數(shù)據(jù)挖掘發(fā)展

1、主講人朱揚(yáng)勇數(shù)據(jù)挖掘軟件發(fā)展(fzhn)分析共四十五頁一、數(shù)據(jù)挖掘概念(ginin)-定義數(shù)據(jù)挖掘-從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)(jsh)， 是統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫技術(shù)(jsh)和人工智能技術(shù)(jsh)的綜合。數(shù)據(jù)挖掘與統(tǒng)計(jì)學(xué)數(shù)據(jù)挖掘與人工智能數(shù)據(jù)挖掘與數(shù)據(jù)庫技術(shù)數(shù)據(jù)挖掘與KDD2共四十五頁一、數(shù)據(jù)挖掘概念(ginin)-原由國(guó)民經(jīng)濟(jì)(gumnjngj)和社會(huì)的信息化社會(huì)信息化后，社會(huì)的運(yùn)轉(zhuǎn)是軟件的運(yùn)轉(zhuǎn)社會(huì)信息化后，社會(huì)的歷史是數(shù)據(jù)的歷史因此政府提出“信息化”和“發(fā)展軟件產(chǎn)業(yè)”3共四十五頁一、數(shù)據(jù)挖掘概念(ginin)-原由數(shù)據(jù)挖掘數(shù)據(jù)庫越來越大有價(jià)值(jizh)的知識(shí)可怕的數(shù)據(jù)4共四十五頁一、數(shù)據(jù)

2、挖掘概念(ginin)-原由數(shù)據(jù)爆炸，知識(shí)(zh shi)貧乏 苦惱: 淹沒在數(shù)據(jù)中 ; 不能制定合適的決策! 數(shù)據(jù)知識(shí)決策模式趨勢(shì)事實(shí)關(guān)系模型關(guān)聯(lián)規(guī)則序列目標(biāo)市場(chǎng)資金分配貿(mào)易選擇在哪兒做廣告銷售的地理位置金融經(jīng)濟(jì)政府POS.人口統(tǒng)計(jì)生命周期5共四十五頁一、數(shù)據(jù)挖掘概念(ginin)-發(fā)展1989 IJCAI會(huì)議： 數(shù)據(jù)庫中的知識(shí)(zh shi)發(fā)現(xiàn)討論專題Knowledge Discovery in Databases (G. Piatetsky-Shapiro and W. Frawley, 1991)1991-1994 KDD討論專題Advances in Knowledge Disco

3、very and Data Mining (U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy, 1996)1995-1998 KDD國(guó)際會(huì)議 (KDD95-98)Journal of Data Mining and Knowledge Discovery (1997)1998 ACM SIGKDD, SIGKDD1999-2002 會(huì)議,以及SIGKDD Explorations數(shù)據(jù)挖掘方面更多的國(guó)際會(huì)議PAKDD, PKDD, SIAM-Data Mining, (IEEE) ICDM, DaWaK, SPIE-DM,

4、etc.6共四十五頁一、數(shù)據(jù)挖掘概念(ginin)-技術(shù)技術(shù)分類預(yù)言（Predication）：用歷史預(yù)測(cè)未來描述（Description）：了解數(shù)據(jù)中潛在的規(guī)律數(shù)據(jù)挖掘技術(shù)關(guān)聯(lián)分析(fnx)序列模式分類（預(yù)言）聚集異常檢測(cè)7共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展代特征數(shù)據(jù)挖掘算法集成分布計(jì)算模型數(shù)據(jù)模型第一代作為一個(gè)獨(dú)立的應(yīng)用支持一個(gè)或者多個(gè)算法 獨(dú)立的系統(tǒng)單個(gè)機(jī)器向量數(shù)據(jù)第二代和數(shù)據(jù)庫以及數(shù)據(jù)倉庫集成多個(gè)算法：能夠挖掘一次不能放進(jìn)內(nèi)存的數(shù)據(jù)數(shù)據(jù)管理系統(tǒng)，包括數(shù)據(jù)庫和數(shù)據(jù)倉庫同質(zhì)、局部區(qū)域的計(jì)算機(jī)群集有些系統(tǒng)支持對(duì)象,文本和連續(xù)的媒體數(shù)據(jù)第三代和預(yù)言模型系統(tǒng)集成 多個(gè)算法數(shù)據(jù)管理

