基于数据挖掘的移动通讯消费者行为分析.doc
摘要
随着信息化时代的来临，移动通讯市场的竞争越来越激烈，抢占市场份额、提高客户与企业之间的黏度是移动通讯企业一直的目标。消费行为分析是客户关系管理的重要组成部分, 传统的分析都是借助于经济学的基本理论进行的,没有进行定量的研究,结果存在一定的局限性。在新技术不断发展的今天,数据挖掘技术作为一项强大的数据分析技术, 在客户关系管理中的应用正得到越来越多人的关注。在以客户为中心的竞争环境中，如果既能拥有大量的信息，就能在激烈的竞争中取得优势。数据挖掘是从大量数据中提取或挖掘知识进行数据分析，
从而发现潜在信息的技术。对客户进行细分能够帮助企业从更加深入全面的角度洞察客户、
了解客户价值取向，基于这种洞察在合适的时间通过合适的渠道向合适的客户提供量身定做
的产品套餐。基于此背景提出了该课题。
如何从大量的消费者消费记录中发现消费者的消费行为，对移动通讯企业提高客户的满意度
等有着重要的战略意义。本文基于数据挖掘的移动通信消费者消费行为的研究以数据进行驱
动，对移动通讯消费者消费行为进行了相关分析，基于已处理的数据，进行消费者细分。通过 K-Means、Two-Step 和 Kohonen 聚类方法，分别进行聚类，最终选择了 K-Means 的细分结果作为消费者细分准则，得到五类消费者，即重要保持客户、重要发展客户、重要挽留客户、
一般价值客户和低价值客户。本文第一章首先阐述了数据挖掘的相关理论，并对消费者行为分析
进行分析，第二章阐述了数据挖掘理论，介绍了数据挖掘的特点和数据挖掘的一般过程
以及数据挖掘的特点。第三章进行了消费者行为分析，包括客户关系的管理、CRM流程、消费者行为分析和消费者细分的方法，以及移动通讯企业的消费者细分问题。第四章描述了移动通讯消费者细分的案例，进行了数据预处理消费者聚类，以及细分客户消费行为分析。第五章进行了移动通讯消费者的相关性分析，包括消费者购买的相关性消费者消费行为的分
析，在第六章进行了总结与展望。本文在移动通讯消费者购买倾向上共进行了CART算
法、
CHAID算法和 C5.0 算法，这三种算法进行处理，最终的二道重要保持客户和年龄关系较大，
重要挽留客户和消费频率关系较大，重要发展客户则和最近一次消费时间相关性高，一般价值客户和消费频率与消费金额有关，低价值客户则和性别有一定关系。针对此，在展开营销策划时，可以针对性进行营销。j6j7f6o1k3 。
关键词： RFM、客户细分、数据挖掘、CART算法、消费者行为
ABSTRACT
With the advent of the information age, competition in the mobile communications market more competitive, market share, enhance viscosity between customers and
business mobile communications business has been the goal. At the same time, the
use of mobile communication more and more consumers, how to find consumer behavior from a large number of consumer spending recorded in the mobile communications
business has important strategic significance to improve customer satisfaction. j6j7f6o1k3 。
This paper is the study of consumer behavior mobile communication about data
mining, first elaborated the theory of data mining, analysis and consumer behavior analysis, and the resulting data into the sample, perform RFManalysis, consumption records from the consumer, That c onsumer ID, spending time and amount of consumption to its R, F, M value, the next consumer to provide the data base segmentation,
analysis of their value by the consumer, is more straightforward. j6j7f6o1k3 。
Based on the processed data, conduct consumer segmentation. By K-Means, Two-Step and Kohonen clustering methods, were clustering, chose K-Means segments results as consumer segmentation criteria to give consumers five categories, namely important to keep customers, an important development client it is important to retain customers, the general value customers and low-value customers. On the basis of
consumer segmentation based on different types were consumer behavior analysis more meaningful. j6j7f6o1k3 。
Since this data has 24785 data, but consumers only 10085, data distribution may not satisfy some algorithms, this mobile consumers to buy CARTalgorithm were carried out on the tendency, CHAID algorithm and C5.0 algorithms, these three algorithms
