現代商業中計算機數據挖掘技術的應用

李娜娜

摘 要：現代信息技術和商業模式發展迅速，數據挖掘技術的應用對海量商業信息處理有著極大的現實意義?；ヂ摼W的不斷發展使得數據挖掘技術成為現代商業獲取市場信息的重要載體。目前，在大量商業活動中，借助數據自動分析技術可以獲得真實、可靠的市場信息，為企業各項商業活動提供更多的商業利潤決策信息。Internet可以說是一個海量信息資源儲備庫，在商務活動中，企業希望各類訪問、分析、使用等均是科學、有效的，從而為數據挖掘提供更好的發展空間。數據挖掘是基于企業已定目標，深入分析企業各項數據，揭示企業中潛在的未知規律，從而將其模型化，以此來支持企業各項商業決策活動。簡述了Web數據挖掘技術，深入分析了數據挖掘方法在商業信息中的使用規則，探析了數據挖掘技術在商業信息中的應用策略。

關鍵詞：商業信息；數據挖掘技術；Web技術；數據庫

中圖分類號：TP311.13 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.05.024

隨著數據庫技術和人工智能技術的飛速發展，數據挖掘技術應運而生，屬于一種新型信息技術。自20世紀90年代以來，經濟全球化、貿易自由化、信息現代化進展迅速，信息技術、商務技術和管理技術等的結合提高了現代生產力。在現代商業中，計算機Web技術在不斷推動著部門經濟、區域經濟、國民經濟和世界經濟的發展?，F代化商業運轉模式屬于一種全新的商業模式，是基于網絡平臺，采用現代化信息技術手段，著眼于提升經濟效益的現代化商業模式。這一模式的應用使得各項商務活動網絡化、數字化?，F代化商業模式的產生打破了企業傳統的經營理念、管理方式和支付手段，促進了社會各大領域的不斷改革。應用功能強大的Web數據挖掘技術，可輔助企業更加深入地分析網絡上所收集的各項數據，引導企業合理調整營銷策略。這樣，有助于為客戶提供動態、個性且高效的服務。

1 Web數據挖掘技術概論

1.1 Web數據挖掘技術簡述

數據挖掘主要是數據開采，是從新角度將數據庫技術、KDD技術與統計學合理結合，依據企業既定目標，在各項數據中更深入地挖掘其內部潛在性信息，且有效處理各項知識的過程。在數據挖掘過程中，高效率獲取大量數據，或者基于一定應用領域找出數據之間所存在的關系，可有效提升算法效率。數據挖掘大都是為達到一定目的而進行數據收集，這就使得數據挖掘難度較大。在數據挖掘中，重要的數據極易丟失，未知性和不完全性等均存在于其中。Web數據挖掘大都是從眾多Web站點和文檔集合中深層挖掘潛在有效信息，這也是數據挖掘技術在Web環境下的應用。Web數據挖掘技術是一項綜合技術，其涉及多個學科，比如計算機語言學、統計學和信息學等。Web數據挖掘一般可分為Web結構挖掘、Web內容挖掘和Web訪問信息挖掘等。其中，Web結構挖掘即挖掘Web潛在的鏈接結構模式；Web內容挖掘是對Web頁面內容進行挖掘，從大量的Web數據中發現信息、抽取知識的過程；Web訪問信息挖掘即用戶從Web站點的訪問數據中發現有價值的信息。近年來，現代商業發展迅速，用戶量逐年增長，Web數據庫包含的數據資源日趨多樣。自動收集數據，并將挖掘數據轉換為商業行為，從而滿足數據挖掘條件，這也使現代商業成為了Web數據挖掘的一大領域。

1.2 Web數據挖掘技術分析

路徑分析技術的應用使網絡中的信息劇增。用戶不可能在短時間內就找出自己所需的各類信息，需要從一個頁面鏈接至另一個頁面，同時由這一頁面鏈接至其他頁面。這樣的訪問路徑均會被記錄于服務器日志文件中。路徑分析屬于深層分析路徑中所含的日志文件，所得的結果有助于網站管理人員以多數用戶的對應需求改善各網站結構。分類分析技術是基于示例數據來分析模型，同時運用此類模式分類描述網上的數據。將分類分析技術應用于網絡銷售中，可為用戶提供他們喜歡的產品。聚類技術則是有效分析和整理海量用戶訪問數據，比如用戶喜歡的各種商品及其訪問網頁等，且基于相關規則分類，從而給出相應的特征描述，比如網絡營銷中的聚類技術。這有助于企業將用戶分為不同群體，同時給出該類群體的關鍵喜好和需求，依據用戶網站上的訪問記錄具有關聯性的深層分析，基于用戶習慣和喜好提供便捷的訪問方式，并為用戶推薦他們喜歡的相關商品和對應服務。

