1、1數據倉庫與數據挖掘數據倉庫與數據挖掘王新莊王新莊CDLGDXWXZ163.NET2021-10-192021-10-19數據倉庫與數據挖掘數據倉庫與數據挖掘2第第1章章 數據倉庫數據倉庫的概念與體系結構的概念與體系結構 本章內容本章內容31.3 數據倉庫的技術、方法與產品數據倉庫的技術、方法與產品1.4 數據倉庫系統的體系結構數據倉庫系統的體系結構1.5 數據倉庫的產生、發展與未來數據倉庫的產生、發展與未來1.2 數據挖掘的概念與方法數據挖掘的概念與方法1.1 數據倉庫的概念、特點與組成數據倉庫的概念、特點與組成4l數據倉庫的概念數據倉庫的概念l數據倉庫就是一個面向主題的（數據倉庫就是一個面

2、向主題的（Subject Oriented）、集成的（）、集成的（Integrate）、相對）、相對穩定的（穩定的（Non-Volatile）、反映歷史變化）、反映歷史變化（Time Variant）的數據集合，通常用于）的數據集合，通常用于輔助決策支持（輔助決策支持（DDS）1.1 數據倉庫的概念、特點與組成數據倉庫的概念、特點與組成5）數據倉庫關鍵特征一面向主題l圍繞一些主題，如顧客、供應商、產品圍繞一些主題，如顧客、供應商、產品等等l關注決策者的數據建模與分析，而不是關注決策者的數據建模與分析，而不是集中于組織機構的日常操作和事務處理。集中于組織機構的日常操作和事務處理。l排除對于決策無

3、用的數據，提供特定主排除對于決策無用的數據，提供特定主題的簡明視圖。題的簡明視圖。1.1.1 數據倉庫的特點數據倉庫的特點6）數據倉庫關鍵特征二-數據集成q一個數據倉庫是通過集成多個異種數據源來一個數據倉庫是通過集成多個異種數據源來構造的。構造的。 例如關系數據庫，一般文件，聯機事務處理記錄例如關系數據庫，一般文件，聯機事務處理記錄q使用數據清理和數據集成技術使用數據清理和數據集成技術. 確保命名約定（如單價與價格）確保命名約定（如單價與價格） 、編碼結構（如、編碼結構（如域寬）域寬） 、屬性度量（如、屬性度量（如 Hotel price ）等的一致性。）等的一致性。 q當數據被移到數據倉庫時

4、，它們要經過轉化。當數據被移到數據倉庫時，它們要經過轉化。7）數據倉庫關鍵特征三隨時間而變化q數據倉庫的時間范圍比操作數據庫系統要數據倉庫的時間范圍比操作數據庫系統要長的多。長的多。q操作數據庫系統操作數據庫系統: 主要保存當前數據。主要保存當前數據。q數據倉庫數據倉庫:從歷史的角度提供信息（比如過去從歷史的角度提供信息（比如過去 5-10 年）年）q數據倉庫中的每一個關鍵結構都隱式或顯數據倉庫中的每一個關鍵結構都隱式或顯式地包含時間元素，而操作數據庫中的關式地包含時間元素，而操作數據庫中的關鍵結構可能就不包括時間元素。鍵結構可能就不包括時間元素。8）數據倉庫關鍵特征四數據不易丟失q盡管數據倉

5、庫中的數據來自于操作數據庫，盡管數據倉庫中的數據來自于操作數據庫，但他們卻是在物理上分離保存的。但他們卻是在物理上分離保存的。q操作數據庫的更新操作不會出現在數據倉庫環境操作數據庫的更新操作不會出現在數據倉庫環境下。下。q不需要事務處理，恢復，和并發控制等機制不需要事務處理，恢復，和并發控制等機制q只需要兩種數據訪問只需要兩種數據訪問: q數據的初始轉載和數據訪問（讀操作）數據的初始轉載和數據訪問（讀操作）9q數據倉庫數據庫；數據倉庫數據庫；q數據抽取工具；數據抽取工具；q元數據：技術元數據與業務元數據；元數據：技術元數據與業務元數據；q訪問工具；訪問工具；q數據集市（數據集市（Data Ma

