數(shù)據(jù)挖掘數(shù)據(jù)匯編

數(shù)據(jù)挖掘數(shù)據(jù)匯編從Internet如果大家有補充的可隨時交流、增加、修改。中國大陸數(shù)據(jù)挖掘討論組

精品文檔放心下載2000年12月1.數(shù)據(jù)挖掘技術的由來........................................................................................................4

1.1網(wǎng)絡之后的下一個技術熱點...................................................................................4

1.2數(shù)據(jù)爆炸但知識貧乏..............................................................................................4

1.3支持數(shù)據(jù)挖掘技術的基礎......................................................................................4

1.4從商業(yè)數(shù)據(jù)到商業(yè)信息的進化..............................................................................5

1.5數(shù)據(jù)挖掘逐漸演變的過程......................................................................................5

2數(shù)據(jù)挖掘的定義................................................................................................................6

2.1技術上的定義及含義..............................................................................................6

2.2商業(yè)角度的定義......................................................................................................7

2.3數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別....................................................................7

3資料挖掘的研究歷史和現(xiàn)狀............................................................................................7

3.1研究歷史............................................................................................................7

3.2出版物及工具....................................................................................................8

3.3國內(nèi)現(xiàn)狀............................................................................................................8

3.4業(yè)界觀點............................................................................................................8

4資料挖掘研究內(nèi)容和本質(zhì)................................................................................................9

4.1廣義知識（Generalization）............................................................................9

4.2關聯(lián)知識（Association）.......................................................................................9

4.3分類知識(Classification＆Clustering).....................................................................9

4.4預測型知識（Prediction）.....................................................................................10

4.5偏差型知識(Deviation)...........................................................................................10

5數(shù)據(jù)挖掘的功能..............................................................................................................10

5.1自動預測趨勢和行為......................................................................................10

5.2關聯(lián)分析..........................................................................................................10

5.3聚類..................................................................................................................11

5.4概念描述.................................................................................................................11

5.5偏差檢測.................................................................................................................11

6數(shù)據(jù)挖掘常用技術..........................................................................................................11

6.1人工神經(jīng)網(wǎng)絡..................................................................................................11

6.2決策樹.....................................................................................................................11

6.3遺傳算法.................................................................................................................11

6.4近鄰算法.................................................................................................................11

6.5規(guī)則推導.................................................................................................................11

7數(shù)據(jù)挖掘工具..................................................................................................................12

7.1基于神經(jīng)網(wǎng)絡的工具......................................................................................12

7.2基于規(guī)則和決策樹的工具..............................................................................12

7.3基于模糊邏輯的工具......................................................................................12

7.4綜合多方法工具..............................................................................................12

8數(shù)據(jù)挖掘的流程..............................................................................................................12

8.1數(shù)據(jù)挖掘環(huán)境.........................................................................................................12

8.2數(shù)據(jù)挖掘過程圖.....................................................................................................12

8.3數(shù)據(jù)挖掘過程工作量......................................................................................13

8.4數(shù)據(jù)挖掘過程簡介.................................................................................................13

8.5數(shù)據(jù)挖掘需要的人員.............................................................................................14

9資料挖掘未來研究方向..................................................................................................14感謝閱讀10數(shù)據(jù)挖掘熱點..................................................................................................................15精品文檔放心下載10.1網(wǎng)站的數(shù)據(jù)挖掘（Websitedatamining）........................................................15精品文檔放心下載10.2生物信息或基因的數(shù)據(jù)挖掘..............................................................................16感謝閱讀10.3文本的數(shù)據(jù)挖掘（Textualmining）...................................................................16感謝閱讀11Web數(shù)據(jù)挖掘與XML..................................................................................................16精品文檔放心下載11.1Web數(shù)據(jù)挖掘的難點...........................................................................................16謝謝閱讀11.2XML與Web數(shù)據(jù)挖掘技術................................................................................17謝謝閱讀12數(shù)據(jù)挖掘應用..................................................................................................................20精品文檔放心下載12.1數(shù)據(jù)挖掘解決的典型商業(yè)問題.........................................................................20感謝閱讀12.2數(shù)據(jù)挖掘在市場營銷的應用.............................................................................20謝謝閱讀12.3成功案例.............................................................................................................21謝謝閱讀13實施資料挖掘項目考慮的問題......................................................................................23謝謝閱讀14實施資料挖掘項目考慮的問題......................................................................................24感謝閱讀1.1.數(shù)據(jù)挖掘技術的由來1.1網(wǎng)絡之后的下一個技術熱點精品文檔放心下載社會。如果用芯片集成度來衡量微電子技術，用CPU處理速度來衡量計算機技術，用信道感謝閱讀傳輸速率來衡量通信技術，那么摩爾定律告訴我們，它們都是以每18個月翻一番的速度在感謝閱讀增長，這一勢頭已經(jīng)維持了十多年。在美國，廣播達到5000萬戶用了38年；電視用了13感謝閱讀Internet撥號上網(wǎng)達到5000萬戶僅用了4年。全球IP網(wǎng)發(fā)展速度達到每6個月翻一番，謝謝閱讀國內(nèi)情況亦然。1999年初，中國上網(wǎng)用戶為210萬，現(xiàn)在已經(jīng)達到600萬。網(wǎng)絡的發(fā)展導精品文檔放心下載1998年全球產(chǎn)值排序前1005149個。感謝閱讀謝謝閱讀感謝閱讀技術呢?有人甚至提出要把網(wǎng)絡技術與火的發(fā)明相比擬?；鸬陌l(fā)明區(qū)別了動物和人，種種科精品文檔放心下載精品文檔放心下載量和人的素質(zhì)，使人成為社會人、全球人。精品文檔放心下載象：《紐約時報》由60年代的10～20版擴張至現(xiàn)在的100～200版，最高曾達1572版；謝謝閱讀《北京青年報》也已是16～40版；市場營銷報已達100版。然而在現(xiàn)實社會中，人均日閱感謝閱讀讀時間通常為30～4524謝謝閱讀謝謝閱讀安全難以保證；第四是信息形式不一致，難以統(tǒng)一處理。人們開始提出一個新的口號：“要謝謝閱讀學會拋棄信息”。人們開始考慮：“如何才能不被信息淹沒，而是從中及時發(fā)現(xiàn)有用的知識、精品文檔放心下載提高信息利用率？”面對這一挑戰(zhàn)，數(shù)據(jù)開采和知識發(fā)現(xiàn)（DMKD）技術應運而生，并顯示出強大的生命感謝閱讀力。1.2數(shù)據(jù)爆炸但知識貧乏感謝閱讀謝謝閱讀精品文檔放心下載等功能，但無法發(fā)現(xiàn)數(shù)據(jù)中存在的關系和規(guī)則，無法根據(jù)現(xiàn)有的資料預測未來的發(fā)展趨勢。謝謝閱讀缺乏挖掘數(shù)據(jù)背后隱藏的知識的手段，導致了“數(shù)據(jù)爆炸但知識貧乏”的現(xiàn)象。感謝閱讀1.3支持數(shù)據(jù)挖掘技術的基礎感謝閱讀謝謝閱讀謝謝閱讀謝謝閱讀精品文檔放心下載成熟，他們是：--海量資料搜集--強大的多處理器計算機--數(shù)據(jù)挖掘算法Friedman[1997]--超大規(guī)模數(shù)據(jù)庫的出現(xiàn)，例如商業(yè)數(shù)據(jù)倉庫和計算機自動收集的數(shù)據(jù)記錄；