1.3 Web數據挖掘流程

在現代商業中，計算機Web數據挖掘流程為：①發現資源。在目標Web文檔中，由相關任務可獲得對應的數據。信息資源不僅局限于在線Web文檔中的數據，還包括新聞組、電子文檔、電子郵件、網站日志數據庫、交易數據庫中的海量數據。②選擇和預處理信息。在獲得Web資源的過程中，應用Web數據挖掘技術可將無用信息有效去除，合理調配有用信息。比如在Web文檔中，將廣告了解、自動識別字段或者段落、多余格式標記等去除，且將數據有效組合，建立具有內在邏輯性的關系表。③模式發現。自動模式發現可于多個站點或者同一站點內進行。數據發現主要是通過模式識別中的數據挖掘算法加工、分析用戶日志文件，掌握用戶訪問站點習慣和流量模式，便于企業進行決策改進和市場目標制訂。數據發現中應進行的操作主要是，先決定如何產生假設，然后再選擇適當的工具，從而深入發掘知識操作，最終證實所發掘的知識。④分析模式。該階段應表述數據挖掘結果，且深層分析和選擇處理提取的信息，合理區分最具價值的信息，經由決策支持工具而將信息交于決策人，最終通過可視化技術用圖形界面充分展示挖掘成果。

2 數據挖掘方法在商業信息中的使用規則

將數據挖掘技術應用于商業中，采用高度自動化技術分析商業原始數據，以作出歸納性推理，深層挖掘數據中的潛在性模式，嚴格預測客戶多方面的行為，這樣可幫助商業決策者合理調整市場策略，以便降低市場投資風險，確保決策者作出正確的決策，這也充分體現了決策支持的整個過程。

2.1 商業信息泛化、簡約和特征提取規則

商業信息泛化大多是為了商業數據能被深入理解和掌握，而將實際數據信息抽象為更高層次的信息；商業信息簡約是使用對應手段對信息進行描述；商業信息特征提取則是為了從海量信息中找尋信息通用特征。

2.2 商業信息分類技術規則

商業信息分類是依據一組商業信息對象特征對信息對象進行劃分。該類模式可深入反映數據庫中的大量數據信息，并將其提供于給定類別中。

2.3 商業信息聚類規則

商業信息聚類是為了識別一組信息對象的內在性規則而將對象分組，以組成類似的對象類，從中找出數據信息的分布規律，深入分析一組混雜數據信息的潛在性分類規則。聚類則是盡量縮短一組個體間的距離，同時確保不同類別個體間的距離較遠。

2.4 商業信息關聯規則

商業信息關聯規則主要是在商業數據挖掘中基于概念層次關聯規則而發現的。關聯規則是研究者于大型商場顧客購買上衣和褲子時總結出來的。經分析發現，大約10%的顧客會同時購買上衣和褲子，這體現出了一定的關聯規則。關聯規則在時間和序列方面存在一定的規律，比如不同季節購買的商品不同，不同層次或者不同年齡的人購買的商品也不同。

3 數據挖掘技術在商業信息中的應用策略

數據挖掘技術屬于現代商業信息處理中常見的處理技術，可為商業領域中的數據庫和復雜信息提取有價值的知識，從而提升信息的利用率，這對企業相應策略的制訂有著重要的現實意義。

3.1 在電子商務網站數據中的應用

隨著Web技術的飛速發展，電子商務網站成為了各大企業和商家的必爭之地。企業或商家如果想要吸引客戶，就要提升客戶忠誠度。電子商務網站每天都有上百萬次的在線交易，會生成大量記錄文件和登記表。對這些數據進行深層分析，可幫助商家了解客戶的喜好和購買模式，以滿足不同客戶群體的需求。企業或商家要從提升自身競爭力的角度出發，創建個性化網站。這些都是企業或商家生存、獲勝的關鍵手段。

