数据挖掘

企业成本上升，通过信息化管理提高企业效率，例如：客户关系管理系统、前厅管理系统、后厨管理系统、财务管理系统、物资管理系统。

如何从各系统数据中挖掘有价值信息提高盈利呢？智能菜品推荐、客户细分、菜品预测、新店选址。需要对历史数据进行数据分析，这种在数据中淘金的过程则为数据挖掘。

数据挖掘的基本任务：分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐。

数据挖掘的建模过程为：定义目标->数据取样->数据探索->数据预处理->数据挖掘建模->数据评价。

1、定义挖掘目标

确定挖掘的目标，以及达到的效果。

2、数据取样

根据挖掘目标进行取样（随机、等距、顺序、分类）。

取样标准：相关性、可靠性、有效性。

3、数据探索

为确保模型数据的质量首先进行数据探索：异常值分析、缺失值分析、相关分析、周期性分析等。

4、数据预处理

数据维度过大时，需进行降维处理。有噪声时，需要去燥。还有数据筛选、数据变量转换、缺失值处理、坏数据处理、数据标准化、主成分分析、属性选择、数据规约等预处理。

5、挖掘建模

根据挖掘目的选择不同算法进行建模，形成模型公式，根据输入得到相应的输出。

挖掘模型：基于关联规则算法的动态菜品智能推荐；基于聚类算法的餐饮客户价值分析；基于分类与预测算法的菜品销售预测；基于整体优化的新店选址。

6、模型评价

评价目的：自动找出最好的模型；对模型进行解释和应用。

数据挖掘建模工具：

SAS Enterpeise Miner、IBM SPSS Modeler、SQL Server、MATLAB、WEKA、KNIME、RapidMiner、TipDM。