6、rts）；）；q數據倉庫管理；數據倉庫管理；q信息發布系統。信息發布系統。1.1.2 數據倉庫組成數據倉庫組成10三層數據倉庫架構三層數據倉庫架構:DataWarehouseExtractTransformLoadRefreshAnalysisQueryReportsData miningMonitor&IntegratorMetadata數據源ServeData MartsOperational DBsothersourcesOLAP Server數據倉庫數據庫數據倉庫數據庫數據抽取工具數據抽取工具元數據元數據數據集市數據集市數據倉庫管理數據倉庫管理訪問工具訪問工具信息發布系統信息發布系統1

7、11.2 數據挖掘的概念與方法數據挖掘的概念與方法q數據挖掘的概念數據挖掘的概念q數據挖掘數據挖掘(Data Mining)，就是從大量數據中獲，就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。的模式的非平凡過程。q簡單的說，數據挖掘就是從大量數據中提取或簡單的說，數據挖掘就是從大量數據中提取或“挖掘挖掘”知識，又被稱為數據庫中的知識發現知識，又被稱為數據庫中的知識發現(Knowledge Discovery in Database, KDD) q或者稱為中知識挖掘、知識提取、數據或者稱為中知識挖掘、知識提取、數據/模式分模

8、式分析、數據考古和數據捕撈。析、數據考古和數據捕撈。121314q直接數據挖掘直接數據挖掘利用已有數據建立模型，然后對其他數據進利用已有數據建立模型，然后對其他數據進行挖掘。如分類、預測等行挖掘。如分類、預測等q間接數據挖掘：間接數據挖掘：直接對給定的數據進行挖掘。如關聯規則、直接對給定的數據進行挖掘。如關聯規則、數據描述等數據描述等1.2.1數據挖掘的方法數據挖掘的方法15q若將數據倉庫（若將數據倉庫（Data Warehouse）比）比作礦井，那么數據挖掘（作礦井，那么數據挖掘（Data Mining）就是深入礦井采礦的工作就是深入礦井采礦的工作 q數據挖掘是從數據倉庫中找出有用信息數據挖

9、掘是從數據倉庫中找出有用信息的一種過程與技術的一種過程與技術 1.2.2數據倉庫與數據挖掘的關系數據倉庫與數據挖掘的關系161.3 數據倉庫的技術、方法與產品數據倉庫的技術、方法與產品 1、聯機事務處理（、聯機事務處理（OLTP）與聯機分析處理（）與聯機分析處理（OLAP）的比較）的比較1.3.1 OLAP技術技術OLTPOLTP：聯機事務處理：聯機事務處理。數據存儲和檢索、查詢和事務數據存儲和檢索、查詢和事務處理有效機制。處理有效機制。OLAPOLAP：聯機分析處理。：聯機分析處理。OLAP是一種分析技術，具有匯是一種分析技術，具有匯總、合并和聚集功能，以及從不同的角度觀察信息的能力。總、合

10、并和聚集功能，以及從不同的角度觀察信息的能力。盡管盡管OLAP工具支持多維分析和決策，對于深層次的分析，工具支持多維分析和決策，對于深層次的分析，如數據分類、聚類和數據隨時間變化的特征，仍然需要其如數據分類、聚類和數據隨時間變化的特征，仍然需要其他分析工具。他分析工具。17特征OLTPOLAP任務特點操作處理操作處理輔助決策輔助決策面向事務事務分析分析用戶辦事員、辦事員、DBA、數據庫專業、數據庫專業人員人員經理、主管、數據分析員經理、主管、數據分析員功能日常操作日常操作長期信息分析、決策支持長期信息分析、決策支持DB設計基于基于E-R，面向應用，面向應用星型星型/雪花，面向主體雪花，面向主體

