浅谈数据预处理理论

没有高质量的数据就没有高质量的挖掘,在数据挖掘过程中数据预处理至关重要.初步采集来的数据大体上都存在不完整,不一致等问题,无法直接进行数据挖掘,或挖掘结果差强人意.因此,数据预处理技术至关重要.根据统计,在一个完整的数据挖掘过程中,数据预处理要花费60%左右的时间,而后的挖掘工作仅占总工作量的10%左右.     

数据挖掘在商业银行信用卡中的应用

一、数据挖掘的定义与功能 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.     

数据挖掘中的数据质量检验

数据质量检验是数据挖掘过程中的重要环节,是数据预处理工作的基础。长期以来,国内IT系统在运行过程中对于数据质量缺乏关注,数据质量低。很多项目由于开始未经过周密的数据质量检验,导致通过数据挖掘建立的模型有偏差,甚至结果完全错误。数据质量问题已严重影响到数据挖掘技术的应用,成为数据挖掘项目成败的关键因素。     

BI：文化建设重于系统建设

贾凤军（以下简称贾）：一谈到商业智能（BI），人们就会想到数据仓库，似乎两者是不可分的。我个人认为，BI与数据仓库没有必然的联系。认为没有数据挖掘就没有BI，是一个认识的误区。理论上讲，数据挖掘技术能够为企业提供需要的数据，但这些数据能否成为决策的依据，关键还是取决于决策者或执行者本身。数据挖掘如同给导弹提供了制导数据，但如果导弹的推进系统、爆破系统技术跟不上，即使发射出去也不具有威力。BI应用的关键是业务与技术要找到结合点，     

基于XML的Web数据挖掘系统的研究与设计

本文主要研究了XML(EXtensible Markup Language)和数据挖掘两项技术的结合点,提出了基于XML的数据挖掘系统模型。在该模型中对数据挖掘的各个环节提出了采用XML技术的解决途径;研究了XML用于异构数据集成、数据预处理和XML数据集上的数据挖掘等问题;提出一个面向电子商务站点的Web挖掘原型系统。     

数据挖掘中的数据质量检验

数据质量检验是数据挖掘过程中的重要环节，是数据预处理工作的基础。长期以来，国内IT系统在运行过程中对于数据质量缺乏关注，数据质量低。很多项目由于开始未经过周密的数据质量检验，导致通过数据挖掘建立的模型有偏差，甚至结果完全错误。数据质量问题已严重影响到数据挖掘技术的应用，成为数据挖掘项目成败的关键因素。     

从业务需求视角谈央行数据综合利用

谈及数据综合利用,人们首先想到的就是数据仓库和数据挖掘技术,有人认为只要建立数据仓库,利用数据挖掘工具,就可以开展数据综合利用。笔者认为,数据仓库和数据挖掘技术只是开展数据综合利用的工具,能否发挥作用,发挥多大的作用,关键在于人们如何使用工具,而不是工具本身。数据仓库和数据挖掘技     

Insightful Miner（简称S＋Miner）——数据清洗、统计分析和数据挖掘集成平台

S＋Miner是世界排名前三位的著名统计分析与数据挖掘软件厂商InsightfuI公司数据挖掘产品。它是集数据获取、探索性分析、数据操纵、数据清洗、统计分析（集成了著名的S—PLUS统计分析平台的所有分析函数）、机器学习、模型评估和预测发布等功能于一身的新一代数据挖掘工具。     

聚类分析在外汇管理中的研究与应用

随着外汇业务信息系统与数据采集的全面覆盖,调研、分析、核查与检查等工作基本依赖于系统数据。而面向日趋庞大且结构更为复杂的外汇业务数据,如何使用数据挖掘技术从中高效获取潜在规律的方法研究势在必行。本文使用数据挖掘中的聚类分析技术,按安徽省辖内银行与地区交易额汇总数据进行聚类实验,并对聚类结果进行分析,认为将数据挖掘技术应用在外汇业务数据是值得进一步研究与探索的。     

聚类分析在外汇管理中的研究与应用

随着外汇业务信息系统与数据采集的全面覆盖,调研、分析、核查与检查等工作基本依赖于系统数据。而面向日趋庞大且结构更为复杂的外汇业务数据,如何使用数据挖掘技术从中高效获取潜在规律的方法研究势在必行。本文使用数据挖掘中的聚类分析技术,按安徽省辖内银行与地区交易额汇总数据进行聚类实验,并对聚类结果进行分析,认为将数据挖掘技术应用在外汇业务数据是值得进一步研究与探索的。     

数据挖掘的实施流程

数据挖掘在商业银行的应用实际．上早已存在,商业银行在经营管理的过程中所使用到的资产负债表、现金流量表、利率风险分析报表等都体现了数据挖掘的思想,其实质就是从大量的账务数据中获取整体营运情况的信息及其趋势用于决策。有效地利用海量数据进行数据挖掘,形成科学的、完备的数据挖掘体系,既是商业银行自身发展的必然要求,也是发展过程中所遇到的机遇和挑战。     

