1、數(shù)據(jù)挖掘工具隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展，信息的增長速度呈現(xiàn)指數(shù)上升，最近幾十年產(chǎn)生了很多超大型數(shù)據(jù)庫，遍及超級(jí)市場(chǎng)銷售、銀行存款、天文學(xué)、行政辦公、科學(xué)研究、信息量的急劇增長，使傳統(tǒng)分析方法遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實(shí)的需求。面對(duì)海量數(shù)據(jù)，如何從中發(fā)現(xiàn)有價(jià)值的信息或知識(shí)，成為一項(xiàng)非常艱巨的任務(wù)。人們急切的需要一種去粗存精、去偽存真的技術(shù)，能夠從海量的數(shù)據(jù)中提取知識(shí)和信息的數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。 數(shù)據(jù)挖掘(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。這些數(shù)據(jù)可以是結(jié)構(gòu)化的,如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)，也可

2、以是半結(jié)構(gòu)化的，如文本，圖形，圖像數(shù)據(jù)，甚至是分布在網(wǎng)絡(luò)上的異構(gòu)型數(shù)據(jù)。發(fā)現(xiàn)知識(shí)的方法可以是數(shù)學(xué)的，也可以是非數(shù)學(xué)的，可以是演繹的，也可以是歸納的。發(fā)現(xiàn)了的知識(shí)可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等，還可以進(jìn)行數(shù)據(jù)自身的維護(hù)。數(shù)據(jù)挖掘借助了多年來數(shù)理統(tǒng)計(jì)技術(shù)和人工智能以及知識(shí)工程等領(lǐng)域的研究成果構(gòu)建自己的理論體系，是一個(gè)交叉學(xué)科領(lǐng)域，可以集成數(shù)據(jù)數(shù)據(jù)庫、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等技術(shù)。數(shù)據(jù)挖掘的常用工具數(shù)據(jù)挖掘工具的市場(chǎng)一般分為三個(gè)組成部分：通用型工具、綜合DSSOLAP數(shù)據(jù)挖掘工具和快速發(fā)展的面向特定應(yīng)用的工具。通用型工具占有最大和最成熟的那部分市場(chǎng)。通用的數(shù)據(jù)挖掘工

3、具不區(qū)分具體數(shù)據(jù)的含義，采用通用的挖掘算法，處理常見的數(shù)據(jù)類型，其中包括的主要工具有IBM 公司Almaden 研究中心開發(fā)的QUEST 系統(tǒng)，SGI 公司開發(fā)的MineSet 系統(tǒng)，加拿大Simon Fraser 大學(xué)開發(fā)的DBMiner 系統(tǒng)、SAS Enterprise Miner、IBM Intelligent Miner、Oracle Darwin、SPSS Clementine、Unica PRW等軟件。通用的數(shù)據(jù)挖掘工具可以做多種模式的挖掘，挖掘什么、用什么來挖掘都由用戶根據(jù)自己的應(yīng)用來選擇。綜合數(shù)據(jù)挖掘工具這一部分市場(chǎng)反映了商業(yè)對(duì)具有多功能的決策支持工具的真實(shí)和迫切的需求。商業(yè)

4、要求該工具能提供管理報(bào)告、在線分析處理和普通結(jié)構(gòu)中的數(shù)據(jù)挖掘能力。這些綜合工具包括Cognos Scenario和Business Objects等。 面向特定應(yīng)用工具這一部分工具正在快速發(fā)展，在這一領(lǐng)域的廠商設(shè)法通過提供商業(yè)方案而不是尋求方案的一種技術(shù)來區(qū)分自己和別的領(lǐng)域的廠商。這些工具是縱向的、貫穿這一領(lǐng)域的方方面面，其常用工具有重點(diǎn)應(yīng)用在零售業(yè)的KD1、主要應(yīng)用在保險(xiǎn)業(yè)的OptionChoices和針對(duì)欺詐行為探查開發(fā)的HNC軟件。下面簡(jiǎn)單介紹幾種常用的數(shù)據(jù)挖掘工具：1. QUESTQUEST 是IBM 公司Almaden 研究中心開發(fā)的一個(gè)多任務(wù)數(shù)據(jù)挖掘系統(tǒng)，目的是為新一代決策支持系統(tǒng)

