数据挖掘

2012中国数据库技术会的4.14下午专场4：数据挖掘 商业智能专场中，我们将邀请到国内具有典型代表的互联网、电信等行业的专家，从它们真实的数据挖掘与商业智能应用案例中，详细的我们解读在大数据背景下数据挖掘与商业智能的部署历程。

医院通常是最繁忙的地方，不过加拿大多伦多市儿童医院的新生儿重症监护病房(NICU)却能够处理比以往更多的事情。这一切要归功于新技术合作伙伴的帮助。目前该医院正在使用分析学来更为精准的预测哪些早产儿出现疾病和感染的风险更大。

Spark是一个通用的并行计算框架，由UCBerkeley的AMP实验室开发。那么Spark和Hadoop有什么不同呢？1，Spark的中间数据放到内存中，对于迭代运算效率比较高。2，Spark比Hadoop更通用。3，容错性。4，关于Spark和Hadoop的融合。

大数据话题在安全圈子中的讨论是这样的：如果企业把自己的与安全有关的事件数据与商务信息库结合起来，企业就能够分析这个大数据以便抓住设法窃取敏感信息的入侵者。

MT810再次给我们带来了创意十足的新设计，内电阻外电容的双重触屏设计使得用户不仅可以用手写笔在内屏上使用，

如果能够从海量用户中通过自动手段挖掘出一个个的兴趣圈子，对于很多具体应用来说是非常重要的基础数据，比如可以利用用户所属兴趣圈子进行感兴趣人物推荐，或者根据所属圈子的群体特性分析用户的个人兴趣点等，所以在SNS平台下，如何对海量数据自动进行兴趣圈子挖掘是个非常有用的基础功能。

2012年3月16日将成为北京微博老用户真实身份信息注册的时间节点，之后未进行实名认证的微博老用户，将不能发言、转发，只能浏览。不得不说中国的互联网环境将进入实名制时代。表面上看似实名制仅仅是一种在当前提示下加强社会管理的行政手段，但是背后却蕴藏着巨大的信息价值承贷挖掘。

借助先进的信息技术发现潜在的新客户以及保持并改善与老客户的关系已成为企业的迫切需求。针对每个客户的不同要求，提供更为个性化的系列服务也已成为企业生存的根本法则。然而现实中企业的资源总是有限的，不可能平等细致地研究每一个顾客的所有要求，所以企业必须通过数据挖掘技术将客户进行分类。

本文分析了如何通过增强应用程序性能以支持业务灵活性。

传统数据仓库的性能已无法应付庞大的信息，但是大数据(Big Data)技术使我们能够访问和使用这些宝贵的、大规模数据集以应对越来越复杂的数据分析和更好的商业决策制定。

大数据这一概念从兴起，到炒作，到几乎无所不在，这一番折腾表明，2012年或许会成为数据分析市场的大年。下面我们就来听听某些专家的预测，看看明年的分析市场上有哪些东西会成为最热门的话题。

　　CRM中的数据挖掘就是利用数据挖掘理论和技术创建描述和预测客户行为的模型，优化CRM流程，实现企业有效的客户关系管理。具体来说，数据挖掘在电子商务CRM中的应用主要体现在以下几方面：

作为全球商业软件的领先厂商，SAP公司提供了一整套的企业信息管理(EIM)解决方案，可帮助企业把数据作为信息资产来管理，可对各种来源的数据进行管控，并与现有系统进行完美集成，用户通过直观界面轻松控制。那么作为EIM基础的SAP BusinessObjects Data Services 4.0究竟有哪些功能呢?

企业内部数据信息正以爆炸式的速度不断增长，给企业带来极大的难题。那么这些海量的企业数据究竟从和而来?利用这些数据可以给企业带来什么样的好处?处理不当会给企业带来什么损失?我们应当如何完美地解决海量数据处理难题?SAP中国方案与架构设计部资深架构师、总监和轶东将为我们一一解答。

随着硬件技术的不断发展，内存容量与日俱增，价格也越来越低，这些条件已允许在服务器内存中处理超大量的v数据，并提供即时的结果成为可能。那么随着科技的不断发展，内存技术未来将向何方发展?在本次课程中，SAP公司内存技术研发项目经理周曦炜将向我们介绍SAP内存技术的发展线路图。

大数据的时代已然来临。IDC数据显示，在2006年全世界的电子数据存储量为18万PB，而如今这个数字已经达到180万PB，短短5年间就已经增长了一个数量级。而根据预测，2015年这个数字则会达到如同天文数字般的800万PB。

处理大数据惯常是属于商业智能(BI)的事情。抽取数据、挖掘数据，制成报表、OLAP、仪表盘、挖掘模型，作为辅助决策之用。不过在BI领域都不这么叫法，大伙儿都说海量数据，Large-scale Data。这听起来还是略显学术气，不如Big Data来的通俗——大数据。

在企业内部，为了支撑信息系统的运行，我们需要一种数据用来描述或者提供数据的上下文信息、相关内容、业务流程服务场景以及业务规划。这种数据就是元数据，其包括设计工具数据、管理信息数据、监控数据、数据表、索引分区、数据类型等等，种类繁多，不一而论。

数据仓库协会近期的研究显示，随着技术难题被攻克，大数据已经成为企业重要的业务资产。在此项研究中，TDWI共访问了325名IT经理人、技术顾问和企业用户。这些受访者来自不同规模公司。在最终得到的报告中，TDWI指出，新技术的出现使得企业能够对不同类型的海量数据集进行更为复杂的数据分析。

大数据面临着大挑战。不过，如果企业可以解决这些问题，那摆在他们前面的机会仍旧很多。第一次听到大数据这个词的时候，我们都怀疑存储公司是否在摆弄小孩子的节目。而再细看的时候，发现这一词汇非常精炼地概括了我们生活和工作中所遭遇的数据洪流。