5、和預(yù)言模型系統(tǒng)intranet/extranet網(wǎng)絡(luò)計(jì)算支持半結(jié)構(gòu)化數(shù)據(jù)和web數(shù)據(jù)第四代和移動(dòng)數(shù)據(jù)/各種計(jì)算設(shè)備的數(shù)據(jù)聯(lián)合 多個(gè)算法數(shù)據(jù)管理、預(yù)言模型、移動(dòng)系統(tǒng)移動(dòng)和各種計(jì)算設(shè)備普遍存在的計(jì)算模型 Robert Grossman， National Center for Data Mining University of Illinois at Chicago 的觀點(diǎn)(gundin)8共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第一代數(shù)據(jù)挖掘軟件(run jin)特點(diǎn)支持一個(gè)或少數(shù)幾個(gè)數(shù)據(jù)挖掘算法 挖掘向量數(shù)據(jù)（vector-valued data） 數(shù)據(jù)一般一次性調(diào)進(jìn)內(nèi)存進(jìn)行處理 典

6、型的系統(tǒng)如Salford Systems公司早期的CART系統(tǒng)() 缺陷如果數(shù)據(jù)足夠大，并且頻繁的變化，這就需要利用數(shù)據(jù)庫或者數(shù)據(jù)倉庫技術(shù)進(jìn)行管理，第一代系統(tǒng)顯然不能滿足需求。9共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第一代數(shù)據(jù)挖掘軟件 CBA新加坡國(guó)立大學(xué)。基于關(guān)聯(lián)規(guī)則的分類算法，能從關(guān)系數(shù)據(jù)或者交易(jioy)數(shù)據(jù)中挖掘關(guān)聯(lián)規(guī)則，使用關(guān)聯(lián)規(guī)則進(jìn)行分類和預(yù)測(cè)10共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第二代數(shù)據(jù)挖掘軟件(run jin)特點(diǎn)與數(shù)據(jù)庫管理系統(tǒng)（DBMS）集成 支持?jǐn)?shù)據(jù)庫和數(shù)據(jù)倉庫，和它們具有高性能的接口，具有高的可擴(kuò)展性 能夠挖掘大數(shù)據(jù)集、以及更復(fù)雜的數(shù)據(jù)集

7、 通過支持?jǐn)?shù)據(jù)挖掘模式（data mining schema）和數(shù)據(jù)挖掘查詢語言增加系統(tǒng)的靈活性 典型的系統(tǒng)如DBMiner，能通過DMQL挖掘語言進(jìn)行挖掘操作缺陷只注重模型的生成，如何和預(yù)言模型系統(tǒng)集成導(dǎo)致了第三代數(shù)據(jù)挖掘系統(tǒng)的開發(fā)11共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第二代數(shù)據(jù)挖掘軟件(run jin) DBMiner12共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第二代軟件(run jin) SAS Enterprise Miner13共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第三代數(shù)據(jù)挖掘軟件(run jin)特點(diǎn)和預(yù)言模型系統(tǒng)之間能夠無縫的集成，使得由數(shù)

8、據(jù)挖掘軟件產(chǎn)生的模型的變化能夠及時(shí)反映到預(yù)言模型系統(tǒng)中 由數(shù)據(jù)挖掘軟件產(chǎn)生的預(yù)言模型能夠自動(dòng)地被操作型系統(tǒng)吸收，從而與操作型系統(tǒng)中的預(yù)言模型相聯(lián)合提供決策支持的功能 能夠挖掘網(wǎng)絡(luò)環(huán)境下（Internet/Extranet）的分布式和高度異質(zhì)的數(shù)據(jù)，并且能夠有效地和操作型系統(tǒng)集成 缺陷不能支持移動(dòng)環(huán)境14共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第三代軟件(run jin) SPSS Clementine以PMML的格式提供與預(yù)言模型系統(tǒng)的接口15共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第四代數(shù)據(jù)挖掘軟件(run jin)特點(diǎn)目前移動(dòng)計(jì)算越發(fā)顯得重要，將數(shù)據(jù)挖掘和移動(dòng)計(jì)算相結(jié)合

