導(dǎo)言：作為寫作愛好者，不可錯過為您精心挑選的10篇數(shù)據(jù)挖掘總結(jié)，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

篇1

中圖分類號：TN 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2015）23-0208-01

一 概述

客戶決定企業(yè)命運。企業(yè)關(guān)注重點從產(chǎn)品逐步轉(zhuǎn)換到客戶，逐漸形成客戶為中心的客戶關(guān)系管理理念。客戶關(guān)系管理是信息技術(shù)和商業(yè)發(fā)展過程中得出的理論體系，客戶管理需要客戶的支持?？蛻絷P(guān)系管理是企業(yè)利用信息技術(shù)和企業(yè)生產(chǎn)銷售相結(jié)的產(chǎn)物?？蛻絷P(guān)系管理核心價值就是實現(xiàn)客戶價值?？蛻絷P(guān)系管理利用計算機技術(shù)，實現(xiàn)市場信息化、銷售自動化過程、對客戶分析的全過程?？蛻絷P(guān)系管理可以使企業(yè)及時了解客戶實際情況，增強客戶對企業(yè)歸屬感和信任感。它是一種全新的管理客戶模式。數(shù)據(jù)挖掘在客戶關(guān)系管理研究與實踐，大大促進(jìn)客戶價值實現(xiàn)。數(shù)據(jù)挖掘?qū)蛻敉诰蚪Y(jié)果會給企業(yè)帶來指導(dǎo)意見，決定企業(yè)未來發(fā)展方向。

聯(lián)通的客戶關(guān)系管理系統(tǒng)是基于客戶戰(zhàn)略的，它為企業(yè)傳遞的是一種新的客戶服務(wù)理念，是聯(lián)通客戶需求的風(fēng)向標(biāo)，它直接影響聯(lián)通如何認(rèn)識客戶以及如何對待客戶， 也直接影響聯(lián)通公司的客戶服務(wù)形象。通過數(shù)據(jù)挖掘系統(tǒng)與客戶管理系統(tǒng)的結(jié)合，可以有效的實現(xiàn)對客戶消費模式和客戶市場推廣的分析，實現(xiàn)對客戶的動態(tài)防欺詐、流失分析及競爭對手分析。正確有效的運用數(shù)據(jù)挖掘意義重大。

二 數(shù)據(jù)挖掘的步驟

1.理解數(shù)據(jù)和數(shù)據(jù)的來源，進(jìn)行數(shù)據(jù)收集

大量全面豐富的數(shù)據(jù)是數(shù)據(jù)挖掘的前提，沒有數(shù)據(jù)，數(shù)據(jù)挖掘也就無從做起。數(shù)據(jù)挖掘牽涉了大量的準(zhǔn)備工作與規(guī)劃工作，事實上許多專家都認(rèn)為整套數(shù)據(jù)挖掘的過程中，有80%的時間和精力是花費在數(shù)據(jù)預(yù)處理階段，其中包括數(shù)據(jù)的凈化、數(shù)據(jù)格式轉(zhuǎn)換、變量整合，以及數(shù)據(jù)表的鏈接。可見，在進(jìn)行數(shù)據(jù)挖掘技術(shù)的分析之前，還有許多準(zhǔn)備工作要完成。數(shù)據(jù)收集是數(shù)據(jù)挖掘的首要步驟。

2.整合與檢查數(shù)據(jù)

收集到的數(shù)據(jù)必須是有用的，避免可能存在自身的不一致性，或者有缺失數(shù)據(jù)的存在等，因此數(shù)據(jù)的整理是必須的。同時，通過數(shù)據(jù)整理，可以對數(shù)據(jù)做簡單的泛化處理，從而在原始數(shù)據(jù)的基礎(chǔ)上得到更為豐富的數(shù)據(jù)信息，進(jìn)而便于下一步數(shù)據(jù)挖掘的順利進(jìn)行。

3.利建立模型和假設(shè)

主要采用時序算法、聚類算法、關(guān)聯(lián)算法等，根據(jù)采集數(shù)據(jù)建立模型。

4.模型評估

模型建立完畢后，需要驗證模型的正確性，并進(jìn)行調(diào)整。應(yīng)該利用未參與建模的數(shù)據(jù)對模型進(jìn)行檢驗。這樣做的原因是按照使用建模的數(shù)據(jù)進(jìn)行檢驗，由于模型就是按照這些數(shù)據(jù)建立的，檢驗結(jié)果自然會很好。但是一旦運用到實際數(shù)據(jù)中，就會產(chǎn)生很大的偏差。檢驗的方法是對已知客戶狀態(tài)的數(shù)據(jù)利用模型進(jìn)行預(yù)測，并將所得到的模型預(yù)測值，和實際的客戶狀態(tài)相比較，預(yù)測正確值最多的模型就是最優(yōu)模型。不斷重復(fù)進(jìn)行數(shù)據(jù)挖掘一評估過程，多次的循環(huán)反復(fù)，以達(dá)到預(yù)期的效果。

5.決策分析

數(shù)據(jù)挖掘的最終目的是輔助決策。決策者可以根據(jù)數(shù)據(jù)挖掘的結(jié)果，結(jié)合實際情況，調(diào)整競爭策略等。

三.數(shù)據(jù)挖掘在聯(lián)通客戶管理業(yè)務(wù)中的作用

1 數(shù)據(jù)總結(jié)

數(shù)據(jù)總結(jié)目的是對大量的數(shù)據(jù)進(jìn)行濃縮，將數(shù)據(jù)庫中的有關(guān)數(shù)據(jù)從較低的個體層次抽象總結(jié)到較高的總體層次上，從而實現(xiàn)對原始基本數(shù)據(jù)的總體把握。是數(shù)據(jù)挖掘的基本作用。用統(tǒng)計學(xué)中的方法計算出數(shù)據(jù)庫的各個數(shù)據(jù)項的總和、平均、方差、最大值、最小值等基本描述統(tǒng)計量，或者通過利用統(tǒng)計圖形工具，對數(shù)據(jù)制作直方圖、餅狀圖等，是最簡單的數(shù)據(jù)總結(jié)方法。另一種廣泛使用的數(shù)據(jù)總結(jié)方法是聯(lián)機分析處理，是對用戶當(dāng)前及歷史數(shù)據(jù)進(jìn)行分析、輔助領(lǐng)導(dǎo)決策，主要通過多維數(shù)據(jù)的查詢、旋轉(zhuǎn)、鉆取和切片等關(guān)鍵技術(shù)對數(shù)據(jù)進(jìn)行分析和報表。

2 關(guān)聯(lián)分析

數(shù)據(jù)庫中的數(shù)據(jù)一般都存在著關(guān)聯(lián)關(guān)系，也就是說，兩個或多個變量的取值之間存在某種規(guī)律性。

3 分類

分析數(shù)據(jù)的各種屬性，一個分類函數(shù)或分類模型（也常常稱作分類器），該模型能夠根據(jù)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中，并預(yù)測新數(shù)據(jù)將屬于哪一個組。

4 聚類

聚類分析是按照某種相近程度度量方法，將用戶數(shù)據(jù)分成一系列有意義的子集合。每一個集合中的數(shù)據(jù)性質(zhì)相近，不同集合之間的數(shù)據(jù)性質(zhì)相差較大。

四.數(shù)據(jù)挖掘技術(shù)在聯(lián)通客戶管理管理方面的應(yīng)用

1.客戶市場推廣分析

通過優(yōu)惠策略預(yù)測仿真的方法，利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)優(yōu)惠策略的仿真。根據(jù)數(shù)據(jù)挖掘模型，進(jìn)行模擬計費和模擬出賬，其仿真結(jié)果可以揭示優(yōu)惠策略中存在的問題，并進(jìn)行相應(yīng)的調(diào)整優(yōu)化，以達(dá)到優(yōu)惠促銷活動的收益最大化。

2.客戶消費模式分析

客戶分類是客戶數(shù)據(jù)分析基礎(chǔ)，數(shù)據(jù)挖據(jù)對客戶分類使用聚類和分類。通過分類可以發(fā)現(xiàn)不同客戶群體的習(xí)慣和規(guī)律，找到客戶價值點，準(zhǔn)確預(yù)測客戶消費方向?？蛻舴诸愖屖袌鰻I銷活動更有目的性，提高市場營銷效率，企業(yè)合理配置企業(yè)資源?？蛻舴诸惤Y(jié)果實現(xiàn)客戶利益最大化。如固話及移動話費行為分析，是對客戶歷年來長話、市話、信息臺的大量詳單數(shù)據(jù)以及客戶檔案資料等相關(guān)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，增值業(yè)務(wù)話費分析，結(jié)合客戶的分類，可以從消費能力、消費習(xí)慣、消費周期等諸方面對客戶的話費行為進(jìn)行分析和預(yù)測，從而為聯(lián)通全業(yè)務(wù)運營商的相關(guān)經(jīng)營決策提供依據(jù)。

3.客戶流失分析

這是根據(jù)已有的客戶流失數(shù)據(jù)，建立客戶屬性、服務(wù)屬性、客戶消費情況等數(shù)據(jù)與客戶流失概率相關(guān)聯(lián)的數(shù)學(xué)模型，找出這些數(shù)據(jù)之間的關(guān)系，給出明確的數(shù)學(xué)公式，并根據(jù)此模型來監(jiān)控客戶流失的可能性。如果客戶流失的可能性過高，可通過促銷等手段來提高客戶忠誠

度，防止客戶流失的發(fā)生，這就徹底改變了以往電信運營商在成功獲得客戶以后無法監(jiān)控客戶流失、無法有效實現(xiàn)客戶關(guān)懷等狀況。

4.對客戶欠費進(jìn)行分析和動態(tài)防欺詐

通過數(shù)據(jù)挖掘，總結(jié)現(xiàn)存的各種騙費及其欠費行為的內(nèi)在規(guī)律，并建立一套防欺詐和防欠費行為的規(guī)則庫，當(dāng)客戶的話費行為與該庫中規(guī)則吻合時，系統(tǒng)可以提示運營商相關(guān)部門采取措施，從而降低運營商的損失風(fēng)險。

5.競爭對手分析

篇2

一、數(shù)據(jù)挖掘的基本原理

數(shù)據(jù)挖掘就是利用數(shù)學(xué)模型、統(tǒng)計和人工智能技術(shù)等方法，把一些高深、復(fù)雜的技術(shù)封裝起來，使人們不用自己掌握這些技術(shù)也能完成同樣的功能，因而可專注于自己所要解決的問題。數(shù)據(jù)挖掘按其功能可分為：描述性數(shù)據(jù)挖掘方法和預(yù)測性數(shù)據(jù)挖掘方法。

1描述性數(shù)據(jù)挖掘

在取得大量的數(shù)據(jù)之后，首先要對數(shù)據(jù)進(jìn)行總結(jié)，也即數(shù)據(jù)的泛化;在泛化的基礎(chǔ)上再對數(shù)據(jù)進(jìn)行高層次的處理，包括數(shù)據(jù)的聚集、關(guān)聯(lián)分析等。