11、數據最新的、詳細的最新的、詳細的歷史的、匯總的歷史的、匯總的視圖詳細的、二維關系型詳細的、二維關系型匯總的、多維的匯總的、多維的任務單位簡短的事務簡短的事務復雜的查詢復雜的查詢訪問數據量數十個數十個數百萬個數百萬個用戶數數千個數千個數百個數百個DB規模100M-數數GB100GB-數數TB優先性高性能、高可用性高性能、高可用性高靈活性、端點用戶自治高靈活性、端點用戶自治度量事務吞吐量事務吞吐量查詢吞吐量、響應時間查詢吞吐量、響應時間OLTP系統和系統和OLAP系統的比較系統的比較182、OLAP技術的有關概念技術的有關概念q多維數據集、多維數據集、q維度、維度、q度量值度量值q多維分析多維分析

12、q上鉆、下鉆上鉆、下鉆q切片、切塊切片、切塊q旋轉旋轉1920 OLAP根據其存儲數據的方式可分為三類：根據其存儲數據的方式可分為三類：3、OLAP的分類的分類qHOLAP：混合：混合OLAPqROLAP：關系：關系OLAPq使用關系數據庫或擴展的關系數據庫存放并管理數據倉庫的數據，而用OLAP中間件支持其余部分q包括每個DBMS后端優化，聚集導航邏輯的實現，附加的工具和服務q基于數組的多維存儲引擎（稀疏矩陣技術）q能對預計算的匯總數據快速索引qMOLAP：多維：多維OLAP214、OLAP工具工具通過多維操作的方式對數據進行分析、查詢和報表通過多維操作的方式對數據進行分析、查詢和報表q圍繞數

13、據倉庫的信息處理結構和基礎設施圍繞數據倉庫的信息處理結構和基礎設施q存取、集成、合并多個異種數據庫的轉換，存取、集成、合并多個異種數據庫的轉換，ODBC/OLEDBODBC/OLEDB連接連接,Web,Web訪問和訪問工具等訪問和訪問工具等q基于基于OLAPOLAP的探測式數據分析（基于數據子集的數據分的探測式數據分析（基于數據子集的數據分析）析）q使用上卷、下鉆、切片、轉軸等技術進行數據挖掘使用上卷、下鉆、切片、轉軸等技術進行數據挖掘q數據挖掘功能的聯機選擇（按需選擇、靈活性）數據挖掘功能的聯機選擇（按需選擇、靈活性）q多種數據挖掘功能、算法和任務的整合多種數據挖掘功能、算法和任務的整合22

14、q聯機分析挖掘的體系結構聯機分析挖掘的體系結構數據倉庫數據倉庫元數據元數據多維數多維數據庫據庫OLAM引擎引擎OLAP引擎引擎用戶圖形界面用戶圖形界面 API數據方體數據方體 API數據庫數據庫 API數據清理數據清理數據集成數據集成Layer3OLAP/OLAMLayer2多維數據庫多維數據庫Layer1數據存儲數據存儲Layer4用戶界面用戶界面數據的過濾、集成數據的過濾、集成過濾過濾數據庫數據庫基于約束的基于約束的數據挖掘數據挖掘挖掘結果挖掘結果231、數據抽取：數據倉庫與異種數據庫集成、數據抽取：數據倉庫與異種數據庫集成1.3 .2數據倉庫實施中的三個關鍵環節數據倉庫實施中的三個關鍵環

15、節q異種數據庫集成：多個數據源q抽取方式：定期、不定期；全部更新、部分更新q抽取工具：專業工具、自編程序242、數據存儲與管理、數據存儲與管理1 1）基于大量數據的關系數據庫管理）基于大量數據的關系數據庫管理2 2）并行處理：）并行處理：q聯機事務處理：用戶訪問數據不多，但多用戶并發，并發操作q數據倉庫：單用戶，訪問數據資源多，訪問計算的并行操作3 3）支持查詢的優化操作）支持查詢的優化操作q索引、篩選4 4）支持多維分析的查詢模式）支持多維分析的查詢模式q基于用戶主題的查詢：面向多維數據的查詢25q基于關系的多維數據存儲模式（基于關系的多維數據存儲模式（ROLAP）多維數據（數據倉庫）的存儲