9、是當(dāng)前的一個(gè)研究領(lǐng)域。 第四代軟件能夠挖掘嵌入式系統(tǒng)、移動(dòng)系統(tǒng)、和普遍存在（ubiquitous）計(jì)算設(shè)備產(chǎn)生的各種類型的數(shù)據(jù)第四代數(shù)據(jù)挖掘原型或商業(yè)系統(tǒng)尚未見報(bào)導(dǎo)，PKDD2001上Kargupta發(fā)表了一篇在移動(dòng)環(huán)境下挖掘決策樹的論文，Kargupta是馬里蘭巴爾的摩州立大學(xué)（University of Maryland Baltimore County）正在研制的CAREER數(shù)據(jù)挖掘項(xiàng)目的負(fù)責(zé)人，該項(xiàng)目研究期限是2001年4月到2006年4月，目的是開發(fā)挖掘分布式和異質(zhì)數(shù)據(jù)（Ubiquitous設(shè)備）的第四代數(shù)據(jù)挖掘系統(tǒng)。 16共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展第一代系統(tǒng)

10、與第二代相比因?yàn)椴痪哂泻蛿?shù)據(jù)管理系統(tǒng)之間有效的接口，所以在數(shù)據(jù)預(yù)處理方面有一定缺陷 第三、四代系統(tǒng)強(qiáng)調(diào)預(yù)言模型的使用和在操作型環(huán)境的部署 第二代系統(tǒng)提供數(shù)據(jù)管理系統(tǒng)和數(shù)據(jù)挖掘系統(tǒng)之間的有效接口 第三代系統(tǒng)另外還提供數(shù)據(jù)挖掘系統(tǒng)和預(yù)言模型系統(tǒng)之間的有效的接口 目前，隨著新的挖掘算法(sun f)的研究和開發(fā)，第一代數(shù)據(jù)挖掘系統(tǒng)仍然會(huì)出現(xiàn)，第二代系統(tǒng)是商業(yè)軟件的主流，部分第二代系統(tǒng)開發(fā)商開始研制相應(yīng)的第三代數(shù)據(jù)挖掘系統(tǒng)，比如 IBM Intelligent Score Service。第四代數(shù)據(jù)挖掘原型或商業(yè)系統(tǒng)尚未見報(bào)導(dǎo) 17共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展數(shù)據(jù)挖掘軟件發(fā)展的三

11、個(gè)階段獨(dú)立(dl)的數(shù)據(jù)挖掘軟件橫向的數(shù)據(jù)挖掘工具集縱向的數(shù)據(jù)挖掘解決方案Gregory Piatetsky-Shapiro的觀點(diǎn)18共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展獨(dú)立(dl)的數(shù)據(jù)挖掘軟件（95年以前）特點(diǎn)獨(dú)立的數(shù)據(jù)挖掘軟件對(duì)應(yīng)第一代系統(tǒng)，出現(xiàn)在數(shù)據(jù)挖掘技術(shù)發(fā)展早期，研究人員開發(fā)出一種新型的數(shù)據(jù)挖掘算法，就形成一個(gè)軟件。這類軟件要求用戶對(duì)具體的算法和數(shù)據(jù)挖掘技術(shù)有相當(dāng)?shù)牧私?，還要負(fù)責(zé)大量的數(shù)據(jù)預(yù)處理工作。比如C4.5決策樹，平行坐標(biāo)可視化（parallel-coordinate visualization）。 19共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展橫向(h