(1)數(shù)據(jù)總結(jié)：數(shù)據(jù)總結(jié)的目的是對數(shù)據(jù)進(jìn)行濃縮，給出它們的緊湊描述。數(shù)據(jù)泛化是一種將數(shù)據(jù)庫中的有關(guān)數(shù)據(jù)從低層次抽象到高層次的過程。

(2)聚集：聚集的目的是要盡量縮小屬于同一類別的個體之間的距離，而盡可能擴大不同類別個體間的距離。層次法、密度法、網(wǎng)格法、神經(jīng)元網(wǎng)絡(luò)和K-均值是比較常用的聚集算法。

(3)關(guān)聯(lián)分析：關(guān)聯(lián)分析是尋找數(shù)據(jù)的相關(guān)性。關(guān)聯(lián)規(guī)則是尋找在同一個事件中出現(xiàn)的不同項的相關(guān)性，其核心是使用Apriori算法，找出事物的相應(yīng)支持度和置信度，最后找到相應(yīng)的關(guān)聯(lián)規(guī)則。

2預(yù)測型數(shù)據(jù)挖掘

在預(yù)言模型中，把我們要預(yù)測的值或所屬類別稱為響應(yīng)變量、依賴變量或目標(biāo)變量；用于預(yù)測的輸入變量是預(yù)測變量或獨立變量。主要通過分類、回歸分析、時間序列來建立預(yù)測模型。

二、商品銷售領(lǐng)域數(shù)據(jù)挖掘的依據(jù)

在商品銷售領(lǐng)域采用數(shù)據(jù)挖掘是商品銷售發(fā)展到一定階段的必然要求，它有助于提高商品銷售效率，降低商品銷售成本。其理論依據(jù)有消費者消費行為、細(xì)分市場理論、顧客關(guān)系、顧客數(shù)據(jù)庫和直接商品銷售。

在制定商品銷售計劃之前，商品銷售者需要研究消費者市場和消費者行為。在分析消費者市場時，公司需要了解市場情況，購買對象，購買目的等因素。通過搜集顧客消費數(shù)據(jù)，采用數(shù)據(jù)挖掘技術(shù)，可以簡潔、明了地得到這些信息。

三、商品銷售中的數(shù)據(jù)挖掘過程

1商品銷售目標(biāo)理解

在進(jìn)行數(shù)據(jù)挖掘之前，必須從商品銷售角度去分析要達(dá)到的目標(biāo)和需求，也即要分析什么商品銷售問題，達(dá)到什么商品銷售目標(biāo)。首先對商品銷售現(xiàn)狀進(jìn)行分析，找出存在的問題，并確定需要實現(xiàn)的營銷目標(biāo)，再將商品銷售目標(biāo)轉(zhuǎn)換成數(shù)據(jù)挖掘目標(biāo)，然后將這種知識轉(zhuǎn)換成一種數(shù)據(jù)挖掘的問題定義，并設(shè)計一個達(dá)到目標(biāo)的初步計劃。

2數(shù)據(jù)理解

先搜集初步的數(shù)據(jù)，然后進(jìn)行熟悉數(shù)據(jù)的各種活動，包括識別數(shù)據(jù)的質(zhì)量問題，找到對數(shù)據(jù)的基本觀察，或假設(shè)隱含的信息來檢測感興趣的數(shù)據(jù)子集。

3數(shù)據(jù)準(zhǔn)備

首先進(jìn)行數(shù)據(jù)抽樣，從大量數(shù)據(jù)中篩選出一些相關(guān)的樣板數(shù)據(jù)子集。通過對數(shù)據(jù)樣本的精選，不僅能減少數(shù)據(jù)處理量，節(jié)省系統(tǒng)資源，使數(shù)據(jù)更加具有規(guī)律性。然后，進(jìn)行數(shù)據(jù)探索，通常是所進(jìn)行的對數(shù)據(jù)深入調(diào)查的過程，從樣本數(shù)據(jù)集中找出規(guī)律和趨勢，用聚類分析法區(qū)分類別，最終要達(dá)到的目的就是搞清多因素相互影響的復(fù)雜關(guān)系，發(fā)現(xiàn)因素之間的相關(guān)性。最后，需要對數(shù)據(jù)進(jìn)行調(diào)整，通過上述兩個步驟的操作，對數(shù)據(jù)的狀態(tài)和趨勢有了進(jìn)一步的了解，這時要盡可能對解決問題的要求進(jìn)行明確化和進(jìn)一步的量化。

4建模

篇3

社會的不斷進(jìn)步，高端科學(xué)技術(shù)在社會上的廣泛應(yīng)用，人們生活質(zhì)量也在不斷提高。同樣教育行業(yè)的教學(xué)質(zhì)量也在不斷地提升，教學(xué)方法和手段不斷處于更新?lián)Q代過程中。近幾年來，數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域中不斷地得到應(yīng)用，為學(xué)校、教師、學(xué)生都提供了便利的教學(xué)條件，而對于數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域的應(yīng)用也受到廣泛的關(guān)注，本技術(shù)在大學(xué)英語考試結(jié)果中的應(yīng)用屬于重要的一方面。

一、數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘?qū)儆跀?shù)據(jù)分析的一種，即在大量的數(shù)據(jù)信息資料中的篩選出與人們特定的要求相符和的數(shù)據(jù)內(nèi)容。數(shù)據(jù)挖掘就是通過全智能化的途徑，在眾多的、不確定的、海量的信息中總結(jié)和分析出，原本就存在的但不易被人們感知，具有總結(jié)性特點的相關(guān)內(nèi)容。

二、數(shù)據(jù)挖掘的方法和步驟

1.數(shù)據(jù)挖掘的分析方法。數(shù)據(jù)挖掘分析方法主要包括聚類分析、決策樹和人工神經(jīng)網(wǎng)絡(luò)。

（1）聚類分析就是將具有相同或相似特點的研究對象進(jìn)行整合，通過數(shù)據(jù)挖掘技術(shù)的分析過濾，在無序的、混亂的研究對象中，輸出其中被隱藏的、不明顯的的行的特點結(jié)果。

（2）決策樹是數(shù)據(jù)挖掘中的另一方面，具有對研究對象進(jìn)行分類和預(yù)測的作用。也就是對眾多分析對象按照一定的要求進(jìn)行重新分組，并達(dá)到對某些事項預(yù)測結(jié)果的目的。

（3）人工神經(jīng)網(wǎng)絡(luò)是指類似于人的大腦的神經(jīng)分布與信息處理的一種分析方法。

如圖1所示。

2.數(shù)據(jù)挖掘的步驟。數(shù)據(jù)挖掘涵蓋了四個部分：目標(biāo)定義、數(shù)據(jù)收集、數(shù)據(jù)分析、數(shù)據(jù)挖掘結(jié)果評析。

（1）數(shù)據(jù)挖掘的目標(biāo)定義是指人們利用數(shù)據(jù)挖掘技術(shù)所要的達(dá)到的最終目的和預(yù)期結(jié)果。

（2）數(shù)據(jù)收集是指確定了數(shù)據(jù)挖掘目標(biāo)以后，所要進(jìn)行的對相關(guān)數(shù)據(jù)的收集和整理，即人們所說的對研究對象的集中。

（3）數(shù)據(jù)分析是指在完成數(shù)據(jù)收集之后，通過使用數(shù)據(jù)挖掘技術(shù)，運用上述三種方法對研究對象進(jìn)行集中處理。

（4）數(shù)據(jù)挖掘結(jié)果評析是指數(shù)據(jù)挖掘的最終的結(jié)果的輸出，即預(yù)期目標(biāo)的實現(xiàn)。如圖2所示

三、數(shù)據(jù)挖掘技術(shù)在大學(xué)英語考試中的應(yīng)用

在大學(xué)英語考試中，數(shù)據(jù)挖掘技術(shù)的應(yīng)用主要體現(xiàn)在對于學(xué)生的身份、考試內(nèi)容、考試成績結(jié)果等方面。按學(xué)生的學(xué)號、姓名、年級、指導(dǎo)教教師等標(biāo)準(zhǔn)，進(jìn)行數(shù)據(jù)挖掘，分析學(xué)生的分布情況?？荚噧?nèi)容是指針對于考試內(nèi)容的難易層次、答題正確率情況，進(jìn)行數(shù)據(jù)收集，通過數(shù)據(jù)挖掘技術(shù)，分析學(xué)生考試成績高中低的大體情況，從而確定以后考試試題的難易程度，對應(yīng)不同層次的學(xué)生。

整個考試流程的最終目的是，通過數(shù)據(jù)挖掘技術(shù)，對考試成績進(jìn)行分析評估，提取出學(xué)生各個層次學(xué)生對教學(xué)過程中英語知識的掌握程度，進(jìn)行有針對性的教學(xué)，改善教育方法，提高教育水平。

語言是人們與外界溝通的最重要的媒介。英語作為世界上應(yīng)用最廣泛的語言，英語的學(xué)習(xí)最為關(guān)鍵。大學(xué)英語考試是大學(xué)教學(xué)對大學(xué)生的英語接收程度的一種考核方法，大學(xué)英語考試結(jié)果運用數(shù)據(jù)挖掘技術(shù)，有助于提升教師對考試結(jié)果了解效率，化解教與學(xué)之間的隔閡，優(yōu)化大學(xué)英語教育方法，提高教學(xué)水平。

參考文獻(xiàn)：

[1]張和華，向華，吳旋.數(shù)據(jù)挖掘技術(shù)在醫(yī)療設(shè)備行業(yè)中的應(yīng)用研究[J].中國醫(yī)學(xué)裝備，2015，10（01）：48-50.