processing, final important to maintain a large customer and their age, the larger retain customers and important relationship between frequency of consumption, important developments and recent customers are spending time correlation is high, the general value customers and consumption frequency and amount of consumption
related, low-value customers are and gender have a certain relationship. For this, in the expanded marketing plan, you can carry out targeted marketing. j6j7f6o1k3 。
In this paper, data-driven, mobile communications consumer spending behavior
correlation analysis, corporate marketing planning for the future development of
great significance. j6j7f6o1k3 。
Keywords: RFM, customer segmentation, data mining, CART algorithm, consumer behavior j6j7f6o1k3。
目录
摘要 1111j6j7f6o1k3。
ABSTRACT2222j6j7f6o1k3。
1 绪论 7777j6j7f6o1k3。
1.1 研究背景 7777j6j7f6o1k3。
1.2 国内外研究现状 7777
。
j6j7f6o1k3
1.2.1 数据挖掘的研究现状7777
。
j6j7f6o1k3
1.2.2 客户消费者行为研究现状8888 j6j7f6o1k3。
1.2.3 基于数据挖掘的客户消费者行为研究现状9999
。
j6j7f6o1k3
1.3 研究内容 9999j6j7f6o1k3。
1.4 本文组织结构 10101010j6j7f6o1k3。
2 数据挖掘理论概述 11111111j6j7f6o1k3。
2.1 数据挖掘特点 11111111j6j7f6o1k3。
2.2 数据挖掘的一般过程11111111 j6j7f6o1k3 。
2.3 数据挖掘常用方法12121212j6j7f6o1k3。
2.3.1 决策树方法 12121212j6j7f6o1k3。
2.3.2 统计分析方法 12121212j6j7f6o1k3。
2.3.3 粗糙集方法 12121212j6j7f6o1k3。
2.3.4 贝叶斯网络 12121212 j6j7f6o1k3 。
2.3.5 人工神经网络 13131313 j6j7f6o1k3 。
2.3.6 遗传算法 13131313j6j7f6o1k3。
3 消费者行为分析14141414j6j7f6o1k3。
3.1 客户关系管理14141414j6j7f6o1k3。
3.1.1 CRM 目标 14141414j6j7f6o1k3。
3.1.2 CRM 的体系结构14141414j6j7f6o1k3。
3.1.3移动通讯企业实施CRM的优势 15151515j6j7f6o1k3。
3.2 CRM 流程 16161616j6j7f6o1k3。
3.3 消费者行为分析17171717j6j7f6o1k3。
3.3.1消费者行为17171717j6j7f6o1k3。
3.3.2消费者行为模式18181818j6j7f6o1k3。
3.3.3消费者行为研究理论基础18181818j6j7f6o1k3。
3.4 消费者细分方法21212121j6j7f6o1k3。
3.4.1 RFM 分析 21212121j6j7f6o1k3。
3.4.2 客户价值矩阵分析 24242424j6j7f6o1k3。
3.5 移动通讯企业的消费者细分问题26262626j6j7f6o1k3。
3.6 本章小结 27272727j6j7f6o1k3。
4 移动通讯消费者细分案例27272727j6j7f6o1k3。
4.1 数据预处理27272727j6j7f6o1k3。
4.2 消费者聚类30303030j6j7f6o1k3。
4.2.1 K-means聚类31313131j6j7f6o1k3。
4.2.2 Two-Step聚类33333333j6j7f6o1k3。
4.2.3 Kohonen聚类35353535j6j7f6o1k3。
4.2.4聚类结果比较36363636j6j7f6o1k3。
4.3 细分客户消费行为分析38383838j6j7f6o1k3。
4.3.1重要保持客户38383838j6j7f6o1k3。
4.3.2重要发展客户39393939j6j7f6o1k3。
4.3.3重要挽留客户40404040j6j7f6o1k3。
4.3.4一般价值客户41414141j6j7f6o1k3。
4.3.5低价值客户42424242j6j7f6o1k3。
4.4实证研究43434343j6j7f6o1k3。
4.4.1 对某省电信运营商客户的细分43434343j6j7f6o1k3。
4.4.2 细分结果分析 44444444j6j7f6o1k3。
4.4.3 研究结果的现实意义45454545j6j7f6o1k3。
5 移动通讯消费者相关性4646464
6 j6j7f6o1k3 。
5.1 消费者购买相关性46464646j6j7f6o1k3。
5.1.1CART 算法原理47474747j6j7f6o1k3。
5.1.2CHAID 算法原理47474747j6j7f6o1k3。
5.1.3 C5.0算法原理48484848j6j7f6o1k3。
5.2 消费者消费行为分析48484848j6j7f6o1k3。
5.2.1 重要保持客户CART消费分析 48484848 j6j7f6o1k3 。
5.2.2 重要挽留客户C5.0 消费分析50505050 j6j7f6o1k3 。
5.2.3 重要发展客户C5.0 消费分析53535353 j6j7f6o1k3 。
5.2.4 一般价值客户CHAID消费分析 55555555j6j7f6o1k3。
5.2.5低价值客户CART消费分析56565656j6j7f6o1k3。
5.3 实证研究的现实意义58585858j6j7f6o1k3。
6 总结与展望60606060j6j7f6o1k3。
6.1 总结 60606060j6j7f6o1k3。
6.2 展望 60606060j6j7f6o1k3。致谢 62626262j6j7f6o1k3。
