2018年经济师考试初级商业预习考点数据挖掘

数据挖掘

数据挖掘(DataMining，DM)就是按企业的既定目标对大量的企业数据进行探索和分析，揭示隐藏的或验证已知的商业规律，且进一步将其模式化的数据处理方法。它的大特点就是能够建立预测模型，预知未来的发展，使企业在规划时具有科学决策依据。现在'大型数据库管理系统都具有建立数据仓库的功能，并在数据库、数据仓库的基础上进行数据挖掘。

数据挖掘具有以下主要功能：

(1)分类和预测。分类是从大量数据中找出不同类别对象的特征，从而对新加人对象进行自动分类。如银行会按客户的信用程度分类，数据挖掘能找出各类客户的数据特征，以后就能快速判断一个新客户的信用类别。分类数据挖掘还可用于预测，如预测可能流失，投奔竞争对手的客户。

(2)聚类分析。聚类是根据数据特征对数据对象进行自动归类。“聚类”与“分类”的不同在于“分类”预先知道应该分成哪几类，而“聚类”在操作之前并不知道数据可以分成哪些类别。如通过聚类分析可以将网购客户划分成互不相交的客户群，以便为不同的客户群推荐不同的目标商品。

(3)关联分析。关联分析是在大量数据中找出有关联的数据，或者找出同时发生的事件。关联可分为简单关联、时序关联、因果关联。如在超市的交易数据中发现哪些商品可能会被同时购买，从而寻找哪些商品捕绑销售能够有更多的受众。

(4)离群点分析。数据库中可能包含一些数据对象，它们与数据的一般行为或模型不一致，这些数据对象是离群点。大部分数据挖掘方法将离群点视为噪声或异常而丢弃，然而，在一些应用中(如欺骗检测)，罕见的事件可能比正常出现的事件更有价值。如检测一个给定账号的付费情况相比，其购买数额特别大、超出正常付费的数据对象可用来发现信用卡欺骗性使用。