16、模式多維數據（數據倉庫）的存儲模式q基于數組的多維數據存儲模式（基于數組的多維數據存儲模式（MOLAP）例如：例如：DIME TX（3，4，5）q是最流行的多維數據模型。這種模型可以以星是最流行的多維數據模型。這種模型可以以星型模式、雪花模式、或事實星座模式的形式存在。型模式、雪花模式、或事實星座模式的形式存在。q用數組的方式存儲多維數據。用數組的方式存儲多維數據。26q星型模式實例星型模式實例 time_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcitystate_or_provincecountrylocation

17、Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranch273、數據表現、數據表現 發現模式的表示和可視化發現模式的表示和可視化q以多種形式顯示挖掘出來的模式：表、圖、判定以多種形式顯示挖掘出來的模式：表、圖、判定樹、數據立方體等等，以適合不同背景的用戶的樹、數據立方體等等，以適合不同背景的用

18、戶的需要。需要。q使用概念分層，用更有意義，更容易理解的高層使用概念分層，用更有意義，更容易理解的高層概念來替代低層概念；并通過上卷、下鉆等操作概念來替代低層概念；并通過上卷、下鉆等操作從不同的抽象級審視所發現的模式。從不同的抽象級審視所發現的模式。q特定知識類型的表示。特定知識類型的表示。281.3.3 數據倉庫實施方法論數據倉庫實施方法論q數據倉庫不是簡單的數據或產品堆砌，它是一個數據倉庫不是簡單的數據或產品堆砌，它是一個綜合集成解決方案和系統工程。在數據倉庫的實綜合集成解決方案和系統工程。在數據倉庫的實施過程中，技術決策至關重要，技術選擇或決策施過程中，技術決策至關重要，技術選擇或決策錯

19、誤很可能導致項目實施失敗錯誤很可能導致項目實施失敗 q主題與目標主題與目標q數據倉庫結構數據倉庫結構: :平臺構造平臺構造q挖掘方法挖掘方法291.3.4常用數據倉庫產品常用數據倉庫產品1、常用常用OLAP工具介紹工具介紹2、各數據倉庫廠商提供的解決方案、各數據倉庫廠商提供的解決方案 IBM、Oracle、NCR、Microsoft、SAS等等301.4 數據倉庫系統的體系結構數據倉庫系統的體系結構數據倉庫系統的體系結構的分類數據倉庫系統的體系結構的分類（1）兩層架構兩層架構（Generic Two-Level Architecture）。）。（2）獨立型數據集市獨立型數據集市（Indepen

20、dent Data Mart）。）。（3）依賴型數據集市和操作型數據存儲依賴型數據集市和操作型數據存儲（Dependent Data Mart and Operational Data Store）。）。（4）邏輯型數據集市和實時數據倉庫邏輯型數據集市和實時數據倉庫（Logical Data Mart and Real-Time Data Warehouse）。）。31q兩層數據倉庫體系結構兩層數據倉庫體系結構 32q基于獨立數據集市的數據倉庫體系結構基于獨立數據集市的數據倉庫體系結構 33q基于依賴型數據集市和操作型數據存儲基于依賴型數據集市和操作型數據存儲(ODS)(ODS)的數的數據倉庫

21、體系結構據倉庫體系結構 34q邏輯型數據集市和實時數據倉庫的體系結構邏輯型數據集市和實時數據倉庫的體系結構 351.5 數據倉庫的發展與應用數據倉庫的發展與應用q簡單地說，數據倉庫就是一個作為決策支持和聯簡單地說，數據倉庫就是一個作為決策支持和聯機分析應用系統數據源的結構化數據環境，數據機分析應用系統數據源的結構化數據環境，數據倉庫要研究和解決的問題就是從數據庫中獲取信倉庫要研究和解決的問題就是從數據庫中獲取信息的問題。息的問題。1.5 .1數據倉庫的發展數據倉庫的發展36p 發展（技術視角）37q以報表為主：數據來自不同地方的整合以報表為主：數據來自不同地方的整合q以分析為主：對報表數據進行

