论利用数据挖掘技术提升商务解析能力

符萍

摘 要：通过数据挖掘技术和商务解析方法之间的关系入手，说明二者之间的隶属关系。介绍数据挖掘技术的数据准备、寻找模式、数据解释和建模和依据结果制定计划的运作步骤，并指出各步骤的关键事项。讨论了数据挖掘和文本挖掘技术在商务解析中的作用和应用现状和进一步发展商务解析能力的促进因素，更多的了解商务解析能力在企业中应用的潜力和限制。说明了商务解析在企业实际制定计划和决策时的关键作用，利用商务解析能力能够提升企业的业绩和竞争能力。

关键词：数据挖掘；商务解析；文本挖掘；电子商务

中图分类号：F27

文献标识码：A

文章编号：16723198（2015）03011903

推荐系统出现改变了顾客的选购模式，系统自动记录顾客的购买偏好，在下次购买时，将相关商品自动推荐给顾客，推荐系统的出现减少了顾客选购时间，增加了公司获利可能性，得到双赢效果。系统背后的基础是数据整理能力，收集好商业活动中数据并加工出能够准确有效的信息，提升企业竞争力和商业效率。新商务模式也为消费者带来便利，增加了消费者生活多样性，消费者的购买已经主要发生在因特网上。因此，在庞大的网络交易中，如何增加企业利润，发现业务市场潜力，都要以数据为基础来挖掘有效信息，提升企业分析和决策能力。夏国恩等以SCI、EI、CNKI相关数据库为基础，系统的分析了商务智能的研究趋势和研究进展，并集中研究了商务智能在我国的研究现状并提出建议。张巧从商务智能的核心概念和框架入手，分析我们商务智能的发展现状，介绍主流软件产品和厂商，并对未来的发展做了预测。胡翠华等以商务智能为研究视角，分析适合发展的行业和在我国的市场规模，针对发展趋势制定了相关政策。夏维力等从战略管理的角度讨论商务智能在战略决策中的作用，分析了战略决策中信息获取及处理方法和决策者洞察力等问题，介绍SWOT专家系统和智能网的情况。叶琼伟等介绍了商务智能在我国电子商务企业中的应用，从时间、价值信息和技术三个维度对商务智能进行了分析，并结合案例讨论其应用的好处。李振国等介绍了商务智能的含义和技术，讨论商务智能在供应链管理中的具体应用，指出了应用应遵循的原则和指导。田新等介绍了BPM的历史背景，BPM和BI之间的关系，描述了基于商务智能平台的企业绩效管理框架。

国内研究数据挖掘和商务智能的文献已有很多，但是针对商务解析的研究较少。商务解析过程的表现形式为商务智能，商务智能化需要了解商务解析过程和数据挖掘能力。分析企业已有数据，理解企业所处的商业环境，提高企业的竞争力，都要以商务解析能力为基础。商务解析是利用技术、规则、技能和实践经验分析和开发过去商业数据，在此基础上得出洞察力和有效商业机会。商务解析是基于数据和统计方法来了解企业过去的绩效、建立一种新的洞察力。商务解析广泛利用大数据、统计和计量方法、预测模型等来实现决策。

1 数据挖掘与商务解析的关系

从技术角度来看，在很多应用领域都将数据挖掘和商务解析等同，因为商务解析现在大多依靠数据挖掘技术来实现其功能。但是，在理论上两者有本质的区别。

数据挖掘技术为在企业数据库中将大量数据中隐含的、未知的、有价值的信息挖掘出来的技术。数据挖掘也是一个价值发现过程，主要利用统计方法、智能优化、人工智能、机器学习、数据库技术等方法自动分析企业数据，归纳、推理出潜在的价值信息，帮助企业发现价值、减少不必要的浪费、做出准确的决策。理论上，数据挖掘主要是识别企业数据集的模式，数据集可以来源企业数据库和公共数据库。能够利用数据库找出不同数据之间的相互联系和一般模式，得到不同的关联关系。

商务解析主要指利用数据收集方法和数据挖掘技术产生有价值信息的过程，要将数据呈现为标准的、可读性的文件用来指导决策者决策和管理活动。商务解析是一个过程，在这个过程前期主要进行信息收集整理和确定可执行文件的度量标准，后期根据数据挖掘技术处理数据，提取有价值信息。可以说，数据挖掘过程是商务解析过程的一部分。企业如果能够准确、有效的利用商务解析功能，将会提高决策过程，提高运作效率，实现商务智能化。图1说明了数据挖掘和商务解析之间的关系。

