（上海網(wǎng)絡(luò)優(yōu)化）摘要：電子商務(wù)在現(xiàn)代商務(wù)活動(dòng)中的正變得日趨重要，而商務(wù)數(shù)據(jù)的處理則凸顯出數(shù)據(jù)挖掘的重要。本文討論了數(shù)據(jù)挖掘的主要方法，具體闡述了數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的作用及應(yīng)用。

    一、概述（上海企業(yè)網(wǎng)站建設(shè)）

    數(shù)據(jù)挖掘(Data Mining)起源于數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discover in Database，KDD)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取隱含的、未知的、非平凡且終可理解的及有潛在應(yīng)用價(jià)值的信息或模式。數(shù)據(jù)挖掘技術(shù)是計(jì)算機(jī)技術(shù)發(fā)展的熱點(diǎn)之一。

    通過(guò)對(duì)歷史積累的大量數(shù)據(jù)的有效挖掘，可以發(fā)現(xiàn)隱藏的規(guī)律或模式，為決策提供支持，而這些規(guī)律或模式是不能夠依靠簡(jiǎn)單的數(shù)據(jù)查詢(xún)得到，或者是不能在可接受的時(shí)間內(nèi)得到。這些規(guī)律或模式可以進(jìn)一步在專(zhuān)業(yè)人員的識(shí)別下成為知識(shí)，并可以應(yīng)用到以客戶為中心的企業(yè)決策分析和管理的各個(gè)不同領(lǐng)域和階段。

　　電子商務(wù)(E-Commerce)是以指利用電子數(shù)據(jù)交換(Electronic Data Interchange，EDI)、電子郵件(E-mail)、電子資金轉(zhuǎn)賬(Electronic Funds Transfer，EFT)和Internet等主要技術(shù)在個(gè)人、企業(yè)和國(guó)家之間進(jìn)行無(wú)紙化的信息交換，包括商品信息及其訂購(gòu)信息、資金信息及其支付信息、安全及其認(rèn)證信息等，即以現(xiàn)代信息技術(shù)為手段，以經(jīng)濟(jì)效益為中心的現(xiàn)代化商業(yè)運(yùn)轉(zhuǎn)模式。其終目標(biāo)是實(shí)現(xiàn)商務(wù)活動(dòng)的網(wǎng)絡(luò)化、自動(dòng)化與智能化。

　　隨著Internet的迅速發(fā)展，電子商務(wù)的應(yīng)用不斷深入。在電子商務(wù)應(yīng)用系統(tǒng)中，相關(guān)的用戶數(shù)據(jù)日益增多，數(shù)據(jù)挖掘技術(shù)具有從大量復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)特定規(guī)律的能力。商業(yè)電子化的趨勢(shì)不僅為客戶提供了便利的交易方式和廣泛的選擇，同時(shí)也為商家提供了更加深入了解客戶需求信息和購(gòu)物行為特征的可能性。

　　二、數(shù)據(jù)挖掘的主要方法（上海網(wǎng)站建設(shè)）

　　數(shù)據(jù)挖掘融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)。比較典型的數(shù)據(jù)挖掘方法有分類(lèi)、關(guān)聯(lián)規(guī)則分析、聚類(lèi)分析和孤立點(diǎn)分析等。

　　1.分類(lèi)。分類(lèi)是找出一個(gè)類(lèi)別的概念描述，它代表了這類(lèi)數(shù)據(jù)的整體信息，即該類(lèi)的內(nèi)涵描述，一般用規(guī)則或決策樹(shù)模式表示。實(shí)際上就是通過(guò)分析示例數(shù)據(jù)庫(kù)中的數(shù)據(jù)，為每個(gè)類(lèi)別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類(lèi)規(guī)則，然后用這個(gè)分類(lèi)規(guī)則對(duì)其他數(shù)據(jù)庫(kù)中的記錄進(jìn)行分類(lèi)。

　　2關(guān)聯(lián)規(guī)則分析。關(guān)聯(lián)規(guī)則分析用于發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。若兩個(gè)或多個(gè)數(shù)據(jù)項(xiàng)的取值重復(fù)出現(xiàn)且概率很高時(shí)，它就存在著某種關(guān)聯(lián)，可以建立起這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則，一般用“支持度”和“置信度”兩個(gè)閩值來(lái)淘汰那些無(wú)用的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則分析能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中諸如“90%的顧客在一次購(gòu)買(mǎi)活動(dòng)中購(gòu)買(mǎi)商品A的同時(shí)購(gòu)買(mǎi)商品B”之類(lèi)的特征。

