背景知識and數據挖掘前準備在零售圖書應用領域，利用數據挖掘將會在很多方面有卓越表現：１、了解銷售全局；２、圖書分組布局；３、降低庫存成本；４、市場和趨勢分析；５、有效的圖書促銷；第七章功能：傳統的統計分析：——銷售統計分析；——采購統計分析；挖掘技術實現：——購物籃分析；——客戶流失分析；——客戶細分；——促銷分析；——個性化推薦分析《基于數據挖掘技術的書店電子商務系統的設計與實現》《購物籃分析中若干問題的研究》零售業：收集了大量的數據：——銷售數據、顧客購買歷史數據、商品運輸數據、消費服務記錄；數據分析可以：——識別顧客購買行為、發現顧客購買模式、購買趨勢、提高顧客服務質量；應用實例：——設計、構造面向零售業數據挖掘的數據倉庫；——銷售、顧客、產品、時間、區域的多維數據分析；——銷售策略效果分析；——顧客忠誠度分析；——購買推薦.數據挖掘面臨的挑戰：——人們對數據挖掘寄予了太高的期望；目前數據挖掘系統只建立了一些通用的算法，而人們的需求多種多樣、復雜多變，還包含了復雜的專業背景知識。——數據挖掘與用戶目標出現了脫節的現象；數據挖掘專家專注于從一大堆他并不熟悉的數據中挖掘他也不知道是否有用的知識，為了不遺漏，他們總是盡可能的挖掘出所有的知識。這樣就帶來的大量的冗余知識。用戶必須從中篩選出對他有用的，大大加重了用戶的負擔。《數據挖掘技術在圖書館信息服務中的應用》——傳統的信息服務方式已不能滿足讀者的需要，資源數字化及個性化推薦系統的建立已成為發展趨勢；——個性化服務：通過對用戶個性、使用習慣的分析主動地向用戶提供和推薦其可能需要的信息；個性化信息服務內容：——個性化網頁定制；——信息主動推送服務；——圖書館個性化服務系統；——專業化網上定題信息服務等等。傳統的檢索：——輸入關鍵詞后瀏覽信息；——需要讀者具備相關專業的知識，對自己的需要有著明確的認識；圖書推薦服務：——采取主動的方式，向讀者提供他可能感興趣的信息；——降低了對讀者的要求；——節約了讀者尋找資料的時間，同時提供了更豐富的信息；4結語——數據挖掘技術應用于圖書推薦服務，比傳統的檢索服務有更大優勢；——這種圖書推薦模型可以應用于其他相近領域，例如書店、網絡文獻數據庫等等；——最小支持度和最小置信度的選擇會影響到處規則的數量和規則涉及概念層的高低，權重計算公式的確定也會影響項集的支持度。《數據挖掘技術及其在高校圖書館中的應用》2數據挖掘在高校圖書館的應用——高校圖書館的自動化系統積累了歷年采訪編目、借閱流通狀況、檢索請求及館藏書目庫等海量數據，為數據瓦局提供了豐富的資源；——識別讀者的借閱行為，發現讀者的借閱模式和趨勢，為讀者提供個性化的信息服務，達到更好的讀者保持力和滿意程度；——為圖書館的決策、管理及建設發展提供信息資源與服務；具體應用舉例如下：——分析讀者的節約變化，然后對文獻資源加以調整；——對于借閱頻率大且連續續借的數目，應增加復本，以提高服務質量；——圖書的剔舊和大量新書入庫都會讓書庫經常倒架排列，而增加工作人員的工作量；——可以利用數據挖掘技術對歷年相關數據進行分析，預測較大的圖書種類并為其預留架位；——可挖掘關聯信息：借閱某種文獻的讀者很可能借閱其他一些文獻，可形成一定的借閱推薦；——借閱推薦可在高校圖書館網站上宣傳，幫則讀者選擇文獻，增加讀者對文獻資源的使用率；——由于經費有限，各門學科之間如何配比、各種文獻載體形式如何均衡采購很重要；——通過對流通記錄、檢索請求及館藏書目庫進行分析和挖掘，就能有針對性地補充、豐富、優化館藏資源；——將提問者提出的問題和解答者對問題的解答記錄在數據庫里，當未來讀者提出問題時，參考咨詢人員可利用數據關聯規則，從數據庫中挖掘出相關問題的答案結果，從而使讀者可以快速收到最相似的問題答案。《關聯規則挖掘在網上書店系統中的應用》4關聯規則在網上書店系統中的應用——在網上書店系統中可以進行關聯圖書的推薦；——在購進圖書時要考慮產品的關聯性（對于兩種關聯程度大的圖書在庫存數據上不應該相差太大）。