参考文献63636363j6j7f6o1k3。
1绪论
1.1 研究背景
随着科技的不断进步，中国通信企业经历了2G、3G和现在的4G时代，中国移动通讯的市场环境发生了翻天覆地的变化，形成了现在的移动、电信、联通等大型移动通讯企业为主
导，多家小型企业参与的市场局面。同时，中国的改革开放的逐渐深入，中国移动通讯市场
逐步向外开放，形成了既有内部竞争又有外部压力的新格局。作为当代的移动通讯产业，提
高自己的核心竞争力已成为急需解决的问题。中国作为一个人口大国，并且移动客户端人口
数量巨大，所以需要从海量数据中进行数据挖掘，对移动通讯消费者行为进行分析，找出客
户需求，从而提高核心竞争力，为实现科学经营打下坚实的基础。j6j7f6o1k3 。
在当下的竞争格局下，移动通讯企业已不再是昔日的以业务为中心，在当下以人为本的
社会，以客户为中心已然成为移动通讯企业的核心，对不同类型的客户提供对应的服务，有
利于增大客户黏度，从而实现以有限成本获得最大利益。消费者行为分析本质上就是从消费
者数据中分析消费者的行为规律，更加深入地了解消费者，开发其价值，为企业带来收益。
j6j7f6o1k3 。
数据挖掘技术在当下信息大爆炸的年代有着无可比拟的优势，数据挖掘技术就是从大量
随机和有噪声的数据中识别出现在又用的知识（模型或规则）的技术过程，从而把人们对数
[1] 据的应用从低层次的联机查询操作，提高到决策支持、分析预测等更高层次的应用上。
当下已是大数据的时代，数据挖掘技术在当代社会的各个领域都得到了广泛的应用，数据挖掘技术具有计算规模大、算法先进、鲁棒性强等特点，在大量实际工程项目中得到了诸多考
验，所以把数据挖掘技术应用在移动通讯消费者行为分析中有较高的可靠性和实用性。
j6j7f6o1k3 。
1.2 国内外研究现状
随着互联网的发展，服务业也随之改变，利用消费者的消费记录，分析其潜在的消费可
能性，并制定对应的消费方案成为各大企业的一种强有力的竞争手段，大数据广泛应用于客
户消费者行为中，国内外对此作了相应的研究，并取得了相应的进展。j6j7f6o1k3 。
1.2.1数据挖掘的研究现状
数据挖掘技术最早源于1989 年，随着信息技术大爆炸，国内外对此进行了大量的研究，
数据库整理
命令行进入SQLCMD: sqlcmd –s machineName\instanceName 使用数据库： USE db_name GO 删除数据库：（不能删除系统数据库） USE tempdb GO SELECT name,state_desc FROM sys.databases WHERE name=’db_name’ GO DROP DATABASE db_name1,db_name2,… GO 更改数据库文件 ALTER DATABASE db_name {ADD FILE
数据挖掘与分析心得体会
正如柏拉图所说：需要是发明之母。随着信息时代的步伐不断迈进，大量数据日积月累。我们迫切需要一种工具来满足从数据中发现知识的需求！而数据挖掘便应运而生了。正如书中所说：数据挖掘已经并且将继续在我们从数据时代大步跨入信息时代的历程中做出贡献。 1、数据挖掘 数据挖掘应当更正确的命名为：“从数据中挖掘知识”，不过后者显得过长了些。而“挖掘”一词确是生动形象的！人们把数据挖掘视为“数据中的知识发现（KDD）”的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤！ 由此而产生数据挖掘的定义：从大量数据中挖掘有趣模式和知识的过程！数据源包括数据库、数据仓库、Web、其他信息存储库或动态地流入系统的数据。作为知识发现过程，它通常包括数据清理、数据集成、数据变换、模式发现、模式评估和知识表示六个步骤。 数据挖掘处理数据之多，挖掘模式之有趣，使用技术之大量，应用范围之广泛都将会是前所未有的；而数据挖掘任务之重也一直并存。这些问题将继续激励数据挖掘的进一步研究与改进！ 2、数据分析 数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地开发数据资料的功能，发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 数据分析有极广泛的应用范围。典型的数据分析可能包含以下三个步： 1、探索性数据分析：当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。 2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。 3、推断分析：通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。 数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各
中国移动5G+探索大数据和人工智能答案
探索大数据和人工智能 1、2012 年 7 月,为挖掘大数据的价值 ,阿里巴巴集团在管理层设立 ()一职 ,负责全面推进“数据分享平台”战略 ,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个 MapReduce的过程大致分为Map 、 Shuffle 、 Combine 、()? A.Reduce B.Hash C. Clean D. Loading 3、在 Spak 的软件栈中 ,用于交互式查询的是 A.SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处 ( ) 理时间是什么关系 ? A数量越多处理时间越长
B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系 5、下列选项中 ,不是 kafka 适合的应用场景是 ? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构 ,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中 ,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习
8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传統的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类 ,标签为连续的类型,称为什么? A.给定标签 B.离散 C.分类 D.回归 10 、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B.OneNET C.移娃 D.大云 11 、HDFS 中 Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据
