第六章資料倉儲與採礦技術

第六章資料倉儲與採礦技術 6.1 資料倉儲與採礦定義 6.2 資料採礦之步驟與技術分類 6.3 資料採礦在顧客關係管理之應用作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧之背景 • E化時代之資訊特點： • E化時代下，電子資料量每年成長1~3倍 • 僅7%之資料真正被分析、運用者 • 資訊應用需求：轉化龐大無序之資料為資訊、知識，進而供有智慧、經驗者運用 • 具體目標： • 協助組織擷取/歸納/解釋/分析資料 • 從事獲利分析/關係行銷/顧客管理 • 領域應用：客戶貢獻度分析、市場區隔、信用風險管理、交叉銷售分析、產品/投資組合獲利分析作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧(BI)定義 • 定義：對企業營運資訊迅速解讀與推理之能力，以提升企業決策品質、改善營運績效。 • 特點： • 依公司既有資訊此分析業務發展趨勢 • 以公司既有資訊進行決策支援 • 參與人員可及時獲取其職責所需之知識 • Provide the Right Information to the Right Persons at the Right Time. BI技術可協助企業統計、挖掘、分析與轉化隱含於大量數據資料背後之知識，以支援企業相關決策作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧之形成(1) • 公司組織架構中，資訊Bottom-Up方式進行收集，逐筆之記錄資料，形成原始資料（Row Data）。 • 基於決策需要，將資料萃取、解讀、處理、分析後，成為有組織、有價值之資訊（Organized Information）。 • 結合公司內部領域智能（domain know-how），將資訊轉化為知識（Knowledge）。 • 結合決策者的經驗與能力，將知識靈活應用，形成智慧（Wisdom）。 BI的形成為Bottom-Up過程作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧之形成(2) • Data—粗糙的事實（如實驗數據） • Information —融合脈絡之Data（如實驗結果） • Knowledge — Information融合經驗（如實驗推論） • Wisdom — 具啟發性之知識（如實驗結果應用）作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧之應用 • 高層人員針對資訊進行決策之比例與重要性高。 • 越上層決策者故對於資訊/知識深度與廣度要求較高，更需較高之智慧運用之。 • 決策者運用智慧、經驗將決定策略後，下達予下部單位執行、實現。 • 決策者決策效率與資訊擷取、解讀（Bottom-Up）時效高度相關。 • E化技術之應用可提升(1)資訊擷取/解讀與(2)策略制訂/傳遞/執行等效率。 BI的應用是Top-Down過程作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧主要應用主題 • 資料分析：發現大量資料之模式與趨勢（DW、DM） • 智慧部署：運用IT技術使成員可進行商業分析與知識存取（KM） • 地理空間分析：整合商業資料與地理/人口資訊（GIS） • 資料視覺化：以圖形方式檢視資料，協助訂定更佳商業決策（KM、VR） • 平衡計分卡分析：正確地檢視企業經營績效 • 專案管理分析：充分掌握資訊以訂定有關資源分配及專案選擇之決策（ERP、PM） • 協同體系之智慧累積：運用您員工群體的見識與經驗（KM、PM） • 業務/行銷分析：充分掌握銷售資料與趨勢（CRM） • 客戶資訊分析：深入了解客戶行為與偏好（CRM）作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 CRM—顧客關係管理定義 • 定義1：企業透過有效溝通，以瞭解、影響顧客行為，達成維繫與拓展客源之目標： • 增加新顧客 • 防止既有顧客流失 • 提高顧客忠誠度 • 提高顧客獲利 • 定義2：是一種反覆將顧客資訊轉換為正面顧客關係的過程，藉由資訊科技，將資料轉化和視覺化，加速管理決策的實用性和速度。 • 結論：顧客關係管理乃能提供顧客接觸人員、資訊人員、行銷和銷售人員、及管理階層更多與顧客及銷售相關的企業智慧。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 CRM重點課題 • CRM應整合於公司每一作業、每一成員、每一交易場所。 • CRM之「顧客關係」除顧客交易瞬間外（好價格產品或服務），更建立於期望顧客能繼續消費或產生其它購買行為之上的。 • 為了與顧客關係真實存在，溝通必須為雙向的、整合的、有記錄的、有管理的。 • 若沒有顧客歷史資料、詳細交易記錄、有焦點和分類之溝通，就無法有效維持和顧客之關係。 • Note：沒有絕對無用之資料 • 客服中心是顧客關係管理的第一步。