篇4

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2014）29-0354-01

數(shù)據(jù)挖掘技術(shù)是近年來興起的被各方關(guān)注的技術(shù)之一，其在實際應(yīng)用中的顯著優(yōu)勢。我國零售業(yè)在近幾年的發(fā)展速度越來越快，對零售業(yè)中的量級較大的數(shù)據(jù)及信息需要專業(yè)化、科學(xué)化、有笑話的提取方法以供零售業(yè)行業(yè)的持續(xù)發(fā)展。

一、 零售業(yè)領(lǐng)域中數(shù)據(jù)挖掘技術(shù)應(yīng)用概況

數(shù)據(jù)挖掘技術(shù)以數(shù)據(jù)庫技術(shù)、人工智能、機器學(xué)習(xí)、統(tǒng)計分析、模糊邏輯等多門學(xué)科的理論為基礎(chǔ)依托，結(jié)合不斷的探索、實踐、規(guī)律總結(jié)不斷演化出來的具有高端應(yīng)用價值的技術(shù)。

（一）零售業(yè)數(shù)據(jù)挖掘技術(shù)的發(fā)展歷程

從數(shù)據(jù)挖掘技術(shù)的發(fā)展可以清晰看出人類對社會認(rèn)知的轉(zhuǎn)變歷程。就數(shù)據(jù)挖掘技術(shù)而言，其核心技術(shù)在于數(shù)理統(tǒng)計理論，人們對于數(shù)據(jù)、信息的敏感程度可以對數(shù)據(jù)挖掘技術(shù)的不斷提升有所幫助。鑒于數(shù)據(jù)挖掘技術(shù)的優(yōu)點，零售業(yè)領(lǐng)域中復(fù)雜多樣的數(shù)據(jù)屬性，不斷與該項技術(shù)融合，促進(jìn)零售業(yè)領(lǐng)域企業(yè)的商業(yè)利益最大化。

在應(yīng)用數(shù)據(jù)挖掘技術(shù)的眾多行業(yè)中，零售業(yè)可以說是最早將此項具有現(xiàn)代化意義的技術(shù)應(yīng)用于自身行業(yè)中的領(lǐng)軍行業(yè)。從摸索階段到現(xiàn)如今的已有基本規(guī)律的狀態(tài)，數(shù)據(jù)挖掘技術(shù)的應(yīng)有優(yōu)勢愈發(fā)凸顯，零售業(yè)相關(guān)企業(yè)期待著更好利用數(shù)據(jù)挖掘技術(shù)促進(jìn)企業(yè)做出有利決策。比如在零售業(yè)領(lǐng)域中關(guān)于數(shù)據(jù)挖掘技術(shù)的經(jīng)典例子包括沃爾瑪超市對啤酒和尿布在銷售方面的規(guī)律的提煉，以及臺風(fēng)天氣對巧克力等食品的更多需求的研究。

在零售業(yè)領(lǐng)域嘗到數(shù)據(jù)挖掘技術(shù)的顯著優(yōu)勢后，包括制造業(yè)、財務(wù)金融保險業(yè)、醫(yī)療企業(yè)等多個其余行業(yè)也紛紛開始效仿，鑒于數(shù)據(jù)挖掘技術(shù)鮮明的實用性及可操作性，一些公司運用數(shù)據(jù)挖掘的成功案例，充分顯示了這項技術(shù)的強大生命力。

（二）零售業(yè)數(shù)據(jù)挖掘技術(shù)研究的意義

在零售業(yè)領(lǐng)域中，條形碼管理、銷售管理系統(tǒng)、客戶資料管理系統(tǒng)等關(guān)于商品信息、客戶信息、供應(yīng)商信息、店鋪信息、會員信息等海量數(shù)據(jù)，以零散狀態(tài)呈現(xiàn)在人們面前，表面看，這些類別的數(shù)據(jù)之間毫無關(guān)聯(lián)，但透過數(shù)據(jù)挖掘的眼光便可以清晰看出這些類別數(shù)據(jù)之間、同一類別數(shù)據(jù)之間存在著千絲萬縷的聯(lián)系。大數(shù)據(jù)理論提出以來，零售業(yè)領(lǐng)域研究者們變采取研究手段探究領(lǐng)域內(nèi)海量數(shù)據(jù)與商品銷售、客戶群體選擇等眾多零售商們頭疼的問題之間的關(guān)系。實踐證明，利用數(shù)據(jù)挖掘技術(shù)可以幫助零售商們解決上述看似無解決方法的疑難雜癥。比如，購物籃分析可以探究商品搭配方式與用戶訴求之間的匹配程度、消費者對于商品擺放樣式的好感度等。

從反方向看數(shù)據(jù)挖掘技術(shù)對于零售業(yè)領(lǐng)域的應(yīng)用意義，對于零售業(yè)領(lǐng)域內(nèi)的規(guī)律，人們僅憑經(jīng)驗、人工查找總結(jié)的方法將很難實現(xiàn)，缺乏有效數(shù)據(jù)挖掘手段的零售業(yè)領(lǐng)域的規(guī)律的探究的可能性非常小。而數(shù)據(jù)挖掘技術(shù)恰恰可以迎合人們這一需求，省去了人工查找的麻煩與困擾。特別是在銷售相關(guān)數(shù)據(jù)越來越多的環(huán)境中，依靠人工積累的方法很難實現(xiàn)行業(yè)發(fā)展的突破，對于海量數(shù)據(jù)問題的解決，數(shù)據(jù)挖掘技術(shù)是非常好的選擇。

可見，零售業(yè)領(lǐng)域中數(shù)據(jù)挖掘技術(shù)的應(yīng)用不僅歷史久遠(yuǎn)，并且成果顯著。但人們不能將眼光僅僅停留在數(shù)據(jù)挖掘技術(shù)給零售業(yè)領(lǐng)域帶來的已有成功影響，隨著社會的不斷發(fā)展、市場經(jīng)濟(jì)環(huán)境的不斷變化，業(yè)內(nèi)人士需要對于社會市場體系未來的發(fā)展要素予以準(zhǔn)確把握，并將此作為零售業(yè)領(lǐng)域內(nèi)數(shù)據(jù)挖掘技術(shù)研究的方向。本文的議題設(shè)置初衷也在于此。

二、零售業(yè)領(lǐng)域中數(shù)據(jù)挖掘技術(shù)的應(yīng)用范圍

查閱大量相關(guān)資料、整合已有成功經(jīng)驗后，可以發(fā)現(xiàn)，數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域內(nèi)的功能性體現(xiàn)在三個方面：

首先，數(shù)據(jù)挖掘技術(shù)以海量數(shù)據(jù)為基礎(chǔ)的技術(shù)要求恰恰符合了零售業(yè)領(lǐng)域內(nèi)超大數(shù)量級的數(shù)據(jù)現(xiàn)狀。數(shù)據(jù)挖掘技術(shù)利用計算機設(shè)備的準(zhǔn)確、快速的算法更新技術(shù)，實現(xiàn)了短時間內(nèi)對零售業(yè)領(lǐng)域內(nèi)的數(shù)據(jù)進(jìn)行聚類、提煉規(guī)律性成果的可能。

其次，數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn)，進(jìn)一步提升了零售業(yè)領(lǐng)域內(nèi)數(shù)據(jù)挖掘的應(yīng)用效率。這一新型算法的出現(xiàn)有效緩解了外部商業(yè)競爭對于零售業(yè)領(lǐng)域發(fā)展的影響。零售業(yè)領(lǐng)域內(nèi)企業(yè)的發(fā)展離不開高端有效的數(shù)據(jù)挖掘技術(shù)。

再次，數(shù)據(jù)挖掘技術(shù)令企業(yè)充分了解客戶對于商品銷售的喜好及興趣，幫助企業(yè)有效、準(zhǔn)確、及時了解并掌握市場的動態(tài)變化，可以做到及時針對市場環(huán)境的變化調(diào)整自身企業(yè)的銷售模式及銷售方案。在對市場動態(tài)變化的及時掌握中，零售業(yè)企業(yè)可以及時洞察市場上的新商機，謀求企業(yè)緊急效益。

三、零售業(yè)領(lǐng)域中數(shù)據(jù)挖掘技術(shù)應(yīng)用存在的問題及未來的發(fā)展趨勢

第一，零售業(yè)中數(shù)據(jù)挖掘技術(shù)在分析變量的選擇上仍有不足。數(shù)據(jù)挖掘的技術(shù)關(guān)鍵在于聚類方式的確定，而就相對更加復(fù)雜的零售業(yè)領(lǐng)域內(nèi)的有關(guān)數(shù)據(jù)信息而言，其在分析變量的確定方式上仍舊需要持續(xù)關(guān)注實踐結(jié)果進(jìn)行及時調(diào)整。選擇合適的數(shù)據(jù)挖掘分析變量，可以明顯提升數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用效率。

第二，數(shù)據(jù)挖掘技術(shù)所依托的數(shù)據(jù)抽取方式需要結(jié)合用戶需要進(jìn)行及時調(diào)整。抽取數(shù)據(jù)的目的在于從眾多雜亂數(shù)據(jù)中提煉有用信息，減少不必要的工作量。比如求和、平均值、方差、直方圖、餅狀圖等方式都可以結(jié)合實際情況嘗試。

第三，數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)趨勢需要有效預(yù)測。在紛繁復(fù)雜的數(shù)據(jù)信息中，也是有一些規(guī)律性的趨勢可以預(yù)測的。在零售業(yè)領(lǐng)域中，數(shù)據(jù)趨勢的預(yù)測工作十分重要。

四、結(jié)語

截至目前，真正適合零售業(yè)領(lǐng)域的數(shù)據(jù)挖掘模型還缺乏統(tǒng)一化，真正具有意義、有效性的數(shù)據(jù)模型的應(yīng)用范圍應(yīng)該是在各個行業(yè)中都具有互通性的，即便行業(yè)在特點方面存在差異，但符合當(dāng)前社會發(fā)展形勢的數(shù)據(jù)挖掘技術(shù)需要往統(tǒng)一化中帶有特色化的方向發(fā)展。因此，要保障數(shù)據(jù)挖掘的基礎(chǔ)數(shù)據(jù)模型可靠。數(shù)據(jù)模型包括的種類很多，比如概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型、物理模型、采集模型、處理模型、其他模型等。但目前情況看，上述模型的可靠性均需要經(jīng)過時間的考驗，因此，在零售業(yè)領(lǐng)域中的數(shù)據(jù)挖掘技術(shù)需要加大對模型可靠性的研究力度。

篇5

學(xué)習(xí)內(nèi)容分析

本課是蘇科版七年級初中信息技術(shù)第三章第3節(jié)的內(nèi)容，主要包括“數(shù)據(jù)挖掘的作用”和“數(shù)據(jù)挖掘的過程”兩個部分，可深入細(xì)分為“什么是數(shù)據(jù)挖掘”“數(shù)據(jù)準(zhǔn)備”“數(shù)據(jù)挖掘”“規(guī)律表示”四個內(nèi)容。教學(xué)中，為了讓學(xué)生深刻體會數(shù)據(jù)挖掘的意義和價值，教師應(yīng)鼓勵他們對數(shù)據(jù)進(jìn)行多角度加工與分析，找到規(guī)律或有用的信息，用恰當(dāng)?shù)姆绞街庇^地表達(dá)出來，學(xué)會搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說話，讓數(shù)據(jù)挖掘更好地服務(wù)于生活與學(xué)習(xí)。

教學(xué)目標(biāo)

知識與技能目標(biāo)：理解數(shù)據(jù)挖掘的概念，體會數(shù)據(jù)挖掘的作用。

過程與方法目標(biāo)：嘗試進(jìn)行數(shù)據(jù)挖掘，經(jīng)歷數(shù)據(jù)挖掘的一般過程。

情感態(tài)度與價值觀目標(biāo)：樹立用數(shù)據(jù)說話、用數(shù)據(jù)指導(dǎo)生活的思想意識。

教學(xué)重難點

重點：數(shù)據(jù)挖掘的概念及數(shù)據(jù)挖掘的一般過程。

難點：數(shù)據(jù)準(zhǔn)備及挖掘的過程。

教學(xué)策略

數(shù)據(jù)挖掘是一種強大的分析數(shù)據(jù)的方法，因涉及到專業(yè)軟件和統(tǒng)計學(xué)術(shù)語、數(shù)學(xué)模型等，會讓學(xué)生難以理解。而日常使用的WPS表格，作為數(shù)據(jù)挖掘的有效工具，可以讓學(xué)生在分析具體數(shù)據(jù)的過程中，掌握數(shù)據(jù)挖掘的方法。因此，本節(jié)課教學(xué)應(yīng)讓學(xué)生從已有經(jīng)驗出發(fā)，運用WPS表格中的簡單工具，學(xué)習(xí)數(shù)據(jù)挖掘的一般方法。

