網絡經濟下數據挖掘的常用技術方法及在工商管理中的實踐研究

翟治宇

摘 要：本文以網絡經濟為背景，在對數據挖掘進行簡單介紹的基礎上，結合現有數據挖掘技術和分析方法，圍繞工商管理的應用展開了討論，內容涉及提煉訪問者信息、企業預測與估計等方面，希望能給相關人員以啟發，使數據挖掘優勢在工商管理領域得到充分發揮。

關鍵詞：網絡經濟;工商管理;數據挖掘

0 引言

在網絡經濟下，如何使供應商、合作者擁有可靠的交流平臺，引起越來越多人的重視?，F有搜索引擎，通常無法對全部網頁進行搜索，用戶需求難以得到滿足，數據挖掘的出現，使上述問題迎刃而解。有關人員可以憑借數據挖掘技術，對網頁隱藏信息加以提煉，通過全面分析得出相應規律。由此可見，無論是對工商管理，還是其他工作而言，本文所研究課題都有重要意義。

1 數據挖掘介紹

無論是網絡技術的發展，還是數據庫的完善，均加快了人們對數據進行加工與收集的速度，如何在大量數據中，對所需數據進行精準提煉，自然成為各行各業關注的重點，數據挖掘技術應運而生。

數據挖掘強調的是以大量隨機且不規則的數據為基礎，對有價值的信息進行提煉，為用戶決策的制定提供幫助。具體來說，就是以數據庫為載體，發現所需信息。由此可見，數據挖掘要滿足三點要求：其一，數據源隨機且不規則，有噪聲存在;其二，以用戶需求對象為信息;其三，在可理解、可接受和可使用范圍內，對信息進行選取。此外，即便滿足上述要求，有關人員仍要對問題是否具有針對性加以判斷，即：信息篩選有明確限制和約束存在，不僅要與用戶表現出的學習與理解能力相符，還要能夠利用簡單易懂的語言，對最終結論加以表達。

對Web數據進行挖掘，則是網絡經濟衍生出的全新概念。作為數據挖掘分支，Web數據挖掘與數據挖掘的差異，主要體現在數據庫上，常規數據庫以數學模型為基礎，利用模型完成數據的描述，Web數據庫則以Web服務器加載數據文件為主體，從中對用戶需要信息加以提煉。由此可見，Web數據挖掘內容，通常是電子商務、頁面內容和訪問信息。

2 數據挖掘技術

2.1 數據挖掘類型

2.1.1 結構挖掘

結構挖掘對象以鏈接結構模式為主。引文分析是最早對結構挖掘加以利用的載體，在對鏈接結構模式進行建立時，有關人員以網頁鏈接主體和數量為主要借鑒對象。落實網頁歸類及相關工作時，大部分企業均會選擇結構挖掘技術，旨在獲得網頁關聯度、相似度數據。除此之外，結構挖掘的作用，還有助于瀏覽者對所需網站進行尋找。

2.1.2 用法挖掘

提出用法挖掘的初衷，主要是對用戶網絡行為及相關數據加以掌握。上文提到的結構挖掘，還有下文將要介紹的內容挖掘，均以原始數據為挖掘對象，而用法挖掘對象則是二手數據，例如，用戶信息、交易信息和聊天記錄，此類數據均以人機交互為基礎。

2.1.3 內容挖掘

內容挖掘對象以網頁文檔和數據為主，對網頁進行搜索時，以上內容是主要考察對象。在網絡經濟下，信息呈爆發式增長，若以信息源為依據，則可將信息分為以下幾類：其一，WWW數據，此類數據的特點是隱藏于WWW形式后，例如，Usenet、Gopher等;其二，在數據庫存儲的數據;其三，無法直接訪問的數據。若以資源形式為依據，那么，常見信息類型有文本、音頻等。

2.2 數據挖掘分析方法

2.2.1 序列分析

序列分析的目的，主要是對數據聯系進行挖掘，其中，因果關系是分析側重點。廠商以序列模式為依托，完成銷售記錄的分析工作，通常能夠對潛在購物模式有準確了解，例如，在對微波爐進行購買前，大部分顧客都會提前備選好商品。

2.2.2 分類分析

對數據庫、特征不同類別進行設置，該數據庫下屬記錄均有類別與之對應。分類分析強調以示例數據庫含有數據為分析對象，以準確描述不同類別為前提，通過建立分析模型的方式，使分類規則更為明確，在此基礎上，在分類規則的指導下，完成記錄分類的相關工作。

2.2.3 關聯分析

針對數據挖掘展開的研究，通常以關聯分析為主要內容，由關聯規則衍生出的挖掘算法較多，其中，最具代表性的有DHP、AIS等。綜合考慮多方因素可知，關聯分析的初衷是對數據隱藏關系進行挖掘，有關人員可憑借該技術，獲取“九成顧客會同時購買A商品和B商品”等信息。此外，關聯分析內涵同樣要引起重視，詳細來說，就是以用戶指定支持度、置信度最小值為依據，對關聯規則進行生成。