--先進的計算機技術，例如更快和更大的計算能力和并行體系結構；

--對巨大量數(shù)據(jù)的快速訪問；謝謝閱讀--對這些資料應用精深的統(tǒng)計方法計算的能力。感謝閱讀對計算機硬件性能越來越高的要求，也可以用現(xiàn)在已經(jīng)成熟的并行多處理機的技術來滿足；感謝閱讀另外數(shù)據(jù)挖掘算法經(jīng)過了這10多年的發(fā)展也已經(jīng)成為一種成熟，穩(wěn)定，且易于理解和操作謝謝閱讀的技術。1.4從商業(yè)數(shù)據(jù)到商業(yè)信息的進化謝謝閱讀精品文檔放心下載庫技術已經(jīng)可以快速地回答商業(yè)上的很多問題了。進化階段商業(yè)問題支持技術產(chǎn)品廠家產(chǎn)品特點資料搜集(60年代)“過去五年中我的總收入是多少？”盤IBM,CDC態(tài)的數(shù)據(jù)信息資料訪問(80年代)關系數(shù)據(jù)庫“在新英格蘭的分Oracle、Sybase、在記錄級提供歷（RDBMS構部去年三月的銷Informix、IBM、化查詢語言售額是多少？”Microsoft信息（SQLODBC“在新英格蘭的分資料倉庫；決策支部去年三月的銷聯(lián)機分析處理Pilot、Comshare、在各種層次上提謝謝閱讀援售額是多少？波（OLAPArbor、Cognos、謝謝閱讀(90年代)士頓據(jù)此可得出據(jù)庫、數(shù)據(jù)倉庫Microstrategy數(shù)據(jù)信息精品文檔放心下載什么結論？”數(shù)據(jù)挖掘（正在流行）“下個月波士頓的Pilot、Lockheed、銷售會怎么樣？器計算機、海量數(shù)IBM、SGI、其它為什么？”據(jù)庫初創(chuàng)公司提供預測性的信息表一、數(shù)據(jù)挖掘的進化歷程。謝謝閱讀感謝閱讀掘技術在當前的數(shù)據(jù)倉庫環(huán)境中進入了實用的階段。1.5數(shù)據(jù)挖掘逐漸演變的過程數(shù)據(jù)挖掘其實是一個逐漸演變的過程,電子數(shù)據(jù)處理的初期,人們就試圖通過某些方法精品文檔放心下載來實現(xiàn)自動決策支持,當時機器學習成為人們關心的焦點.機器學習的過程就是將一些已知的謝謝閱讀并已被成功解決的問題作為范例輸入計算機,機器通過學習這些范例總結并生成相應的規(guī)則,感謝閱讀這些規(guī)則具有通用性,使用它們可以解決某一類的問題.隨后,隨著神經(jīng)網(wǎng)絡技術的形成和發(fā)感謝閱讀展,人們的注意力轉(zhuǎn)向知識工程,知識工程不同于機器學習那樣給計算機輸入范例，讓它生成精品文檔放心下載精品文檔放心下載些問題。專家系統(tǒng)就是這種方法所得到的成果，但它有投資大、效果不甚理想等不足。80感謝閱讀感謝閱讀80精品文檔放心下載KDD(Knowledgediscoveryindatabase).它泛指所有從源數(shù)據(jù)中發(fā)掘模式或聯(lián)系的方法，人們精品文檔放心下載KDD來描述整個數(shù)據(jù)發(fā)掘的過程，包括最開始的制定業(yè)務目標到最精品文檔放心下載終的結果分析，而用數(shù)據(jù)挖掘（datamining）來描述使用挖掘算法進行數(shù)據(jù)挖掘的子過程。精品文檔放心下載精品文檔放心下載略是將統(tǒng)計方法與資料挖掘有機的結合起來。謝謝閱讀感謝閱讀從操作數(shù)據(jù)源中挖掘信息2數(shù)據(jù)挖掘的定義2.1技術上的定義及含義數(shù)據(jù)挖掘（DataMining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際感謝閱讀精品文檔放心下載謝謝閱讀感謝閱讀可接受、可理解、可運用；并不要求發(fā)現(xiàn)放之四海皆準的知識，僅支持特定的發(fā)現(xiàn)問題。謝謝閱讀----何為知識?從廣義上理解，數(shù)據(jù)、信息也是知識的表現(xiàn)形式，但是人們更把概念、規(guī)則、精品文檔放心下載謝謝閱讀感謝閱讀精品文檔放心下載謝謝閱讀精品文檔放心下載感謝閱讀精品文檔放心下載感謝閱讀形成新的技術熱點。感謝閱讀精品文檔放心下載精品文檔放心下載語言表達所發(fā)現(xiàn)的結果。2.2商業(yè)角度的定義進行抽取、轉(zhuǎn)換、分析和其它模型化處理，從中提取輔助商業(yè)決策的關鍵性數(shù)據(jù)。

由于純機會的（Opportunistic）商業(yè)運作而產(chǎn)生。分析這些數(shù)據(jù)也不再是單純?yōu)榱搜芯康男?/p>

因此而得名。感謝閱讀揭示隱藏的、未知的或驗證已知的規(guī)律性，并進一步將其模型化的先進有效的方法。感謝閱讀2.3數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析()的本質(zhì)區(qū)別是數(shù)據(jù)挖掘是在