“數(shù)據(jù)挖掘”對學(xué)生而言，是一個全新的概念，概念的建構(gòu)需要一步步地不斷累積，從表層到內(nèi)涵，逐步深化。學(xué)生只有在了解了“數(shù)據(jù)挖掘”的基本含義，并嘗試挖掘的基礎(chǔ)上，才能體會其作用和意義。所以，筆者設(shè)計了層層遞進(jìn)的學(xué)習(xí)活動（情境再現(xiàn)，感受數(shù)據(jù)挖掘―案例研習(xí)，認(rèn)識數(shù)據(jù)挖掘―比較空氣質(zhì)量，嘗試數(shù)據(jù)挖掘―同比空氣質(zhì)量，再探數(shù)據(jù)挖掘―暢想未來，展望數(shù)據(jù)挖掘），并且在活動中適時搭建學(xué)習(xí)所需的“支架”，來幫助學(xué)生完成知識的建構(gòu)。筆者通過一系列的活動，讓學(xué)生在做中學(xué)，在學(xué)中思，在思中用，在情境化的技術(shù)活動中，歸納出數(shù)據(jù)挖掘的方法，從而樹立用數(shù)據(jù)說話、用數(shù)據(jù)指導(dǎo)生活的思想意識。

教學(xué)過程

1.情境再現(xiàn)，感受數(shù)據(jù)挖掘

活動1：情境再現(xiàn)，感受數(shù)據(jù)挖掘。

①猜一猜：不同的人群瀏覽同一個網(wǎng)頁時，所看到的內(nèi)容是否一致。

②觀察鳳凰網(wǎng)的廣告區(qū)域截圖，在組內(nèi)交流（如下頁圖1，不同人群瀏覽的同一網(wǎng)頁，推送的廣告不同）。

③京東為什么能夠根據(jù)個人喜好推送商品？

小結(jié)：京東在挖掘和分析用戶瀏覽行為的基礎(chǔ)上，進(jìn)行定向產(chǎn)品推廣。

設(shè)計意圖：思維總是由問題開始的，激發(fā)問題，能讓學(xué)生積極主動地參與到學(xué)習(xí)活動中。以京東廣告推送功能來設(shè)置情境，把兩種不同的瀏覽行為對照比較，設(shè)置懸念，第一時間抓住學(xué)生，激發(fā)學(xué)生學(xué)習(xí)新知識、新技術(shù)的渴望。

2.案例研習(xí)，認(rèn)識數(shù)據(jù)挖掘

活動2：學(xué)生觀看視頻，并思考、總結(jié)。

①安保為什么使用熱力圖（如圖2）？（對百度的定位數(shù)據(jù)、搜索數(shù)據(jù)進(jìn)行挖掘，把握人群密集點動態(tài)趨勢，幫助警方提前疏導(dǎo)、化解安全風(fēng)險）

②百度大數(shù)據(jù)對旅游有什么作用（如圖3）？（對用戶搜索數(shù)據(jù)深入挖掘，預(yù)測熱門旅游景點）

③導(dǎo)航是如何規(guī)劃路徑的（如圖4）？（對道路環(huán)境、天氣情況、特征日等數(shù)據(jù)進(jìn)行挖掘和分析，得出每條道路在不同環(huán)境或不同時間的路況規(guī)律，確定最優(yōu)的交通路線）

師生對數(shù)據(jù)進(jìn)行分析、總結(jié)（如表1）。

小結(jié)：數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)。數(shù)據(jù)挖掘的目的主要有三個：把握趨勢、預(yù)測和求最優(yōu)解。

設(shè)計意圖：選取日常生活中運用數(shù)據(jù)挖掘的三個典型事例視頻――熱力圖、旅游預(yù)測、導(dǎo)航，借助半成品表格作為輸出支架，歸納出數(shù)據(jù)挖掘的概念和數(shù)據(jù)挖掘的三個目的。體會挖掘數(shù)據(jù)價值性的同時，認(rèn)識數(shù)據(jù)加工的重要性，為數(shù)據(jù)挖掘的學(xué)習(xí)做好鋪墊。

3.比較空氣質(zhì)量，嘗試數(shù)據(jù)挖掘

師：圖5中空氣質(zhì)量預(yù)報實現(xiàn)了數(shù)據(jù)挖掘的哪一種目標(biāo)？（把握趨勢）鹽城市空氣質(zhì)量如何？借助熟悉的WPS表格工具，嘗試挖掘空氣質(zhì)量狀況。

活動3：比較鹽城、秦州、淮安等周邊城市空氣質(zhì)量狀況。

①登錄中國空氣質(zhì)量在線監(jiān)測分析平臺（http：///historydata/），建立鹽城周邊三市空氣質(zhì)量狀況工作表（如圖6）。

影響空氣質(zhì)量的因素很多，AQI指數(shù)是衡量空氣質(zhì)量的重要指標(biāo)。

教師演示：瀏覽數(shù)據(jù)，提取數(shù)據(jù)，組成工作表（如圖7）。

②計算各市4月份空氣質(zhì)量指數(shù)AQI的平均數(shù)。（提示：AVERAGE公式使用方法以及自動填充柄的使用）

③比較4月份空氣質(zhì)量狀況。（結(jié)論：質(zhì)量指數(shù)平均值大小依次是鹽城、秦州、淮安）

師：根據(jù)質(zhì)量指數(shù)，利用函數(shù)工具計算平均數(shù)，得出空氣質(zhì)量狀況，其實就是數(shù)據(jù)的挖掘。數(shù)據(jù)挖掘的一般過程如圖8所示。

設(shè)計意圖：從全國空氣質(zhì)量在線監(jiān)測分析平臺搜集數(shù)據(jù)，選擇WPS函數(shù)工具挖掘數(shù)據(jù)，并對挖掘結(jié)果加以解釋，來建構(gòu)數(shù)據(jù)挖掘的一般過程。在嘗試數(shù)據(jù)挖掘的過程中，學(xué)會運用計算思維解決問題，借助流程圖總結(jié)挖掘過程，有助于學(xué)生從整體上把握知識，進(jìn)一步促進(jìn)認(rèn)知體系的構(gòu)建。

4.同比空氣質(zhì)量，再探數(shù)據(jù)挖掘

師：通過挖掘比較，我們得出鹽城市4月份空氣質(zhì)量在周邊城市當(dāng)中最好，各市以前的空氣質(zhì)量狀況如何？

活動4：比較各市2014年、2015年空氣質(zhì)量數(shù)據(jù)，說明哪一年空氣質(zhì)量更好（如圖9）。

①在選定城市后，思考如何同比質(zhì)量。

②選取函數(shù)或圖表工具，完成挖掘。

③規(guī)律表示。

④從“我的數(shù)據(jù)分析報告”中的各組中任選城市，從“2014年數(shù)據(jù)、2015年數(shù)據(jù)”工作表中，選取數(shù)據(jù)到“同比空氣質(zhì)量”進(jìn)行分析（如下頁表2）。

小組匯報挖掘過程和得出的結(jié)論，形成對數(shù)據(jù)挖掘的新認(rèn)識。

小結(jié)：用平均數(shù)比較，各市兩年的數(shù)據(jù)基本相同，但是合格月份數(shù)不一定相同，同比AQI低的月份數(shù)也不相同。學(xué)生同比之后發(fā)現(xiàn)，2015年空氣質(zhì)量好于2014年。

設(shè)計意圖：學(xué)生借助分析報告，以分組合作的形式，再次經(jīng)歷挖掘數(shù)據(jù)的過程，找到規(guī)律或有用的信息，加深對挖掘過程的理解。鼓勵學(xué)生對數(shù)據(jù)進(jìn)行多角度的加工與分析，選擇合適的工具進(jìn)行挖掘，體現(xiàn)了多元化的思想。

5.暢想未來，展望數(shù)據(jù)挖掘

觀看視頻（如上頁圖10，圖10中左圖為京東慧眼的視頻截圖，右圖為基因測序的視頻截圖），想象：數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用，對生活會產(chǎn)生怎樣的影響？

如今，數(shù)據(jù)挖掘改變了傳統(tǒng)的生活模式，未來將會產(chǎn)生更加深遠(yuǎn)的影響。因此，我們應(yīng)學(xué)會搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說話，挖掘數(shù)據(jù)創(chuàng)造出更智慧的生活方式。

設(shè)計意圖：通過視頻播放，讓學(xué)生深度感受“數(shù)據(jù)挖掘”與生活息息相關(guān)，挖掘數(shù)據(jù)將給人們生活帶來的改變，培養(yǎng)學(xué)生搜集、分析身邊的數(shù)據(jù)，用數(shù)據(jù)說話的意識。

點 評

篇6

數(shù)據(jù)挖掘在目前的信息社會環(huán)境下利用十分的普遍，而所謂的數(shù)據(jù)挖掘?qū)嶋H上就是利用數(shù)據(jù)所表現(xiàn)出來的特點以及關(guān)聯(lián)性將其他的因素做帶入性分析，這樣，無論是產(chǎn)業(yè)發(fā)展還是產(chǎn)品的生產(chǎn)，其最終的結(jié)果都會具有綜合性。就軟件工程行業(yè)的具體實踐分析來看，軟件開發(fā)需要大量的數(shù)據(jù)，而且數(shù)據(jù)信息之間的聯(lián)系需要明確，這樣，具體軟件開發(fā)的時候設(shè)計和考慮會更加的全面，最終的軟件適用性效果會更加突出?；诖耍治鲅芯寇浖こ绦袠I(yè)中數(shù)據(jù)挖掘的具體應(yīng)用有突出的現(xiàn)實價值。

一、數(shù)據(jù)挖掘的一般流程分析

數(shù)據(jù)挖掘是一個動態(tài)的過程，就目前的分析來看，數(shù)據(jù)挖掘需要經(jīng)歷三個基本的步驟：（1）數(shù)據(jù)的預(yù)處理。數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘最基礎(chǔ)的部分，也是數(shù)據(jù)挖掘關(guān)鍵性的步驟，其主要包括四項基本的內(nèi)容，分別是原始數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)抽取和數(shù)據(jù)交換。通過數(shù)據(jù)的預(yù)處理，數(shù)據(jù)之間的邏輯關(guān)系會更加清晰，數(shù)據(jù)的具體利用價值會有明顯性提升。（2）數(shù)據(jù)挖掘。在數(shù)據(jù)預(yù)處理的基礎(chǔ)上進(jìn)行數(shù)據(jù)挖掘需要經(jīng)過兩個步驟，其一是對挖掘的任務(wù)進(jìn)行明確，具體包括數(shù)據(jù)的分類、數(shù)據(jù)總結(jié)等等。其二是對數(shù)據(jù)挖掘的算法進(jìn)行確定，這樣，數(shù)據(jù)挖掘的效率性和質(zhì)量性會更好。（3）模式評估和知識表示。在數(shù)據(jù)挖掘中不同的模式有不同的效果，因此對當(dāng)前確定的數(shù)據(jù)挖掘模式做有效性評估，這樣可以確定模式利用的最終價值。