22、分析以分析為主：對報表數據進行分析q以預測模型為主以預測模型為主 ：根據分析結果進行預測：根據分析結果進行預測q以營運導向為主以營運導向為主 ：根據管理主題的決策分析：根據管理主題的決策分析q以實時數據倉庫、自動決策應用為主以實時數據倉庫、自動決策應用為主 ：自動化：自動化的的 、實時的全面決策、實時的全面決策p 發展（應用視角）發展（應用視角）38q在數據抽取方面，未來的技術發展將集中在在數據抽取方面，未來的技術發展將集中在系統集成化系統集成化方面。方面。它將互連、轉換、復制、調度、監控納入它將互連、轉換、復制、調度、監控納入標準化標準化的統一管理，的統一管理，以適應數據倉庫本身或數據源可能

23、的變化，使系統更便于管理以適應數據倉庫本身或數據源可能的變化，使系統更便于管理和維護。和維護。q在數據管理方面，未來的發展將使數據庫廠商在數據管理方面，未來的發展將使數據庫廠商明確推出數據倉明確推出數據倉庫引擎，作為數據倉庫服務器產品與數據庫服務器并駕齊驅庫引擎，作為數據倉庫服務器產品與數據庫服務器并駕齊驅。在這一方面，帶有決策支持擴展的并行關系數據庫將最具發展在這一方面，帶有決策支持擴展的并行關系數據庫將最具發展潛力。潛力。q在數據表現方面，在數據表現方面，數理統計的算法和功能將普遍集成到聯機分數理統計的算法和功能將普遍集成到聯機分析產品中，并與析產品中，并與Internet/WebInte

24、rnet/Web技術緊密結合技術緊密結合。按行業應用特征按行業應用特征細化的數據倉庫用戶前端軟件將成為產品作為數據倉庫解決方細化的數據倉庫用戶前端軟件將成為產品作為數據倉庫解決方案的一部分案的一部分。數據倉庫實現過程的方法論將更加普及，將成為。數據倉庫實現過程的方法論將更加普及，將成為數據庫設計的一個明確分支，成為管理信息系統設計的必備數據庫設計的一個明確分支，成為管理信息系統設計的必備 p數據倉庫的未來數據倉庫的未來39哪些商品放在一起比較好賣？哪些商品放在一起比較好賣？ 這是沃爾瑪的經典案例：一般看來，啤酒和尿布是顧客群這是沃爾瑪的經典案例：一般看來，啤酒和尿布是顧客群完全不同的商品。但是

25、沃爾瑪一年內數據挖掘的結果顯示，完全不同的商品。但是沃爾瑪一年內數據挖掘的結果顯示，在居民區中尿布賣得好的店面啤酒也賣得很好。原因其實很在居民區中尿布賣得好的店面啤酒也賣得很好。原因其實很簡單，一般太太讓先生下樓買尿布的時候，先生們一般都會簡單，一般太太讓先生下樓買尿布的時候，先生們一般都會犒勞自己兩聽啤酒。因此啤酒和尿布一起購買的機會是犒勞自己兩聽啤酒。因此啤酒和尿布一起購買的機會是最最多多的。這是一個現代商場智能化信息分析系統發現的秘密。這的。這是一個現代商場智能化信息分析系統發現的秘密。這個故事被公認是商業領域數據挖掘的誕生。個故事被公認是商業領域數據挖掘的誕生。 另外，大家都知道在沃爾