沒有明確假設的前提下去挖掘信息、發(fā)現(xiàn)知識.數(shù)據(jù)挖掘所得到的信息應具有先未知,有效和

可實用三個特征.謝謝閱讀先前未知的信息是指該信息是預先未曾預料到的,既數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺

發(fā)現(xiàn)的信息或知識,甚至是違背直覺的信息或知識,挖掘出的信息越是出乎意料,就可能越有

價值.在商業(yè)應用中最典型的例子就是一家連鎖店通過數(shù)據(jù)挖掘發(fā)現(xiàn)了小孩尿布和啤酒之間

有著驚人的聯(lián)系.謝謝閱讀3資料挖掘的研究歷史和現(xiàn)狀3.1研究歷史從數(shù)據(jù)庫中發(fā)現(xiàn)知識（KDD1989年舉行的第十一屆國際聯(lián)合人工智謝謝閱讀KDD國際研討會已經(jīng)召開了8次，謝謝閱讀規(guī)模由原來的專題討論會發(fā)展到國際學術大會（見表1精品文檔放心下載系統(tǒng)應用，注重多種發(fā)現(xiàn)策略和技術的集成，以及多種學科之間的相互滲透。1999年，亞精品文檔放心下載太地區(qū)在北京召開的第三屆PAKDD會議收到158篇論文，空前熱烈。IEEE的Knowledge精品文檔放心下載andDataEngineering會刊率先在1993年出版了KDD技術?？２⑿杏嬎?、計算機網(wǎng)絡和謝謝閱讀精品文檔放心下載到了膾炙人口的程度。3.2出版物及工具此外，在Internet上還有不少KDD電子出版物，其中以半月刊KnowledgeDiscovery感謝閱讀Nuggets最為權威（/subscribe.html）。在網(wǎng)上還有許多自由論壇，感謝閱讀如DMEmailClub等。至于DMKD書籍，可以在任意一家計算機書店找到十多本。目前，精品文檔放心下載世界上比較有影響的典型數(shù)據(jù)挖掘系統(tǒng)有：SAS公司的EnterpriseMiner、IBM公司的精品文檔放心下載IntelligentMinerSGI公司的SetMinerSPSS公司的ClementineSybase公司的Warehouse精品文檔放心下載StudioRuleQuestResearch公司的See5CoverStoryEXPLORAKnowledgeDiscovery感謝閱讀Workbench、DBMiner、Quest等。讀者可以訪問.網(wǎng)站，該網(wǎng)感謝閱讀站提供了許多數(shù)據(jù)挖掘系統(tǒng)和工具的性能測試報告。3.3國內(nèi)現(xiàn)狀DMKD1993年國家自然科學基感謝閱讀精品文檔放心下載感謝閱讀精品文檔放心下載感謝閱讀精品文檔放心下載感謝閱讀數(shù)據(jù)的知識發(fā)現(xiàn)以及Web數(shù)據(jù)挖掘。3.4業(yè)界觀點GartnerGroup的一次高級技術調(diào)查將數(shù)據(jù)挖掘和人工智能列為“未來三到五年內(nèi)精品文檔放心下載將對工業(yè)產(chǎn)生深遠影響的五大關鍵技術”之首，并且還將并行處理體系和數(shù)據(jù)挖掘列為未來感謝閱讀五年內(nèi)投資焦點的十大新興技術前兩位。根據(jù)最近Gartner的HPC研究表明，“隨著資料捕精品文檔放心下載謝謝閱讀價值，采用更為廣闊的并行處理系統(tǒng)來創(chuàng)建新的商業(yè)增長點。”謝謝閱讀4資料挖掘研究內(nèi)容和本質(zhì)----隨著DMKD精品文檔放心下載支柱：數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計。因此，KDD大會程序委員會曾經(jīng)由這三個學科的權感謝閱讀威人物同時來任主席。目前DMKD的主要研究內(nèi)容包括基礎理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、謝謝閱讀精品文檔放心下載結構化數(shù)據(jù)中的知識發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。----數(shù)據(jù)挖掘所發(fā)現(xiàn)的知識最常見的有以下四類：4.1廣義知識（Generalization）----廣義知識指類別特征的概括性描述知識。根據(jù)資料的微觀特性發(fā)現(xiàn)其表征的、帶有普遍精品文檔放心下載感謝閱讀煉和抽象。----廣義知識的發(fā)現(xiàn)方法和實現(xiàn)技術有很多，如數(shù)據(jù)立方體、面向?qū)傩缘臍w約等。數(shù)據(jù)立方感謝閱讀體還有其它一些別名，如“多維數(shù)據(jù)庫”、“實現(xiàn)視圖”、“OLAP"等。該方法的基本思想是實感謝閱讀據(jù)視圖。另一種廣義知識發(fā)現(xiàn)方法是加拿大SimonFraser大學提出的面向?qū)傩缘臍w約方法。

這種方法以類SQL語言表示數(shù)據(jù)挖掘查詢，收集數(shù)據(jù)庫中的相關數(shù)據(jù)集，然后在相關數(shù)據(jù)

集上應用一系列數(shù)據(jù)推廣技術進行數(shù)據(jù)推廣，包括屬性刪除、概念樹提升、屬性閾值控制、

計數(shù)及其它聚集函數(shù)傳播等。4.2關聯(lián)知識（Association）感謝閱讀----那么其中一項的屬性值就可以依據(jù)其它屬性值進行預測。最為著名的關聯(lián)規(guī)則發(fā)現(xiàn)方法是

R.Agrawal提出的Apriori算法。關聯(lián)規(guī)則的發(fā)現(xiàn)可分為兩步。第一步是疊代識別所有的頻

的核心，也是計算量最大的部分。謝謝閱讀4.3分類知識(Classification＆Clustering)精品文檔放心下載----它反映同類事物共同性質(zhì)的特征型知識和不同事物之間的差異型特征知識。最為典型的

為典型的決策樹學習系統(tǒng)是ID3，它采用自頂向下不回溯策略，能保證找到一個簡單的樹。

算法C4.5和C5.0都是ID3的擴展，它們將分類領域從類別屬性擴展到數(shù)值型屬性。

----資料分類還有統(tǒng)計、粗糙集（RoughSet）等方法。線性回歸和線性辨別分析是典型的統(tǒng)