面向对象数据模型
第三节面向对象数据模型 1、传统数据模型存在的主要问题 已于前述，目前非空间数据最主要的数据模型是层次模型、网状模型和关系模型。这里，我们分别介绍它们用于GIS地理数据库的局限性 (1)层次模型用于GIS地理数据库的局限性 层次模型反映了地理世界中实体之间的层次关系，在描述地理世界中自然的层次结构关系时简单、直观，易于理解，并在一定程度上支持数据的重构。它用于GIS地理数据库存在的主要问题是： 1）、很难描述复杂的地理实体之间的联系，描述多对多的关系时导致物理存储上的冗余； 2）、对任何对象的查询都必须从层次结构的根结点开始，低层次对象的查询效率很低，很难进行反向查询； 3）、数据独立性较差，数据更新涉及许多指针，插入和删除操作比较复杂，父结点的删除意味着其下层所有子结点均被删除； 4）、层次命令具有过程式性质，要求用户了解数据的物理结构，并在数据操纵命令中显式地给出数据的存取路径； 5）、基本不具备演绎功能和操作代数基础。 (2)网状模型用于GIS地理数据库的局限性 网状模型是层次模型的一般形式，反映了地理世界中常见的多对多关系，在一定程度上支持数据的重构，具有一定的数据独立和数据共享特性，且运行效率较高。用于GIS地理数据库的主要问题如下： 1）、由于网状结构的复杂性，增加了用户查询的定位困难，要求用户熟悉数据的逻辑结构，知道自己所处的位置； 2）、网状数据操作命令具有过程式性质，存在与层次模型相同的问题； 3）、不直接支持对于层次结构的表达； 4）、基本不具备演绎功能和操作代数基础。 (3)关系模型用于GIS地理数据库的局限性
关系模型表示各种地理实体及其间的关系，方式简单、灵活，支持数据重构；具有严格的数学基础，并与一阶逻辑理论密切相关，具有一定的演绎功能；关系操作和关系演算具有非过程式特点。尽管如此，关系模型用于GIS地理数据库也还存在一些不足。主要问题是： 1）、无法用递归和嵌套的方式来描述复杂关系的层次和网状结构，模拟和操作复杂地理对象的能力较弱； 2）、用关系模型描述本身具有复杂结构和涵义的地理对象时，需对地理实体进行不自然的分解，导致存储模式、查询途径及操作等方面均显得语义不甚合理； 3）、由于概念模式和存储模式的相互独立性，及实现关系之间的联系需要执行系统开销较大的联接操作，运行效率不够高。 不难看出，关系模型的根本问题是不能有效地管理复杂地理对象。 2、面向对象的概念 面向对象的基本概念是在本世纪70年代萌发出来的，它的基本做法是把系统工程中的某个模块和构件视为问题空间的一个或一类对象。到了80年代，面向对象的方法得到很快发展，在系统工程、计算机、人工智能等领域获得了广泛应用。但是，在更高级的层次上和更广泛的领域内对面向对象的方法进行研究还是90年代的事。 (1)基本思想和基本概念 面向对象的基本思想是通过对问题领域进行自然的分割，用更接近人类通常思维的方式建立问题领域的模型，并进行结构模拟和行为模拟，从而使设计出的软件能尽可能地直接表现出问题的求解过程。因此，面向对象的方法就是以接近人类通常思维方式的思想，将客观世界的一切实体模型化为对象。每一种对象都有各自的内部状态和运动规律，不同对象之间的相互联系和相互作用就构成了各种不同的系统。 在面向对象的方法中，对象、类、方法和消息是基本的概念。 对象——含有数据和操作方法的独立模块，可以认为是数据和行为的统一体。如一个城市、一棵树均可作为地理对象。对于一个对象，应具有如下特征： ·具有一个唯一的标识，以表明其存在的独立性； ·具有一组描述特征的属性，以表明其在某一时刻的状态； ·具有一组表示行为的操作方法，用以改变对象的状态。
数据清洗、数据分析、数据挖掘
数据清洗 1.基本概念 数据清洗从名字上也看的出就是把"脏"的"洗掉",指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为"脏数据"。我们要按照一定的规则把"脏数据""洗掉"，这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。 ?残缺数据 这一类数据主要是一些应该有的信息缺失，如供应商的名称、分公司的名称、客户的区域信息缺失、业务系统中主表与明细表不能匹配等。对于这一类数据过滤出来，按缺失的内容分别写入不同Excel文件向客户提交，要求在规定的时间内补全。补全后才写入数据仓库。 折叠错误数据
这一类错误产生的原因是业务系统不够健全，在接收输入后没有进行判断直接写入后台数据库造成的，比如数值数据输成全角数字字符、字符串数据后面有一个回车操作、日期格式不正确、日期越界等。这一类数据也要分类，对于类似于全角字符、数据前后有不可见字符的问题，只能通过写SQL语句的方式找出来，然后要求客户在业务系统修正之后抽取。日期格式不正确的或者是日期越界的这一类错误会导致ETL运行失败，这一类错误需要去业务系统数据库用SQL 的方式挑出来，交给业务主管部门要求限期修正，修正之后再抽取。 折叠重复数据 对于这一类数据--特别是维表中会出现这种情况--将重复数据记录的所有字段导出来，让客户确认并整理。 数据清洗是一个反复的过程，不可能在几天内完成，只有不断的发现问题， 解决问题。对于是否过滤，是否修正一般要求客户确认，对于过滤掉的数据，写入Excel文件或者将过滤数据写入数据表，在ETL开发的初期可以每天向业务单位发送过滤数据的邮件，促使他们尽快地修正错误，同时也可以做为将来验证数据的依据。数据清洗需要注意的是不要将有用的数据过滤掉，对于每个过滤规则认真进行验证，并要用户确认。 数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结 论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实 用中，数据分析可帮助人们作出判断，以便采取适当行动。 类型 在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的
数据库基础知识 答案版