数据挖掘技术在银行的应用

数据挖掘技术源于20世纪80年代末,金融,保险、电信等行业首先受益。20世纪90年代末,随着客户关系管理的兴起,数据挖掘逐步成为银行、保险业的宠儿。21世纪,数据仓库技术的广泛应用为数据挖掘的深度普及奠定基础。在金融数据海量集中的年代,对数据的整合、挖掘势在必行。本期技术与应用栏目以数据仓库、数据挖掘技术在银行、保险业的应用为例,与金融科技工作者共同探讨其最新价值。     

Web数据挖掘技术在电子商务中的应用

电子商务中的海量Web数据对数据挖掘的具体应用产生了极大的影响。数据挖掘技术作为一种先进的数据信息处理技术,在各类电商领域的应用受到了广泛的关注。本文浅析了数据挖掘技术优势,并深入探讨了其在电子商务各个领域的应用。     

数据挖掘技术在银行的应用

数据挖掘技术源于20世纪80年代末，金融、保险、电信等行业首先受益。20世纪90年代末，随着客户关系管理的兴起，数据挖掘逐步成为银行、保险业的宠儿。21世纪，数据仓库技术的广泛应用为数据挖掘的深度普及奠定基础。在金融数据海量集中的年代，对数据的整合、挖掘势在必行。本期技术与应用栏目以数据仓库、数据挖掘技术在银行、保险业的应用为例，与金融科技工作者共同探讨其最新价值。     

大数据思维与数据挖掘能力正成为大型商业银行的核心竞争力

大数据能力特有的性质,使其正在成为大型银行真正的核心竞争力.银行大数据能力表现在多方面,但大数据思维和数据挖掘能力是最关键、也是最重要的.数据挖掘对银行竞争力的影响主要表现在客户洞察、营销规划、产品创新、风险管理、流程优化、网点选址和人力资源管理等方面.大数据价值的实现,关键在于挖掘分析能力.数据挖掘可以推动商业银行战略转型、提升运营管理能力、重塑银行企业文化、促进风险经营的精细化专业化.银行数据挖掘能力建设的关键是行动,行动中需要考虑许多因素,包括挖掘分析工具和方法、数据获取和管控、业务流程、计算方法、激励措施、员工技能、企业文化以及管理层的支持等.     

模型驱动竞争力——新一轮竞争 赢在模型

数据挖掘是金融行业的热门话题。看到大型银行、大型保险公司纷纷建设自己的数据仓库和数据集市,一些中小金融机构也不甘落后。可是据了解,相当多的金融机构面临着数据仓库建设投入产出比不高的困境。     

数据挖掘技术在商业银行内部审计中的应用研究

数据挖掘技术就是要从数据中挖掘出靠直觉或经验不能发现的信息或知识的过程。在商业银行业务电子化、虚拟化,数据海量化的背景下,在商业银行内部审计计划、准备、实施和报告等阶段应用数据挖掘技术,可促进审计资源的优化和降低审计风险;数据挖掘技术应用于内部审计,主要通过聚类分析、决策分类、关联规则、孤立点检测等方法判断总体风险、精准抽样和发现问题。     

数据挖掘在生产物流过程中的应用研究

近年来,信息化物流网络体系的应用使得数据规模不断扩大,产生巨大的数据流。企业生产物流中,与物流相关的数据极其巨大,很容易造成数据混乱。决策管理人员在日常管理业务中收集并存储了大量的数据,但却很难掌握到所希望得到的信息。如何对这些数据进行高效的收集和及时决策,成为了企业发展所必须要解决的问题。数据挖掘技术能够帮助决策者快速、准确地做出决策,实现对生产物流过程的控制,提高企业的运作效率,降低整个过程的物流成本,增加收益。文章通过在分析数据挖掘和生产物流的发展现状的基础上,通过对数据挖掘在生产物流中的应用研究,分析数据挖掘技术应用在生产物流过程中将会产生的作用。进而得出了在生产物流过程中应用数据挖掘技术,将会大大提高生产物流的管理水平的结论。     

数据挖掘在信用卡客户营销中的运用

数据挖掘也叫数据库中的知识发现（KDD,Knowledge Discovery in Database）,就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、潜在有用的信息和知识的过程。     

数据挖掘在财务分析中的应用——基于模糊聚类的上市公司财务状况分析

席卷全球的信息化浪潮为财务管理领域带来活力,各种数据库的构建极大提升了财务分析的科学性、准确性以及分析效率.然而数据量的惊人增长也带来了"数据爆炸,知识贫乏"的窘境.数据挖掘通过在大量数据中挖掘出隐含的有价值数据,为财务分析提供了有力工具.本文选取部分制造业板块上市公司2008年的财务数据,运用数据挖掘中的模糊聚类技术进行分析,说明数据挖掘技术在财务分析、决策中的应用.