《资料探勘系统》由会员分享，可在线阅读，更多相关《资料探勘系统（23页珍藏版）》请在金锄头文库上搜索。
1、Chapter 9,決策資訊系統的競爭優勢,總會輪到你,資訊系統可以從哪些方面改進決策品質？ 企業流程與決策是相輔相成的。 從流程觀點來說，我們會想藉資訊系統來增加流程的價值或減少它的成本。 從決策的觀點來說，我們會想資訊系統怎麼提供更好的資訊來提升決策的品質，進而增加整體的價值或減低它的成本。 你想向老闆建議一個能增加生產力的系統。在想出個系統拿來建議你老闆之前，你會怎麼說明、解釋這些可能推薦的系統？,p.238,學習問題,Q1 百萬兆位元組有多大？知道這個有什麼用？ Q2 BI 系統如何提供競爭優勢？ Q3 作業資料會對 BI 系統帶來什麼問題？ Q4 資料倉儲的目的和元件有哪些？ Q5
2、什麼是資料市集？它跟資料倉儲有何不同？ Q6 資料探勘系統的特徵是什麼？,p.239,Q1 百萬兆位元組有多大？知道這個有什麼用？,p.240,圖 9-1 百萬兆位元組有多大,圖9-1,p.240,圖 9-1(續) 百萬兆位元組有多大,記憶體的儲存量愈來愈大，價錢愈來愈低。設備的儲藏量幾近於無限。 資料以指數成長這回事在公司內外其實都有。如果藏在這些資料底下的資訊可以及時傳給需要的主管，做決策時就能夠獲得很大的助益。,p.241,圖9-2,p.241,圖 9-2 硬碟儲存空間,Q2 BI 系統如何提供競爭優勢？,商業智慧系統（business intelligence, BI, system）
3、是一種可以改善決策的資訊系統。BI 系統根據特徵、功能和不同促進競爭優勢的方法來改善決策。 報告系統（reporting system） 以分類排序、群組、總和、平均值和對照，整合不同來源的資料，結果會以報表的方式產生，並且傳送這些報表給使用者們。 資料探勘系統（data-mining system） 使用先進精密的統計方法（如迴歸分析和決策樹）來分析與處理資料。,p.242,知識管理系統（knowledge-management, KM, system） 從智慧財產裡創造價值的方法是蒐集人在產品、產品用途、最佳範例等方面的關鍵知識，來與員工、主管、顧客、供應商等需要的人分享。 專家系統（ex
4、pert system） 把專家的知識以 If / Than（ 如果就）規則表現出來。,p.242,圖9-3,p.242,圖 9-3 商業智慧系統的特徵與競爭優勢,Q3 作業資料會對 BI 系統帶來什麼問題？,原始基本作業資料通常不適用於複雜報表與資料探勘。主要問題分類如下： 壞資料（dirty data） 漏測值 資料不一致 未整合的資料 資料細微度（granularity） 資料過多,p.243,圖9-4,p.244,圖 9-4 對 BI 系統而言，使用作業系統會有的問題,Q4 資料倉儲的目的與元件有哪些？,資料倉儲（data warehouse）的目的在於將作業系統與其它來源的資料先做萃
5、取與清理， 然後重新儲存及分類，以便 BI 工具使用。 資料倉儲裡的資料還包含買自外界的資料，最常見的例子就是顧客的信用資料。 和資料來源、格式、假設和限制等等有關的詮釋資料，全都放在資料倉儲詮釋資料庫中。 資料倉儲的 DBMS 會把資料萃取出來，交給像資料探勘軟體這類的商業智慧工具去處理。,p.245,圖9-5,p.248,圖 9-5 資料倉儲的元件資料,圖9-6,p.248,圖 9-6 從資料商可購買到的顧客資料,Q5 什麼是資料市集？它跟資料倉儲有何不同？,資料市集（data mart）是為了特定的商業功能、問題或機會而設的一組資料庫資料。 資料市集跟資料倉儲比起來較小得多，它是一組針對
6、公司某個部門或某種功能而組合的一組資料。 如果資料倉儲是供應鏈中的批發商，那資料市集比較像供應鏈中的零售商。 資料倉儲的員工有資料管理方面的專才，而資料市集的員工在分析本行的商業功能上都是專業人才。,p.249,圖9-7,p.249,圖 9-7 資料市集範例,Q6 資料探勘系統的特徵是什麼？,資料探勘（data mining）是應用統計分析的程式，尋找資料中的型態與關係，以便分類與預測。 有些人會以資料庫知識發現（knowledge discovery in databases；KDD）這個字，作為資料探勘的同義字。 資料探勘技術都很精密而複雜，而且絕大部分都不易使用。 資料探勘技術分有兩大範
7、圍： 無監督與監督式。,p.250,圖9-8,p.250,圖 9-8 資料探勘結合許多領域,無監督資料探勘,無監督資料探勘（unsupervised data mining）在開始分析之前不預設模型或假說，他們用資料探勘技術來處理資料然後觀察結果，分析師最後再根據結果來訂定假說，解釋找出來的型態。 一種常用的無監督探勘法是叢集分析（cluster analysis）。 運用統計分析把相同特徵的族群識別開來，經常被用在以訂單或個人資料來分出相似的群體。,p.251,監督式資料探勘,在監督式資料探勘（supervised data mining）裡，分析前就要先設定模型，然後用統計方法來處理資料、
8、量測模型參數的值。 這種測量一組變項（variable）對另一組變項的影響程度，稱作迴歸分析（regression analysis）。 類神經網路（neural network）是另一種常用的監督式資料探勘技術，常用於預測值或將資料分類。,p.251,倫理指南,現實世界裡的資料探勘 在現實世界裡，資料探勘跟課本說的不太一樣。 資料總會有問題 資料有漏測值 資料值超出可能的範圍 瞭解相關狀況後需添加變項，但沒時間處理 過度符合 建立在計算概率上 季節性,p.252,這章裡的知識怎麼幫你把 DSI 公司裡的 事情作得更好？,報告系統可以處理有關供應商提供過的產品以及供應商送貨紀錄的資料，也可以排序供應商品質。 資料探勘系統可預測送貨延遲或品質有問題的機率。 知識管理系統可以讓採購部門和生產主管給供應商排序，或分享他們與供應商合作的經驗。 含有供應商選擇規則的專家系統，依照元件或零件的需求來選擇供應商。 把內部物流和生產方面的資料建立起某種資料市集。,p.255,
