的价值,必须要对目标有一个清晰明确的定义,即决定到底想干什么.否则,很难得到正确的结果. 3.2.2

《数据挖掘:实用案例分析》——1.3 信息类BI应用与知识类BI应用

1.3 信息类BI应用与知识类BI应用 BI(Business Intelligence,商业智能)是一种运用了数据仓库.在线分析和数据挖掘等技术来处理和分析数据的崭新技术,目的是为企业决策者提供决策支持. BI是一个数据加工工厂,BI的原材料是海量的数据,BI的产品是由数据加工而来的信息和知识:BI将这些产品推送给企业决策者,企业决策者利用BI工厂的产品做出正确的决策,促进企业的发展.这就是BI--连接数据与决策者,变数据为价值. BI应用的两大类别是信息类应用和知识类应用,两者的主要区别见表

《数据挖掘:实用案例分析》——3.4 本章小结

3.4 本章小结 本章主要介绍了数据挖掘建模的方法论和常用的建模工具.实践表明,由于人工智能发展的局限性,计算机在未来相当长的一段时期内不可能像人类这样会进行复杂的思考,它只会按照人的指令工作.但是,计算机拥有海量的数据存储能力和超强的计算能力,所以只要我们建立合适的业务模型,设计完善的执行程序,选择正确的分析算法,它一定可以更好地为我们服务. 数据挖掘技术是一个年轻且充满希望的研究领域,商业利益的强大驱动力将会不停地促进它的发展.每年都有新的数据挖掘方法和模型问世,人们对它的研究正日益广泛和深

《数据挖掘:实用案例分析》——3.3 常用的建模工具

3.3 常用的建模工具 数据挖掘是一个过程,只有将数据挖掘工具提供的技术和实施经验与企业的业务逻辑和需求紧密结合,并在实施的过程中不断地磨合才能取得成功.因此我们在选择数据挖掘工具的时候,要全面考虑多方面的因素,主要包括以下几点: 下面简单介绍几种常用的数据挖掘建模工具: 1.Enterprise Miner Enterprise Miner(简称EM)是SAS推出的一个集成的数据挖掘系统,允许使用和比较不同的技术,同时还集成了复杂的数据库管理软件.它的运行方式是通过在一个工作空间(Worksp