因此應結合BI之理念與技術，有效收集、歸納、解析客服相關資訊，協助組織進行行銷相關之決策作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 BI與CRM關聯 (1) • 數位資訊包含企業多年累積之各種形式資料，內部/外部資訊，及各式與客戶或其他企業互動的累積經歷 • 這些累積資料、資訊與經歷極為寶貴，但卻十分繁雜 • 多數E化軟體負責處理交易（Transaction）相關數據資料，缺乏預測顧客行為模式及其對企業營運之影響。 • 導入BI之資料採礦理念，使企業檢視自身經營模式，並瞭解顧客特性 • 故CRM乃整合各行業之行銷與客戶管理之資訊系統及商業智慧（BI）決策分析機制。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 商業智慧與CRM關聯(2) Source: http://bi.fast.com.tw/newpages/bi01.htm Source: http://www.bitech.com.tw/ 作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

Customer & Sales InformationCollection Operation Information Collection ERP/Transaction Contact Center Data Mining Operation Strategies BI SFC/SCM CRM Action Action 商業智慧與CRM關聯(3) Data Information Knowledge 運用BI觀念可將與客戶相關之銷售、服務資訊由Bottom-Up方式收集，再轉化為Top-Down之策略與應用 Wisdom 作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

Data Warehousing Knowledge Recovery Data Mining 6.1 資料倉儲與採礦定義客服中心之資料建置與分析 Database Design 作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 資料庫系統與其運作 • 「資料庫」乃將各種資料經過蒐集、整理之手法後，以適當方式加以組織化，再以有效的方式加以儲存。 • 利於資料後續搜尋、編輯、管理及再利用，以使資料使能提供多方面應用。 • 現今圖書館館藏訊息之蒐集、整理、組織化、儲存、搜尋及管理等，即為資料庫技術之典型利用。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 資料庫系統相關詞彙 • File（檔案）：通常一資料檔案之建立乃針對特定應用及其對應所需之報表而來。隨著時日增加，可能會有許多檔案存在。 • Record（記錄） • Field（欄位） • Character（文字） • Entity（實體） • Attribute（屬性；個別欄位名稱） • 於一資料庫系統中，一Database含多筆Record、各筆Record以Field為單元，且各Field可為任意之資料型態，並以Data Dictionary進行內容分類。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 檔案系統儲存資料之瓶頸 • 缺乏資料之安全性 • 缺乏資料之共用性 • 缺乏資料應用彈性 • 資料重複記錄 • 資料與程式具高度相關性，不易維護作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 資料庫系統儲存資料之優點 • 故以資料庫系統取代檔案系統之資料儲存方式，增強資料儲存、索引搜尋、系統安全性與資料同步存取等特性。 • 其能針對每一不同的商業應用擷取資料，並產生其所需之報表。 • 具體優點乃可以減少檢索資料的時間與人力，又透過網路可更迅速地進行資料更新及管理。 • 具彈性化檢索功能，對大量資料的處理、搜尋所需資料的正確性與效率都會因此而大幅提昇。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 資料庫運算(1) • Selection乃自資料表中選出符合設定條件之行(Row)。 • Projection乃自資料表中移除特定之列(Column)。 • Product則是將兩Table相乘，若Table 1為N Rows、I Columns；Table 2為M Rows、J Columns，則其相乘結果產生一個具有N*M Rows、I+J Columns的新Table。 • 若兩Table分別為N Rows、M Rows，則Union結果形成N＋M Rows（然除非兩Table的Schema相符，否則無意義）。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 資料庫運算(2) • Set Difference乃找出於一Relation中存在，卻不在另一Relation中存在，兩Relation間的交集可以A-（A-B）獲得。 • Join操作即是將兩個具有共同Field關聯之Tuple結合，即當Tuple中之欄位值與另一Tuple中之欄位值相等時則結合，可以Selection與Product定義之，如此即可以簡易資料表產生複雜之資料集合；相當於許多資料庫中之View功能，可將兩Row之資訊合併。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 SQL (Structured Query Language) • SQL查詢語言乃為依據Relational Algebra衍生出之查詢語法。 • 其發展利於高階語言應用於資料庫資訊之擷取。 • 由IBM於1970年發展，且現已為ANSI標準。 • 除查詢RDBMS資料外，SQL亦提供定義Table Schema、資料建立與資料處理之功能。 • 如Create Table可指定屬性與資料欄位、Delete可刪除Row、Insert Into乃增加Row至一Table中）。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.1 資料倉儲與採礦定義 RDBMS vs OODBMS • 除RDBMS外，近期已逐漸發展物件導向資料庫管理系統(Object-Oriented Database Management System；OODBMS)。 • 在OODBMS環境下，所有物件之資料儲存於一處，並以唯一之Object ID作索引。 • 物件間之連結可直接由Object ID與Object Link追蹤（非以Join方式）。 • OODBMS提供執行時之Schema Querying（Run-Time Schema Querying），即應用程式乃查詢物件的Meta-Data（元）資料。 • 現今應用Hybrid OO-Relational資料庫系統較多，其乃提供RDBMS系統中有物件之表示法，純OODBMS較為少用。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 客服中心資料庫設計 • 第一階段—資料需求規格釐清：不同使用者資訊需求確認 • 第二階段—概念設計：即建立「屬性-關係」模型，即Entity-Relation Model（簡稱ER Model） • 第三階段—邏輯設計：乃將觀念架構轉換成所選定之資料庫管理系統，如關聯式資料庫管理系統之邏輯資料模式。 • 第四階段—實體設計：將邏輯資料模式轉換成特定硬體及DBMS適用之形式，通常乃決定資料儲存結構及檢索路徑。 • 資料庫正規化(Normalization)：即自複雜、大量之資料中尋求其關聯性，而建立結構化表格。 • 主鍵(Primary Key)決定：資料庫中之鍵(Key)，乃由一個主鍵(Primary Key)獨特地表示記錄的若干特性作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 ER Model範例作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 客服中心之資料倉儲(1) • 資料倉儲：一特大型資料庫，將來自不同作業系統之資料建立關聯性後，以具結構性方式加以儲存 • 自客服人員線上處理系統所得之資料，透過擷取、轉化與載入(Extraction、Transformation、Loading, ETL)等資訊技術，將資料置於資料倉庫中 • 必須確保倉庫中之資料之： • 正確性（無錯誤資料參雜其中） • 完整性（必要之資料皆被儲存） • 相互整合 • 以交易主體（如顧客、產品）作為其儲存分類依據。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 客服中心之資料倉儲(2) • 資料倉儲為決策支援系統之基礎，其技術具多元性與複雜性： • 多維（Multi-Dimension）資料庫管理系統 • 主從架構（Client/Server Architecture） • 中介軟體（Middleware） • 圖形使用者介面（GUI） • 資料複製（Replication） • 平行處理（Parallel Processing）作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 客服中心之資料倉儲(3) • 基本特質： • 以交易主體為導向 • 資料經過整合 • 各類使用者無法擅自更改資料 • 資料不斷隨時間而變化 • 收集之資料主旨在支援企業決策之制定作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 客服中心之資料倉儲(4) • 資料倉儲建置專案是否成功發揮其應有效益，與以下要素有高度相關性： • 常設專案支援部門，支援專案之專業執行 • 界定明確目標及需求範圍，使資料倉儲平台規劃符合實需 • 高層支持與良好跨部門溝通管道，建立全公司共識 • 建構開放性之倉儲平台，並具備充分延展性及擴充性的倉儲架構 • 倉儲與前端系統之介面規格一致 • 前端系統資料品質高及具穩定性作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料倉儲導入程序作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料倉儲具體效益(1) • 提昇使用者對應用系統之運用能力：企業決策者可直接分析資料，毋須透過資訊部門或其他資訊提供者提供，將可紓解資訊部門之工作負擔，並提昇資料分析的效率。 • 培養企業迅速取得資訊之能力：由於資料倉儲將散於各應用系統之資料加以整合，因此決策者、資訊需求者可不透過資訊人員即可取得所需之決策報表，公司整體的決策時效性可獲提昇。故資料倉儲有效縮短管理階層理解事件發生之反應時間，使企業決策之機動性有效提昇。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料倉儲具體效益(2) • 強化企業資訊集中與整合能力：資料倉儲整合了企業內部各資訊系統及企業外部資訊，利於企業制定有效決策，以應付瞬息萬變的企業環境。 • 提供企業資料分析之新機制：資料倉儲可支援Data Mining、OLAP等資料分析任務，可幫助企業以新機制進行資料分析、問題發掘、知識探索。並藉由這些先進技術與工具，發現新問題或對舊問題引發新解決方案。 • 提升企業進行資訊趨勢分析能力：資料倉儲擁有足夠之歷史資訊，可供企業自過去事件或案例中，尋找相關之行為模式與發展趨勢，進一步預測未來、進行必要之防範或改善。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料倉儲趨勢 • 過去資訊技術的瓶頸，如跨平台資料難以整合、龐大資料量儲存及分析效率低等問題，皆可藉由資料倉儲技術逐漸克服。 • 過去偏重資料收集（資料庫技術應用），到現今強調價值資訊分析（資料採礦技術應用。 • 目前資料倉儲應用於企業客戶關係管理之課題將漸朝深度發展， • 期能透過資訊採礦技術將大量客戶資料和交易數據轉化為有用資訊，讓決策主管和行銷人員可以隨時掌握客戶行為趨勢與變化，並針對個別狀況制定因應之行銷策略。 • 整體而言，透過資料倉儲技術運用，可將企業大量、無章之資料轉成商業知識，進而協助企業分析客戶習性及協助產品規劃，增加企業之競爭力與獲利機會。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料採礦(1) • 資料採礦(Data Mining)主要在探討如何於大量資料中發掘潛藏的有用資訊與趨勢，以提供決策人員進行決策參考。 • 資料採礦過程可視為資料庫管理之知識發掘。 • 知識發掘之過程包括資料選取、前置處理、資料轉換、資料採礦、解釋與評估。 • 與資料採礦相關之研究領域包括前述之資料庫技術、機器學習、人工智慧、專家系統、特徵識別、統計學及資料視覺化等課題 • 而目前較普遍運用之模式與技術包括決策樹、類神經網路、歸納式邏輯、貝氏網路(Baysian Network)、Nearest Neighbor、Attributed-Oriented Induction、Binary/Quantitative Association Rules等。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.2 資料採礦之步驟與技術分類 資料採礦(2) • 資料採礦是先進的大量資料分析與處理工具，可將原先未知的重要訊息與趨勢，自大量資料中予以發掘。 • 發掘知識在學術研究中則可視為經驗法則；於商業應用中，可視為商業知識。 • 商業知識進一步應用於公司決策，尤其在市埸行銷推廣、客戶服務、詐欺防弊、瑕疵偵測與行為預測等課題。 • 資料採礦過程通常透過大量統計等先進資訊技術，自數以百萬計之資料裡，辨認其間相互關係，分析具意義之訊息與知識，使大量資料經過精簡、轉化為有意義之圖形或數據供決策判斷。 • 資料採礦強調資料關係發掘，此類發現乃以大量既有資料為事實基礎，而非人為假設，故適用於解決學術上與企業各式業務之難題。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 客服中心之資料採礦(1) • 分析方向： • 分類功能：乃按照分析對象之屬性，定義其分門類別，並建立類組（Class） • 估計功能：乃根據既有連續性數值之相關屬性資料，獲致某一屬性未知之值 • 預測功能，乃根據對象屬性之過去觀察值推論該屬性之未來值，例如由顧客過去之閱讀趨勢預測其未來之消費項目 • 關聯分組功能：乃從所有物件決定那些相關物件應該列為同一群 • 分群功能：將異質母體中區隔為較具同質性之群組，相當於行銷所謂之區隔化（Segmentation）作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 資料採礦步驟作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 資料採礦計畫 • 問題與目標確認：確認資料採礦所欲處理之潛在問題。 • 資料來源決定：決定資料採礦所需之基礎資料從何而來。 • 資料需求界定：即尋求與問題原因相關之資訊，並可能決定訪談之對象。 • 模型建立：可為簡單之OLAP或甚至複雜之類神經網路。 • 資料整理：基於不同資料模型有相亦之資料需求，故其資料整理方式亦當不同，並進行資料轉化。 • 利用資料倉儲支援：在資料採礦應用過程必須以資料倉儲作為支援。 • 軟體應用：利用既有交易資料及額外蒐集資料，透過專業之建構與分析軟體建立資料模型，含資料庫處理軟體或統計分析軟體。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 資料採礦模式作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 客服中心之資料倉儲(1) • 資料倉儲：一特大型資料庫，將來自不同作業系統之資料建立關聯性後，以具結構性方式加以儲存 • 自客服人員線上處理系統所得之資料，透過擷取、轉化與載入(Extraction、Transformation、Loading, ETL)等資訊技術，將資料置於資料倉庫中 • 必須確保倉庫中之資料之： • 正確性（無錯誤資料摻雜其中） • 完整性（必要之資料皆被儲存） • 相互整合 • 以交易主體（如顧客、產品）作為其儲存分類依據。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 客服中心之資料採礦(2) • 所收集之所有資訊都是寶貴資產，資料倉儲之重要性甚高。 • 資料採礦乃使用自動化或半自動化方式針對大量資料進行趨勢分析，並尋求對企業有意義之關係或規則。 • 客戶分群：根據客戶之各種屬性（如性別、職業、收入或教育程度）分析後加以分群。同一群客戶即代表其整體屬性較為類似，依此可進行差異化行銷。 • 目標式客戶區隔：將所有客戶之單一消費習性加以紀錄、調查，將客戶加以區隔，並以決策樹結構，以客戶各屬性建立區隔模式。 • 特徵分析：即利用分群分析模型將客戶分群，並進一步分析各客戶群特徵。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 客服中心之資料採礦(3) • 貢獻度分析：即分析客戶對企業貢獻度等級。其乃針對所有客戶的某一種消費屬性加以分析，將客戶加以區隔分類。 • 期間分析：依據客戶最近購買日，分析各期間購物者之特徵。 • 頻率分析：以客戶購買頻率為依據，分析各購物頻率的客戶特徵。 • 金額分析：以客戶購物金額為依據，分析各購物額之客戶特徵。 • 終身價值分析：以客戶購物日、購買頻率、購物總金額為依據，歸列其價值評分。 • 協銷規則分析：分析顧客購物明細，得知顧客購物時趨向同時購買哪些商品，進而主動推薦符合顧客興趣之商品。 • 序銷規則分析：尋求顧客於不同購物經驗中購物之先後關係，以使產品行銷定位更正確，並大幅降低行銷分析及廣告費用。 • 預測分析：依據潛在客戶之各種屬性，透過建立好的客戶區隔模式，進而準確預測未來行銷之顧客歸屬於何種客戶類型之目標。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 客服中心之資料採礦(4) • 典型應用： • 根據消費者瀏覽網頁趨勢，推斷其偏好訊息 • 根據銷售資料發掘顧客消費習性 • 從消費者消費及繳費資料預警信用卡呆帳可能 • 在大量交易資料中探勘產品銷售關聯性 • 在大量客服資料中發覺話題趨勢 • 根據歷史審核資料，找尋核發信用卡規則作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 資料採礦未來趨勢(1) • 彈性提升： • 由於資料採礦工具大多與取樣資料之相關性高，故資料採礦工具宜具備更高延展性、容納更多屬性與資料維度。另透過前端之智慧型群體區隔功能，可加速產生客戶分類群體，利於企業行銷人員建置大量之資料。 • 經濟性提升： • 資料採礦之知識擷取成果，通常為統計分析之結論，其有效性與可執行性若能更落實於產業需求，形成可採取行動之模型，將可提供投資報酬率，提升資料採礦技術之應用廣度與深度。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

6.3 資料採礦在顧客關係管理之應用 資料採礦未來趨勢(2) • 標準化： • 資料採礦小組(The Data Mining Group)已著手發展「預測模型標記語言」(Predictive Model Markup Language, PMML)。PMML是一種XML格式，以描述常見之預測模型，作為其他資料採礦、商業智慧應用程式直接運用的標準化資料格式 • 整合性： • 為了提昇大規模資料倉儲環境下之資料採礦模型運作效能，部分資料採礦功能乃整合於關聯式資料庫系統之核心功能中，結合關聯式資料庫管理系統之平行運算處理能力，可顯著提昇了資料採礦與查詢的效能。作者：張力元、姚銀河、侯建良、何佩勳、許芙瑲

第六章 資料倉儲與採礦技術