二、軟件工程行業(yè)中的數(shù)據(jù)挖掘應(yīng)用

在軟件工程行業(yè)，數(shù)據(jù)挖掘的應(yīng)用十分的廣泛，總結(jié)分析目前軟件工程行業(yè)中數(shù)據(jù)挖掘的主要應(yīng)用，這可以為數(shù)據(jù)挖掘的深入推廣提供可靠的參考。

（一）軟件版本信息挖掘

就當(dāng)前軟件工程行業(yè)中數(shù)據(jù)挖掘的具體應(yīng)用分析來看，最為廣泛的對象之一便是軟件工程版型控制信息的挖掘。就現(xiàn)階段的分析來看，對軟件工程版本進(jìn)行控制，其目的是對軟件工程開發(fā)人員在軟件工程開發(fā)過程中所編輯的信息進(jìn)行統(tǒng)一化的管理，這樣，軟件開發(fā)過程中數(shù)據(jù)的更新進(jìn)度可以更好的保持一致性。分析研究當(dāng)前環(huán)境下的軟件工程系統(tǒng)版本信息控制，利用數(shù)據(jù)挖掘技術(shù)可以將軟件開發(fā)過程中的具體變更信息做更加全面的掌握，這樣，在探討同一軟件平臺不同程序模塊的聯(lián)系和差異方面，具體的信息分析結(jié)果會更加的準(zhǔn)確，而利用具體的結(jié)果對軟件開發(fā)中需要解決的系統(tǒng)漏洞問題做處理，軟件的開發(fā)會更具完善性。簡言之，在軟件版本的更新設(shè)計中利用數(shù)據(jù)挖掘技術(shù)，版本更新設(shè)計的整體質(zhì)量會更加突出。

（二）軟件漏洞檢測挖掘

在軟件工程行業(yè)，數(shù)據(jù)挖掘的應(yīng)用還廣泛分布在軟件漏洞檢測方面。從軟件的具體應(yīng)用來看，漏洞的檢測和修復(fù)是軟件利用需要重點注意的內(nèi)容，因為這關(guān)系著軟件利用的綜合實效和安全性。就當(dāng)前軟件漏洞具體檢測中的數(shù)據(jù)挖掘分析來看，其主要包括5個方面的內(nèi)容：（1）軟件漏洞檢測項目的明確，有了明確的檢測項目，具體的數(shù)據(jù)挖掘范圍也會得到確定，這樣，數(shù)據(jù)挖掘的效果會更突出。（2）對軟件功能漏洞檢測數(shù)據(jù)信息做深入獲取，并就獲取的信息做清理和轉(zhuǎn)換工作，這樣可以提煉更多有用的知識和信息。（3）對軟件工程合適的數(shù)據(jù)挖掘信息做科學(xué)合理的選擇，這樣可以使數(shù)據(jù)信息的驗證效果更加突出。（4）對軟件工程中存在的系統(tǒng)平臺缺陷和漏洞做科學(xué)劃分并予以描述和定位。（5）基于挖掘的信息數(shù)據(jù)進(jìn)行系統(tǒng)測試工作。

（三）開源軟件代碼挖掘

軟件工程行業(yè)中的數(shù)據(jù)挖掘應(yīng)用還體現(xiàn)在開源軟件代碼挖掘中。從現(xiàn)階段的分析來看，開源軟件代碼挖掘可歸結(jié)為對象挖掘類型，其應(yīng)用最為廣泛的是代碼的克隆檢測，而克隆檢測工程在軟件代碼以及系統(tǒng)應(yīng)用數(shù)據(jù)的復(fù)制和拷貝中進(jìn)行使用。通過系統(tǒng)中具體的代碼源檢測操作能夠?qū)④浖こ讨写嬖诘拇a漏洞問題做有效解決，這樣軟件工程在后期的運行維護(hù)方面效果會有極大的提升。

（四）軟件執(zhí)行記錄挖掘

數(shù)據(jù)挖掘在軟件工程行業(yè)中的突出利用還體現(xiàn)在軟件執(zhí)行記錄的挖掘方面。在軟件執(zhí)行記錄當(dāng)中使用數(shù)據(jù)挖掘技術(shù)，可以借助對軟件執(zhí)行的記錄做有效的大數(shù)據(jù)分析，這樣，不同的軟件或者是相同的軟件在不同模塊代碼間的關(guān)聯(lián)關(guān)系會得到全面性的分析，基于此分析，數(shù)據(jù)執(zhí)行的路徑等可以得到跟蹤，逆向建模的最終效果會更加的突出。簡言之，在軟件執(zhí)行記錄中利用數(shù)據(jù)挖掘會對軟件的系統(tǒng)代碼維護(hù)等起到突出的作用，這樣，軟件工程的穩(wěn)定性效果會更加突出。

三、結(jié)束語

綜上所述，在軟件工程行業(yè)中，具體的軟件開發(fā)需要對多方面的數(shù)據(jù)進(jìn)行利用，更要對各方面數(shù)據(jù)表現(xiàn)出來的關(guān)聯(lián)性以及數(shù)據(jù)應(yīng)用結(jié)果做分析，這樣，軟件最終開發(fā)需要考慮的內(nèi)容和避免的問題會更加的清楚。文章就軟件工程行業(yè)中數(shù)據(jù)挖掘的一般步驟和具體內(nèi)容做分析，最終的目的是為軟件工程行業(yè)的實踐活動開展提供幫助，從而提升軟件開發(fā)的綜合性，提高軟件在具體生活實踐中的利用價值和效果，達(dá)到軟件開發(fā)的最終目的。

參考文獻(xiàn)

[1]呂品,于文兵,汪鑫等.數(shù)據(jù)挖掘挑戰(zhàn)賽驅(qū)動的本科生大數(shù)據(jù)分析能力培養(yǎng)——以上海電機學(xué)院軟件工程專業(yè)學(xué)生為例[J].計算機教育,2017(11):36-39.

篇7

一、引言

客戶保有的前提是理解客戶行為，電信運營商已經(jīng)積累了大量的客戶行為信息，有效結(jié)合數(shù)據(jù)挖掘技術(shù)，對已有的無規(guī)則客戶行為信息進(jìn)行分析識別，并通過各類算法歸納總結(jié)出客戶流失的規(guī)律及特點，最終建立起數(shù)據(jù)挖掘模型，經(jīng)過不斷的校驗，可以預(yù)測客戶流失傾向，并將預(yù)測結(jié)果轉(zhuǎn)化為企業(yè)客戶保有行為，為企業(yè)的營銷工作提供幫助、指導(dǎo)，為企業(yè)決策提供支持，最終實現(xiàn)電信企業(yè)客戶保有及價值提升的目的。

二、數(shù)據(jù)挖掘概述

（1）數(shù)據(jù)挖掘概念。數(shù)據(jù)挖掘是指從大量的、隨機的、不規(guī)則的應(yīng)用數(shù)據(jù)中通過算法（如分類、總結(jié)、關(guān)聯(lián)規(guī)則、聚類等）搜索隱藏于其中的不為人知的、但潛在的有用知識的過程。數(shù)據(jù)挖掘提供預(yù)測性的信息，質(zhì)上是一個歸納推理的過程，不是驗證一個假定模型的正確性，而是在數(shù)據(jù)庫中自己尋找模型。數(shù)據(jù)挖掘是多學(xué)科的產(chǎn)物，包含數(shù)據(jù)庫技術(shù)、統(tǒng)計學(xué)、可視化、高性能計算、人工智能、機器學(xué)習(xí)。數(shù)據(jù)挖掘的三個過程，即數(shù)據(jù)整理、數(shù)據(jù)挖掘和結(jié)果的解釋評估。（2）數(shù)據(jù)挖掘方法。數(shù)據(jù)挖掘常用的方法有關(guān)聯(lián)分析、分類、聚類、回歸分析、神經(jīng)網(wǎng)絡(luò)等，這些方法從不同的角度對數(shù)據(jù)進(jìn)行挖掘分析，可以應(yīng)用到企業(yè)客戶行為分析、決策支撐等不同階段和領(lǐng)域。

三、電信客戶流失預(yù)警中數(shù)據(jù)挖掘的實施步驟

（1）明確目標(biāo)。要充分發(fā)揮數(shù)據(jù)挖掘的作用，必須明確目標(biāo)。電信客戶流失預(yù)警的重要目標(biāo)就是提前預(yù)知客戶流失風(fēng)險，從而指導(dǎo)維系人員準(zhǔn)確定位目標(biāo)客戶，及時給與流失干預(yù)，提升電信客戶保有率。（2）建立數(shù)據(jù)挖掘庫。我們需要從各類海量電信客戶數(shù)據(jù)庫中抽取與客戶流失相關(guān)數(shù)據(jù)內(nèi)容，建立獨立的客戶流失預(yù)警挖掘數(shù)據(jù)庫，該數(shù)據(jù)庫可以是已有數(shù)據(jù)倉庫的一個邏輯子集，而不一定非要是物理上獨立的數(shù)據(jù)庫。單獨設(shè)立的客戶預(yù)警數(shù)據(jù)庫可以提高分析效率、避免由于數(shù)據(jù)巨大帶來的數(shù)據(jù)沖突問題的解決。通過對客戶流失關(guān)鍵點的數(shù)據(jù)抽取、精選，可以極大的減少數(shù)據(jù)處理量，節(jié)約系統(tǒng)資源，更好的輔助數(shù)據(jù)分析目標(biāo)的達(dá)成。（3）數(shù)據(jù)分析。需要從海量客戶、海量信息、海量數(shù)據(jù)中找到客戶流失的關(guān)鍵點，不斷從流失數(shù)據(jù)挖掘庫中找到相應(yīng)的規(guī)律和潛在趨勢，使用聚類分析的方法進(jìn)行客戶信息類別區(qū)分，逐步梳理出影響客戶流失的眾多因素，并進(jìn)行重要性分析，找出這些因素之間相互影響、牽連的關(guān)系，從而發(fā)現(xiàn)因素之間的相關(guān)性。（4）準(zhǔn)備及調(diào)整數(shù)據(jù)。通過數(shù)據(jù)分析步驟，將符合分析要求數(shù)據(jù)進(jìn)行數(shù)據(jù)庫導(dǎo)入，并對數(shù)據(jù)進(jìn)行進(jìn)一步的調(diào)整，關(guān)鍵是實現(xiàn)進(jìn)一層次的明確及量化，為模型化奠定基礎(chǔ)。（5）建立模型。建立模型是數(shù)據(jù)挖掘的核心環(huán)節(jié)，在分析數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行系統(tǒng)調(diào)整的基礎(chǔ)上即可以開始建立模型。通常我們利用聚類分析、時間序列分析等方法來實現(xiàn)建模。（6）評價及解釋。從之前的步驟中我們已經(jīng)很明確的得出客戶流失的一系列分析數(shù)據(jù)及模型，我們會得出對客戶流失問題多種描述，綜合各類描述的規(guī)律性，提供合理的分析支持信息。

