5.7.2数据挖掘技术
一个数据挖掘系统可以从其数据有用经验中自动检查数据并形成“如果X,则V”的分类规则。例如，如果客户具备一定特征，比如是住在一个大城市的单身家庭，年收入超过9万美元，然后分类规则表明，他将对X范围内的食品感兴趣。系统可以建立分类规则模型，并呈现在一个层次结构中，如决策树(类似于多元技术的输出、辅助分析)。在搜索一个银行的数据库时可能会发现，那些在过去三年内获得个人贷款和没有获得的客户。在那些获得个人贷款的客户中，可能会分离出较早偿还和较晚偿还贷款的客户。

该系统还可以寻找要素或变量数据之间的联系，可以制定规则关联。例如.在“购物篮分析”中，可能会发现在84%的情况下，购买品牌S和品牌R的顾客也购买了品牌M。它具有一种可以探索出在一段时间内频繁出现的模式的序列/时间函数。例如，它可能会发现购买平板电脑或智能手机后接着出现什么样的购买类型。

数据挖掘系统也能进行聚类分析，与标准分析中的聚类分析或细分技术的运行方式或多或少有些相似。计算机为一个相似的特征或特征范围搜索数据库，并将类似的案例组织或集群在一起。聚类分析可以用来识别不同类型的购买行为。例如，除了在他们个人目的上有用之外，聚类通常作为进一步研究的基础。
数据挖掘可以使用神经网络算法来査询数据库。神经网络是一个相互关联要素的数学结构，类似大脑的神经通路，是一种非线性、非时序的计算机程序。它是一种复杂的“黑箱”技术，可以通过在数据库中寻找一组变量或要素之间的所有相关性来发挥作用。它可以用于发现一个由于太过复杂，标准计算技术无法发现的一个非常大的数据库的模式和趋势。神经网络可以从数据库中学习，事实上它可以被“训练”为一个数据分析方面的专家。一旦训练完毕，它可以通过研究“假设……将会怎样”的情境做出相关预测。

神经网络中心对“黑箱”方法的批评意味着，通过那些没有解释或很少解释的方法能获取结果。它也需要在数据库中训练神经网络而投入时间。网络学习通过在数据库中的要素之间来回跟踪积累经验，所以这种方法用于庞大的数据库时会很耗费时间。

数据可视化是经常用来帮助理解数据挖掘技术。它在最初的探索阶段，通过关系和模式的构造使数据更容易理解，并用于稍后呈现或演示结果

5.7.3联机分析处理

联机分析处理（OLAP）（Coddetal.,1993）是一种类别软件工具，针对庞大的数据库或数据仓库使用，在那些包含相关和多维要素的数据库中检索、操作和分析数据。多维意味着数据库被结构化为一种分层的形式（通常是多维立方体的形式），以便数据之间的关系结构以一个合乎逻辑的方式存储。OLAP使你能够迅速地分析数据库中简单或复杂的数据，OLAP了解相关的和多维的路径，在这些路径中，数据库或数据仓库中的数据被组织起来。它还有这样的功能，允许你执行基本层面的分析（如描述性统计分析），以及在一个更复杂层面的分析（如趋势和时间序列分析、因子分析、模式搜索和模型制作）。假设数据库可能包含销售方面的聚合数据，它还将包含多维度单元的数据，比如根据组织需求相关维度对销售绩效归类或分类，这些维度包括品牌、销售渠道类型或市场等。一个单元包含的是最小层面的数据，例如，X品牌智能手机在法国第32周的销量。数据可以聚合或合并成较大的集(又称为“集合”)，例如，每周销售合成月度销售，每月销售合成季度销售，季度销售合成年度销售；网站销售渠道与传统的零售网点渠道聚合产生总销售额，或在每个欧盟国家的销售额可以聚合为欧盟的总销售额。聚合数据可以被分解或分类成更小的单位，甚至是个体层面上的单位，这一过程称为“钻取”(drilldown)。数据可以进行一系列的观察，比如按体积计量，按市场容量计量，或按市场渠道类型计量，通过一个称为“切割”(slicinganddicing)的操作。

专栏5-3
示例：OLAP查询
•在上一个财年，我们在英国、德国以及荷兰出售了多少品牌K的果酒？
•这些销售在直接销售和代理销售之间是如何分割的？
•基于这些销售数据，在直接销售和代理销售中，毛利是多少？
•在直销方面，销售是如何在批发商和零售商之间分配的？
•在英国的零售商方面，正价销售收入和打折销售收入各占比多少？
•在这两种销售渠道之间存在季节性的波动吗？
•与过去两年相比，上一个财年的销售份额怎样？

文章来源于《市场调研实务（原书第4版）》，作者是[英]伊冯娜·麦吉温(Yvonne McGivern)。