網(wǎng)絡方法在數(shù)據(jù)庫中進行分類和規(guī)則提取。謝謝閱讀4.4預測型知識（Prediction）----它根據(jù)時間序列型資料，由歷史的和當前的數(shù)據(jù)去推測未來的數(shù)據(jù)，也可以認為是以時謝謝閱讀間為關鍵屬性的關聯(lián)知識。----目前，時間序列預測方法有經(jīng)典的統(tǒng)計方法、神經(jīng)網(wǎng)絡和機器學習等。1968年Box和

Jenkins提出了一套比較完善的時間序列建模理論和分析方法，這些經(jīng)典的數(shù)學方法通過建

立新的模型。也有許多系統(tǒng)借助并行算法的計算優(yōu)勢進行時間序列預測。謝謝閱讀4.5偏差型知識(Deviation)----(Deviation)以滿足不同用戶不同層次決策的需要。感謝閱讀5數(shù)據(jù)挖掘的功能從數(shù)據(jù)庫中發(fā)現(xiàn)隱含的、有意義的知識，主要有以下五類功能。謝謝閱讀5.1自動預測趨勢和行為精品文檔放心下載謝謝閱讀感謝閱讀對指定事件最可能作出反應的群體。5.2關聯(lián)分析感謝閱讀感謝閱讀謝謝閱讀確定的，因此關聯(lián)分析生成的規(guī)則帶有可信度。5.3聚類精品文檔放心下載精品文檔放心下載分類學。80年代初，Mchalski提出了概念聚類技術牞其要點是，在劃分對象時不僅考慮對精品文檔放心下載象之間的距離，還要求劃分出的類具有某種內(nèi)涵描述，從而避免了傳統(tǒng)技術的某些片面性。謝謝閱讀5.4概念描述感謝閱讀謝謝閱讀生成一個類的特征性描述只涉及該類對象中所有對象的共性。生成區(qū)別性描述的方法很多，精品文檔放心下載如決策樹方法、遺傳算法等。5.5偏差檢測感謝閱讀感謝閱讀值隨時間的變化等。偏差檢測的基本方法是，尋找觀測結果與參照值之間有意義的差別。精品文檔放心下載6數(shù)據(jù)挖掘常用技術6.1人工神經(jīng)網(wǎng)絡仿照生理神經(jīng)網(wǎng)絡結構的非線形預測模型，通過學習進行模式識別。謝謝閱讀6.2決策樹代表著決策集的樹形結構。6.3遺傳算法基于進化理論，并采用遺傳結合、遺傳變異、以及自然選擇等設計方法的優(yōu)化技術。感謝閱讀6.4近鄰算法將數(shù)據(jù)集合中每一個記錄進行分類的方法。6.5規(guī)則推導從統(tǒng)計意義上對數(shù)據(jù)中的“如果-那么”規(guī)則進行尋找和推導。謝謝閱讀感謝閱讀精品文檔放心下載機分析系統(tǒng)中去了。7數(shù)據(jù)挖掘工具7.1基于神經(jīng)網(wǎng)絡的工具感謝閱讀感謝閱讀據(jù)，所以在市場數(shù)據(jù)庫的分析和建模方面應用廣泛。7.2基于規(guī)則和決策樹的工具謝謝閱讀謝謝閱讀據(jù)進行分析和預測。這類工具的主要優(yōu)點是，規(guī)則和決策樹都是可讀的。感謝閱讀7.3基于模糊邏輯的工具“最近”搜索謝謝閱讀謝謝閱讀有記錄，并對結果進行評估。7.4綜合多方法工具謝謝閱讀括并行數(shù)據(jù)庫牘。這類工具開采能力很強，但價格昂貴，并要花很長時間進行學習。謝謝閱讀8數(shù)據(jù)挖掘的流程8.1數(shù)據(jù)挖掘環(huán)境數(shù)據(jù)挖掘是指一個完整的過程,該過程從大型數(shù)據(jù)庫中挖掘先前未知的,有效的,可實用感謝閱讀的信息,并使用這些信息做出決策或豐富知識.數(shù)據(jù)挖掘環(huán)境可示意如下圖:數(shù)據(jù)庫數(shù)據(jù)挖可視化掘工具工具數(shù)據(jù)挖掘環(huán)境框圖8.2數(shù)據(jù)挖掘過程圖下圖描述了數(shù)據(jù)挖掘的基本過程和主要步驟邏輯數(shù)被選擇被轉(zhuǎn)換被抽取被同化

預處理據(jù)庫的數(shù)據(jù)的數(shù)據(jù)的信息的知識

后的數(shù)選擇預處理轉(zhuǎn)換挖掘分析和同數(shù)據(jù)挖掘過程的步驟8.3數(shù)據(jù)挖掘過程工作量在數(shù)據(jù)挖掘中被研究的業(yè)務對象是整個過程的基礎,它驅(qū)動了整個數(shù)據(jù)挖掘過程,也是檢精品文檔放心下載驗最后結果和指引分析人員完成資料挖掘的依據(jù)和顧問.圖2各步驟是按一定順序完成的,當謝謝閱讀然整個過程中還會存在步驟間的反饋.數(shù)據(jù)挖掘的過程并不是自動的,絕大多數(shù)的工作需要人感謝閱讀工完成.圖3給出了各步驟在整個過程中的工作量之比.可以看到,60%的時間用在數(shù)據(jù)準備感謝閱讀上,這說明了數(shù)據(jù)挖掘?qū)?shù)據(jù)的嚴格要求,而后挖掘工作僅占總工作量的10%.精品文檔放心下載確定業(yè)務對象數(shù)據(jù)準備數(shù)據(jù)處理結果分析和知識的同化圖3數(shù)據(jù)挖掘過程工作量比例8.4數(shù)據(jù)挖掘過程簡介過程中各步驟的大體內(nèi)容如下:1.1.確定業(yè)務物件清晰地定義出業(yè)務問題,認清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步.挖掘的最后結構是謝謝閱讀不可預測的,但要探索的問題應是有預見的,為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性,是不會精品文檔放心下載成功的.2.2.資料準備1)1)數(shù)據(jù)的選擇搜索所有與業(yè)務對象有關的內(nèi)部和外部數(shù)據(jù)信息,并從中選擇出適用于數(shù)據(jù)挖掘應謝謝閱讀用的數(shù)據(jù).2)2)數(shù)據(jù)的預處理研究資料的質(zhì)量,為進一步的分析作準備.并確定將要進行的挖掘操作的類型.精品文檔放心下載3)3)數(shù)據(jù)的轉(zhuǎn)換將數(shù)據(jù)轉(zhuǎn)換成一個分析模型.這個分析模型是針對挖掘算法建立的.建立一個真正適精品文檔放心下載合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關鍵.3.3.數(shù)據(jù)挖掘?qū)λ玫降慕?jīng)過轉(zhuǎn)換的數(shù)據(jù)進行挖掘.除了完善從選擇合適的挖掘算法外,其余一切工感謝閱讀作都能自動地完成.4.4.結果分析解釋并評估結果.其使用的分析方法一般應作數(shù)據(jù)挖掘操作而定,通常會用到可視化技精品文檔放心下載術.5.5.知識的同化將分析所得到的知識集成到業(yè)務信息系統(tǒng)的組織結構中去.謝謝閱讀8.5數(shù)據(jù)挖掘需要的人員數(shù)據(jù)挖掘過程的分步實現(xiàn),不同的步會需要是有不同專長的人員,他們大體可以分為三