数据库基础知识 （A）1．数据库（DB）、数据库系统（DBS）、数据库管理系统（DBMS）三者之间的关系是（）。 A）DBS包括DB和DBMS B）DBMS包括DB和DBS C）DB包括DBS和DBMS D）DBS就是DB,也就是DBMS （C）2．数据库DB、数据库系统DBS、数据库管理系统DBMS之间的关系是（）。 A）DB包含DBS和DBMS B）DBMS包含DB和DBS C）DBS包含DB和DBMS D）没有任何关系 （B）3．DBMS的含义是：（）。 A）数据库系统 B）数据库管理系统 C）数据库管理员 D）数据库（A）4．英文缩写DBMS代表含义是（）。 A）数据库管理系统 B）数据库定义语言 C）Visual FoxPro D）数据库操作语言（A）5．数据库系统中对数据库进行管理的核心软件是（）。 A）DBMS B）DB C）OS D）DBS （C）6．数据库系统的核心是（）。 A）数据库 B）操作系统 C）数据库管理系统 D）文件 （B）7．VFP支持的数据模型是（）。 A）层次数据模型 B）关系数据模型 C）网状数据模型 D）树状数据模型（A）8．Visual FoxPro 6.0支持的数据模型是（）。 A）关系数据库模型 B）网状数据库模型 C）线性数据库模型 D）层次数据库模型（D）9．用数据二维表来表示实体及实体之间联系的数据模型称为（）。 A）实体–联系模型 B）层次模型 C）网状模型 D）关系模型 （C）10．Visual FoxPro 6.0是一种关系型数据库管理系统，所谓关系是指（）。 A）各条记录中的数据彼此有一定的关系 B）一个数据库文件与另一个数据库文件之间有一定的关系 C）数据模型符合满足一定条件的二维表格式 D）数据库中各个字段之间彼此有一定的关系 （C）11．关系型数据库管理系统的关系是指（）。 A）各条记录中的数据彼此有一定的关系 B）一个数据库文件与另一个数据库文件之间有一定的关系 C）数据模型符合满足一定条件的二维表格式 D）数据库中各个字段之间彼此有一定的关系 （B）12．扩展名为.dbf的文件是（）。 A）表单文件 B）表文件 C）数据库文件 D）项目文件 （C）13．在下面的数据类型中默认为.F.的是（）。 A）数值型 B）字符型 C）逻辑型 D）日期型 （B）14．在Visual FoxPro中，存储图象的字段类型应该是（）。 A）备注型 B）通用型 C）字符型 D）双精度型 （C）15．在VFP中，具有固定字段长度的字段类型包括（）。 A）日期型、备注型和数值型 B）字符型、逻辑型和备注型 C）日期型、逻辑型和备注型 D）日期型、逻辑型和字符型 （D）16．已知一个字段的宽度为8，则此字段的类型不．可能是（）。 A）数值型 B）日期型 C）字符型 D）备注型 （A）17．假设表文件TEST.DBF已经打开，要修改其结构，可使用的命令（）。 A）MODI STRU B）MODI COMM TEST C）MODI DBF D）MODI TYPE TEST （B）18．MODIFY STRUCTURE命令的功能是：（）。 A）修改记录值 B）修改表结构 C）修改数据库结构 D）修改数据库或表结构
90后消费行为的特征与营销策略
90后消费行为的特征与营销策略 摘要：如今，90 后已经成为大学校园的主角,关于他们的话题也受到越来越多人的关注。90 后是伴随着互联网成长起来的一代，其特殊的成长环境使他们形成极具个性的消费心理，也使他们成为最具消费潜力的一代。 关注90 后现状，分析90 后消费行为特征，研究90 后营销策略得到了营销者的厚爱。本文采用问卷调查的方式获取第一手数据，在充分吸取前人的研究成果的基础上，系统分析了90 后的消费行为现状及特征，最后重点探讨了针对90 后的营销策略。 关键词： 90后；消费行为；营销策略 一、90后消费行为的现状 90 后群体目前年龄在 14 到 23 岁之间，这个年龄他们大部分是学生，他们正处于成长阶段。他们一方面要集中精力学习，背负沉重的升学压力，另一方面又要面对这个特殊时代带给他们的“无限诱惑”。他们对时尚元素的追逐，对高新产品的喜爱，都充满个性。他们乐于接受新鲜的能展现自己个性的事物。种种现象表明，对90后营销策略的研究有时新性和必要性。本文通过调查研究，希望初步地认知 90后的消费现状、消费行为特征以及营销策略。 本文选取了90后青海市地区的大学生，通过发放调查问卷，收集并统计数据，用SPSS软件进行数据整理分析。本次问卷调查共发放300份，收回问卷300份，有效问卷291份，有效问卷占97%，可以进行数据分析。 1.1 消费水平 随着经济的不断发展，人们的生活水平越来越高，家长给孩子们的投入越来越大，他们认为自己的孩子“不能输在起跑线上”，刚入大学，就给孩子配高端手机，配高配置电脑等。父母的供给成为90后大学生的主要经济来源，如图1-1所示： 图1-1 90后大学生主要经济来源 从图1-1中可以看出，被调查的对象中56.4%的生活费全部靠父母供给，38.8%的人大部分有父母供给，仅有2.7%的人靠奖学金、补助金和做兼职获取生活费。衡量90后消费水平的最好标准是每月花费的生活费。这个标准因家庭条件差异、地区差异、自身消费行为的差异为有所不同，如图1-2所示：
分析报告、统计分析和数据挖掘的区别
分析报告、统计分析和数据挖掘的区别 关于数据挖掘的作用，Berry and Linoff的定义尽管有些言过其实，但清晰的描述了数据挖掘的作用。“分析报告给你后见之明 (hindsight)；统计分析给你先机 (foresight)；数据挖掘给你洞察力(insight)”。 举个例子说。 你看到孙悟空跟二郎神打仗，然后写了个分析报告，说孙悟空在柔韧性上优势明显，二郎神在力气上出类拔萃，所以刚开始不相上下；结果两个人跑到竹林里，在竹子上面打，孙悟空的优势发挥出来，所以孙悟空赢了。这叫分析报告。 孙悟空要跟二郎神打架了，有个赌徒找你预测。你做了个统计，发现两人斗争4567次，其中孙悟空赢3456次。另外，孙悟空斗牛魔王，胜率是89%，二郎神斗牛魔王胜率是71%。你得出趋势是孙悟空赢。因为你假设了这次胜利跟历史的关系，根据经验作了一个假设。这叫统计分析。 你什么都没做，让计算机自己做关联分析，自动找到了出身、教育、经验、单身四个因素。得出结论是孙悟空赢。计算机通过分析发现贫苦出身的孩子一般比皇亲国戚功夫练得刻苦；打架经验丰富的人因为擅长利用环境而机会更多；在都遇得到明师的情况下，贫苦出身的孩子功夫可能会高些；单身的人功夫总比同样环境非单身的高。孙悟空遇到的名师不亚于二郎神，而打架经验绝对丰富，并且单身，所以这次打头，孙悟空赢。这叫数据挖掘。 数据挖掘跟LOAP的区别在于它没有假设，让计算机找出这种背后的关系，而这种关系可能是你所想得到的，也可能是所想不到的。比如数据挖掘找出的结果发现在2亿条打斗记录中，姓孙的跟姓杨的打，总是姓孙的胜利，孙悟空姓孙，所以，悟空胜利。 用在现实中，我们举个例子来说，做OLAP分析，我们找找哪些人总是不及时向电信运营商缴钱，一般会分析收入低的人往往会缴费不及时。通过分析，发现不及时缴钱的穷人占71%。而数据挖掘则不同，它自己去分析原因。原因可能是，家住在五环以外的人，不及时缴钱。这些结论对推进工作有很深的价值，比如在五环外作市场调研，发现需要建立更多的合作渠道以方便缴费。这是数据挖掘的价值。
数据分析与挖掘在金融方面的应用