5、的應(yīng)用開發(fā)提供高效的數(shù)據(jù)開采基本構(gòu)件。系統(tǒng)具有如下特點(diǎn)：1、提供了專門在大型數(shù)據(jù)庫上進(jìn)行各種開采的功能：關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、時(shí)間序列聚類、決策樹分類、遞增式主動(dòng)開采等。2、各種開采算法具有近似線性（O(n)）計(jì)算復(fù)雜度，可適用于任意大小的數(shù)據(jù)庫。3、算法具有找全性，即能將所有滿足指定類型的模式全部尋找出來。4、為各種發(fā)現(xiàn)功能設(shè)計(jì)了相應(yīng)的并行算法。2. MineSetMineSet 是由SGI 公司和美國Standford 大學(xué)聯(lián)合開發(fā)的多任務(wù)數(shù)據(jù)挖掘系統(tǒng)。MineSet 集成多種數(shù)據(jù)挖掘算法和可視化工具，幫助用戶直觀地、實(shí)時(shí)地發(fā)掘、理解大量數(shù)據(jù)背后的知識(shí)。MineSet 2.6 有如下

6、特點(diǎn)：1、MineSet 以先進(jìn)的可視化顯示方法聞名于世。MineSet 2.6 中使用了6 種可視化工具來表現(xiàn)數(shù)據(jù)和知識(shí)。對(duì)同一個(gè)挖掘結(jié)果可以用不同的可視化工具以各種形式表示，用戶也可以按照個(gè)人的喜好調(diào)整最終效果, 以便更好地理解。MineSet 2.6 中的可視化工具有Splat Visualize、Scatter Visualize、Map Visualize、Tree Visualize、Record Viewer、Statistics Visualize、Cluster Visualizer，其中Record Viewer 是二維表，Statistics Visualize 是二維統(tǒng)

7、計(jì)圖，其余都是三維圖形，用戶可以任意放大、旋轉(zhuǎn)、移動(dòng)圖形，從不同的角度觀看。2、提供多種數(shù)據(jù)挖掘模式。包括分類器、回歸模式、關(guān)聯(lián)規(guī)則、聚類歸、判斷列重要度。3、支持多種關(guān)系數(shù)據(jù)庫?？梢灾苯訌腛racle、Informix、Sybase 的表讀取數(shù)據(jù)，也可以通過SQL 命令執(zhí)行查詢。4、多種數(shù)據(jù)轉(zhuǎn)換功能。在進(jìn)行挖掘前，MineSet 可以去除不必要的數(shù)據(jù)項(xiàng)，統(tǒng)計(jì)、集合、分組數(shù)據(jù)，轉(zhuǎn)換數(shù)據(jù)類型，構(gòu)造表達(dá)式由已有數(shù)據(jù)項(xiàng)生成新的數(shù)據(jù)項(xiàng)，對(duì)數(shù)據(jù)采樣等。5、操作簡(jiǎn)單。6、支持國際字符。7、可以直接發(fā)布到Web。3. DBMinerDBMiner 是加拿大Simon Fraser 大學(xué)開發(fā)的一個(gè)多任務(wù)數(shù)據(jù)挖

8、掘系統(tǒng)，它的前身是DBLearn。該系統(tǒng)設(shè)計(jì)的目的是把關(guān)系數(shù)據(jù)庫和數(shù)據(jù)開采集成在一起，以面向?qū)傩缘亩嗉?jí)概念為基礎(chǔ)發(fā)現(xiàn)各種知識(shí)。DBMiner 系統(tǒng)具有如下特色：1、能完成多種知識(shí)的發(fā)現(xiàn)：泛化規(guī)則、特性規(guī)則、關(guān)聯(lián)規(guī)則、分類規(guī)則、演化知識(shí)、偏離知識(shí)等。2、綜合了多種數(shù)據(jù)開采技術(shù)：面向?qū)傩缘臍w納、統(tǒng)計(jì)分析、逐級(jí)深化發(fā)現(xiàn)多級(jí)規(guī)則、元規(guī)則引導(dǎo)發(fā)現(xiàn)等方法。3、提出了一種交互式的類SQL 語言數(shù)據(jù)開采查詢語言DMQL。4、能與關(guān)系數(shù)據(jù)庫平滑集成。5、實(shí)現(xiàn)了基于客戶/ 服務(wù)器體系結(jié)構(gòu)的Unix 和PC（Windows/NT）版本的系統(tǒng)。4、IBM Intelligent MinerIBM公司以它在美國及世界各