類.感謝閱讀業(yè)務分析人員:要求精通業(yè)務,能夠解釋業(yè)務對象,并根據(jù)各業(yè)務對象確定出用于數(shù)據(jù)定

義和挖掘算法的業(yè)務需求.感謝閱讀資料分析人員:精通資料分析技術,并對統(tǒng)計學有較熟練的掌握,有能力把業(yè)務需求轉(zhuǎn)化

為數(shù)據(jù)挖掘的各步操作,并為每步操作選擇合適的技術.謝謝閱讀數(shù)據(jù)管理人員:精通數(shù)據(jù)管理技術,并從數(shù)據(jù)庫或數(shù)據(jù)倉庫中收集數(shù)據(jù).感謝閱讀從上可見,資料挖掘是一個多種專家合作的過程,也是一個在資金上和技術上高投入的感謝閱讀過程.這一過程要反復進行牞在反復過程中，不斷地趨近事物的本質(zhì)，不斷地優(yōu)先問題的解謝謝閱讀決方案。數(shù)據(jù)重組和細分添加和拆分記錄選取數(shù)據(jù)樣本可視化數(shù)據(jù)探索聚類分析神經(jīng)網(wǎng)絡、謝謝閱讀謝謝閱讀價。9資料挖掘未來研究方向----當前，DMKD研究方興未艾，其研究與開發(fā)的總體水平相當于數(shù)據(jù)庫技術在70年代所精品文檔放心下載處的地位，迫切需要類似于關系模式、DBMS系統(tǒng)和SQL查詢語言等理論和方法的指導，感謝閱讀才能使DMKD的應用得以普遍推廣。預計在本世紀，DMKD的研究還會形成更大的高潮，謝謝閱讀研究焦點可能會集中到以下幾個方面：發(fā)現(xiàn)語言的形式化描述，即研究專門用于知識發(fā)現(xiàn)的數(shù)據(jù)挖掘語言，也許會像SQL感謝閱讀語言一樣走向形式化和標準化；尋求數(shù)據(jù)挖掘過程中的可視化方法，使知識發(fā)現(xiàn)的過程能夠被用戶理解，也便于在感謝閱讀知識發(fā)現(xiàn)的過程中進行人機交互；研究在網(wǎng)絡環(huán)境下的數(shù)據(jù)挖掘技術（WebMiningDMKD感謝閱讀服務器，并且與數(shù)據(jù)庫服務器配合，實現(xiàn)WebMining；謝謝閱讀DataMiningforAudio＆Video精品文檔放心下載形數(shù)據(jù)、視頻圖像數(shù)據(jù)、聲音數(shù)據(jù)乃至綜合多媒體數(shù)據(jù)的開采；謝謝閱讀處理的數(shù)據(jù)將會涉及到更多的數(shù)據(jù)類型，這些數(shù)據(jù)類型或者比較復雜，或者是結構感謝閱讀比較獨特。為了處理這些復雜的資料，就需要一些新的和更好的分析和建立模型的精品文檔放心下載方法，同時還會涉及到為處理這些復雜或獨特數(shù)據(jù)所做的費時和復雜數(shù)據(jù)準備的一謝謝閱讀些工具和軟件。交互式發(fā)現(xiàn)；知識的維護更新。DMKD將首先滿足信息時代用戶的急感謝閱讀需，大量的基于DMKD的決策支持軟件產(chǎn)品將會問世。只有從數(shù)據(jù)中有效地提取信息，從謝謝閱讀感謝閱讀夠真正成為與物質(zhì)、能源相媲美的資源，信息時代才會真正到來。謝謝閱讀10數(shù)據(jù)挖掘熱點就目前來看，將來的幾個熱點包括網(wǎng)站的數(shù)據(jù)挖掘（Websitedatamining）、生物信息感謝閱讀或基因（Bioinformatics/genomics）的數(shù)據(jù)挖掘及其文本的數(shù)據(jù)挖掘（Textualmining）。下謝謝閱讀面就這幾個方面加以簡單介紹。10.1網(wǎng)站的數(shù)據(jù)挖掘（Websitedatamining）精品文檔放心下載需求隨著Web技術的發(fā)展，各類電子商務網(wǎng)站風起云涌，建立起一個電子商務網(wǎng)站并不困謝謝閱讀謝謝閱讀謝謝閱讀謝謝閱讀謝謝閱讀感謝閱讀量的記錄文件（Logfiles）和登記表，如何對這些數(shù)據(jù)進行分析和挖掘，充分了解客戶的喜感謝閱讀精品文檔放心下載精品文檔放心下載了解客戶。電子商務網(wǎng)站數(shù)據(jù)挖掘息，此部分信息主要來自于客戶的登記表；而另外一部分數(shù)據(jù)主要來自瀏覽者的點擊流