網站數據挖掘所需的數據主要來自于客戶背景信息和瀏覽者點擊流?？蛻舯尘靶畔⒅饕强蛻舻怯洷?，而瀏覽者點擊流則是考察客戶的各種行為表現。但有時，客戶對自己的背景信息保密，不愿意將信息盡數填寫在登記表上，這就給數據分析和挖掘帶來了很大的難度。這時，就不得不從瀏覽者的各項表現數據著手，以此推測客戶背景信息，且將所得信息進行有效運用。從分析、建模技術和算法來講，網站數據挖掘與之前的數據挖掘差異較小，很多方式和分析思想均可借用。不同的網站數據格式均來自于點擊流，與傳統的數據格式差別很大，這為電子商務網站進行數據挖掘和電子商務運行提供了數據支持。

3.2 在金融領域中的應用

金融事務處理均需搜集相關數據。深層分析此類數據且總結其主要模式和特征，發現消費群體或金融組織的商業興趣，密切觀察相應金融市場的主要變化趨勢。將數據挖掘技術應用于銀行信息中時，商業銀行的業務利潤和風險是共存的。為了確保最大利潤和最小風險，應對賬戶展開嚴格的分析和歸類，同時對銀行信用進行評估。其間，應有效運用數據挖掘工具，根據客戶消費模式來預測何時給客戶提供何類產品。銀行應嚴格督促新開銀行網點盡早盈利，結合GPS來推理信息系統和商業智能應用系統，務必詳細記錄客戶的常駐地、客戶到此銀行網點辦理的業務等客戶信息。同時，銀行商業智能系統會自動記錄客戶的各項操作信息和銀行網點信息。利用各類記錄而獲得客戶常駐地至銀行網點的關鍵路線后會發現，某個地區進行各項業務操作的客戶較多，但因周邊沒有銀行網點而去別的地方辦理。此時，銀行應于該地方開辦銀行網點。

將數據挖掘技術應用于證券信息中時，上市企業都會定期作財務報告。這里包含了很多信息，比如當期會計盈余數據信息體現于股票市價上。對于中長期投資者來講，其可預見未來，質地較好或是未來有高盈利增長能力的企業屬中長期投資者，包括普通投資者和券商等。這些均是普通關注對象，此類公司可帶給投資者更高的回報。財務報告中有著大量描述公司經營狀況的相關數據。最終所獲得的數據為投資者提升企業未來盈利能力的關鍵信息，中長期投資者應合理利用此類信息挖掘其中盈利水平高、成長性好的企業。應用數據挖掘技術來挖掘財務報告中的關鍵信息，還可獲得更精準的預測效果，其所選擇的投資組合可獲得更好的收益。這些對投資者來說都非常關鍵。

3.3 在企業市場營銷中的應用

數據挖掘技術早已被普遍應用于企業市場營銷中，其基于市場營銷學的市場細分原理，基本假定消費者早期行為為未來消費傾向更好的體現。收集、加工和處理大都涉及消費者各項消費行為的大量信息，確保滿足特定消費群體、個體的興趣和消費習慣等各方面需求，從而嚴格推斷其相關消費群體，或者個體的繼續消費行為?；诖?，給予識別的消費群體特定內容的定向營銷，比傳統的大規模營銷更能節約營銷成本，提升營銷效果和利潤。這些數據信息經組合之后，用超級計算機及并行處理和神經元網絡等方式有效處理，獲得商家特定消費群體或個體定向營銷的決策信息。

4 結束語

隨著計算機技術的飛速發展，人們對數據挖掘技術提出了更高的要求。數據挖掘技術是一種新型信息技術，Web挖掘形式及其研究方向持續更新變化?，F代化商業領域的發展與變化更是十分迅速，這也要求未來Web數據挖掘技術具備更高的效率，大量商業活動均需經過自動、有效的數據分析技術獲得真實、可靠的市場信息，為企業各項活動提供更多的利潤決策信息?，F代化商業模式打破了企業傳統的經營理念、管理方式和支付手段，也促進了社會各大領域的不斷改革，企業及時調整自身營銷策略，提供動態且個性化的高效率服務非常重要。

參考文獻

[1]藺莉，潘浩.Web數據挖掘技術在電子商務中的應用[J].電腦知識與技術，2010（2）.

[2]龐英智.Web數據挖掘技術在電子商務中的應用[J].情報科學，2011（2）.

[3]由海涌，姜達.淺談Web數據挖掘技術的應用[J].電子技術與軟件工程，2013（6）.

〔編輯：劉曉芳〕