商品销售领域中的数据挖掘

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中,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.数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的技术.将其应用到商品销售领域的主要作用是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商品销售决策的关键性数据.     

数据挖掘在客户知识管理中的应用研究

一段时间以来,企业的数据仓库开始大众化,企业通过一些渠道积累了许多历史数据,只有当把这些数据化成有用信息的时候才可以充分地体现出来。数据挖掘是一种知识的发现者,它是从大量数据中挖掘隐性知识的技术,它在帮助企业实现从数据到知识的转换过程中起到了关键作用。所以,企业需要在客户管理方面着手,而客户知识的获得就显得尤为重要了。但如何寻找一种创新型的机制,使获得信息经过分析后能够产生一种新的知识,可以用来帮助解决寻找问题呢？因此。有关客户知识管理的问题开始普遍引起了人们的注意。一、基于数据挖掘的客户知识获取与共享数据挖掘又称数据库中的知识发现,是目前人工智能和数据库领域研究的热点问题。数据挖掘是一种挖掘潜在有用的信息和知识的过程。虽然实际的应用数据是模糊而有噪声,并且是不完全的,但是数据挖掘却能挖掘隐含在其中的深层次的信息。同时数据挖掘所挖掘的是用户感兴趣的知识,并且数据挖掘发现的知识要可接受并能理解加以运用,     

数据挖掘与统计学的关系探析

<正>1数据挖掘简介1.1数据挖掘定义对于数据挖掘,一种比较公认的定义是:数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识、这些知识是隐含的、事先未知的、潜在有用的信息,提取的知识表示为概念规则、规律、模型等形式。     

数据挖掘应用性的研究

随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。数据挖掘(Data Mining)是从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有趣知识的过程。数据挖掘算法和可视化工具适用于挖掘数据中的重要模式,并且提供有价值的预测,它是当代人工智能、统计学等技术在数据库领域中的应用。     

数据挖掘在金融风险管理中的应用

数据挖掘在金融风险管理中扮演着重要角色,它可以提取出隐含在数据中人们事先不知道却又潜在的有用信息和知识,为管理者提供决策参考信息。文章由金融危机的爆发引入,介绍了金融风险管理;然后对数据挖掘的概念、流程及分析方法进行讲解;接着重点介绍了数据挖掘在金融风险管理中的典型应用,如信用风险评估、公司财务危机预警分析和供应链风险评估;最后进行了总结与展望。     

浅析数据仓库及数据挖掘技术在ERP中的应用

数据挖掘是指采用人工智能的方法对数据库和数据仓库中的数据进行分析、获取知识的过程。现代企业的发展离不开信息技术的融合运用,本文主要论述数据仓库和数据挖掘技术在ERP中的应用。     

商业智能与中药企业QSMES的集成应用研究

文章分析研究了中药企业的质量标准生产执行系统(QSMES)的特点,并阐述了QSMES在辅助决策支持上的不足,基于商业智能理论,介绍了商业智能与中药企业QSMES集成的体系结构,以及相应的系统解决方案。分别阐述了商业智能中数据仓库、联机事务分析(OLAP)以及数据挖掘功能的具体应用方法。将中药企业的QSMES数据资源转化为有用的信息和知识,为企业管理人员的决策提供可靠的支持。     

数据挖掘技术在水利工程管理中的应用研究

因能从海量数据中发现潜在的、有价值的知识，数据挖掘成为人们非常感兴趣的热点技术。水利工程管理面临的是海量的非空间数据和空间数据，对这些数据的挖掘，能够提炼出有价值的知识，从而提高水利工程管理的科学化水平和决策水平。在水利工程管理中利用空间数据挖掘技术。需要解决数据仓库建设、数据挖掘与GIS集成和数据挖掘系统模型等3个方面的关键问题。数据仓库是建设水利工程数据挖掘系统的基础。数据挖掘与GIS集成的方式有嵌入式、松散耦合式、紧密耦合式3种。紧密耦合式是两者集成的最好方式。水利工程系统的数据挖掘适合采用基于OLAP和0LAM的探查性数据挖掘模型。     

基于J2EE的学校后勤管理系统关键技术研究

针对桂林电子科技大学现有后勤管理系统相对落后的问题,采用B/S架构,运用开源框架Struts-Spring-Hibernate构建基于J2EE的高校后勤管理系统。该系统将开源框架与Ajax技术相结合,可实现系统的异步提交,减轻网络通信和服务器端的负担;以后勤管理数据为研究对象,通过数据仓库、OLAP、数据挖掘技术的综合运用发现后勤管理系统中的有用信息,为管理高层提供辅助决策支持,具有较强的实用价值。     