（Click-stream），此部分資料主要用于考察客戶的行為表現(xiàn)。但有的時候，客戶對自己的

據(jù)準備。目前，有很多廠商正在致力于開發(fā)專門用于網(wǎng)站挖掘的軟件。精品文檔放心下載10.2生物信息或基因的數(shù)據(jù)挖掘這都需要數(shù)據(jù)挖掘技術的支持。精品文檔放心下載精品文檔放心下載精品文檔放心下載謝謝閱讀的地步。10.3文本的數(shù)據(jù)挖掘（Textualmining）感謝閱讀精品文檔放心下載感謝閱讀謝謝閱讀謝謝閱讀謝謝閱讀精品文檔放心下載分析功能。精品文檔放心下載數(shù)據(jù)挖掘?qū)l(fā)揮出越來越大的作用。11Web數(shù)據(jù)挖掘與XML11.1Web數(shù)據(jù)挖掘的難點Web上有海量的數(shù)據(jù)信息，怎樣對這些數(shù)據(jù)進行復雜的應用成了現(xiàn)今數(shù)據(jù)庫技術的研感謝閱讀謝謝閱讀Web精品文檔放心下載的數(shù)據(jù)而言，傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)結構性很強，即其中的數(shù)據(jù)為完全結構化的數(shù)據(jù)，而精品文檔放心下載Web上的數(shù)據(jù)最大特點就是半結構化。所謂半結構化是相對于完全結構化的傳統(tǒng)數(shù)據(jù)庫的謝謝閱讀數(shù)據(jù)而言。顯然，面向Web的數(shù)據(jù)挖掘比面向單個數(shù)據(jù)倉庫的數(shù)據(jù)挖掘要復雜得多。感謝閱讀1.異構數(shù)據(jù)庫環(huán)境從數(shù)據(jù)庫研究的角度出發(fā)，Web網(wǎng)站上的信息也可以看作一個數(shù)據(jù)庫，一個更大、更謝謝閱讀復雜的數(shù)據(jù)庫。Web上的每一個站點就是一個數(shù)據(jù)源，每個數(shù)據(jù)源都是異構的，因而每一謝謝閱讀感謝閱讀感謝閱讀謝謝閱讀西。其次，還要解決Web上的數(shù)據(jù)查詢問題，因為如果所需的數(shù)據(jù)不能很有效地得到，對謝謝閱讀這些數(shù)據(jù)進行分析、集成、處理就無從談起。2.半結構化的數(shù)據(jù)結構Web上的數(shù)據(jù)與傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)不同，傳統(tǒng)的數(shù)據(jù)庫都有一定的數(shù)據(jù)模型，可

以根據(jù)模型來具體描述特定的數(shù)據(jù)。而Web上的數(shù)據(jù)非常復雜，沒有特定的模型描述，每

一站點的數(shù)據(jù)都各自獨立設計，并且數(shù)據(jù)本身具有自述性和動態(tài)可變性。因而，Web上的

之為半結構化數(shù)據(jù)。半結構化是Web上數(shù)據(jù)的最大特點。謝謝閱讀3.解決半結構化的數(shù)據(jù)源問題Web數(shù)據(jù)挖掘技術首要解決半結構化數(shù)據(jù)源模型和半結構化數(shù)據(jù)模型的查詢與集成問

WebWeb上

的數(shù)據(jù)。針對Web上的數(shù)據(jù)半結構化的特點，尋找一個半結構化的數(shù)據(jù)模型是解決問題的

動地從現(xiàn)有數(shù)據(jù)中抽取半結構化模型的技術。面向Web的數(shù)據(jù)挖掘必須以半結構化模型和

半結構化數(shù)據(jù)模型抽取技術為前提。謝謝閱讀11.2XML與Web數(shù)據(jù)挖掘技術以XML為基礎的新一代WWW環(huán)境是直接面對Web數(shù)據(jù)的，不僅可以很好地兼容原

