商务智能复习要点：数据处理、关联分析与预测方法

商务智能复习题答案涵盖了商务智能的核心概念、系统构成及其各个组成部分的功能，以及数据处理中的关键概念和技术。以下是详细解读： 1. 商务智能概念： 商业智能在工业界被视为一组技术工具，用于收集、管理、分析和挖掘大量数据，以优化决策并提升企业竞争力。学术上，它是一种理论体系，通过快速发掘数据中的知识，帮助解决企业管理和决策问题，支持战略实施。 商务智能系统的六个核心部分包括： - 数据源：提供原始数据的来源，如数据库、日志文件等。 - 数据仓库：整合来自多个源的数据，并进行集中存储，便于后续分析。 - 在线分析处理（OLAP）：支持复杂的数据查询和分析，满足实时或近实时的需求。 - 数据探查：提供灵活查询、报表和统计分析，侧重于被动式分析。 - 数据挖掘：自动发现数据中的模式和知识，如分类、聚类等，是主动分析的重要手段。 - 业务性能管理：监控业务运行状态，确保系统性能和效率。 2. 关联分析： 关联规则分析是数据挖掘的一部分，主要关注数据项之间的相互关系。Apriori算法逐层寻找频繁项集，而FP-growth算法则通过无候选集的方式减少计算量。支持度、置信度和提升度是评估规则强度的关键指标。 3. 分类和预测： 分类技术用于识别对象所属类别，如电信客户分类，通过训练模型预测客户行为。与之相对的是数值预测，即预测连续值，如股票价格或销售额。两者都是有监督学习，但分类关注的是类别标签，而数值预测关注数值结果。 4. 聚类分析： 聚类是将对象自动分为具有相似特征的群体，常用于客户分群、市场细分等场景。聚类分析的目标是发现数据内在结构，而非预先定义的类别。 5. 数据预处理： 数据预处理是数据分析的基础，原因包括： - 数据质量问题：可能存在缺失值、错误数据或数据一致性问题。 - 数据格式不统一：需要清洗、转换和标准化数据，以便进行有效的分析。 - 大量数据处理：预处理有助于降低计算复杂性，提高后续分析效率。 商务智能复习题的答案着重强调了数据处理、分析方法、模型应用及数据质量的重要性，对于理解和运用这些概念和技术对实际商业决策有着至关重要的作用。