帆軟大師兄

摘要: 具有全新商業模式的OTT內容服務商帶來的破壞威脅著通信服務提供商的傳統收入來源，從商品服務轉向增值服務是阻止通信服務提供商利潤流失的關鍵。不斷變化的格局所造成的不確定性和破壞要求通信服務提供商快速建立新 ... 
具有全新商業模式的OTT內容服務商帶來的破壞威脅著通信服務提供商的傳統收入來源，從商品服務轉向增值服務是阻止通信服務提供商利潤流失的關鍵。不斷變化的格局所造成的不確定性和破壞要求通信服務提供商快速建立新的業務和運營模式，並尋找替代的收入來源。

BI（商業智能）的部署應用成為2010年CIO關注的焦點。當前30%的成功率成為困擾BI前進的「絆腳石」，如果只是從企業部署應用的層度來講，目前企業只有首先理清了自身存在的因素，才能進一步的前進。作為CIO，無論是做什麼類型的系統，業務流程和業務資料都是非常重要的，做BI也是同樣的道理。如果拋開BI產品，從用戶的的角度出發，那麼在用戶做部署BI時，應該是先解決業務流程問題還是解決資料問題？近日，網友「olive」在 ITPUB論壇發起一場關於BI設計階段業務流程和業務資料重要程度的的探討引起了眾多BI實施者的關注。

　　情景還原： 

要想考察巨量資料最好同時考察巨量資料背後的技術、商業和社會維度。從發展成熟度來看，技術維度走的最遠、商業維度有所發展但不算全面成熟，社會維度發展最差。所以雖然已經談了很久巨量資料，但除了孕育出巨量資料自身的幾個領域比如搜索等，其它領域卻並沒有從巨量資料中獲得可見的收益。大多時候人們還是處在覺得這裡肯定有金子，但需要更多的耐心的狀態。這篇文章則嘗試對巨量資料本身的特徵做點挖掘，對未來的發展趨勢做點預測。 
巨量資料上的深度和廣度 

經過幾年的積累，大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作，最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process，在線事務處理)，指的就是系統運行了一段時間以後，必然幫助企事業單位收集大量的歷史資料。但是，在資料庫中分散、獨立存在的大量資料對於業務人員來說，只是一些無法看懂的天書。業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的抽象信息。此時，如何把資料轉化為信息，使得業務人員(包括管理者)能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能主要解決的問題。

如何把資料庫中存在的資料轉變為業務人員需要的信息？大部分的答案是報表系統。簡單說，報表系統已經可以稱作是BI了，它是BI的低端實現。 現在國外的企業，大部分已經進入了中端BI，叫做資料分析。有一些企業已經開始進入高端BI，叫做資料挖掘。而我國的企業，目前大部分還停留在報表階段。 

BI商業智能軟體一般都會提供若干資料整合、資料查詢、分析與評價、資料可視化及資料分享的手段，但是在BI項目的構建與實施過程中，如果不按照一定的應用組織思路、資料分析模式及分析流程使用這些工具或手段，呈現給最終用戶的將是獨立的工具集和離散的分析內容，BI系統的整體應用效果將大打折扣。同時，最終用戶也了解資料分析模式及資料分析流程方面的一些常用理論和方法，以便形成自己的分析內容組織思路，從而有效開展資料決策分析工作。這方面目前已有多種卓有成效的理論及實踐體系，本文基於既往經歷的典型BI/DW項目實施經驗及對BI軟體規劃研發和實施經驗，給出一種BI系統中的資料分析內容及分析流程組織思路。

1. 整體應用模式

這是一個不說自己搞巨量資料就不好意思和人打招呼的時代。阿里巴巴用巨量資料貸款，百度用巨量資料推廣告。那麼，沒有巨頭的天然優勢，創業公司具體怎麼搞巨量資料？ 
開搞之前，先明確一下目前巨量資料主要是用來預判，挖掘用戶的需求（也有用過去的巨量資料判斷現在的需求，如巨量資料種菜判斷菜目前的長勢情況）。那麼，預判的依據是什麼？就是所謂樣本，例如我通過前幾年的平均氣溫判斷今年的溫度是高是低。 

在資料「爆炸」的時代，巨量資料常常被寄予厚望。到底，什麼樣的資料才算巨量資料，怎樣才能用好巨量資料，傳統統計學還有用武之地嗎？清華大學統計學研究中心前不久成立，著名統計學家、哈佛大學終身教授劉軍擔任主任。日前，劉軍做客人民日報、人民網《文化講壇》，分享他的思考。 
——編者 

資料視覺化 
資料視覺化的道路上充滿了不可見的陷阱和迷宮，最近ClearStory Data的兩位資料視覺化開發人員分享了他們總結出來的資料視覺化開發的7個不宣之秘，普通開發者了解這些方法能提升視野，少走彎路。 

摘要: 金融風險預警是金融資料挖掘中的一個重要研究方向,由於金融資料具有類型多樣、關係複雜、資料動態性、資料量大等一般特徵,此外還有高噪音、非 正態等特徵。因此,金融風險預警更有挑戰性。運用資料挖掘技術能夠從海量 ... 
金融風險預警是金融資料挖掘中的一個重要研究方向,由於金融資料具有類型多樣、關係複雜、資料動態性、資料量大等一般特徵,此外還有高噪音、非 正態等特徵。因此,金融風險預警更有挑戰性。運用資料挖掘技術能夠從海量的金融資料中發現隱藏在其背後的規律,有效地降低金融機構的運營風險。因此資料挖 掘在金融風險預警有著廣闊的應用價值和市場前景。

本文，主要想簡單介紹下資料挖掘中的演算法，以及它包含的類型。然後，通過現實中觸手可及的、活生生的案例，去詮釋它的真實存在。

一、資料挖掘的演算法類型