• 数据挖掘可视化

        
数据挖掘可视化对于在科研和商业中寻找有价值的发现有很大的潜力。利用数据挖掘工具进行数据分析可以跨越数据与信息之间的鸿沟,从海量数据中发现隐含的重要模式,为决策支持提供可靠的服务。由于数据挖掘一开始就面向于解决应用问题,所以即使是理论研究,也往往和应用问题紧密相关。数据挖掘中的具体技术和算法不仅来源于实践,而且要运用到实践中去经受检验。所以研发出用于决策支持的可视化数据挖掘平台,就显得尤为重要!

数据挖掘产出的知识可以粗分为两大类:描述型挖掘和预测型挖掘。描述型挖掘是对现有数据的进一步精炼和归纳,从中抽取中更宏观的反映数据特征的概念描述。举个例子来说,某家银行有几百万客户,数据仓库中存储了每个客户的人口统计信息、账户信息、交易信息、客服联络信息等详细数据。但是银行不可能清楚地了解每位客户是什么样的客户,客户的消费模式到底是怎样的?这时一般需要把全体客户进行细分,划分为几个客户群,而且这种划分可以保证具有相似行为、相似价值的客户会被放入同一个群组中。有了这些客户群,银行就能更容易地发现营销机会并制定营销战略。这个例子中所用的挖掘技术是聚类模型,按照它就是一种典型的描述型挖掘。

预测型挖掘,顾名思义,就是建立的挖掘模型具备预测能力。这种预测能力可能包括预测哪些客户下个月会流失,哪些客户对促销活动会积极响应,哪些客户的未来价值会成长以及成长多少等等。预测型挖掘常常对企业运营具有更强的指导作用,从而更快地见效。

从应用层面来说,数据挖掘可以应用到很多行业中,包括电信、银行、证券、保险、制造、因特网等等。抛开具体行业的特定应用不谈,在各个行业中一般都会把数据挖掘应用在客户关系管理(CRM)之中。在CRM中的数据挖掘应用,包括客户细分、客户价值分析、客户获取、客户保持、交叉销售和提升销售等等。此外,信用评分、欺诈侦测和文本挖掘等也是常见的应用。

上海卡雅信息科技有限公司在数据挖掘可视化领域已形成自身独特的开发模式,KAYA可视化愿和各个领域的仁人志士共同发展,期待合作!让我们的专业为您提供美好的服务!
© Copyright 2004-2017 kaya Information Technology Co.,Ltd.
沪ICP备11015107号-2