l數據挖掘技術1.1數據挖掘概念數據挖掘(DM)是從大型數據庫的數據中提取人們感興趣的知識，也可以稱為數據庫中的知識發現。它們可以表現為概念、規則、規律、模式等形式。數據挖掘的對象可以是數據庫、文件系統或任何其他組織在壹起的數據集合。確切地說。它是壹個決策支持過程，主要基於人工智能、機器學習、統計學等技術，對企業的原始數據進行分析，自動化程度高。從中挖掘潛在的信息，可以幫助企業決策者做出正確的決策。1.2數據挖掘模型和任務數據挖掘模型本質上可以分為兩種類型(圖1)。預測模型使用從不同數據中發現的已知結果來預測數據的值。描述性模型識別數據中的模式或關系。數據挖掘模型包括以下基本數據挖掘任務:(1)分類，是指將數據映射到預定義的組或類。(2)回歸是指將數據項映射到實值預測變量。(3)時間序列分析是指通過時間序列圖將時間序列數據可視化，時間序列圖是數據屬性值隨時間變化的圖形。(4)預測是指根據過去和現在的數據預測未來的數據狀態。(5)聚類是指由沒有預定義的數據確定分類，是無監督的學習或分割。(6)交換是指用簡單的描述將數據映射到壹個子集。(7)關聯規則(Association rules)是指表示數據之間關系的數據挖掘任務，這種關系並不直接表現在數據中。(8)序列發現是指確定數據之間與時間相關的序列模式。補充:1.3數據挖掘過程數據挖掘過程，也稱為知識發現過程(KDD)，是壹個包括許多不同步驟的過程。圖2構建了數據挖掘過程，分為數據準備、數據挖掘和知識表達解釋三個階段。具體步驟如下:對源數據進行整合得到數據，對數據進行選擇得到目標數據，對目標數據進行處理阻礙預處理數據(後期數據)。經過數據挖掘，得到數據的各種模式，通過對數據的各種模式的解讀，獲得知識。2知識生產管理知識生產管理是指以知識生產為管理對象，對整個生產活動進行計劃、組織和控制的任務，以盡可能地按照規定的產品質量、計劃成本和交付日期實現知識生產。最後，為知識產品的消費者提供滿意的產品。知識生產不同於壹般的物質生產，它不僅包括原創生產，還包括復制生產和定制生產。知識生產的首要任務是原創生產，專業人員開發產品，管理者維護和控制產品生產過程，在生產過程中逐步豐富企業的知識庫，從而為進壹步的定制生產和重復生產奠定基礎，最終為客戶提供滿意的產品。知識生產的管理按其功能可分為幾個不同的模塊(圖3)，其中客戶管理的功能是指處理知識生產企業的客戶信息，生成客戶情報，為企業的戰略決策提供支持；項目管理主要包括項目預算和項目進度控制。生產計劃管理主要是預測知識產品的需求，制定主生產計劃、知識需求計劃、物料計劃、設備計劃和人力資源計劃等。組織管理的主要職能是選擇合適的生產組織來完成相應的知識生產任務，以保證最有效的生產過程；人力資源管理的職能是根據生產計劃，在組織內部或通過招聘選擇適合生產的人力，並通過培訓和調配使人力資源保持最佳狀態，從而有效完成生產任務。知識庫管理是對企業生產過程中積累的知識數據的有效管理，包括知識的獲取、組織、存儲、查詢、更新和維護。質量管理的職能是指對知識生產過程的質量控制；采購管理是完成整個采購過程的管理；設備管理的功能是系統地管理知識生產企業的現有設備；材料管理是對知識生產所需的現有材料材料進行管理；活動管理是指對具體知識生產的操作過程的管理；而成本管理就是控制知識生產的成本。使知識生產在保證時間和數量的前提下實現最低成本。
上一篇:企業密信註銷要多久下一篇:企業文檔加密和互聯網訪問規範使用什麽軟件？