有的Web應用，而且可以更好地實現(xiàn)Web中的信息共享與交換。XML可看作一種半結構感謝閱讀XML感謝閱讀精確地查詢與模型抽取。1.XML的產(chǎn)生與發(fā)展XML(extensibleMarkupLanguage)是由萬維網(wǎng)協(xié)會(W3C)Web應用服務的謝謝閱讀SGML(StandardGeneralMarkupLanguage)的一個重要分支?？偟膩碚f，XML是一種中介標感謝閱讀示語言(Meta-markupLanguage)XML是一種類謝謝閱讀似于HTML，被設計用來描述數(shù)據(jù)的語言。XML提供了一種獨立的運行程序的方法來共享謝謝閱讀數(shù)據(jù)，它是用來自動描述信息的一種新的標準語言，它能使計算機通信把Internet的功能由感謝閱讀信息傳遞擴大到人類其它多種多樣的活動中去。XML由若干規(guī)則組成，這些規(guī)則可用于創(chuàng)精品文檔放心下載建標記語言，并能用一種被稱作分析程序的簡明程序處理所有新創(chuàng)建的標記語言，正如謝謝閱讀HTML為第一個計算機用戶閱讀Internet文文件提供一種顯示方式一樣，XML也創(chuàng)建了一謝謝閱讀種任何人都能讀出和寫入的世界語。XML解決了HTML不能解決的兩個Web問題，即感謝閱讀Internet發(fā)展速度快而接入速度慢的問題，以及可利用的信息多，但難以找到自己需要的那精品文檔放心下載部分信息的問題。XML能增加結構和語義信息，可使計算機和服務器實時處理多種形式的感謝閱讀信息。因此，運用XML的擴展功能不僅能從Web服務器下載大量的信息，還能大大減少感謝閱讀網(wǎng)絡業(yè)務量。XML中的標志(TAG)XML是能精品文檔放心下載夠進行自解釋(SelfDescribing)的語言。XML使用DTD(DocumentTypeDefinition文文件類謝謝閱讀型定義)來顯示這些數(shù)據(jù)，XSL(eXtensibleStyleSheetLanguage)是一種來描述這些文文件如謝謝閱讀何顯示的機制，它是XML的樣式表描述語言。XSL的歷史比HTML用的CSS(層迭式樣式謝謝閱讀表CascadingStyleSheets)還要悠久，XSLXML謝謝閱讀個用來格式化XML文檔的方法。XLL(eXtensibleLinkLanguage)是XML謝謝閱讀XMLHTMLXLL精品文檔放心下載XML謝謝閱讀使用戶很輕松地找到他們需要的信息。利用XML，Web設計人員不僅能創(chuàng)建文字和圖形，感謝閱讀精品文檔放心下載樣式表。2.XML的主要特點正是XML的特點決定了其卓越的性能表現(xiàn)。XML作為一種標記語言，有許多特點：謝謝閱讀(1)XML經(jīng)過精心設計，整個規(guī)范簡單明了，它由若干規(guī)則組成，這些規(guī)則可用感謝閱讀于創(chuàng)建標記語言，并能用一種常常稱作分析程序的簡明程序處理所有新創(chuàng)建的標記語言。精品文檔放心下載XML謝謝閱讀如XML創(chuàng)建的標記總是成對出現(xiàn)，以及依靠稱作統(tǒng)一代碼的新的編碼標準。精品文檔放心下載(2)開放。XML是SGML在市場上有許多成熟的軟件可用來幫助編寫、管理等,開放式謝謝閱讀標準XML的基礎是經(jīng)過驗證的標準技術，并針對網(wǎng)絡做最佳化。眾多業(yè)界頂尖公司，與感謝閱讀W3C的工作群組并肩合作，協(xié)助確保交互作業(yè)性，支持各式系統(tǒng)和瀏覽器上的開發(fā)人員、謝謝閱讀XML標準。XML解釋器可以使用編程的方法來加載一個XML的謝謝閱讀,用戶就可以通過XML文件對象模型來獲取和操縱整個文文精品文檔放心下載件的信息，加快了網(wǎng)絡運行速度。(3)高效且可擴充。支持復用文檔片斷，使用者可以發(fā)明和使用自己的標簽，也可與他謝謝閱讀人共享，可延伸性大，在XML中，可以定義無限量的一組標注。XML提供了一個標示結精品文檔放心下載XML謝謝閱讀XML精品文檔放心下載精品文檔放心下載轉(zhuǎn)交到其它應用程序做進一步的處理。XML提供了一個獨立的運用程序的方法來共享數(shù)據(jù)，謝謝閱讀使用DTDDTD謝謝閱讀個標準的DTD來驗證你接受到的資料是否有效，你也可以使用一個DTD來驗證你自己的感謝閱讀資料。(4)國際化。標準國際化，且支持世界上大多數(shù)文字。這源于依靠它的統(tǒng)一代碼的新的精品文檔放心下載編碼標準，這種編碼標準支持世界上所有以主要語言編寫的混合文本。在HTML中，就大謝謝閱讀精品文檔放心下載XML謝謝閱讀語言的軟件就能順利處理這些不同語言字符的任意組合。因此，XML不僅能在不同的計算謝謝閱讀機系統(tǒng)之間交換信息，而且能跨國界和超越不同文化疆界交換信息。謝謝閱讀3.XML在Web數(shù)據(jù)挖掘中的應用XMLXMLXML在三謝謝閱讀層架構上為數(shù)據(jù)處理提供了很好的方法。使用可升級的三層模型，XML可以從存在的資料精品文檔放心下載中產(chǎn)生出來，使用XML結構化的數(shù)據(jù)可以從商業(yè)規(guī)范和表現(xiàn)形式中分離出來。感謝閱讀促進XML應用的是那些用標準的HTML無法完成的Web應用。這些應用從大的方面謝謝閱讀講可以被分成以下四類：需要Web客戶端在兩個或更多異質(zhì)數(shù)據(jù)庫之間進行通信的應用；謝謝閱讀試圖將大部分處理負載從Web服務器轉(zhuǎn)到Web客戶端的應用；需要Web客戶端將同樣的感謝閱讀數(shù)據(jù)以不同的瀏覽形式提供給不同的用戶的應用；需要智能Web代理根據(jù)個人用戶的需要謝謝閱讀Web的數(shù)據(jù)挖掘技術有著重要的聯(lián)系，基于謝謝閱讀Web的數(shù)據(jù)挖掘必須依靠它們來實現(xiàn)。XML給基于Web感謝閱讀了許多好處。比如進行更有意義的搜索，并且Web數(shù)據(jù)可被XML唯一地標識。沒有謝謝閱讀XML，搜索軟件必須了解每個數(shù)據(jù)庫是如何構建的，但這實際上是不可能的，因為每個數(shù)精品文檔放心下載謝謝閱讀的不兼容的數(shù)據(jù)庫實際上是不可能的。XML能夠使不同來源的結構化的數(shù)據(jù)很容易地結合謝謝閱讀謝謝閱讀成。然后，數(shù)據(jù)就能被發(fā)送到客戶或其它服務器做進一步的集合、處理和分發(fā)。XML的擴感謝閱讀展性和靈活性允許它描述不同種類應用軟件中的數(shù)據(jù)，從描述搜集的Web頁到數(shù)據(jù)記錄，精品文檔放心下載XML感謝閱讀XMLXML格式的謝謝閱讀感謝閱讀不同的方法處理資料，而不僅僅是顯示它。XML文文件對象模式(DOM)允許用腳本或其它精品文檔放心下載編程語言處理數(shù)據(jù)，數(shù)據(jù)計算不需要回到服務器就能進行。XML可以被利用來分離使用者精品文檔放心下載觀看數(shù)據(jù)的接口，使用簡單靈活開放的格式，可以給Web創(chuàng)建功能強大的應用軟件，而原感謝閱讀來這些軟件只能建立在高端數(shù)據(jù)庫上。另外，資料發(fā)到桌面后，能夠用多種方式顯示。感謝閱讀XMLXML補充了HTML謝謝閱讀HTMLXML精品文檔放心下載與內(nèi)容分開，XML定義的資料允許指定不同的顯示方式，使數(shù)據(jù)更合理地表現(xiàn)出來。本地謝謝閱讀的數(shù)據(jù)能夠以客戶配置、使用者選擇或其它標準決定的方式動態(tài)地表現(xiàn)出來。CSS和XSL感謝閱讀為數(shù)據(jù)的顯示提供了公布的機制。通過XML，數(shù)據(jù)可以粒狀地更新。每當一部分數(shù)據(jù)變化感謝閱讀感謝閱讀謝謝閱讀重建。這嚴重限制了服務器的升級性能。XML也允許加進其它數(shù)據(jù)，比如預測的溫度。加謝謝閱讀入的信息能夠進入存在的頁面，不需要瀏覽器重新發(fā)一個新的頁面。XML應用于客戶需要精品文檔放心下載與不同的數(shù)據(jù)源進行交互時，數(shù)據(jù)可能來自不同的數(shù)據(jù)庫，它們都有各自不同的復雜格式。謝謝閱讀但客戶與這些數(shù)據(jù)庫間只通過一種標準語言進行交互，那就是XML。由于XML的自定義感謝閱讀精品文檔放心下載數(shù)據(jù)庫間進行傳遞。總之，在這類應用中，XML解決了數(shù)據(jù)的統(tǒng)一接口問題。但是，與其謝謝閱讀它的數(shù)據(jù)傳遞標準不同的是，XML并沒有定義數(shù)據(jù)文件中數(shù)據(jù)出現(xiàn)的具體規(guī)范，而是在數(shù)精品文檔放心下載據(jù)中附加TAGXML成為一種程序能自動理解的規(guī)范。精品文檔放心下載XML應用于將大量運算負荷分布在客戶端，即客戶可根據(jù)自己的需求選擇和制作不同感謝閱讀XML“Client/Server”工謝謝閱讀感謝閱讀感謝閱讀感謝閱讀程人員可能來不及滿足眾多的應用需求，也來不及跟上需求的變化，雙方都很被動。應用感謝閱讀XML則將處理資料的主動權交給了客戶，服務器所作的只是盡可能完善、準確地將數(shù)據(jù)封感謝閱讀裝進XML文件中，正是各取所需、各司其職。XML的自解釋性使客戶端在收到數(shù)據(jù)的同謝謝閱讀時也理解數(shù)據(jù)的邏輯結構與含義，從而使廣泛、通用的分布式計算成為可能。精品文檔放心下載XML還被應用于網(wǎng)絡代理，以便對所取得的信息進行編輯、增減以適應個人用戶的需謝謝閱讀要。有些客戶取得數(shù)據(jù)并不是為了直接使用而是為了根據(jù)需要組織自己的數(shù)據(jù)庫。比方說，精品文檔放心下載感謝閱讀進XML精品文檔放心下載精品文檔放心下載此外，XML文件中還可以包含進諸如難度系數(shù)、往年錯誤率等其它相關信息，這樣只需幾謝謝閱讀個小程序，同一個XML文件便可變成多個文件傳送到不同的用戶手中。感謝閱讀面向WebWeb數(shù)據(jù)挖掘比單個數(shù)據(jù)倉庫的挖掘要感謝閱讀WebXML的出現(xiàn)為解決Web謝謝閱讀XML能夠使不同來源的結構化的數(shù)據(jù)很容易地結合在一感謝閱讀起，因而使搜索多樣的不兼容的數(shù)據(jù)庫能夠成為可能，從而為解決Web數(shù)據(jù)挖掘難題帶來感謝閱讀了希望。XML的擴展性和靈活性允許XML描述不同種類應用軟件中的數(shù)據(jù)，從而能描述謝謝閱讀搜集的Web頁中的數(shù)據(jù)記錄。同時，由于基于XML的數(shù)據(jù)是自我描述的，數(shù)據(jù)不需要有謝謝閱讀內(nèi)部描述就能被交換和處理。作為表示結構化數(shù)據(jù)的一個工業(yè)標準，XML為組織、軟件開精品文檔放心下載發(fā)者、Web站點和終端使用者提供了許多有利條件。相信在以后，隨著XML作為在Web謝謝閱讀上交換數(shù)據(jù)的一種標準方式的出現(xiàn)，面向Web的數(shù)據(jù)挖掘?qū)兊梅浅］p松。精品文檔放心下載12數(shù)據(jù)挖掘應用12.1數(shù)據(jù)挖掘解決的典型商業(yè)問題精品文檔放心下載(datamining)都是一個很時髦的詞，尤其是在如銀行、電信、保險、交通、零售（如超級市謝謝閱讀場）等商業(yè)領域。數(shù)據(jù)挖掘所能解決的典型商業(yè)問題包括：數(shù)據(jù)庫營銷（Database謝謝閱讀Marketing）、客戶群體劃分（CustomerSegmentation&Classification）、背景分析（Profile感謝閱讀Analysis）、交叉銷售（Cross-selling）等市場分析行為，以及客戶流失性分析(Churn精品文檔放心下載Analysis)、客戶信用記分(CreditScoring)、欺詐發(fā)現(xiàn)(FraudDetection)等等。感謝閱讀12.2數(shù)據(jù)挖掘在市場營銷的應用精品文檔放心下載原理為基礎，其基本假定是“消費者過去的行為是其今后消費傾向的最好說明”。精品文檔放心下載精品文檔放心下載趣、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體下一步的消費行為，感謝閱讀謝謝閱讀感謝閱讀帶來更多的利潤。謝謝閱讀謝謝閱讀精品文檔放心下載的公司。資料挖掘構筑競爭優(yōu)勢。挖掘?qū)I(yè)務信息進行深加工，以構筑自己的競爭優(yōu)勢，擴大自己的營業(yè)額。美國運通公司