四、數(shù)據(jù)挖掘在電信客戶維系中的應(yīng)用

1、流失客戶分析及建模

以往運營商服務(wù)模型基本圍繞全生命周期時間軸主線，重點描述單客戶服務(wù)動作，缺少客戶聚類特征總結(jié)。結(jié)合客戶流失特征，運用聚類統(tǒng)計分析方法將客戶進(jìn)行特征聚類，區(qū)分為入網(wǎng)半年內(nèi)客戶群、入網(wǎng)半年至一年客戶群、入網(wǎng)一年以上客戶群，其客戶流失特征及原因存在區(qū)隔，入網(wǎng)半年內(nèi)客戶的流失與前期客戶發(fā)展質(zhì)量關(guān)系密切，主要取決于在新發(fā)展客戶營銷過程中存在的問題或弊端；而入網(wǎng)半年至一年客戶群的流失與功能性的服務(wù)感知相關(guān)；入網(wǎng)一年以上或更長時間的客戶流失與后期客戶持續(xù)提供的服務(wù)及感知密切相關(guān)。同時三大聚類客戶群又分別具有三個流失關(guān)鍵點，我們可以運用數(shù)據(jù)挖掘技術(shù)“信息熵理論”、“二元分類模型”，找到幾個聚類群體流失相關(guān)因子，從而構(gòu)建針對性精準(zhǔn)的維系模型，如圖1所示。

在基于聚類模型構(gòu)建起精準(zhǔn)的客戶維系體系后，對應(yīng)影響三個聚類群體的核心因子及模型分析，針對性制定標(biāo)準(zhǔn)化維系動作及強化服務(wù)方案，增強原有的客戶服務(wù)體系，從而達(dá)到提升客戶感知及粘性的目的。

結(jié)合三個關(guān)鍵點，從現(xiàn)有的海量客戶行為數(shù)據(jù)中找到維系因子，對影響用戶群流失的因子做聚類分析，梳理出關(guān)鍵因子，并進(jìn)行重要性分析，選定對整體流失影響力較大的因子作為高危挽留的重點突破口，如表1所示。

通過高危因子重要度的區(qū)分，每月月初系統(tǒng)自動預(yù)警，為客戶挽留提供數(shù)據(jù)支持。

2、客戶挽留流程

（1）挽留機會分析。根據(jù)三大聚類客戶群特點，對三類客戶流失傾向進(jìn)行評價，按風(fēng)險的高低進(jìn)行評判，入網(wǎng)初期客戶流失風(fēng)險最高，其次是高?？蛻袅魇A向明顯，一年以上到期合約客戶也存在流失風(fēng)險，根據(jù)風(fēng)險度及入網(wǎng)時間的不同，進(jìn)行流失客戶預(yù)測，從而及時找到挽留機會。（2）挽留策略的制定。通過高危因子重要度分析，系統(tǒng)自動預(yù)警圈定需要挽留的客戶群，對不同因子客戶進(jìn)行分析逐一制定挽留策略。針對新入網(wǎng)客戶流失分析，梳理主要流失原因，制定相應(yīng)的入網(wǎng)門檻，并配合相應(yīng)酬金發(fā)放機制，在入網(wǎng)半年內(nèi)分批分比例發(fā)放酬金，提升入網(wǎng)質(zhì)量；針對入網(wǎng)半年以上客戶，結(jié)合高危因子，梳理不同因子客戶群流失原因，針對性制定挽留策略，如合約計劃、網(wǎng)齡升級計劃、流量回饋等；對于一年以上合約到期客戶，制定老客戶合約續(xù)費政策，提升合約續(xù)費率。（3）采取保有行為并反饋。通過以上兩個步驟，找到挽留機會，并制定相應(yīng)策略后，需將挽留行為分配給不同的渠道人員實施，新入網(wǎng)客戶的入網(wǎng)策略由各發(fā)展渠道落實并反饋客戶信息；半年以上中期高?？蛻艏耙荒暌陨虾霞s到期客戶的挽留與維系需由維系中心與各實體渠道相互配合，由維系中心進(jìn)行電話回訪式維系，實體渠道配合通過理財專席等方式在日常業(yè)務(wù)辦理中提高客戶在網(wǎng)粘性。

五、結(jié)束語

事實上，流失模型的建立不可能直接帶來客戶流失率的減少，但基于數(shù)據(jù)挖掘的客戶流失預(yù)警模型的應(yīng)用，可以很大程度上提升客戶維系與挽留的有效性，有效的預(yù)警、預(yù)測結(jié)合針對性的挽留策略及有效的挽留行為，才能夠真正實現(xiàn)客戶流失率的降低，達(dá)到提升客戶感知及粘性的最終目的。

篇8

中圖分類號：TP311.13

隨著經(jīng)濟(jì)的發(fā)展和科技的進(jìn)步，手機、電腦在中國隨處可見，互聯(lián)網(wǎng)甚至是移動互聯(lián)網(wǎng)融入了人們的日常生活，互聯(lián)網(wǎng)中無法估量的大量數(shù)據(jù)不斷增長，愈演愈烈，面對著海一般的數(shù)據(jù)信息，人們不能準(zhǔn)確的找到自己想要的數(shù)據(jù)，像手機APP，手游等移動互聯(lián)網(wǎng)產(chǎn)品，每天都承載著非常多的數(shù)據(jù)，對運營商而言，如何進(jìn)行數(shù)據(jù)分析以及數(shù)據(jù)挖掘成為一個亟待解決的難題。

較于傳統(tǒng)數(shù)據(jù)處理系統(tǒng)，云計算系統(tǒng)的出現(xiàn)讓人眼前一亮，基于云的數(shù)據(jù)挖掘平臺的建構(gòu)為數(shù)據(jù)挖掘開辟了一條新路，云計算提供一個虛擬的平臺，用戶可以在任何地區(qū)運用任何終端選擇自己想要的數(shù)據(jù)，而大規(guī)模的數(shù)據(jù)本身就存在一些問題，數(shù)據(jù)挖掘存在難度，本文就云計算的數(shù)據(jù)挖掘進(jìn)行具體的分析如下：

1 云計算概述

一直以來云計算都沒有一個統(tǒng)一明確的定義，根據(jù)多數(shù)人對云計算的定義，總結(jié)出以下兩方面：（1）云計算通俗一點說就是一個資源盤，其擁有數(shù)以萬計的可用虛擬資源，有些虛擬資源擁有不同的負(fù)載量，云計算的優(yōu)勢就是可用將這些負(fù)載量不同的資源進(jìn)行新的合理分配；（2）就用戶而言云計算的服務(wù)是方便簡單的，且透明化，用戶的最終目的是在云計算中獲取想要的數(shù)據(jù)和服務(wù)，用戶不用在意云計算本身的運行機制，然而云計算的系統(tǒng)也是存在隱患的，如果一個規(guī)模龐大的計算機群在運作的過程中仍然不間斷的增加計算機的數(shù)量，那么云計算系統(tǒng)可能會出錯甚至系統(tǒng)崩潰，可見單純依靠硬件設(shè)施是不可取的，此時需要可靠的軟件發(fā)揮作用，需使用冗余和分布式存儲的方式，云計算系統(tǒng)另一個優(yōu)勢就是擁有自我檢測系統(tǒng)模式，該模式在不影響正常運行的情況下，可以檢測出無效節(jié)點并進(jìn)行刪除，總之，云計算系統(tǒng)數(shù)據(jù)多、存儲能力強、計算能力快且準(zhǔn)確率高，給用戶帶來高效、優(yōu)質(zhì)的服務(wù)。

經(jīng)過一直以來對云計算的研究總結(jié)其特點有五個方面，分別是虛擬化、通用性、擴展性強且規(guī)模大、可靠性高、經(jīng)濟(jì)性好等特點，具體來說就是云計算不是個實物，是個虛擬的擁有海量數(shù)據(jù)的平臺，用戶可以在世界的任何位置通過任何終端獲取想要的數(shù)據(jù)信息和服務(wù)；云計算沒有局限性，在云計算下可以構(gòu)建出不同的應(yīng)用，而且這些應(yīng)用可同時運行；在不影響用戶正常使用的情況下，云計算是可以擴展的，而且是動態(tài)擴展，現(xiàn)今最多可擴展幾十萬臺電腦，整個擴展過程用戶是可以看到的，是對外的；為了保證服務(wù)的質(zhì)量和可靠性，云計算運用了多種方法如多副本容錯和多計算節(jié)點同構(gòu)可互換等；云計算由于自身的優(yōu)勢運用大量廉價節(jié)點構(gòu)成云，采用自動化集中式管理機制，解決企業(yè)高昂的數(shù)據(jù)中心成本，較于傳統(tǒng)系統(tǒng)云計算系統(tǒng)成本較低。

2 數(shù)據(jù)挖掘的方式

數(shù)據(jù)挖掘是一個循環(huán)反復(fù)、不斷調(diào)整和修改的過程，這個過程漫長且復(fù)雜。從數(shù)據(jù)預(yù)處理到數(shù)據(jù)挖掘再到評估和表示這是數(shù)據(jù)挖掘的整個過程，數(shù)據(jù)挖掘的過程中方法很多，歸納如下：（1）廣義知識挖掘，廣義知識被挖掘出來后，與可視化技術(shù)相結(jié)合，用戶可以直觀的通過圖表形式來了解；（2）關(guān)聯(lián)知識挖掘；（3）類知識挖掘，分分類和聚類兩種。決策樹、神經(jīng)網(wǎng)絡(luò)、貝葉斯分類、支持向量機、遺傳算法與進(jìn)化理論、粗糙集、關(guān)聯(lián)分類、類比學(xué)習(xí)、模糊集等為分類法。聚類法包括五種，分別是基于劃分、密度、層次、模型及網(wǎng)格的不同方法；（4）預(yù)測型知識挖掘，包括一些方法和技術(shù)，方法有經(jīng)典的統(tǒng)計方法，技術(shù)包括神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)技術(shù)；（5）特異型知識挖掘，所謂特異型指特殊的背離常規(guī)的異常規(guī)律。包括三個類別，分別是孤立點分析、序列異常分析和特異規(guī)則發(fā)現(xiàn)；（6）自定義數(shù)據(jù)挖掘算法。

數(shù)據(jù)挖掘的過程以及方法可以通過圖1直觀的了解。

3 基于云的數(shù)據(jù)挖掘平臺架構(gòu)

針對傳統(tǒng)數(shù)據(jù)挖掘平臺而言，云計算的產(chǎn)生對其影響很大，云計算的分布式存儲和計算使數(shù)據(jù)挖掘開始變革，數(shù)據(jù)挖掘云服務(wù)只有基于云計算平臺才能得以實現(xiàn)，其設(shè)計思想是分層設(shè)計，思路是面向組件設(shè)計，整個平臺自下向上分為三層，最下面一層也是最基礎(chǔ)的一層是云計算支撐平臺層，再往上一層是數(shù)據(jù)挖掘能力層，最頂層是數(shù)據(jù)挖掘云服務(wù)層。