　　3.聚類(lèi)分析。聚類(lèi)分析的對(duì)象是一組未分類(lèi)記錄，并且這些記錄應(yīng)分成幾類(lèi)事先也不知道。聚類(lèi)就是通過(guò)分析數(shù)據(jù)庫(kù)中的記錄數(shù)據(jù)，根據(jù)一定的分類(lèi)規(guī)則，合理地劃分記錄集合，確定每個(gè)記錄所在類(lèi)別。它所采用的分類(lèi)規(guī)則是由聚類(lèi)分析工具決定的。采用不同的聚類(lèi)方法，對(duì)于相同的記錄集合可能有不同的劃分結(jié)果。

　　4.孤立點(diǎn)分析。數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，這些記錄稱(chēng)為孤立點(diǎn)，常常包括很多潛在的知識(shí)，如分類(lèi)中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。孤立點(diǎn)分析基本方法是尋找觀測(cè)結(jié)果與參照之間的差別。

　　三、據(jù)據(jù)挖掘在的應(yīng)用（上海做網(wǎng)站）

　　數(shù)據(jù)挖掘的應(yīng)用十分廣泛，如銀行、電信、保險(xiǎn)、交通、零售(如超級(jí)市場(chǎng))等領(lǐng)域。數(shù)據(jù)挖掘所能解決的典型商業(yè)問(wèn)題包括數(shù)據(jù)庫(kù)營(yíng)銷(xiāo)(Database Marketing)、客戶群體劃分(Customer Segmentation & Classification)、背景分析(Profile Analysis)、交叉銷(xiāo)售(Cross-selling)等市場(chǎng)分析行為，以及客戶流失性分析(Churn Analysis)、客戶信用記分(Credit Scoring)和欺詐發(fā)現(xiàn)(Fraud Detection)等。[Page]

　　分類(lèi)的目的是構(gòu)造一個(gè)分類(lèi)函數(shù)或分類(lèi)模型，通常稱(chēng)作分類(lèi)器。分類(lèi)器的構(gòu)造方法通常由統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等。在金融領(lǐng)域，管理者可以通過(guò)對(duì)客戶償還能力以及信用的分析，進(jìn)行分類(lèi)，評(píng)出等級(jí)，減少放貸的盲目性，提高資金的使用效率。

　　在零售業(yè)，數(shù)據(jù)挖掘可有助于識(shí)別顧客購(gòu)買(mǎi)行為，發(fā)現(xiàn)顧客購(gòu)買(mǎi)模式和趨勢(shì)，改進(jìn)服務(wù)質(zhì)量，取得更好的顧客保持力和滿意程度，提高貨品銷(xiāo)量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷(xiāo)策略，減少商業(yè)成本。

　　電信、計(jì)算機(jī)網(wǎng)絡(luò)、因特網(wǎng)和各種其它方式的通信和計(jì)算的融合是目前的大勢(shì)所趨。利用數(shù)據(jù)挖掘技術(shù)來(lái)幫助理解商業(yè)行為、確定電信模式、捕捉盜用行為、更好的利用資源和提高服務(wù)質(zhì)量是非常有必要的，通過(guò)挖掘進(jìn)行盜用模式分析和異常模式識(shí)別，從而可盡早發(fā)現(xiàn)盜用，為公司減少損失。數(shù)據(jù)挖掘是一個(gè)非常復(fù)雜的過(guò)程。每一種數(shù)據(jù)挖掘技術(shù)方法都有其自身的特點(diǎn)和實(shí)現(xiàn)步驟。每種數(shù)據(jù)挖掘的技術(shù)方法對(duì)輸入/輸出數(shù)據(jù)形式的要求、結(jié)構(gòu)、參數(shù)設(shè)置、訓(xùn)練、測(cè)試和模型評(píng)價(jià)方式各自有不同的要求，算法應(yīng)用領(lǐng)域的含義和能力也存在差異。數(shù)據(jù)挖掘過(guò)程一般分為定義問(wèn)題、準(zhǔn)備數(shù)據(jù)、實(shí)施挖掘、評(píng)價(jià)與表示等幾個(gè)階段。數(shù)據(jù)挖掘過(guò)程的這幾個(gè)階段都需要人的參與指導(dǎo)。（企業(yè)網(wǎng)站建設(shè)）

　　四、結(jié)束語(yǔ)

　　數(shù)據(jù)挖掘是指按企業(yè)既定業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示隱藏的、未知的或驗(yàn)證已知的規(guī)律性，并進(jìn)一步將其模型化的先進(jìn)有效的方法。電子商務(wù)是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來(lái)商業(yè)運(yùn)作模式的必然選擇。企業(yè)數(shù)據(jù)量日益龐大，其中真正有價(jià)值的信息卻很少，利用數(shù)據(jù)挖掘技術(shù)，從大量的數(shù)據(jù)中經(jīng)過(guò)深層分析，獲得有利于商業(yè)運(yùn)作、提高競(jìng)爭(zhēng)力的信息，發(fā)揮企業(yè)的獨(dú)特優(yōu)勢(shì)，促進(jìn)管理創(chuàng)新和技術(shù)創(chuàng)新。（企業(yè)網(wǎng)站建設(shè)）