图1 商务解析过程

2 数据挖掘运作步骤

数据挖掘的正确使用能够提升企业竞争力，有效运用数据挖掘技术主要包括以下四个过程：

（1）数据准备。数据准备是从一个或多个数据源中构造数据集，为以后数据建模做准备。通常包括数据清理、数据转换和数据整理。数据清理主要是如何处理丢失的数据，数据转换是通过标准化、映射和聚集等方法转换数据价值，数据整理是将数据整合到更小的数据集中。数据准备是一个很长的过程，要有对数据的敏感度，知道什么样的数据是企业需要的数据。对选择好的数据也可能存在数据质量问题，要设定一系列标准来对待所选择的数据。数据的有效性、完整性和规范性能够导致在数据分析之后的结果输出时，错误的得出企业实际结果，造成不必要损失。

（2）在数据集寻找模式。数据挖掘的模式选择有很多类型，主要依据不同的企业目的和要求。从挖掘任务的角度可以分成概念/类描述，挖掘频繁模式、关联和相关，分类和预测，聚类分析，离群点分析和演变分析等。实现以上模式的挖掘工具有关联规则、聚类分类算法等，每一种不同的算法都可以找出不同的数据模式。企业如果要寻找下一个业务的增长点，就要在已有顾客信息的基础上，利用预测算法分析出顾客潜在的相关需求。

（3）数据解释和建模。通过找出的某一类型的数据，就要建立分析模型。利用模型进行准确、有效的数据，如果数据不符合开始的要求，那么将利用算法从更大的样本数据进行挖掘或更换数据属性。数据结果的解释要求准确和恰当，这对数据结果要按照目的和要求进行，不同的数据属性设置会造成数据结果的误差，这种误差会影响到后期的商务计划的制定和执行过程。

（4）根据结果制定计划。数据挖掘产生的结果被评估后是准确和可行的，就可以制定相关的商业计划，商业计划的制定也不能完全按照挖掘的结果制定，要综合分析企业的现状和人员素质，这样可以保证企业运用技术的合理性。如果某个商场发现两种平时不相关的商品存在一种购买关系，那么，就可以将它们放到相近的位置进行销售。互联网公司利用文本挖掘技术能够从相关网站挖掘出潜在的顾客，根据顾客的信息开发相关的网站模块或相关应用产品，到达公司发展的目的。

3 数据挖掘在商务解析中的作用

数据挖掘技术或知识发现是商务解析的基础，商务解析对数据进行筛选、甄别，了解企业过去与现状的实际状况，通过数据挖掘技术创造有价值的信息，预测企业将来的方向。数据挖掘技术利用算法挖掘海量数据集中的数据模式，在数据模式的基础上建立有价值的信息。该过程为利用预测、关联规则、聚类和分类一些数学方法，将数据之间的关系明确，发现企业产品之间的关系，顾客购买的一些行为模式，通过企业更好的了解产品和客户的需求，为客户更好的服务。很多公司利用文本数据挖掘技术，在博客、Twitter、Facebook等网站信息中找出顾客品牌的偏好，根据技术提取有价值信息指导企业在客户关系管理中如何行动。

数据查询是很多数据库软件的主要功能之一，数据查询通过已有的数据库中的数据查询出企业想得到的信息，但是在进行查询之前，企业已经设定好查询的目的和内容。而数据挖掘技术是在企业的数据库中进行没有设置目的的查询，找出一些企业无知的信息，通常将这个过程称为知识发现。这种知识发现是商务解析的基础，能够为商务解析过程提供丰富的信息源泉。数据挖掘技术最早在沃尔玛得到很好的应用，零售商的产品销售主要是陈列各种产品，沃尔玛从顾客的消费记录中挖掘出啤酒和尿不湿之间有一定的关系，通过将两种产品就近陈列促进了销售。零售商的商务解析过程叫做市场篮子分析，利用数据挖掘技术中的关联规则，找出商品之间的购买关联度，增加产品的交叉销售，指导商品的陈设方式。

钢铁企业根据客户的购买记录可以将其分类，利用数据挖掘技术的聚类分析找出相关客户之间属性的一致性分为不同的客户等级。很多客户在购买产品时将预付一定的款项，等商品收到后再支付其余货款，但是往往存在一定的违约现象，这类现象就可以利用聚类分析找出优良客户和不良客户之间的分界线，在不良客户中采用全额支付后发货的决策。这种技术的应用属于风险管理范畴，在银行或保险等金融行业，数据挖掘能够起到检测的作用，将信用不好的顾客分类，采取措施防范违约现象的发生。