云計算支撐平臺層的功能主要是提供數(shù)據(jù)的分布式存儲和計算，最底層構(gòu)建可以以企業(yè)自主研發(fā)的云計算平臺為基礎(chǔ) ，也可以以第三方提供的云計算平臺為基礎(chǔ)。

數(shù)據(jù)挖掘能力層的能力有算法服務(wù)管理、調(diào)度引起、數(shù)據(jù)并行處理框架等，這些都是基礎(chǔ)能力，數(shù)據(jù)挖掘能力層支撐著它的上一層（數(shù)據(jù)挖掘云服務(wù)層）。這層不但支持內(nèi)部數(shù)據(jù)挖掘算法和推薦算法庫，對于外在的第三方數(shù)據(jù)挖掘算數(shù)法也可以接入。

最頂層數(shù)據(jù)挖掘云服務(wù)層的主要功能是為外在企業(yè)和個人提供數(shù)據(jù)挖掘云服務(wù)，其涵蓋多種多樣的服務(wù)能力封裝的接口形式，例如針對于簡單對象的訪問協(xié)議簡稱SOAP的XML等，本地應(yīng)用程序編程接口也是其形式之一，基于結(jié)構(gòu)化查詢語言語句的訪問在數(shù)據(jù)挖掘云服務(wù)層也是支持的，同時此層還提供解析引擎和自動調(diào)用云服務(wù)。

總之，基于云計算的數(shù)據(jù)挖掘平臺從很多方面是優(yōu)于傳統(tǒng)數(shù)據(jù)挖掘平臺的，如大規(guī)模數(shù)據(jù)處理能力、數(shù)據(jù)動態(tài)擴展能力以及低廉的云服務(wù)和成本等。

4 云計算關(guān)鍵技術(shù)

如今大量數(shù)據(jù)挖掘最直接有效的方法是分布式計算方法，這個方法包括兩部分一部分是分布式數(shù)據(jù)存儲，一部分是分布式并行計算，現(xiàn)在的云計算平臺已經(jīng)涵蓋了這兩部分的能力，這兩部分是云計算數(shù)據(jù)挖掘平臺的核心支撐能力，GFS、KFS、HDFS等三種分布式文件系統(tǒng)是目前比較受歡迎的分布式文件系統(tǒng)，Google公司的分布式文件系統(tǒng)理論是三者的理論基礎(chǔ)，KFS、HDFS兩種分布式文件系統(tǒng)多被用于商業(yè)和學(xué)術(shù)領(lǐng)域。

分布式并行計算框架在分布式計算方法中非常重要，其在計算過程中封裝了一些技術(shù)細(xì)節(jié)，如任務(wù)調(diào)度、任務(wù)容錯等，這樣便捷了用戶，用戶只要把握好任務(wù)間的邏輯關(guān)系，不必注意這些技術(shù)細(xì)節(jié)，目前較為廣泛應(yīng)用的分布式計算框架有并行計算框架Mapreduce和迭代處理計算框架Pregel這兩者都由谷歌公司提出，還有微軟公司研發(fā)的Dryad。

5 結(jié)束語

隨著互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)時代的到來，海量復(fù)雜的數(shù)據(jù)處理與數(shù)據(jù)挖掘困擾著各大運營商，與傳統(tǒng)數(shù)據(jù)系統(tǒng)相比，云計算優(yōu)勢明顯，強大動態(tài)擴展能力、獨特的分布式存儲和計算方法、以及低廉的成本優(yōu)勢吸引了越來越多企業(yè)和個人，基于云的數(shù)據(jù)挖掘平臺，企業(yè)和運行商都因此減少了數(shù)據(jù)挖掘方面的資金投入，對這些企業(yè)來說無疑是減小了生產(chǎn)成本。

參考文獻(xiàn)：

篇9

中圖分類號TP392 文獻(xiàn)標(biāo)識碼A 文章編號 1674-6708（2013）102-0222-02

所謂數(shù)據(jù)挖掘，就是將那些隱含的在數(shù)據(jù)中的、不能先知以及包含潛在價值的大量信息，從數(shù)據(jù)中提煉出來以供技術(shù)人員參考分析。通過數(shù)據(jù)挖掘理論所得到的信息，可以為地理信息的測繪提供依據(jù)，并且還具有預(yù)測和決策的功能。為了能夠得到更加精確的信息，我們建立了數(shù)據(jù)采集平臺。數(shù)據(jù)采集平臺側(cè)重于數(shù)據(jù)的收集，將大量的數(shù)據(jù)進(jìn)行有效的匯總，使之轉(zhuǎn)化成有助于測繪地理信息管理和決策的有效信息。我們在實際工作中，常?？梢钥吹?，由于對數(shù)據(jù)沒有進(jìn)行系統(tǒng)科學(xué)的分析，使得一些潛在的威脅留在了我們要做的工程中，甚至?xí)榇藛适У艉芏嗬?。如果我們不能夠盡力把威脅清除掉，后果可能不堪設(shè)想，數(shù)據(jù)表面，看不出東西（即其隱藏的信息量），絕對是關(guān)鍵所在。因此，我們不僅要做好數(shù)據(jù)采集工作，更要有效的利用好數(shù)據(jù)挖掘理論，做好數(shù)據(jù)分析工作，充分挖掘出這些數(shù)據(jù)背后所帶來的意義。

1數(shù)據(jù)挖掘的功能

在測繪地理信息技術(shù)領(lǐng)域，數(shù)據(jù)挖掘理論能夠?qū)⒉杉臄?shù)據(jù)轉(zhuǎn)化為我們需要的知識。下面就數(shù)據(jù)挖掘的功能，并結(jié)合其在數(shù)據(jù)采集中的運用，我概括了幾點，主要功能有以下幾點：1）聚類功能。即按照數(shù)據(jù)內(nèi)在的規(guī)則，把數(shù)據(jù)聚合分類；2）關(guān)聯(lián)分析功能。關(guān)聯(lián)分析是從數(shù)據(jù)庫中發(fā)現(xiàn)知識的一類重要方法。當(dāng)建立在多次檢測的基礎(chǔ)上的某兩個或多個數(shù)據(jù)之間算出來的數(shù)據(jù)相似，差異極小的時候， 那么我們就說這些事件之間存在著某種關(guān)聯(lián)， 能夠建立起這些關(guān)聯(lián)項的關(guān)聯(lián)規(guī)則；3）分類功能。將不同數(shù)據(jù)按照不同的分類標(biāo)準(zhǔn)進(jìn)行分類組合；4）偏差檢測功能。對那些不常見，極端的特例進(jìn)行歸檔分析， 并揭示其發(fā)生偏差的原因，以便以后好做調(diào)整；5）預(yù)測功能。通過數(shù)據(jù)信息所顯示的一些潛在的知識，我們能夠做好對未來測繪數(shù)據(jù)的預(yù)測。實踐證明，事物的聯(lián)系是普遍存在的，即數(shù)據(jù)挖掘的各項功能協(xié)調(diào)組合，以便發(fā)揮更大的作用。數(shù)據(jù)挖掘通過對數(shù)據(jù)的總結(jié)、分類、聚類和關(guān)聯(lián)等分析， 對采集的數(shù)據(jù)進(jìn)行深層次的剖析，把那些潛在的東西給挖掘出來，便于技術(shù)人員的管理與預(yù)測。

2 “數(shù)據(jù)挖掘”理論在數(shù)據(jù)采集平臺上的應(yīng)用基礎(chǔ)

2.1數(shù)據(jù)采集平臺的建立

由于科技發(fā)展的需要，數(shù)據(jù)采集平臺應(yīng)勢而生。數(shù)據(jù)采集平臺，是一個擁有大量數(shù)據(jù)的數(shù)據(jù)庫。據(jù)最新的統(tǒng)計數(shù)據(jù)顯示，整個平臺采集一次便可產(chǎn)生多達(dá)50萬以上的數(shù)據(jù)量。數(shù)據(jù)采集平臺最大的作用就是能夠產(chǎn)生巨大的數(shù)據(jù)。

我們知道數(shù)據(jù)本身就是數(shù)據(jù)而已，不能夠得到對我們有幫助的東西。而數(shù)據(jù)挖掘理論，基于相應(yīng)的知識，做出極具準(zhǔn)確性的預(yù)測性，能夠把單純的數(shù)據(jù)，通過總結(jié)、分類、聚類、偏差檢測和關(guān)聯(lián)等功能可以把那些分散在數(shù)據(jù)庫里面的各種數(shù)據(jù)，進(jìn)行綜合分析整合。數(shù)據(jù)挖掘理論，是以對數(shù)據(jù)的分析作為基礎(chǔ)的，其功能與分析方法對數(shù)據(jù)采集平臺管理和運用，有著不可估量的作用和意義。

2.2“數(shù)據(jù)挖掘”理論應(yīng)用基礎(chǔ)

由于科技的不斷發(fā)展，數(shù)據(jù)庫不斷充實，數(shù)據(jù)采集平臺也在不斷的完善和發(fā)展中。在國家政策，和科技不斷發(fā)展的趨勢下，數(shù)據(jù)采集平臺近幾年來，其結(jié)構(gòu)和采集信息量上也發(fā)生了翻天覆地的改變。主要表現(xiàn)在版本、匯總部分字段以及采集字段上。即：版本不斷的更新，由原先的“08c版”一直發(fā)展到現(xiàn)在的“10a001版”； 匯總部分字段和采集字段的增加，使得數(shù)據(jù)庫里的數(shù)據(jù)成海量的增長，甚至多達(dá)數(shù)十萬。這樣使得數(shù)據(jù)采集平臺更加規(guī)?；瑫r也加強了數(shù)據(jù)與數(shù)據(jù)之間的聯(lián)系，這也使得采集的數(shù)據(jù)成了 “數(shù)據(jù)挖掘”的數(shù)據(jù)基礎(chǔ)，給了“數(shù)據(jù)挖掘”一個更好的平臺。也為技術(shù)人員運用數(shù)據(jù)挖掘理論提供了數(shù)據(jù)來源。

3 “數(shù)據(jù)挖掘”理論在數(shù)據(jù)采集平臺上的實際應(yīng)用

在上面我籠統(tǒng)的介紹了數(shù)據(jù)挖掘的基本功能，即分類、估計、關(guān)聯(lián)、聚類、偏差檢測和預(yù)測。在這里我具體的介紹一下“關(guān)聯(lián)規(guī)則挖掘” 理論。通過“關(guān)聯(lián)規(guī)則挖掘”理論，我們知道，如果僅僅是單獨、孤立的數(shù)據(jù)，那是形成不了重要信息的，但是，如果我們將那些相互關(guān)聯(lián)的數(shù)據(jù)集中起來，并從不同的角度，不同的方面去分析這些數(shù)據(jù)，那么潛伏在這些數(shù)據(jù)表面以下的部分就會浮出表面，這樣我們就能看到事物的全部。這對我們做決策有著重要的意義。所以我們要可以通過“關(guān)聯(lián)規(guī)則挖掘”理論辨證的去分析事物內(nèi)部所蘊含的關(guān)系。相反，如果只是盲目的看到表面的數(shù)據(jù)，甚至割裂地、孤立地去看待數(shù)據(jù)，這樣不僅找不到數(shù)據(jù)與數(shù)據(jù)之間關(guān)聯(lián)關(guān)系，更不能通過聚合這些相互關(guān)聯(lián)的數(shù)據(jù)，這不能做出科學(xué)有效的決策。在測繪地理信息的時候，“關(guān)聯(lián)規(guī)則挖掘”的理論，為我們提供了更廣闊的分析方法和思維模式，為我們做出正確合理的決策提供了理論依據(jù)。在實際操作中，我們感覺到任何一個重要問題的分析，我們都要依賴“關(guān)聯(lián)規(guī)則挖掘”理論，對具體的數(shù)據(jù)進(jìn)行科學(xué)分析，以呈現(xiàn)其數(shù)據(jù)和事物之間的關(guān)聯(lián)性。