(AmericanExpress)有一個用于記錄信用卡業(yè)務的數(shù)據(jù)庫，數(shù)據(jù)量達到54億字符，并仍在隨

著業(yè)務進展不斷更新。運通公司通過對這些數(shù)據(jù)進行挖掘，制定了“關聯(lián)結算(Relationship

Billing)優(yōu)惠”的促銷策略，即如果一個顧客在一個商店用運通卡購買一套時裝，那么在同一

航班去過巴黎，那么他可能會得到一個周末前往紐約的機票打折優(yōu)惠卡。感謝閱讀夫(Kraft)食品公司建立了一個擁有3000萬客戶數(shù)據(jù)的數(shù)據(jù)庫，數(shù)據(jù)庫是通過收集對公司發(fā)

(Reader'sDigest)出版公司運

行著一個積累了40年的業(yè)務數(shù)據(jù)庫，其中容納有遍布全球的一億多個訂戶的數(shù)據(jù)，數(shù)據(jù)庫

每天24小時連續(xù)運行，保證數(shù)據(jù)不斷得到實時的更新，正是基于對客戶數(shù)據(jù)數(shù)據(jù)庫進行數(shù)

版和發(fā)行業(yè)務，極大地擴展了自己的業(yè)務。感謝閱讀肯定會比漫無目的的營銷效果要好得多。謝謝閱讀12.3成功案例1電話收費和管理辦法加拿大BC省電話公司要求加拿大Simon