12、n xin)的數(shù)據(jù)挖掘工具集（95年開始）發(fā)展原因隨著數(shù)據(jù)挖掘應(yīng)用的發(fā)展，人們逐漸認(rèn)識(shí)到數(shù)據(jù)挖掘軟件需要和以下三個(gè)方面緊密結(jié)合：1）數(shù)據(jù)庫和數(shù)據(jù)倉庫；2）多種類型的數(shù)據(jù)挖掘算法；3）數(shù)據(jù)清洗、轉(zhuǎn)換等預(yù)處理工作。隨著數(shù)據(jù)量的增加，需要利用數(shù)據(jù)庫或者數(shù)據(jù)倉庫技術(shù)進(jìn)行管理，所以數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫和數(shù)據(jù)倉庫結(jié)合是自然的發(fā)展。 現(xiàn)實(shí)領(lǐng)域的問題是多種多樣的，一種或少數(shù)數(shù)據(jù)挖掘算法難以解決 挖掘的數(shù)據(jù)通常不符合算法的要求，需要有數(shù)據(jù)清洗、轉(zhuǎn)換等數(shù)據(jù)預(yù)處理的配合，才能得出有價(jià)值的模型 20共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展橫向(hn xin)的數(shù)據(jù)挖掘工具集（95年開始）發(fā)展過程隨著這些需求

13、的出現(xiàn)，1995年左右軟件開發(fā)商開始提供稱之為“工具集”的數(shù)據(jù)挖掘軟件特點(diǎn)此類工具集的特點(diǎn)是提供多種數(shù)據(jù)挖掘算法 包括數(shù)據(jù)的轉(zhuǎn)換和可視化 由于此類工具并非面向特定的應(yīng)用，是通用的算法集合，可以稱之為橫向的數(shù)據(jù)挖掘工具（Horizontal Data Mining Tools） 由于此類工具并非面向特定的應(yīng)用，是通用的算法集合，所以稱之為橫向的數(shù)據(jù)挖掘工具典型的橫向工具有IBM Intelligent Miner、SPSS的Clementine、SAS的Enterprise Miner、SGI的MineSet、Oracle Darwin等 21共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展橫

14、向(hn xin)的數(shù)據(jù)挖掘工具集（95年開始）IBM Intelligent MinerSPSS的ClementineSAS的Enterprise MinerSGI的MineSetOracle Darwin22共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展縱向(zn xin)的數(shù)據(jù)挖掘解決方案（99年開始）發(fā)展原因隨著橫向的數(shù)據(jù)挖掘工具的使用日漸廣泛，人們也發(fā)現(xiàn)這類工具只有精通數(shù)數(shù)據(jù)挖掘算法的專家才能熟練使用，如果對(duì)算法不了解，難以得出好的模型 從1999年開始，大量的數(shù)據(jù)挖掘工具研制者開始提供縱向的數(shù)據(jù)挖掘解決方案（Vertical Solution），即針對(duì)特定的應(yīng)用提供完整的數(shù)據(jù)挖

15、掘方案 對(duì)于縱向的解決方案，數(shù)據(jù)挖掘技術(shù)的應(yīng)用多數(shù)還是為了解決某些特定的難題，而嵌入在應(yīng)用系統(tǒng)中23共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展縱向(zn xin)的數(shù)據(jù)挖掘解決方案（99年開始）在證券系統(tǒng)中嵌入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)功能在欺詐檢測(cè)系統(tǒng)中嵌入欺詐行為的分類/識(shí)別模型在客戶關(guān)系管理系統(tǒng)中嵌入客戶成簇/分類功能或客戶行為分析功能在機(jī)器維護(hù)系統(tǒng)中嵌入監(jiān)/檢測(cè)或識(shí)別難以定性的設(shè)備故障功能在數(shù)據(jù)庫營(yíng)銷中嵌入選擇最可能購買產(chǎn)品的客戶功能在機(jī)場(chǎng)管理系統(tǒng)中嵌入旅客人數(shù)預(yù)測(cè)、貨運(yùn)優(yōu)化功能在基因分析系統(tǒng)中嵌入DNA識(shí)別功能在制造/生產(chǎn)系統(tǒng)中嵌入質(zhì)量控制功能等24共四十五頁二、數(shù)據(jù)挖掘軟件(run ji