基于J2EE的学校后勤管理系统关键技术研究

针对桂林电子科技大学现有后勤管理系统相对落后的问题,采用B/S架构,运用开源框架Struts-Spring-Hibernate构建基于J2EE的高校后勤管理系统。该系统将开源框架与Ajax技术相结合,可实现系统的异步提交,减轻网络通信和服务器端的负担;以后勤管理数据为研究对象,通过数据仓库、OLAP、数据挖掘技术的综合运用发现后勤管理系统中的有用信息,为管理高层提供辅助决策支持,具有较强的实用价值。     

加强烟草企业数据中心建设 强化数据分析应用

我国烟草企业普遍存在信息孤岛问题,现有的信息管理系统无法满足突发性查询及决策的需求,在很大程度上影响了决策的效率,造成获取必要的决策信息成本很高。为解决这些问题,本文提出基于数据仓库技术的烟草企业数据中心平台的设计方案。基于数据仓库技术的烟草企业数据中心平台可以统一数据源,实现企业信息的共享和交换,支持企业领导决策分析。     

数据挖掘中模糊理论的组合运用

模糊算法的组合运用是数据挖掘的一种重要手段。本文通过运用模糊聚类分析技术,对数据仓库中数据进行模糊划分,得到聚类中心;聚类中心又可作为模糊模式识别的标准模型库,进而对新样本进行模糊模式识别。通过模糊聚类分析和模糊模式识别的组合运用,使数据挖掘系统成为一个自适应的闭环系统。     

数据挖掘技术在物流业中的应用

数据挖掘是从大量已有数据中找出隐藏在其中的、有用的信息和规律。当前大部分物流企业实现了信息化建设,随着物流管理工作的不断推进,会产生大量数据,如何有效利用这些数据是物流企业实现现代化的关键所在。文章首先介绍了常用的数据挖掘方法,接着阐述数据挖掘技术在物流业中的应用,最后指出物流企业应用数据挖掘技术时应注意的问题。     

基于RFID技术的仓储数据处理

仓储作为物流产业重要环节,降低仓储管理成本,提高仓储作业效率,已经成为热门的话题。通过在仓储管理中数据挖掘技术的有效应用,可以控制物流成本,提高仓储效率,帮助公司在竞争中处于更加有力的地位,比如库存平衡控制、货品摆放、运输路径。而基于RFID技术又为仓储管理中数据挖掘技术的有效应用提供保障,开阔了数据挖掘技术工作空间,提升了数据挖掘结果的准确度。     

仓库管理信息系统数据结构的合理设计

企业仓库管理信息系统是企业管理信息系统中涉及数据存储量最大、数据处理次数最多和对数据准确性要求最高的系统,其数据文件或数据库结构的设计直接影响系统的处理效率和响应速度。本文以数据结构规范化理论为基础,讨论了企业仓库管理信息系统数据结构的合理设计问题。     

维修器材数据仓库维度建模研究

为构建适应信息化发展的维修器材数据仓库,从数据来源层面分析了维修器材管理信息,并通过合理分类,确定了维修器材数据仓库主题。结合数据仓库维度建模的一般方法,设计了维修器材数据仓库的维度模型,为最终实现基于数据仓库的维修器材管理决策支持提供了一个可行的方案。     

基于数据仓库的生产物流决策管理系统研究

传统的操作型数据库存在数据分散、数据规范不统一、数据可分析能力较差等缺点，所以论文引入数据仓库技术，在分析其系统体系结构的基础上，提出基于数据仓库的生产物流决策管理系统，同时构建生产物流决策管理系统的数据仓库体系结构，通过对数据仓库的多维分析和数据挖掘形成有效数据，从而有利于生产物流决策管理人员做出科学的决策，提高自身在市场竞争中的地位。     

军用仓库物流与信息流协同的数据模型研究

从建设我军军用仓库物流管理信息系统需求出发,探讨规划军用仓库物流过程与信息流程统一、匹配的运行机制,建立军用仓库物流属性与信息流属性的统一数据模型。     

基于云计算与物联网技术的数据挖掘

在科学技术快速发展的今天,信息通信行业已经与我们的日常生活完全融为一体,并且推动了整个社会的发展,所以在科学技术快速进步的过程中,信息通信相关技术也在不断发展,其中,基于云计算的物联网发展越来越受到人们的重视。论文对基于云计算的物联网数据挖掘模式进行分析及探讨,从而为互联网数据挖掘技术发展提供相应的参考。