|
數據挖掘工具
|
Unica
|
SAS/EM
|
Insightful Miner
|
IBM IM
|
SPSS
|
|
產品構成（功能模塊）
|
Affinium Model
響應（流失）模型、交叉銷售模型、市場細分及客戶描述、客戶價值分析 |
SAS Base
、
SAS Graph
、
SAS EM
|
S-PLUS
，
Insightful Miner,
無數據量限制，含有最豐富的算法庫與統計分析函數庫
|
分類、分群、關聯、相似序列、序列模式、預測
|
Base
、
Clementine
|
|
圖形化界面
|
Yes
|
Yes
|
Yes
|
Yes
|
Yes
|
|
菜單驅動
|
Yes
|
No
|
Yes
|
No
|
No
|
|
托拽式操作
|
Yes
|
Yes
|
Yes
|
Yes
|
Yes
|
|
數據挖掘模型（列舉）
|
神經網絡、線性回歸、
Logist
回歸、后向傳播神經元網絡、
CHAID
、
CART
決策樹、
Na
?
ve Bayes
、
RFM
、
K
－
Mean
等幾百個模型和算法
|
神經網絡、決策樹、傳統統計技術、預測、時間序列、聚類方法、關聯方法等
|
神經網絡、決策數神經網絡、決策樹、最鄰近算法、預測、時間序列、聚類方法、
logistic regression, cox regression
等
|
神經網絡、決策數神經網絡、決策樹、最鄰近算法、預測、時間序列、聚類方法、關聯方法等
|
共
12
類模型：
Neural Net
，
C5.0
，
C&R Tree
，
Kohonen
，
K-Means
，
TwoStep
，
Apriori
，
GRI
，
Sequence
，
PCA/Factor
，
Regression
，
Logistic
|
|
靈活算法
|
Yes
能自動選擇參與模型運算的變量
|
No |
No |
No
|
No
|
|
具有多模型整合能力
|
Yes
|
Yes |
Yes |
No
|
Yes
|
|
數據挖掘流程易于管理
|
良
|
良
|
優
|
一般
|
中
|
|
數據挖掘流程可再利用
|
Yes
|
Yes |
Yes |
Yes
|
Yes
|
|
數據挖掘流程可充分共享
|
Yes
|
No |
Yes |
Yes
|
Yes
|
|
提供模型評估方法
|
Yes?
|
Yes |
Yes |
Yes
|
Yes
|
|
挖掘結果可集成于其他應用
|
Yes
（能生成標準的
C
代碼和
SAS
代碼）
|
No |
Yes |
No
|
Yes
（但不能脫離
SPSS Clemnetine
平臺）
|
|
最大數據處理量
|
16000
個變量、
20
億條記錄
|
|
無限制
|
|
不限
|
|
挖掘過程監控
|
Yes
|
Yes |
Yes |
Yes
|
Yes
|
|
異常處理
|
Yes
|
Yes |
Yes |
Yes
|
差
|
|
并行處理能力
|
Yes
|
No |
Yes |
Yes
|
Yes
|
|
支持訪問異構數據庫
|
Yes
|
Yes（需單獨購買） |
Yes |
Yes
（需單獨的模塊支持）
|
Yes
|
|
提供二次開發接口函數
|
Yes
|
No |
Yes |
Yes
|
Yes
|
|
擴展能力
|
No
|
No |
Yes，S語言是個開放的開發平臺 |
No
|
No |
|
挖掘結果轉化為主流格式文件、圖形的能力
|
Yes
|
No |
Yes |
|
Yes
|
|
支持多層次分析人員
|
Yes
能支持業務分析人員、統計分析人員、
IT
人員使用
|
No
|
No
|
No
|
No
|
|
其他
|
將數學建模過程自動化、支持多層次分析人員使用、對軟件使用人員要求低、實施周期短、響應數據快、具有多種報表、易于理解分析結果。
|
需具備較強的計算機、數據挖掘的理論和實踐基礎；每年需繳納第一年軟件許可費的
50%
的租費。
|
可以購買永久使用權，需要較強的數據庫與數據挖掘理論基礎
|
必須建立在
DB2
的基礎上、分析結果解釋困難
|
需具備較強的計算機、數據挖掘的理論和實踐基礎
|
|
|
|
|
|
|
|
凡是有該標志的文章，都是該blog博主Caoer（草兒）原創，凡是索引、收藏
、轉載請注明來處和原文作者。非常感謝。