9、地的研究實(shí)驗(yàn)室發(fā)展數(shù)年的資料探勘解決方案，發(fā)展出了一系列包括在人工智能、機(jī)制學(xué)習(xí)、語言分析及知識(shí)發(fā)掘上的應(yīng)用和基本研究的精密軟件。IBM的Intelligent Miner在資料探勘工具的領(lǐng)導(dǎo)地位上是極具競(jìng)爭(zhēng)力的，因?yàn)樗峁┝艘韵碌暮锰帲?包含了最廣泛的資料探勘技術(shù)及算法 ，可容納相當(dāng)大的資料量的能力且有強(qiáng)大的計(jì)算能力；事實(shí)上，這套產(chǎn)品在IBM SP的大量平行硬件系統(tǒng)上執(zhí)行效率最好，這套產(chǎn)品也可以在IBM或非IBM平臺(tái)上執(zhí)行 豐富的APIs可用來發(fā)展自定的資料探勘應(yīng)用軟件； 所有資料探勘引擎和資料操作函式可以透過C+函式庫來存取 Intelligent Miner支持classificatio

10、n、prediction、association rules generation、clustering、sequential pattern detection和time series analysis算法，Intelligent Miner藉由利用精密的資料可視化技術(shù)及強(qiáng)大的Java-based使用者接口來增加它的可用性（目標(biāo)大多鎖定在有經(jīng)驗(yàn)的使用者），Intelligent Miner支持DB2關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，并整合大量精密的資料操作函式結(jié)論整體而言，Intelligent Miner(for Data)是市場(chǎng)上最大容量及功能強(qiáng)大的工具，在顧客評(píng)定報(bào)告中它的整體效能是最好的，有所算

11、法的效能甚至比其它應(yīng)用不同的應(yīng)用軟件還要好，IBM將它定位在企業(yè)資料探勘解決方案的先鋒。 5、SAS Enterprise MinerSAS Enterprise Miner在資料探勘工具市場(chǎng)是非常杰出的工具，它運(yùn)用了SAS統(tǒng)計(jì)模塊的力量和影響力，且它增加了一系列的資料探勘算法，SAS使用它的取樣、探測(cè)、修改、模式、評(píng)價(jià)(SEMMA)方法提供可以支持廣泛的模式，包含合并、叢集、決策樹、類神精網(wǎng)絡(luò)、和統(tǒng)計(jì)回歸 SASEnterpriseMiner適用于初學(xué)者及專業(yè)使用者，它的GUI接口是以資料流為導(dǎo)向，且它容易了解及使用，它允計(jì)分析師藉由使用連結(jié)連接資料節(jié)點(diǎn)及程序節(jié)點(diǎn)的方式建構(gòu)一視覺數(shù)據(jù)流程圖，

12、除此之外，接口還允許程序碼直接嵌入資料流因?yàn)橹С侄嘀啬Ｊ健nterprise Miner允許使用者比較models和利用評(píng)估節(jié)點(diǎn)所選擇之最適模式，除此之外，Enterprise Miner提供產(chǎn)生評(píng)定模式之評(píng)定節(jié)點(diǎn)能夠存取任何SAS應(yīng)用軟件結(jié)論SAS利用它在統(tǒng)計(jì)分析軟件上的專業(yè)來發(fā)展全功能、易于使用、可靠且可管理的系統(tǒng)，有大范圍的模式選項(xiàng)和算法、設(shè)計(jì)良好的使用者接口、利用已存在的資料儲(chǔ)存能力，和在統(tǒng)計(jì)分析上相當(dāng)大的市場(chǎng)占有率(允許公司取得SAS新增的組件比增加一套新的工作來得好多了)，對(duì)SAS來說，它在資料探勘市場(chǎng)上終究還是領(lǐng)導(dǎo)者整體而言，這個(gè)工具適用于企業(yè)在資料探勘的發(fā)展及整個(gè)CRM的決策