2.2.4 組合分析

在網絡發展迅速的當下，信息超載和信息過載的情況無法避免，但以數據挖掘為依托，獲得過濾機制所需信息，可削弱上述情況帶來的負面影響，在減少信息獲取負擔的基礎上，確保用戶能夠獲得優質信息。例如，在對內容挖掘技術加以使用前，通過篩選并歸檔網絡文檔信息的方式，以減少有處理需求的數據為基礎，在提高數據質量、信息挖掘速度的前提下，縮短用戶獲得信息需要花費的時間，為信息精確度提供保證。

3 工商管理中數據挖掘的應用

3.1 提煉訪問者信息

近幾年，持續發展的電子商務行業，促使大量供應商進入市場，與常規企業爭奪市場份額。事實證明，電子商務的大范圍推廣，給交易帶來了十分積極的影響，即效率高、成本低、透明度佳、協調性強。

企業挖掘網站數據的第一步，便是對訪問者特點加以明確，使訪問者適用條款得到精準提煉。研究表明，訪問者特征往往涉及心理狀態、人口統計與交互信息。心理狀態是指心理調研所展現的個性，例如，技術興趣、商品選擇方向，如果網站訪問者的數量持續增加，可供分析的數據也會更多。人口統計并非一成不變，無論是收入和消費水平，還是家庭住址，均處于不斷變化的狀態下。而交互信息所指代的內容，主要是優選信息、購買歷史。除此之外，有關人員還應對公司信息、網站信息引起重視，公司信息對應服務器傳達的要素，網站信息則以會話信息為主，二者均與訪問者密切相關。

3.2 確定目標并描述問題

網上交易的優勢，主要是在對訪問者做出反應方面，企業擁有突出的前瞻性。如果食品、服裝等廠商擁有具象而明確的目標，便可借助數據挖掘技術，使目標擁有快速實現的基礎。以名品鞋柜為例，該廠商所設定的目標，依次為增加網頁訪問量—延長網頁瀏覽時間—降低退換貨比例—提升品牌知名度。

對電子商務企業而言，如何高效傳播商品是工作重點，要想在凸顯網頁個性化的基礎上，確保商品信息能夠完整展現在顧客眼前，對訪問者特征加以了解是關鍵，只有這樣才能準確預測后續行為。上述工作能否順利完成，通常取決于隱含模式能否得到支持。

3.3 完成關聯分析

以顧客交易數據為依據見表1，通過關聯規則分析的方式，對顧客購買趨勢加以掌握，便是關聯分析的主要作用。本文提到的關聯分析，主要指的是某次瀏覽、會話提及的商品，如果淘寶網等商務網站能夠對商品進行整合，不僅會使顧客瀏覽時間得到節約，還對購買概率的提高有著積極影響。若關聯商品有促銷計劃，該組合中其他商品的銷量，通常能夠大幅提高。當然，對網站目錄等靜態網頁而言，關聯分析同樣適用，若引入關聯分析，網站目錄對商品進行排序的依據，將以廠商選擇為主。除此之外，網站首頁還會有選擇性、有針對性地展示商品相關信息。

3.4 聚類、描繪決策樹

聚類主要是指對特征相同的商品進行歸類，通過特征平均的方式，獲得特征矢量?，F階段，聚類技術主要被用來對數據類別加以確定，根據特定聚類對其他數據進行表示。一般來說，在確定訪問者類型時，大部分企業均會對該技術加以使用。

決策樹的描繪對象，以決策制定所遇到數據點和問題為主。例如，消費者決定購買電視機，便要思考自身需求、商品尺寸與品牌等，從而確保決定正確。而決策樹的作用，主要是排序決策過程，通過對最優路徑加以確定的方式，精簡不必要的決策步驟，使決策速度與質量得到提高。近幾年，以耐克為代表的諸多廠商，在完善產品選擇系統時，均對決策樹體系進行了引入，旨在為訪問者問題的解決提供幫助。

3.5 企業預測與估計

3.5.1 預測

對個性化網頁而言，判斷未來事項的預測十分重要，相關企業可以通過匯總數據的方式，達到全面了解客戶的效果。即便分析對象是已經發生的事件，同樣能夠獲得有價值的信息。由此可見，預測主要被用來匯總訪問者信息，為企業制定商品組合方案提供參考，確保商品與客戶訴求高度契合。

3.5.2 估計

如果預測是以當前趨勢為依據，對未來進行判斷，估計則是對未知量進行判斷。在網絡經濟下，估計擁有和預測相似的算法，企業能夠通過估計的方式，準確預判空白項目。例如，淘寶網想要對訪問者收入加以了解，便可以選擇估計收入相關量，參考特征相同訪問者的收入，對特定訪問者收入進行衡量。

4 結論

由上文所敘述內容能夠看出，強調人工智能、網絡技術和數據庫技術的數據挖掘，有其出現的可行性及必然性。在數據被大量生產出來的當下，只有掌握高效挖掘數據的技術，才能使大量數據被自動轉化為所需信息，并為工商管理等工作的開展提供助力。

參考文獻：

[1]文珂，汪鋒.基于數據挖掘技術的銀行客戶關系管理系統設計與建設[J].電腦編程技巧與維護，2020（07）：82-83.

[2]門學林.大數據背景下數據挖掘技術在管理會計中的運用[J].當代會計，2020（11）：3-4.

[3]潘翠芬.基于數據挖掘技術的數字檔案管理信息系統的設計與實現[J].城建檔案，2020（04）：25-26.