Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
資料倉儲、資料探勘與巨
量資料分析系統
資料倉儲、資料探勘與巨量資料分析系統
Big Data
Analytic
資料市集 DATA MART
資料倉儲 Data Warehouse, DW
• 定義:藉由建立一個集中的資訊倉庫,並配合有效的資料分析工具
與快速的決策支援軟體之開發,使得這些資料可以被該企業的決策
者適時適量存取和使用,以支援其決策的制定。
• 目的:改善傳統資料庫缺點...
資料倉儲 DW - 主題導向的資料組織
資料倉儲 DW – 資料的整合性
• 結合了整個企業內外的資料來源
包括:
• 不同資料庫
• 各種應用程式
• 不同時間的資料
資料倉儲 DW – 資料的時間差異性
• DW 通常存放
5 – 10 年不同時期的資
料
作為趨勢分析、預測
、
比較之用。
資料倉儲 DW – 資料的不變動性
• 為了做趨勢分析
資料一旦存入資料倉儲中,即被保存不再更動。
資料分析 - 線上即時資料分析 OLAP
• 採用多維度之資料結構 (Cube) 將資料載入,以進行多
項不同維度整合的分析,快速得到報表。
資料分析 – 資料探勘 Data Mining, DM
• 定義:
利用統計、人工智慧 (AI)
或其他的分析技術,在企業
之大型資料庫內尋找與發掘
事前未知、有效且可付諸行
動的資料彼此之間所隱藏的
關係與規則。
• 主要分析類型:如右圖。
資料探勘 DM - 主要分析類型
鏈結分析
Association Rule
Analysis
指出變數與變數之間的連結關係。
例:顧客會一起買那些商品 ? 據某特性的顧客會買怎樣的產品 ?
分類分析
Classification
藉由學習過去...
巨量資料 Big Data – 基本定義
• 巨量資料:
由各種量大、流動快地異質資料來源所匯集而來,數量極為巨
大,目前的資料處理技術所無法蒐集、紀錄、儲存、分析的大
量資料謂之。
• 例子:
•全球 10 億上網人口的網路搜尋紀錄。
•20...
巨量資料 Big Data – 產生背景
具量資料產生的三大動能
資料量 Volume
資料流動速度 Velocity
資料的不同來源 Varirty
巨量資料分析 Big Data Analysis
• 利用強大新型的資訊科技
有效的蒐集、傳送、儲存
、處理、分析判讀巨量資
料所呈現的各種訊息,包
括資料間的關聯性、因果
關係、類型辨識、趨勢觀
測等。
巨量資料分析 – 科技技術
巨量資料分析 – 困難與問題
Nächste SlideShare
Wird geladen in …5
×

資訊管理 CH6 資料倉儲、資料探勘與巨量資料分析系統 (Data Warehouse、Data Mining、Big Data Analytic system)

3.482 Aufrufe

Veröffentlicht am

資訊管理-e化企業的核心競爭能力-五版
CH6 資料倉儲、資料探勘與巨量資料分析系統
Data Warehouse、Data Mining、Big Data Analytic system

Veröffentlicht in: Daten & Analysen
  • Als Erste(r) kommentieren

資訊管理 CH6 資料倉儲、資料探勘與巨量資料分析系統 (Data Warehouse、Data Mining、Big Data Analytic system)

  1. 1. 資料倉儲、資料探勘與巨 量資料分析系統
  2. 2. 資料倉儲、資料探勘與巨量資料分析系統 Big Data Analytic
  3. 3. 資料市集 DATA MART
  4. 4. 資料倉儲 Data Warehouse, DW • 定義:藉由建立一個集中的資訊倉庫,並配合有效的資料分析工具 與快速的決策支援軟體之開發,使得這些資料可以被該企業的決策 者適時適量存取和使用,以支援其決策的制定。 • 目的:改善傳統資料庫缺點 即時支援使用者的企業管理決策 • 主要架構:多維度的資料結構 提供多角度資訊,快速分析資料,供決策使用
  5. 5. 資料倉儲 DW - 主題導向的資料組織
  6. 6. 資料倉儲 DW – 資料的整合性 • 結合了整個企業內外的資料來源 包括: • 不同資料庫 • 各種應用程式 • 不同時間的資料
  7. 7. 資料倉儲 DW – 資料的時間差異性 • DW 通常存放 5 – 10 年不同時期的資 料 作為趨勢分析、預測 、 比較之用。
  8. 8. 資料倉儲 DW – 資料的不變動性 • 為了做趨勢分析 資料一旦存入資料倉儲中,即被保存不再更動。
  9. 9. 資料分析 - 線上即時資料分析 OLAP • 採用多維度之資料結構 (Cube) 將資料載入,以進行多 項不同維度整合的分析,快速得到報表。
  10. 10. 資料分析 – 資料探勘 Data Mining, DM • 定義: 利用統計、人工智慧 (AI) 或其他的分析技術,在企業 之大型資料庫內尋找與發掘 事前未知、有效且可付諸行 動的資料彼此之間所隱藏的 關係與規則。 • 主要分析類型:如右圖。
  11. 11. 資料探勘 DM - 主要分析類型 鏈結分析 Association Rule Analysis 指出變數與變數之間的連結關係。 例:顧客會一起買那些商品 ? 據某特性的顧客會買怎樣的產品 ? 分類分析 Classification 藉由學習過去已知的分類,推論出一套最有效的分類規則來識別未來 新輸入群體的類型。 例:輸入過去 10000 個忠誠度高與忠誠度低的客戶樣本,找出特別屬 性來預測未來顧客的忠誠度。 群集分析 Clustering Analysis 對樣本的分類特性不清楚時,為了要了解有那些不同特性的消費族群 ,而利用一些不同的特性來對樣本作群體分類。 例:網路使用者族群區隔分析。 ( 課本 P.211) 次序相關分析 Sequential Pattern Analysis 由一群有次去的交易中,找出經常次序出現的交易項目組合,進而了 解顧客的長期購買行為。 預測分析 Forecasting Analysis 以歷史資料來預測未來走向
  12. 12. 巨量資料 Big Data – 基本定義 • 巨量資料: 由各種量大、流動快地異質資料來源所匯集而來,數量極為巨 大,目前的資料處理技術所無法蒐集、紀錄、儲存、分析的大 量資料謂之。 • 例子: •全球 10 億上網人口的網路搜尋紀錄。 •2013 年 facebook 上的 400 億張照片分享紀錄。 •信用卡防盜偵測系統:處理 21 億的客戶帳號。
  13. 13. 巨量資料 Big Data – 產生背景 具量資料產生的三大動能 資料量 Volume 資料流動速度 Velocity 資料的不同來源 Varirty
  14. 14. 巨量資料分析 Big Data Analysis • 利用強大新型的資訊科技 有效的蒐集、傳送、儲存 、處理、分析判讀巨量資 料所呈現的各種訊息,包 括資料間的關聯性、因果 關係、類型辨識、趨勢觀 測等。
  15. 15. 巨量資料分析 – 科技技術
  16. 16. 巨量資料分析 – 困難與問題

×