13、支持應(yīng)用.6、Oracle DarwinDarwin常被認(rèn)為是最早資料探勘工具之一，可見它的知名度，最近，Oracle從Thinking Machines公司取得Darwin來加強(qiáng)它的產(chǎn)品系列?S別是CRM方面，資料探勘可以扮演一個(gè)重要的角色，以下將討論由Thinking Machines公司發(fā)展和行銷的Darwin之特色(Oracle也許決定改變?nèi)魏谓M件及工具架構(gòu)) Darwin資料探勘工具組是一個(gè)復(fù)雜的產(chǎn)品，包含了三個(gè)資料探勘工具：neural networks、decision tree、和K-nearest neighbor，Darwin neural network tool (Da

14、rwin-Net)提供廣泛的model建立工具組，它可以處理明確和連續(xù)預(yù)測(cè)因素和目標(biāo)變量且可以用于分類、預(yù)測(cè)及預(yù)測(cè)問題決策樹工具(DarwinTree)使用CART算法，且可以用于以明確和連續(xù)變量來分類問題解決，K-nearest neighbor工具(DarwinMatch)可用于以明確相依變量，和明確且連續(xù)預(yù)測(cè)變量來分類問題解決雖然每個(gè)組件工具有一些缺點(diǎn)，Darwin包含了模式評(píng)價(jià)的完全功能組，它可對(duì)所有模式型態(tài)產(chǎn)生summary statistics、confusion matrices、lift tablesDarwin提供初學(xué)者及專家相當(dāng)好的使用者接口，雖然接口顯得較適合專業(yè)使用者從

15、一個(gè)大量并行計(jì)算機(jī)的第一制造者可知，Darwin在處理效能及范圍有強(qiáng)大的優(yōu)勢(shì)，它的算法對(duì)并行計(jì)算是最適合的，且有足夠的彈性執(zhí)行平行及循序架構(gòu)，Oracle當(dāng)然不會(huì)忽視這種能力，且它定位在幫助Oracle成為可以包含到一個(gè)大型的全球企業(yè)的數(shù)據(jù)庫及應(yīng)用產(chǎn)品的首要廠商主要使用的算法為neural network、decision tree、和K-nearest neighborneural network-training algorithms包含back propagation，steepest descent，modified Newton等方法decision tree使用CART algor

16、ithms可選擇所需的子樹數(shù)目自動(dòng)的修改決策樹K-nearest neighbor algorithm是memory-based reasoning(MBR)技術(shù)，它可依訓(xùn)練組中K最接近的匹配記錄來預(yù)測(cè)相依變量值結(jié)論Darwin的優(yōu)點(diǎn)是支持多重算法(計(jì)畫加入基因算法及人工智能邏輯)它可在多種主從式架構(gòu)上執(zhí)行，服務(wù)器端可以是單處理器、同步多處理器或大量平行處理器，在多處理器服務(wù)器上，Darwin可以取得硬件及大范圍能力的優(yōu)勢(shì)，Darwin證明了強(qiáng)大的效能及大范圍的能力，整體而言，Darwin定位在中、大范圍的執(zhí)行.7、Clementine(SPSS)Clementine是SPSS所發(fā)行的一種資料

17、探勘工具，此工具結(jié)合了多種圖形使用者接口的分析技術(shù)，包含neural networks、association rules、及rule-induction techniques，這些工具提供容易使用的可視化程序環(huán)境來執(zhí)行這些分析功能。Clementine使用圖形象征的方法，就是透過托拉鼠標(biāo)和連接屏幕上的功能節(jié)點(diǎn)，這些節(jié)點(diǎn)提供了data access、data manipulation、data visualization、machine learning以及model analysis，模式的組成是從一個(gè)pallet中選取合適之節(jié)點(diǎn)，并放置在屏幕上再連接各節(jié)點(diǎn)Clementine有強(qiáng)大的資料存

18、取能力包含flat file及關(guān)系型數(shù)據(jù)庫(經(jīng)由ODBC)，Clementine也可讓modeling的結(jié)果持續(xù)的寫回一ODBC的DBMS輸入資料的操作包含配對(duì)合并及衍生新字段的能力，Clementine的資料可視化能力包含散布圖、平面圖及Web分析. 8、Thought and Scenario(Cognos)Cognos介紹兩個(gè)資料探勘工具的組合：4Thought和Scenario來鞏固它在OLAP市場(chǎng)的位置，這些工具藉由利用neural networks和CHAID技術(shù)提供資料探勘能力，一般而言，Cognos所有平臺(tái)和特殊用途的窗口環(huán)境都支持這些工具，這兩個(gè)工具都需要電子表格、數(shù)據(jù)庫和A