4 促进商务解析发展的因素分析

虽然利用数据挖掘技术能够增强商务解析的分析能力，但是如果要更好的发展商务解析方法，要求问题求解逻辑、技术水平、系统整合等方面得到更好的提升。提高商务解析方法发展的因素主要包括以下方面：

（1）垂直一体化。由于不同客户和市场的要求，相关商务解析的应用程序和软件要求要缩短知识发现的时间，明确的客户问题和目标的确定，能够依据行业的特点制定详细的商业计划，这种要求促进了垂直一体化的产生。将专业的行业知识和行业目标包含到商务解析过程中，设计出准确分析客户的数据。在这一过程中，不单单利用数据挖掘技术挖掘信息，挖掘出的信息的评价也很重要。

（2）易理解模型和转换。商务解析后的结果往往不能被使用者读懂，需要数据挖掘专家来分析出输出结果的意义，这样会带来使用不便。构建易理解的模型和容易掌握的转换结果是客户的需求，客户要求能够用简单的图形或文字来表示最终的结果，这样有利于其他业务部门的专家直接得到结果，制定更详尽的商业计划。

（3）增强系统能力。系统的数据分析部分是很重要的部分，系统分析什么取决于收集到什么样的数据，扩大数据收集的范围能够为系统分析提供更多的素材。在扩大数据收集范围的同时，要考虑存储的安全性，设定唯一的标示来接受数据的存储。要扩大数据收集的来源渠道，例如需要客户信息时，要从网站、寻呼中心、无线接口等途径获得需要的数据。另外，提高系统运行的硬件设备和所在的网络环境，也同样有利于系统分析。

（4）应用新领域。越来越多的管理理念和方法的诞生为商务解析提供更多的应用空间，供应链管理、产品价格管理和员工管理是直接的应用方向。供应链管理利用数据的分析和解析能力，能够更好的建立供应链上企业的关系，按照准确的市场需求供应产品，减少不必要的库存成本和生产能力。企业制定产品价格时，可以从多个渠道收集产品相关价格，及时调整自身的价格，加快产品的流通速度。利用商务解析更多了解员工的实际情况和偏好，及时调整对企业员工的管理方法。

5 结论

数据挖掘技术的提高和发展，会不断加强商务解析能力。企业越来越需要数据挖掘和文本挖掘技术在商务解析中应用，成为企业发展的战略工具，提高企业竞争力。通过了解和熟悉数据挖掘技术的运作步骤，了解各步骤中的关键因素，结合企业实际情况，将数据挖掘技术引入商务解析方法之中，同时，了解企业商务解析发展的主要影响因素，努力在各影响因素中寻找突破口，加强影响因素对商务解析的正面作用，使企业都能够快速、准确的拥有商务解析能力，巩固企业供应链管理、客户关系管理和内部员工管理等方面的效率。

参考文献

[1]夏恩国，金炜东，张葛祥.商务智能在中国的现状和发展研究[J].科技进步与对策，2006，（1）：173176.

[2]张巧.商务智能发展现状与趋势研究[J].中国证券期货，2009，（2）：1417.

[3]胡翠华，陈登科.商务智能在我国的发展现状、问题及其对策[J].科技管理研究，2007，（10）：5052.

[4]夏维力，许昌元.商务智能技术在企业战略决策中的支持作用及方法研究[J].软科学，2004，18（3）：1521.

[5]叶琼伟，宋光兴，谭继江.商务智能（BI）在电子商务企业中应用的实证研究以YNYY药业连锁企业为例[J].科技进步与对策，2010，27（21）：112115.

[6]李振国，朱杰.商务智能在供应链管理中的应用[J].物流技术，2007，26（2）：145147.

[7]田新，张玉峰，夏恩德等.基于商务智能平台的企业绩效管理框架研究[J].科技管理研究，2013，（1）：235240.

[8]Mostafa M M. More than words： Social networks text mining for consumer brand sentiments [J]. Expert Systems with Applications，2013，40（10）：42414251.

[9]Agrawal R， Imielinski T， Swami A. Mining association rules between sets of items in large database[J].Proceedings of the ACM Sigmoid International Conference on Management of Data，New York，1993.