26、瑪牙膏的旁邊通常配備牙刷，在另外，大家都知道在沃爾瑪牙膏的旁邊通常配備牙刷，在貨價上這樣放置，牙膏和牙刷才能都賣的很好。貨價上這樣放置，牙膏和牙刷才能都賣的很好。 * *關聯規則的應用關聯規則的應用 X=Y(X=Y(置信度，支持度）置信度，支持度）1.5 .2 數據倉庫與挖掘的應用實例數據倉庫與挖掘的應用實例402. 庫存預測庫存預測 過去零售商依靠供應鏈軟件、內部分析軟件甚至直覺來預測庫存需過去零售商依靠供應鏈軟件、內部分析軟件甚至直覺來預測庫存需求。隨著競爭壓力的一天天增大，很多零售商（從主要財務主管到庫求。隨著競爭壓力的一天天增大，很多零售商（從主要財務主管到庫存管理員）都開始致力于找到

27、一些更準確的方法來預測其連鎖商店應存管理員）都開始致力于找到一些更準確的方法來預測其連鎖商店應保有的庫存。預測分析是一種解決方案。它能夠準確預測哪些商店位保有的庫存。預測分析是一種解決方案。它能夠準確預測哪些商店位置應該保持哪些產品。置應該保持哪些產品。 使用使用 Microsoft(R) SQL Server(TM) 2005 Microsoft(R) SQL Server(TM) 2005 中的中的 Analysis Analysis Services Services 以及以及 SQL Server SQL Server 數據倉庫，采用數據挖掘技術可以為產數據倉庫，采用數據挖掘技術可以為

28、產品存儲決策提供準確及時的信息。品存儲決策提供準確及時的信息。SQL Server 2005 Analysis SQL Server 2005 Analysis Services Services 獲得的數據挖掘模型可以預測在未來一周內一本書是否將獲得的數據挖掘模型可以預測在未來一周內一本書是否將脫銷，準確性為脫銷，準確性為 98.52%98.52%。平均來說，預測該書是否將在未來兩周內。平均來說，預測該書是否將在未來兩周內脫銷的準確性為脫銷的準確性為 86.45%86.45% * *預測模型預測模型413. 股票預設股票預設 預測一支股票的走勢幾乎是不可能，但是通過相關分析，可預測一支股票的

29、走勢幾乎是不可能，但是通過相關分析，可以找出一支股票的走勢與另一只股票走勢的潛在規律，比如數據以找出一支股票的走勢與另一只股票走勢的潛在規律，比如數據挖掘曾經得到過這個結論：挖掘曾經得到過這個結論：“如果微軟的股票下跌如果微軟的股票下跌4%4%，那么，那么IBMIBM的股票將在兩周內下跌的股票將在兩周內下跌5%”5%”。 * *相關分析相關分析424. 出了一個新成品，哪些老客戶最可能購買？出了一個新成品，哪些老客戶最可能購買？ 銀行應該認識到客戶需要什么產品以及如何推銷這些產品，然銀行應該認識到客戶需要什么產品以及如何推銷這些產品，然后銀行需要開發相應商品并進行營銷活動，后銀行需要開發相應商

30、品并進行營銷活動， 從而滿足這些需求。從而滿足這些需求。幾幾 年前，蒙年前，蒙 特利爾銀行銀行開始采用特利爾銀行銀行開始采用 IBM DB2 Intelligent IBM DB2 Intelligent Miner ScoringMiner Scoring，基于銀行賬戶余額、客戶已擁有的銀行產品以及，基于銀行賬戶余額、客戶已擁有的銀行產品以及所處地點和信貸風險等標準來評價記錄檔案。所處地點和信貸風險等標準來評價記錄檔案。這些評價可用于確這些評價可用于確定客戶購買某一具體產品的可能性。定客戶購買某一具體產品的可能性。該系統能夠通過瀏覽器窗口該系統能夠通過瀏覽器窗口進行觀察，使得管理人員不必分析