19、SCII文字文件作為資料來源 4Thought可以處理在尋求價(jià)格最佳化、需求預(yù)測(cè)及效能預(yù)測(cè)及衡量等各種商業(yè)問題，4Thought使用multilayer perceptron OLAP、neural network技術(shù)，適用于分析問題，處理non-linear forms、noisy datal及small data sets，4Thought提供了兩個(gè)主要的分析：time series analysis及customer profiling，time series analysis尋找周期性的行為趨勢(shì)，而customer profiling處理人口統(tǒng)計(jì)資料，例如，預(yù)測(cè)一顧客是否會(huì)購買一特定的

20、產(chǎn)品Scenario是設(shè)計(jì)用來分類及結(jié)合問題；它可以找出一資料組中變量間的關(guān)系，Scenario使用Chi-squared Automatic Interaction Detection(CHAID)，且可以產(chǎn)生多種對(duì)預(yù)測(cè)變量劃分的方法，Scenario提供不同的分析策略、自動(dòng)取樣及決策樹的產(chǎn)生，然而，Scenario并不是用來處理分類的目標(biāo)變量，Scenario在資料探測(cè)及可視化是十分強(qiáng)大的Scenario及4Thought的共同優(yōu)點(diǎn)是他們廣泛且直覺的使用者接口，他們的目標(biāo)鎖定在初學(xué)者，它使用繪圖表示univariable analysis或decision tree metaphor，且提

21、供一良好的視覺表達(dá)方式來表現(xiàn)在區(qū)域間的資料變量，趨勢(shì)分析及相關(guān)因素，Scenario有一template可分析從競(jìng)爭(zhēng)及每季獲利信息Cognos表示它將以它的PowerPlay(OLAP)及Impromptu(reporting)應(yīng)用軟件整合4Thought及Scenario.9、Database Mining Workstation(HNC)HNC是最成功的資料探勘公司之一，它的Database Mining Workstation(DMW)是一種廣為接受的信用卡詐騙分析應(yīng)用的neural network tool，DMW由Windows-based software applications

22、和custom processing board所組成，其它HNC產(chǎn)品包含F(xiàn)alcon和ProfitMax在財(cái)務(wù)服務(wù)及HNC打算要在通訊業(yè)中擴(kuò)張的Advanced Telecommunications Abuse Control System (ATACS)詐騙偵測(cè)解決方案之應(yīng)用 DMW neural network支持back propagation neural network且可以自動(dòng)及手動(dòng)的模式來作業(yè)，它的模式可以使用廣泛的統(tǒng)計(jì)和計(jì)算預(yù)測(cè)變量和對(duì)一相依變量的敏感度之相關(guān)性的功能來解釋DMW提供大量的使用者定義選項(xiàng)允許在算法修改、資料準(zhǔn)備、和操作函式上有很大的彈性，DMW有效的處理明確且

23、連續(xù)的變量，并且可以用于預(yù)測(cè)、分類、及預(yù)測(cè)問題，DMW提供初學(xué)者及有經(jīng)驗(yàn)使用者包含進(jìn)階調(diào)整選項(xiàng)及描述能力之接口，DMW也提供可用于直銷活動(dòng)的商業(yè)templateDMW在產(chǎn)生精確及有效預(yù)測(cè)模式上是十分優(yōu)異的，它的處理效能及范圍足以支持主要的信用卡處理需求結(jié)論DMW是強(qiáng)大、成熟的產(chǎn)品，且市場(chǎng)接受度非常好，它的詐騙偵測(cè)分類應(yīng)用可用于實(shí)時(shí)分析信用卡交易，這是它在范圍及效能上最好的證明.10、Decision Series(NeoVista)NeoVista解決方案的Decision Series是廣泛使用的資料探勘工作，這間公司是由大量平行硬件廠商MasPar公司所發(fā)展出來的，類似于Darwin，這就

24、具有了強(qiáng)大的理解及可調(diào)整范圍之執(zhí)行方式，高效能資料探勘解決方案 Decision Series是一提供整合可描述及預(yù)測(cè)分析算法的data mining及knowledge environment，算法在執(zhí)行由使用者自定的各種控件是非常有效率的，分析能力包含clustering、association rules，neural networks、及decision tree，Decision Series以資料存取及資料轉(zhuǎn)換引擎完全的整合這些算法，因?yàn)楣镜谋尘?，它可以在公司所宣稱達(dá)到近線性范圍能力的SMP系統(tǒng)中高度的調(diào)整并行操作，工具的范圍能力可在零售業(yè)的存貨管理中的調(diào)度得到證明，Decisi