4 結(jié)論

結(jié)合個人的工作經(jīng)驗和實際操作，就數(shù)據(jù)挖掘理論在數(shù)據(jù)采集中的應(yīng)用展開了探討和研究。介紹了數(shù)據(jù)挖掘的功能；“數(shù)據(jù)挖掘”理論在數(shù)據(jù)采集平臺上的應(yīng)用基礎(chǔ)：數(shù)據(jù)采集平臺的建立和“數(shù)據(jù)挖掘”理論應(yīng)用基礎(chǔ)；以及“數(shù)據(jù)挖掘”理論在數(shù)據(jù)采集平臺上的實際應(yīng)用。但是由于自身學(xué)識和理解的局限性，說的不是很全面，只是希望大家可以關(guān)注一下數(shù)據(jù)挖掘理論在數(shù)據(jù)采集中的應(yīng)用，并能在你所在的領(lǐng)域內(nèi)有所應(yīng)用。

參考文獻(xiàn)

[1]譚廣宇.數(shù)據(jù)挖掘理論在狀態(tài)數(shù)據(jù)采集平臺上的應(yīng)用[J].廣西教育，2011（6）.

[2]蔣盛益，李霞，鄭琪.數(shù)據(jù)挖掘原理與實踐[J].圖書，2011（8）.

篇10

在社會的發(fā)展之下，網(wǎng)絡(luò)已經(jīng)成為人們生活與生產(chǎn)中必不可少的工具，但是網(wǎng)絡(luò)中充斥的大量繁雜信息也在一定程度上影響著人們的信息獲取速度，網(wǎng)絡(luò)信息檢索在檢準(zhǔn)率與檢全率方面依然難以滿足人們的需求，而將網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)應(yīng)用在其中即可很好的解決這一問題。

1 數(shù)據(jù)挖掘技術(shù)簡介

數(shù)據(jù)挖掘技術(shù)就是從大量模糊、隨機、不完全、有噪聲信息中提出有用信息的一個過程，與數(shù)據(jù)挖掘技術(shù)相關(guān)的技術(shù)還有數(shù)據(jù)分析技術(shù)、數(shù)據(jù)融合技術(shù)、知識發(fā)現(xiàn)技術(shù)等等，在技術(shù)水平的發(fā)展下，統(tǒng)計學(xué)方法、決策樹、關(guān)聯(lián)分析等一些新型數(shù)據(jù)挖掘技術(shù)也相繼出現(xiàn)。與數(shù)據(jù)挖掘不同，信息檢索實質(zhì)上是一種信息發(fā)現(xiàn)任務(wù)，也是知識發(fā)展過程中的重要環(huán)節(jié)，信息檢索能夠幫助人們了解各項靜態(tài)信息，但是難以分析到數(shù)據(jù)間的關(guān)系及其未來發(fā)展趨勢。而應(yīng)用數(shù)據(jù)挖掘技術(shù)則可以有效提升系統(tǒng)檢索能力，預(yù)測出未來的走勢，因此，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在搜索引擎中也是大勢所趨。

2 搜索引擎與網(wǎng)絡(luò)數(shù)據(jù)挖掘

網(wǎng)絡(luò)數(shù)據(jù)挖掘是一種將數(shù)據(jù)挖掘技術(shù)與網(wǎng)絡(luò)融合的一種新模式，網(wǎng)絡(luò)數(shù)據(jù)挖掘也能夠稱之為Web挖掘，網(wǎng)絡(luò)數(shù)據(jù)的頁面復(fù)雜、數(shù)據(jù)內(nèi)容繁雜，文章也具有不規(guī)則性，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在數(shù)據(jù)挖掘中可以有效的解決上述問題，根據(jù)處理對象，網(wǎng)絡(luò)數(shù)據(jù)挖掘任務(wù)有三種類型，即網(wǎng)絡(luò)內(nèi)容挖掘、網(wǎng)絡(luò)使用挖掘與網(wǎng)絡(luò)結(jié)構(gòu)挖掘。

2.1 網(wǎng)絡(luò)內(nèi)容的挖掘

網(wǎng)絡(luò)內(nèi)容挖掘就是從網(wǎng)絡(luò)數(shù)據(jù)、網(wǎng)絡(luò)內(nèi)容與網(wǎng)絡(luò)文檔中挖掘信息，很多網(wǎng)絡(luò)信息是能夠在網(wǎng)絡(luò)中過去的，但是依然有很大一部分?jǐn)?shù)據(jù)難以采用該種方法獲取，如使用PHP、JSP與ASP的動態(tài)網(wǎng)頁，拒絕訪問的網(wǎng)站，商業(yè)數(shù)據(jù)庫中的數(shù)據(jù)。這些內(nèi)容都能夠使用網(wǎng)絡(luò)內(nèi)容挖掘法來獲取，這可以使用兩個方法：網(wǎng)絡(luò)頁面內(nèi)容挖掘法與搜索結(jié)果再挖掘法。

2.2 網(wǎng)絡(luò)結(jié)構(gòu)挖掘法

網(wǎng)絡(luò)結(jié)構(gòu)挖掘法強調(diào)挖掘網(wǎng)頁中的鏈接結(jié)構(gòu)，并從中推導(dǎo)相關(guān)的知識，這種挖掘法與引文分析有著密切的關(guān)系，網(wǎng)絡(luò)中的鏈接信息能夠為數(shù)據(jù)挖掘提供全面的支持，為了獲取到理想的效果，可以來分析網(wǎng)頁鏈接與鏈接數(shù)量，并建立起鏈接結(jié)構(gòu)模式。其常用的算法有Propriteary算法、Google算法、HITS算法與PageRank算法四種。

2.3 網(wǎng)絡(luò)使用挖掘法

網(wǎng)絡(luò)使用挖掘法就是通過日志發(fā)現(xiàn)來訪問頁面的一種模式，與網(wǎng)絡(luò)內(nèi)容挖掘模式和網(wǎng)絡(luò)結(jié)構(gòu)挖掘模式不同，網(wǎng)絡(luò)使用挖掘法的挖掘?qū)ο蠓鞘蔷W(wǎng)絡(luò)與用戶交互中的二手?jǐn)?shù)據(jù)，這些數(shù)據(jù)大多來自Cookies或者Web服務(wù)器中的信息、系統(tǒng)交互信息與訪問記錄。

3 數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)信息檢索中的應(yīng)用作用

目前，人們已經(jīng)進(jìn)入了一個信息爆炸時代，雖然眾多搜索引擎網(wǎng)絡(luò)可以滿足人們對于信息檢索的基本需求，但是還是有很多地方不到位，目前，網(wǎng)絡(luò)挖掘技術(shù)已經(jīng)開始在網(wǎng)絡(luò)領(lǐng)域中得到了應(yīng)用，也取得了一定的成效。實踐顯示，將數(shù)據(jù)挖掘技術(shù)應(yīng)用在網(wǎng)絡(luò)信息檢索中能夠取得如下的效用：

3.1 提升標(biāo)引準(zhǔn)確性

標(biāo)引能夠準(zhǔn)確選擇出文獻(xiàn)的檢索標(biāo)示，網(wǎng)絡(luò)信息范圍廣、復(fù)雜性高、數(shù)量多，使用人工標(biāo)引很難取得理想的檢索效果，因此，必須要使用自動標(biāo)引。將網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)應(yīng)用在其中能夠深刻的揭示出相關(guān)信息的聯(lián)系，幫助用戶在文檔中進(jìn)行標(biāo)注，提升信息攝取的準(zhǔn)確性。而以此為基礎(chǔ)來應(yīng)用加權(quán)算法則能夠得出具體的信息關(guān)聯(lián)，對于提升檢索效果有著十分積極的效用。

3.2 可以對檢索結(jié)果進(jìn)行分類

在網(wǎng)絡(luò)世界中，各個網(wǎng)站之間的轉(zhuǎn)載情況嚴(yán)重，用戶在使用搜索引擎時必然會檢索出大量的重復(fù)信息，這不僅會降低檢索效率，也會浪費資源。將數(shù)據(jù)挖掘技術(shù)應(yīng)用在檢索工作中就能夠挖掘出網(wǎng)頁中的語義內(nèi)容，有效提升檢索效率。此外，數(shù)據(jù)挖掘技術(shù)也可以有效提升檢索質(zhì)量，該種方法是建立在層次法與劃分法基礎(chǔ)上，如果檢索文檔相似性大，即可進(jìn)行聚類處理，將處理后的信息用層次化方式提供給用戶，用戶可以根據(jù)自己的需要自行選擇，這就有效減少了瀏覽數(shù)量。

3.3 能夠提升自動摘要質(zhì)量

自動摘要即利用網(wǎng)絡(luò)來分析文章結(jié)構(gòu)、主題語句的方式，自動摘要可以有效幫助用戶來加工與整合信息，與自動摘要相比，人工編制摘要會浪費大量的時間，將網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)應(yīng)用在搜索引擎中能夠提升自動摘要的質(zhì)量，該種技術(shù)是通過文檔內(nèi)容來總結(jié)文本信息，能夠?qū)eb中的重要內(nèi)容總結(jié)起來，并提取出摘要。這對于優(yōu)化網(wǎng)絡(luò)信息資源的處理質(zhì)量有著十分積極的意義。

4 結(jié)語

總而言之，將數(shù)據(jù)網(wǎng)絡(luò)挖掘技術(shù)應(yīng)用在搜索引擎中已經(jīng)成為了一個大勢所趨，采用該種技術(shù)可以有效提升標(biāo)引、自動分類、自動摘要以及自動聚類的準(zhǔn)確性，可以根據(jù)用戶的具體需求來建立模型，從而為用戶提供出更加針對性的信息支持。其中，最為常用的技術(shù)就是自由分類法，自由分類法能夠?qū)㈦y以用傳統(tǒng)方式細(xì)化的信息歸入熟悉類目中，并在排序檢索與信息組織上很好的彌補與了傳統(tǒng)搜索方法的缺陷，但是，該種方法也存在一些局限性，多應(yīng)用在小范圍網(wǎng)絡(luò)中，相信在不久的將來，網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)定可以在搜索引擎中得到更加廣泛的使用。

參考文獻(xiàn)：