《淺析數據挖掘技術及其在電子商務中的應用》3數據挖掘與電子商務的關系企業從中受益體現在以下四個方面：a.可以發現客戶和訪問者的愛好、生活模式；b.可以爭取新顧客，怎樣使產品適銷對路、怎樣給產品定價、怎樣吸引單個客戶、怎樣優化網站；c.可以用相應的信息確定顧客的消費周期，針對不同的產品制定相應的營銷策略；d.可以確定客戶細分，為每一個客戶的獨特需求設計“量身定制”的產品。4數據挖掘在電子商務中的應用——數據挖掘能發現電子商務客戶的共性和個性的知識、必然和偶然的知識、獨立和關聯的知識、現實和預測的知識等；——這些知識經過分析，能對客戶的消費行為如心理、能力、動機、需求、潛能等做出統計和正確的分析，為管理者提供決策依據；——分析網上顧客的購買行為；——幫助管理者規劃市場；——確定商品的種類、價格、質量等；關聯規則通常分兩類：——有意義的關聯規則：滿足最小支持度和最小可信度的規則；——泛化關聯規則：更實用，因為研究對象存在一種層次關系（如面包、蛋糕屬西點類，而西點又屬于食品類），有了層次關系后，可以幫助發現更多的有意義的規則。《數據挖掘在網絡營銷中的應用》一、引言網絡營銷：——利用等網絡進行的營銷活動，是一種結合信息技術和營銷理論的新型營銷方式；——全天候、適時、互動：迎合了現代顧客個性化的需要特征；——網站構建：低成本、易維護、快速適應市場環境變化特征；——網絡營銷的無可比擬的優勢：廣域性——覆蓋全球，交流通暢；適時性——即可到達，即時反饋；互動性——客戶參與，充分溝通；低成本——建設及維護費用低；支持其他營銷方式；——目前，我國網絡營銷發展的總體水平較低，仍停留在起步階段；——大多數企業的網絡營銷僅僅是建立網站，而對網站、中大量的數據卻視而不見，造成了網絡營銷資源的極大浪費，降低了網絡營銷的效果；——，如何從這些資源中挖掘出有助于提高網絡營銷效果、促進企業產品銷售的信息，成為十分重要的研究課題。三、網絡營銷中數據挖掘的一般過程四、數據挖掘在網絡營銷中的應用1、提供個性化服務2、挖掘潛在的客戶群體3、交叉銷售分析4、用戶需求預測5、完善網站設計二、數據挖掘技術網絡營銷中：——日志：蘊含著顧客的行為模式、市場的發展變化等信息；——挖掘技術：對這些數據進行分析，可以：挖掘客戶的興趣愛好；根據訪問情況，為客戶提供個性化的信息服務；挖掘客戶的消費傾向和消費群體分布，從而制定一定的營銷策略；實現交叉營銷；發現數據之間的內在聯系，從而對客戶需求做出及時反應并進行未來預測；了解用戶的反應和動機以改進網站系統的設計；監控競爭對手商品價格的波動，及時做出回應，使企業在激烈的市場競爭中占據有利地位。《淺析數據挖掘的研究現狀及其應用》3、數據挖掘中存在的問題1、數據挖掘的基本問題就在于數據的數量和維數，數據結構也因此顯得非常復雜，如何進行探索，選擇分析變量，也就成為首先要解決的問題；2、面對龐大的數據，直接的想法就是對數據進行抽樣。怎么抽樣，抽取多樣的樣本，如何評價抽樣的效果，這些都是值得研究的問題；3、既然數據是海量的，那么數據中就會隱含一定的變化趨勢，在中也要對這個趨勢做應有的考慮和評價；4、各種不同的模型如何應用，其效果如何評價，這涉及到可靠性的問題；5、如何進行互聯網的數據挖掘，文本等非標準數據的挖掘；6、數據的私有性和安全性；7、數據挖掘的結果是不確定的，要與專業知識結合才能對其作出判斷。數據挖掘也有它無法辦到的事：——它不能告訴你某個模型對你的企業的實際價值：只是個工具，只是幫助商業人士更深入、更容易地分析數據，中得到的模型必須在現實生活中得到驗證；——不會在缺乏指導的情況下自動地發現模型：數據分析者必須知道你所選用的工具是如何工作的，采用的算法的原理是什么；——永遠不會代替有經驗的商業分析師或管理人員所起的作用，它只是個強大的工具。