25、on Series可用于每周零售商分析銷售點(diǎn)資料，資料可表示大約70GB從使用能力的觀點(diǎn)來看，Decision Series定位在有經(jīng)驗(yàn)的老手所使用的工具，NeoVista發(fā)展易于使用的GUI接口，且提供專家顧問服務(wù)(稱之為Knowledge Discovery Engineers，或KDE)，它們常working on-site部分的prototype或pilot project工具的軟件架構(gòu)是由幾個(gè)組件和以對(duì)象導(dǎo)向設(shè)計(jì)所組成的，資料探勘引擎建立在資料存取及資料轉(zhuǎn)換層的頂端，也提供了另一引擎稱為DecisionAccess，資料探勘引擎繼承DecisionAccess特性且因此可以容易的連結(jié)

26、在一起結(jié)論Decision Series是一強(qiáng)大的產(chǎn)品，它在架構(gòu)及資料探勘算法上是十分優(yōu)異的，且可以調(diào)整范圍和采取平行硬件架構(gòu)的優(yōu)點(diǎn)，在使用者評(píng)估上，它在確定的問題類別時(shí)，在范圍能力、預(yù)測(cè)精確及處理時(shí)間上執(zhí)行得非常好，整體而言，Decision Series定位于大范圍分析的執(zhí)行.11、KnowledgeSEEKER and Knowledge Studio(Angoss)Angoss Software所開發(fā)的KnowledgeSEEKER(KS)是一套決策樹資料探勘工具，它使用CART及CHAID為決策樹的算法用以找出資料組中預(yù)測(cè)因素和相依變量間的關(guān)系，就其本身而論，KS可以明確且連續(xù)的相依

27、變量用來分類問題這套工具的主要定位在于資料探測(cè)能力，它的使用者接口提供決策樹模式的圖形表示，使用者可以選擇每一個(gè)分枝及指定預(yù)測(cè)變量群，在自動(dòng)方式下，所有產(chǎn)生的分枝也是可用的，KS提供專業(yè)使用者大量的調(diào)整能力，包含修改算法或限制樹的成長，KS包含它的統(tǒng)計(jì)推論引擎的AIP可以用C產(chǎn)生模式和匯入它們的結(jié)果到外部應(yīng)用程序結(jié)論KnowledgeSEEKER是在目標(biāo)行銷上可調(diào)整顧客范圍大小之一套成熟的軟件，在顧客的評(píng)比中，它的效能和精確度都是適當(dāng)?shù)臑榱司S持產(chǎn)品的氣勢(shì)，Angoss在1998年5月擴(kuò)充KnowledgeSEEKER成大型分析架構(gòu)，稱為Knowledge Studio，它整合了各廠商的資料探勘

28、組件成為共同的環(huán)境，藉由提供決策樹、類神精網(wǎng)絡(luò)、網(wǎng)頁接口及Java的可移植性，Angoss計(jì)畫將Knowledge Studio定位成資料倉儲(chǔ)發(fā)展的關(guān)鍵組件，Knowledge Studio也利用Windows的興起，推出了SDK，SDK使用ActiveX技術(shù)幫助其將產(chǎn)品嵌入垂直應(yīng)用軟件，Angoss已經(jīng)和數(shù)家廠商發(fā)展高度的合作，包含Cognos、MCI/SHL、AT&T及Tandem.12、Model 1 and Pattern Recognition Workbench(Unica)最近在資料探勘市場(chǎng)的調(diào)查，Unica估計(jì)在IBM及Information Discovery之后有大約9%的市場(chǎng)占有率，這顯示出Unica已整合了Model 1(原來是Group 1)和它自己的Pattern Recognition Workbench(PRW) · PRW是一般的資料探勘工具，因此Model 1對(duì)Unica而言是垂直應(yīng)用軟件，而且它在公司中似乎是成長的產(chǎn)品線，Model 1是高度自動(dòng)化的資料探勘工具，它支持大量的目標(biāo)行銷分析