16、n)的發(fā)展縱向(zn xin)的數(shù)據(jù)挖掘解決方案（99年開始）KD1（主要用于零售業(yè)）Options&Choice(主要用于保險(xiǎn)業(yè))HNC（欺詐行為偵測(cè)）Unica Model 1(主要用于市場(chǎng)營(yíng)銷)25共四十五頁二、數(shù)據(jù)挖掘軟件(run jin)的發(fā)展綜合的數(shù)據(jù)挖掘解決方案（復(fù)旦(f dn)的工作）各行業(yè)電子商務(wù)網(wǎng)站算法層商業(yè)邏輯層行業(yè)應(yīng)用層商業(yè)應(yīng)用商業(yè)模型挖掘算法CRM產(chǎn)品推薦客戶細(xì)分客戶流失客戶利潤(rùn)客戶響應(yīng)關(guān)聯(lián)規(guī)則、序列模式、分類、聚集、神經(jīng)元網(wǎng)絡(luò)、偏差分析WEB挖掘網(wǎng)站結(jié)構(gòu)優(yōu)化網(wǎng)頁推薦商品推薦?；蛲诰蚧虮磉_(dá)路徑分析基因表達(dá)相似性分析基因表達(dá)共發(fā)生分析。銀行電信零售保險(xiǎn)制藥生物信息科

17、學(xué)研究。相關(guān)行業(yè)26共四十五頁三、數(shù)據(jù)挖掘軟件(run jin)的現(xiàn)狀情況概覽2002年9月，Amazon上關(guān)于數(shù)據(jù)挖掘的書有251本()目前(mqin)有數(shù)百個(gè)數(shù)據(jù)挖掘軟件產(chǎn)品（）數(shù)據(jù)挖掘應(yīng)用相對(duì)廣泛 27共四十五頁三、數(shù)據(jù)挖掘軟件(run jin)的現(xiàn)狀2001/5/142001/5/24（實(shí)際(shj)）2001/11/262001/12/9（預(yù)測(cè)）28共四十五頁三、數(shù)據(jù)挖掘軟件(run jin)的現(xiàn)狀調(diào)查報(bào)告（2002.6.3-6.16）29共四十五頁三、數(shù)據(jù)挖掘軟件的現(xiàn)狀(xinzhung)（國(guó)內(nèi)情況）大部分處于科研階段各大學(xué)和科研機(jī)構(gòu)從事數(shù)據(jù)挖掘算法的研究國(guó)內(nèi)著作的數(shù)據(jù)挖掘方面的書

18、較少（翻譯的有）數(shù)據(jù)挖掘討論組（）有一些公司在國(guó)外產(chǎn)品基礎(chǔ)上開發(fā)的特定的應(yīng)用(yngyng)IBM Intelligent MinerSAS Enterprise Miner自主知識(shí)產(chǎn)權(quán)的數(shù)據(jù)挖掘軟件復(fù)旦德門（）等30共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)調(diào)查報(bào)告（2002.6.3-6.16）31共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)銀行美國(guó)銀行家協(xié)會(huì)(ABA)預(yù)測(cè)數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在美國(guó)商業(yè)銀行的應(yīng)用增長(zhǎng)率是14.9。 分析客戶使用分銷渠道的情況和分銷渠道的容量 ；建立利潤(rùn)評(píng)測(cè)模型；客戶關(guān)系優(yōu)化；風(fēng)險(xiǎn)控制等電子商務(wù)網(wǎng)上商品(shngpn)推薦；個(gè)性化網(wǎng)頁；自適應(yīng)網(wǎng)站生物制藥、基因