数据挖掘在操作风险的量化和管理中的应用 根据《新巴塞尔资本协议》（）给出的定义，“操作风险是指由于不正确的内部操作流程、人员、系统或外部事件所导致的直接或间接损失的风险。”这一定义侧重于从操作风险的成因包括法律方面的风险，但将策略风险和声誉风险排除在外。随着世界经济和银行业的发展，多种可供分析的操作风险管理方法正在逐渐的形成，商业银行多年来一直试图对它进行一定程度的控制，定性并尝试测量这一风险，作为非金融机构的财务公司也不例外。在量化模型技术的推动下，操作风险量化测评和管理的技术获得了相当大的发展。操作风险管理能通过减少风险、改善服务质量和降低经营成本，从而形成一种竞争优势并在股东价值中得到相应体现。本文拟从数据分析与挖掘角度入手，对财务公司操作风险的量化测评和管理进行初步探讨和简要分析。 一、解决问题的整体思路 财务公司要实现科学且合理的对操作风险进行量化测评与管理，一般要进行以下几个步骤的工作：数据挖掘→数据分析→模型构建→模型检验。其具体思路如下图所示： 图：操作风险量化测评和管理的整体思路
分类梳理，明确其业务流程，找出关键节点，并在关键节点处科学设置风险监测指标，通过对风险监测指标的观测来纵向监控各业务模块的操作风险。需要注意的是，依据对操作风险模型构建的要求，财务公司在设置风险检测指标时，将这些指标划分为操作风险事件发生频率指标（以下简称为“频率指标”）和操作风险事件损失指标（以下简称为“损失指标”）。在完成风险指标设置的工作后，财务公司对上述指标进行横向分类，即按照人员、系统、流程和外部事件所引发的四类风险，将上述风险监测指标分别归类于七种表现形式：内部欺诈，外部欺诈，聘用员工做法和工作场所安全性，客户、产品及业务做法，实物资产损坏，业务中断和系统失灵，交割及流程管理。财务公司通
中国90后消费心理与消费行为的调查与分析——对商家营销策略的思考毕业论文
中国"90后"消费心理与消费行为的 调查与分析
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
消费者行为与营销策略分析
消费者行为与营销策略分析 一、消费者行为的发展趋势 消费者行为的发展和变化是促进营销发展变化的重要因素之一。事实上社会和时代最重要的变化不仅在于科技.在于消费者因科技而拥有更高的能力和知识。他们的行为正向 着以下几个方面发展: 首先,注重价值导向。由于消费水平的提高,消费者不仅考虑产品或服务的功能,还追求其附加价值。同时, 他们强调物有所值.不盲目地追求品牌和档次。其特征集中表现为“交叉购买”。其次. 信息索取趋于多、捷、便。互联网的运用和发展正逐步减少和消除因信息不对称和高 昂的信息成本给消费者带来的困扰和不便。 ①消费者几乎足不出户便可以最快、最便、最便宜的方式.获得所需的大量资料。第三追求个性化、独特化。个性化已逐渐成为现代人性格的一大特征。人们通过自己所拥有的去寻求、表达、确认并且肯定一种存在的感觉。 ②目前许多消费者已进入明显的个性消费阶段过去那种“忠诚度同质化”的状况正逐步淡化。第四积极主动并更加内行和自信。由于消费者能接触到更多的信息和有更多的选择机会他 们不再被动地接受他人的观点和信息不再消极地购买和消费而要求参与、掌握主动权需要终极 关注以及被倾听。第五主张创新而不是单纯选择。不断发展的IT 技术及数字媒体给消费者建造了全新的创新舞台。他们不会仅满足于对现有产品或服务做出选择创新才是追求的永恒目标。 最后关注和重视社会利益。社会文明程度的不断提高使消费者在满足个体消费需求的同时更注 重保护生态环境防止污染节省及再利用资源。 二、消费动机 不管消费者行为如何的变化，只要知道其消费的动机，那么，就可以根据其动机制定营销策略。马斯络认为人的需求可分为五个层次，即生理需求、安全需求、爱和归属的需求、自尊的需求、自我实现的需求。上述五种需求是按从低到高层次组织起来的，只有当较低层次 的需求要得到某种程度的满足，较高层次的需求才会出现并出现要求得到满足。一个 人生理上的迫切需求得到满足后，才能去寻求其保障安全，也只有其基本安全需要得 到满足后，爱与归属的需求才会出现，并要求得到满足，以此类推。 但是， 马斯洛并没有说较低层次需求完全满足后，才会产生高一层次需求，而只是说，人的 各种需求存在高低顺序，或者各种同时出现的需要中存在优势需要。就一般情况而言，处
中国移动经营分析系统
中国移动经营分析系统 一、中国移动经营分析现状研究近几年，随着国内电信企业的不断发展，电信行业的竞争也趋于白热化。一方面，客户选择电信业务及电信企业的余地越来越大，电信企业之间对客户的争夺也越来越激烈。经过运营商不断的“价格战”，电信市场出现了严重的“增量不增收”现象，大量低忠诚度的客户转网或变更业务。电信企业虽纷纷采用具有一定优惠期限的活动来降低客户的流失率，但在优惠期结束后，很多客户便纷纷离网或弃卡重入网以套取新的优惠，仍造成了大规模的客户流失，致使电信企业的业务收入下滑、客户发展效率低成本高。另一方面，电信客户近几年高速增长，形成了庞大、需求差异很大的客户群；同时适用于不同人群的各种新业务不断推出，电信企业需要通过细分市场、客户群，将最合适的业务推销给最需要的客户，实现业务和客户的最佳匹配。 在这种激烈的竞争情况下，如何提高经济效益，如何运用科学的经营分析方法，实现精细化的管理和营销，用高质量的服务来吸引和留住客户，扩大市场占有率，在竞争中占据有利位置，是国内各电信运营商关注的重点。 基于以上背景，国内电信运营商纷纷建立起以“经营分析系统”为核心的企业决策支持体系，通过对公司日常经营数据的分析、挖掘，为公司决策者、各级管理者提供经营决策依据，以实现精细化营销。 1、中国移动经营分析系统建设概况 为保证中国移动在激烈的市场竞争中能够满足新业务、新需求、新机会的需要，有效提高中国移动市场前沿的信息化水平，辅助提升中国移动市场精细化营销水平和深度运营能力，确保中国移动的市场领先地位，中国移动
在完成业务支撑系统(BOSS)建设和集中化后，于2001年开始筹备经营分析系统，起草了规范和标准。2002年中国移动开始投入巨资进行经营分析系统建设，并于2004年实现省级经营分析系统和有限公司一级经营分析系统的全国联网。 经营分析系统的投入使用，使中国移动初步建立了面向企业运营的统一数据信息平台，为全网业务、客户服务、市场营销、经营决策、业务实施等工作提供了有效的支撑，同时进一步支持了有限公司对各省市场经营活动的管理和指导，在中国移动的业务运营中发挥了重要的作用，为中国移动精细化运营提供了基础。 2、中国移动经营分析系统框架介绍 中国移动经营分析系统通过与其它业务系统的有机结合，有效利用业务支撑系统(BOSS)和服务、财务、网络等系统产生的大量基础数据，运用数据仓库、联机分析处理、数据挖掘等先进技术，并通过预定义报表、即席查询、OLAP分析等功能，实现对公司的经营情况的分析和监控。 经营分析系统主要包括四层结构，即数据获取层、数据存储层、数据应用层和数据访问层。 (1)数据获取层 数据获取层支持中国移动省级经营分析系统从BOSS、DSMP、网管等源系统中将相关业务数据进行抽取、清洗、加工、整理并加载到数据仓库的过程。 (2)数据存储层