，可以發現一些有用的知識，但是不會告訴你為什么，也不能保證（:潛在的用戶成為現實）。《數據挖掘的商務應用前景》一、數據挖掘商務應用的案例——零售行業數據挖掘應用3、數據挖掘應用結論經分析得出，零售行業數據挖掘典型的應用領域包括：——客戶市場細分：找到最優價值的客戶群體；——庫存管理：平衡庫存量是所有零售商最基本工作；——促銷的效果和運營效益；——供應鏈管理和優化。三、實施數據挖掘項目需要的專家1、領域專家:企業的營銷主管或專家（定義項目的方向和相關的背景知識）——一方面可讓領域專家知道可以做哪些事情，不能做哪些事情，數據挖掘不是萬能的；——另一方面，可以讓領域專家知道項目需要他們的參與和合作，他們的個人魅力和決策能力并不能被所取代，讓他們不至于排斥；領域專家的參與，對數據挖掘項目的重要作用有：——定義用于數據挖掘分析的有用的問題，可確定項目的大致方向；——選擇潛在的相關數據來回答這些問題；——幫助形成對原始數據的感性認識；——幫助對挖掘結果的分析和對分析結果的表達；——吸收和采納挖掘結果，做出決策，形成反饋（對挖掘結果的評估）。2、專家/數據庫專家——項目的成果與否在很大程度上取決與數據收集與數據準備的質量的好壞，需要人員的參與，因為人員知道如何儲存和存取數據；——現在很多企業開始建立數據庫來實現對數據的有效管理，這更突出了人員的重要性。3、數據分析專家/統計專家————數據的綜合性、易用性、數據的質量和數據的時效性，這可能需要數據分析人員有高屋建瓴的戰略眼光；——如何從現有數據中衍生出所需要的指標，這也主要取決于數據挖掘著的分析經驗和工具的方便性。《數據挖掘技術發展及其應用》4、結束語——數據挖掘技術的發展以及給我們帶來利益的同時，也不能忽略它存在的問題，如：——數據挖掘方法的效率還有待提高，尤其是超大規模數據集中數據挖掘的效率；——挖掘結果的無效性；——開發適應多數據類型，容噪的挖掘方法，以解決異質數據集的數據挖掘問題；——動態數據和知識的數據挖掘。《數據挖掘技術與讀者個性化服務》一、數據挖掘技術的功能１、自動預測２、分析關聯３、劃分聚類４、概念描述５、偏差檢測也可見我的筆記：概念/類描述：特征化與區分、關聯分析、分類＋預測、聚類＋孤立點、演變分析。。。二、數據挖掘技術在讀者個性化信息獲取中的應用１、讀者個性化信息概述（可通過讀者模型來描述）２、讀者個性化信息獲取方法：——關聯分析（零售業）；——組合分析法（人工神經元網絡、決策樹方法結合）；——分類填表法（讀者信息的分類模型）；——智能代理方法（考察上網記錄）。《數據挖掘技術在網上書店中的應用》——：巨大的、分布的、異構的、半結構化的、動態的及基于超鏈接的超媒體文檔構成的；數據挖掘技術在網上書店的應用：２數據挖掘面臨的問題２、１非技術性問題——網頁相關性分析（哪些網頁具有密切關系，可加上鏈接）；——用戶訪問模式分析（把用戶按行為模式分類）；——用戶歸類（根據用戶填寫信息分類，對同一類別的用戶提供相似的服務）；２、２技術問題——數據處理；——統計分析；——數據挖掘；——關聯規則；——聚集（就是用戶的聚類）；——歸類（即用戶的分類）；——序列模式；３數據挖掘的分類——內容挖掘；——使用模式挖掘；——結構挖掘；：可見我的暑假筆記。４、２數據挖掘技術在網上書店中的應用１、源數據的收集——服務器端數據的收集（日志文件）；——包檢測技術；——后臺數據庫里的原有數據（用戶信息數據表、圖書數據表、訂單數據表。。。）；２、數據的預處理——可見我的筆記；３、數據挖掘階段——確定目標樣本；——提取特征信息；——網絡信息獲取；——信息特征匹配。《電子商務中數據挖掘技術的應用》三類挖掘：——內容挖掘；——結構挖掘；——使用模式挖掘。數據源的收集：服務器數據：——日志文件；——查詢數據；用戶登記信息：：有的客戶不肯寫部分背景信息，這種情況下，就不得不從客戶的瀏覽行為中推測客戶的背景信息。《》:——””（