19、研究DNA序列查詢和匹配；識(shí)別基因序列的共發(fā)生性 電信欺詐甄別；客戶流失保險(xiǎn)、零售。32共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)數(shù)據(jù)挖掘客戶分析析基分因其他保險(xiǎn)客戶證券(zhngqun)客戶銀行客戶電信客戶零售客戶信用卡儲(chǔ)蓄卡存折按揭借貸人類基因植物基因動(dòng)物基因特殊群體基因基因序列基因表達(dá)譜基因功能基因制藥 .數(shù)據(jù)挖掘中國(guó)內(nèi)地市場(chǎng)規(guī)模未來五年內(nèi)將達(dá)百億33共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)為什么沒有廣泛(gungfn)使用？數(shù)據(jù)挖掘正在快速的發(fā)展技術(shù)的研究和開發(fā)已經(jīng)走在很前沿的地方數(shù)據(jù)挖掘應(yīng)用面已經(jīng)擴(kuò)充了很多但是仍然沒有希望的高，為什么？希望在多少年內(nèi)達(dá)到數(shù)十億元的盈利？是一種增值服

20、務(wù)（Not bread-and-butter）不能認(rèn)為高不可攀，所以不去過問是一門年輕的技術(shù)，需要和實(shí)際結(jié)合，解決現(xiàn)實(shí)問題34共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)國(guó)內(nèi)應(yīng)用存在(cnzi)的問題數(shù)據(jù)積累不充分、不全面業(yè)務(wù)模型構(gòu)建困難缺少有經(jīng)驗(yàn)的實(shí)施者35共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸Debt$40KQQQQII123456factor 1factor 2factor n神經(jīng)網(wǎng)絡(luò) Neural Networks聚類分析 ClusteringOpenAccntAdd NewProductDecreaseUsage?Time序列(xli)分析 Sequence Analys

21、is決策樹 Decision Trees 傾向性分析 客戶保留 客戶生命周期管理 目標(biāo)市場(chǎng) 價(jià)格彈性分析 客戶細(xì)分 市場(chǎng)細(xì)分 傾向性分析 客戶保留 目標(biāo)市場(chǎng) 欺詐檢測(cè)關(guān)聯(lián)分析 Association 市場(chǎng)組合分析 套裝產(chǎn)品分析 目錄設(shè)計(jì) 交叉銷售36共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸聚集（Cluster）聚集是把整個(gè)數(shù)據(jù)庫分成不同的群組。它的目的是要群與群之間差別很明顯，而同一個(gè)群之間的數(shù)據(jù)盡量相似。 常用技術(shù)(jsh)：神經(jīng)元網(wǎng)絡(luò)、K均值、最近鄰37共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸異常檢測(cè)及時(shí)發(fā)現(xiàn)有欺詐嫌疑的異常行為，正確(zhngqu)進(jìn)行欺詐問題的評(píng)

22、估，對(duì)欺詐者實(shí)施控制和強(qiáng)制措施。技術(shù)：決策樹，神經(jīng)元網(wǎng)絡(luò)，異常因子LOF檢測(cè)客戶消費(fèi)異常行為分析模型38共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸客戶分析業(yè)務(wù)模型交叉銷售客戶響應(yīng)客戶流失(lish)客戶利潤(rùn)信用卡分析業(yè)務(wù)模型客戶信用等級(jí)評(píng)估客戶透支分析客戶利潤(rùn)分析客戶消費(fèi)行為分析 客戶消費(fèi)異常行為分析39共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸MISERPCRME_BusinessCDW客戶數(shù)據(jù)倉庫數(shù)據(jù)挖掘算法庫模型庫組件庫產(chǎn)品推薦客戶細(xì)分客戶流失客戶利潤(rùn)客戶響應(yīng)行業(yè)應(yīng)用知識(shí)CIAS應(yīng)用服務(wù)器信息系統(tǒng) 行業(yè)分析數(shù)據(jù)挖掘應(yīng)用平臺(tái)CIAS40共四十五頁四、數(shù)據(jù)挖掘應(yīng)用(yngyng)-業(yè)務(wù)建摸客戶(k h)響應(yīng)模型基本概念響應(yīng)率分