大数据、数据分析和数据挖掘的区别
大数据、数据分析和数据挖掘的区别 大数据、数据分析、数据挖掘的区别是，大数据是互联网的海量数据挖掘，而数据挖掘更多是针对内部企业行业小众化的数据挖掘，数据分析就是进行做出针对性的分析和诊断，大数据需要分析的是趋势和发展，数据挖掘主要发现的是问题和诊断。具体分析如下： 1、大数据(big data)： 指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产; 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)Veracity(真实性) 。 2、数据分析：
是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。 数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 3、数据挖掘(英语：Data mining)： 又译为资料探勘、数据采矿。它是数据库知识发现(英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。 简而言之： 大数据是范围比较广的数据分析和数据挖掘。 按照数据分析的流程来说，数据挖掘工作较数据分析工作靠前些，二者又有重合的地方，数据挖掘侧重数据的清洗和梳理。 数据分析处于数据处理的末端，是最后阶段。 数据分析和数据挖掘的分界、概念比较模糊，模糊的意思是二者很难区分。 大数据概念更为广泛，是把创新的思维、信息技术、统计学等等技术的综合体，每个人限于学术背景、技术背景，概述的都不一样。
基于消费者行为的品牌营销策略研究
基于消费者行为的品牌营销策略研究 摘要：本文以手机为例对基于消费者行为的品牌营销策略进行研究，主要包括四个部分：消费者行为和品牌营销概述；影响手机消费者行为的因素分析；品牌营销与消费者行为的关系；基于消费者行为的品牌营销策略。 关键词：消费者；品牌营销；策略 如今的手机市场可以说是百家争鸣，国外的品牌、国内的品牌在手机行业展开白热化的竞争，如何能够在竞争中脱颖而出，取得竞争优势是每一个手机品牌的战略重点和中心。本文试图以手机行业为例进行基于消费者行为的品牌营销策略的研究。 一、消费者行为及品牌营销概述 （一）消费者行为 消费者行为是指消费者为获取、使用、处置消费物品或服务所采取的各种行动，包括先于且决定这些行动的决策过程。消费者行为是与产品或服务的交换密切联系在一起的。在现代市场经济条件下，企业研究消费者行为是着眼于与消费者建立和发展长期的交换关系。为此，不仅需要了解消费者是如何获取产品与服务的，而且也需要了解消费者是如何消费产品及产品在用完之后是如何处置的。因为消费者的消费体验、消费者处置旧产品的方式和感受均会影响消费者的下一轮购买，会对企业和消费者之间的长期交换关系产生直接的作用。 （二）品牌营销 品牌营销是通过市场营销使客户形成对企业品牌和产品的认知过程。企业要想不断获得和保持竞争优势，必须构建高品位的营销理念。最高级
的营销不是建立庞大的营销网络，而是利用品牌符号，把无形的营销网络铺建到社会公众心里，把产品输送到消费者心里，使消费者选择消费时认可这个产品，投资商选择合作伙伴时认可这个企业。 著名品牌营销专家翁向东曾说过：“品牌营销的关键点在于为品牌找到一个具有差异化个性、能够深刻感染消费者内心的品牌核心价值，它让消费者明确、清晰地识别并记住品牌的利益点与个性，是驱动消费者认同、喜欢乃至爱上一个品牌的主要力量。” 二、影响手机消费者行为的因素分析 （一）社会文化因素 社会文化因素包括社会阶层和文化因素及相关群体对手机购买行为 的影响。例如，消费者购买行为会受群体参照度的影响，家人和朋友的建议对于消费者的购买决策很重要，另外一些偶像剧中出现的手机也成为一部分粉丝追捧的对象。 （二）个人因素 个人因素主要包括消费者的年龄、性别、职业、个性、收入等因素。但是，这也不是绝对的，有些收入并不高的消费者可能会因为面子或个人喜好等因素背离其自身的经济能力从而做出高出消费水平的购买决策。 （三）心理因素 从购买动机上来看，马斯洛的需要层次理论可以用于手机购买者行为的动机分析。马斯洛把人的需要由低到高分成五个层次：生理需要、安全需要、社交需要、尊重需要及自我实现的需要。具体的动机有求实、求名、求美、求新、从众、攀比等。 （四）市场因素
基于数据挖掘的移动通讯消费者行为分析.doc
摘要 随着信息化时代的来临，移动通讯市场的竞争越来越激烈，抢占市场份额、提高客户与企业之间的黏度是移动通讯企业一直的目标。消费行为分析是客户关系管理的重要组成部分, 传统的分析都是借助于经济学的基本理论进行的,没有进行定量的研究,结果存在一定的局限性。在新技术不断发展的今天,数据挖掘技术作为一项强大的数据分析技术, 在客户关系管理中的应用正得到越来越多人的关注。在以客户为中心的竞争环境中，如果既能拥有大量的信息，就能在激烈的竞争中取得优势。数据挖掘是从大量数据中提取或挖掘知识进行数据分析， 从而发现潜在信息的技术。对客户进行细分能够帮助企业从更加深入全面的角度洞察客户、 了解客户价值取向，基于这种洞察在合适的时间通过合适的渠道向合适的客户提供量身定做 的产品套餐。基于此背景提出了该课题。 如何从大量的消费者消费记录中发现消费者的消费行为，对移动通讯企业提高客户的满意度 等有着重要的战略意义。本文基于数据挖掘的移动通信消费者消费行为的研究以数据进行驱 动，对移动通讯消费者消费行为进行了相关分析，基于已处理的数据，进行消费者细分。通过 K-Means、Two-Step 和 Kohonen 聚类方法，分别进行聚类，最终选择了 K-Means 的细分结果作为消费者细分准则，得到五类消费者，即重要保持客户、重要发展客户、重要挽留客户、 一般价值客户和低价值客户。本文第一章首先阐述了数据挖掘的相关理论，并对消费者行为分析 进行分析，第二章阐述了数据挖掘理论，介绍了数据挖掘的特点和数据挖掘的一般过程 以及数据挖掘的特点。第三章进行了消费者行为分析，包括客户关系的管理、CRM流程、消费者行为分析和消费者细分的方法，以及移动通讯企业的消费者细分问题。第四章描述了移动通讯消费者细分的案例，进行了数据预处理消费者聚类，以及细分客户消费行为分析。第五章进行了移动通讯消费者的相关性分析，包括消费者购买的相关性消费者消费行为的分 析，在第六章进行了总结与展望。本文在移动通讯消费者购买倾向上共进行了CART算 法、 CHAID算法和 C5.0 算法，这三种算法进行处理，最终的二道重要保持客户和年龄关系较大， 重要挽留客户和消费频率关系较大，重要发展客户则和最近一次消费时间相关性高，一般价值客户和消费频率与消费金额有关，低价值客户则和性别有一定关系。针对此，在展开营销策划时，可以针对性进行营销。j6j7f6o1k3 。 关键词： RFM、客户细分、数据挖掘、CART算法、消费者行为