31、基礎數據，因此非常適合于非進行觀察，使得管理人員不必分析基礎數據，因此非常適合于非統計人員。統計人員。 “我們對客戶的財務行為習慣及其對銀行收益率的影響有了更我們對客戶的財務行為習慣及其對銀行收益率的影響有了更深入的了解。現在，當進行更具針對性的營銷活動時，銀行能夠深入的了解。現在，當進行更具針對性的營銷活動時，銀行能夠區別對待不同的客戶群，以提升產品和服務質量，同時還能制訂區別對待不同的客戶群，以提升產品和服務質量，同時還能制訂適當的價格和設計各種獎勵方案，甚至確定利息費用。適當的價格和設計各種獎勵方案，甚至確定利息費用。” 蒙特利爾銀行的數據挖掘工具為管理人員提供了大量信息，蒙特利爾銀行的

32、數據挖掘工具為管理人員提供了大量信息，從而幫助他們對于從營銷到產品設計的任何事情進行決策。從而幫助他們對于從營銷到產品設計的任何事情進行決策。 * *分類與預測分類與預測435. 電子商務網站公共頁面該放哪些內容最可能產生購買行電子商務網站公共頁面該放哪些內容最可能產生購買行為？為？ 圣地亞哥圣地亞哥 P P 通過采用通過采用 HitBoxHitBox，即，即 WebSideStory WebSideStory 的數據挖掘的數據挖掘 ASP ASP 服務，使企業的計劃者在業務高峰日也能夠對銷售情服務，使企業的計劃者在業務高峰日也能夠對銷售情況做出迅速反應。由于鮮花極易枯萎，況做出迅速反應。由于

33、鮮花極易枯萎，Proflowers Proflowers 不得不均勻地削減不得不均勻地削減庫存，否則可能導致一種商品過快地售罄或庫存鮮花的凋謝。庫存，否則可能導致一種商品過快地售罄或庫存鮮花的凋謝。 由于日交易量較高，管理人員需要對零售情況進行分析，比如轉換由于日交易量較高，管理人員需要對零售情況進行分析，比如轉換 率，率，也就是多少頁面瀏覽量將導致銷售產生也就是多少頁面瀏覽量將導致銷售產生。舉例來說，如果。舉例來說，如果 100 100 人人中僅有中僅有 5 5 人人(5%)(5%)看到玫瑰時就會購買，而盆景的轉換率則為看到玫瑰時就會購買，而盆景的轉換率則為 100 100 比比 20(20

34、%)20(20%)，那么不是頁面設計有問題，就是玫瑰的價格有問題。公司能，那么不是頁面設計有問題，就是玫瑰的價格有問題。公司能夠迅速對網站進行調整，比如在每個頁面上都展示玫瑰或降低玫瑰的夠迅速對網站進行調整，比如在每個頁面上都展示玫瑰或降低玫瑰的價格。對于可能過快售罄的商品，公司通常不得不在網頁中弱化該商價格。對于可能過快售罄的商品，公司通常不得不在網頁中弱化該商 品或取消優惠價格，從而設法減緩該商品的銷售。品或取消優惠價格，從而設法減緩該商品的銷售。 * *自動推測自動推測446. 登錄網站的當前用戶現在最可能購買什么東西？登錄網站的當前用戶現在最可能購買什么東西？ 丹佛的丹佛的 eBags

35、 eBags 旨在針對常旅客銷售手提箱、手提袋、錢包以及旨在針對常旅客銷售手提箱、手提袋、錢包以及提供其它旅行服務。該公司采用提供其它旅行服務。該公司采用 Kana Kana 軟件公司的軟件公司的 E-Marketing E-Marketing Suite Suite 來整合其網站的來整合其網站的 Oracle Oracle 數據庫、數據庫、J.D. Edwards J.D. Edwards 財務系統、財務系統、客戶服務電子郵件和呼叫中心，從而獲得客戶購買行為習慣方面的信客戶服務電子郵件和呼叫中心，從而獲得客戶購買行為習慣方面的信息。其目標是提供完全個性化的服務。息。其目標是提供完全個性化的服務。 與設計頁面以鼓勵大部分消費者采購的做法不同，與設計頁面以鼓勵大部分消費者采購的做法不同，一個個性化的一個個性化的解決方案將不停地創建頁面以適合每個具體的訪問者解決方案將不停地創建頁面以適合每個具體的訪問