数据分析与挖掘实验报告
数据分析与挖掘实验报告
《数据挖掘》实验报告 目录 1.关联规则的基本概念和方法 (1) 1.1数据挖掘 (1) 1.1.1数据挖掘的概念 (1) 1.1.2数据挖掘的方法与技术 (2) 1.2关联规则 (5) 1.2.1关联规则的概念 (5) 1.2.2关联规则的实现——Apriori算法 (7) 2.用Matlab实现关联规则 (12) 2.1Matlab概述 (12) 2.2基于Matlab的Apriori算法 (13) 3.用java实现关联规则 (19) 3.1java界面描述 (19) 3.2java关键代码描述 (23) 4、实验总结 (29) 4.1实验的不足和改进 (29) 4.2实验心得 (30)
1.关联规则的基本概念和方法 1.1数据挖掘 1.1.1数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。在最近十几年里，数据库中存储的数据急剧增大。数据挖掘就是信息技术自然进化的结果。数据挖掘可以从大量的、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。 许多人将数据挖掘视为另一个流行词汇数据中的知识发现（KDD）的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据）·数据集成（多种数据源可以组合在一起）·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数
据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）。 1.1.2数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成等许多应用领域的大量技术。数据挖掘主要包括以下方法。神经网络方法：神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类：以感知机、bp反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以hopfield 的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以art 模型、koholon模型为代表的，用于聚类的自组
移动通信网的数据库
移动通信网中的数据库（苏波、王芙蓉）摘要移动通信网有多种数据库，由于要对移动用户进行管理，它们与通常的数据库不同。文章分析了移动通信网数据库系统的技术特征。关键词数据库数据库管理系统移动性管理1数据库技术的发展现状数据库技术的发展经历了三个阶段。第一阶段，1969年IBM公司研制了基于层次模型数据库管理系统（IMS），并作为商品化软件投入市场，该系统至今还有其特定用户，技术还在继续发展。第二阶段从60年代到70年代初，美国数据库系统语言协会（CODAS YL）下属的数据库任务组（DBTG）对数据库的方案和技术进行了系统研究，提出了DBTG 报告。该报告提出了数据库系统的许多基本概念、方法和技术，成为网状数据模型的典型代表，奠定了数据库发展的基础。DBTG 的存取效率较高，系统研制较容易，但数据独立性差，用户使用不方便。目前一些实时性要求较高的专用系统仍采用网状模型。第三阶段，1970年IBM公司的E.F.Codd发表了基于关系模型数据库技术的论文“大型共享数据库数据的关系模型”，获得1981年ACM图灵奖。随着数据库技术和计算机软硬件水平的提高，近年来又出现了许多新的数据库技术，如实时数据库、主动数据库、内存数据库、分布数据库、面向对象数据库、多介质数据库及专家数据库等。分布式数据库是数据的集合，它在逻辑上属于同一个整体，但存放在不同节点。在分布式数据库中，每个节点都有自己的数据库管理系统（DBMS），具有高度的自治性，其位置对于用户而言是透明的，与集中式数据库相比，可靠性和灵活性更高。考虑到系统的性能和效率，分布式数据库往往把数据集的不同副本存放在不同节点，以减少网络传输的开销，但同时又增加了副本数据库更新操作所需的开销。因此对副本数据库存放策略进行研究，是分布式数据库设计的重要任务。传统的DBMS无法满足存取大量共享数据和控制信息的应用要求（如过程控制和网络管理等），这类应用的共同要求是DBMS能监视系统状态，无须用户干预就能调度相关任务，并使其满足定时和一致性等要求。因此人们提出了主动数据库的概念。主动DBMS扩展了以下功能：（1）用户可显式地定义想要监视的情形（事件和条件）；（2）系统能自动检测和评价出现的状态；（3）一旦定义的状态出现，即进行相应的工作。这些功能除了支持外部应用，还可实现或扩展DBMS本身的功能，如完整性及安全性控制等。实时数据库系统（RTDBS）是业务和数据都有定时特性或显式时间限制的数据库系统。系统的正确性不仅依赖逻辑结果，还依赖逻辑结果产生的时间。RTDBS是数据库和实时系统的结合，它集成两者的概念和要求，同时处理定时性和一致性。对RTDBS 而言，实时指的是能设置和处理“显式”的定时限制，即通过“识时协议”处理有关的截止时间或定时限制。随着计算机硬件技术的不断发展，动态随机存取存储器（DRAM）的容量越来越大，这无疑为计算机内存的不断扩大提供了硬件基础，但在并行数据库，后端机I／O瓶颈越来越突出，因此出现了内存数据库（MMDB），它将整个数据库或大部分热点数据存放在主存中，消除了I／O瓶颈。在传统的面向磁盘数据库DRDB中，数据库主备份位于磁盘，在MMDB中则位于主存。对不同的存储介质，DBMS采取的策略也各不相同。数据驻留内存，可以大部分或全部在内存中存取数据，缩短系统的响应时间，对于实时数据库系统有重要意义。2移动通信网的数据库移动通信网有多种数据库，这些数据库除了具有通常数据库的功能外（如数据的独立性、安全性、完整性、共享、并发控制、故障恢复等），还要满足严格的实时性要求。目前移动通信系统的数据库包括：归属位置寄存器（HLR）、拜访位置寄存器（VLR）、设备识别寄存器（EIR）和鉴权中心（AUC）。在现有蜂窝通信系统中，支持终端和用户移动性的主要是HLR和VLR。HLR是移动通信系统的中央数据库，存放签约用户的所有数据信息，包括鉴权数据、位置数据、基本业务数据和补充业务数据等。VLR存放的大部分用户数据来源于HLR，它作为HLR数据库的副本，与HLR中的数据保持一致。这种分布式数据存放降低了网络负荷，减少了访问时延，是移动通信网的显著特征。不论是HLR还是VLR，它们的主要功能都是实现移动应用部分的协