现代商业中计算机数据挖掘技术的应用

李娜娜

摘 要：现代信息技术和商业模式发展迅速，数据挖掘技术的应用对海量商业信息处理有着极大的现实意义。互联网的不断发展使得数据挖掘技术成为现代商业获取市场信息的重要载体。目前，在大量商业活动中，借助数据自动分析技术可以获得真实、可靠的市场信息，为企业各项商业活动提供更多的商业利润决策信息。Internet可以说是一个海量信息资源储备库，在商务活动中，企业希望各类访问、分析、使用等均是科学、有效的，从而为数据挖掘提供更好的发展空间。数据挖掘是基于企业已定目标，深入分析企业各项数据，揭示企业中潜在的未知规律，从而将其模型化，以此来支持企业各项商业决策活动。简述了Web数据挖掘技术，深入分析了数据挖掘方法在商业信息中的使用规则，探析了数据挖掘技术在商业信息中的应用策略。

关键词：商业信息；数据挖掘技术；Web技术；数据库

中图分类号：TP311.13 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.05.024

随着数据库技术和人工智能技术的飞速发展，数据挖掘技术应运而生，属于一种新型信息技术。自20世纪90年代以来，经济全球化、贸易自由化、信息现代化进展迅速，信息技术、商务技术和管理技术等的结合提高了现代生产力。在现代商业中，计算机Web技术在不断推动着部门经济、区域经济、国民经济和世界经济的发展。现代化商业运转模式属于一种全新的商业模式，是基于网络平台，采用现代化信息技术手段，着眼于提升经济效益的现代化商业模式。这一模式的应用使得各项商务活动网络化、数字化。现代化商业模式的产生打破了企业传统的经营理念、管理方式和支付手段，促进了社会各大领域的不断改革。应用功能强大的Web数据挖掘技术，可辅助企业更加深入地分析网络上所收集的各项数据，引导企业合理调整营销策略。这样，有助于为客户提供动态、个性且高效的服务。

1 Web数据挖掘技术概论

1.1 Web数据挖掘技术简述

数据挖掘主要是数据开采，是从新角度将数据库技术、KDD技术与统计学合理结合，依据企业既定目标，在各项数据中更深入地挖掘其内部潜在性信息，且有效处理各项知识的过程。在数据挖掘过程中，高效率获取大量数据，或者基于一定应用领域找出数据之间所存在的关系，可有效提升算法效率。数据挖掘大都是为达到一定目的而进行数据收集，这就使得数据挖掘难度较大。在数据挖掘中，重要的数据极易丢失，未知性和不完全性等均存在于其中。Web数据挖掘大都是从众多Web站点和文档集合中深层挖掘潜在有效信息，这也是数据挖掘技术在Web环境下的应用。Web数据挖掘技术是一项综合技术，其涉及多个学科，比如计算机语言学、统计学和信息学等。Web数据挖掘一般可分为Web结构挖掘、Web内容挖掘和Web访问信息挖掘等。其中，Web结构挖掘即挖掘Web潜在的链接结构模式；Web内容挖掘是对Web页面内容进行挖掘，从大量的Web数据中发现信息、抽取知识的过程；Web访问信息挖掘即用户从Web站点的访问数据中发现有价值的信息。近年来，现代商业发展迅速，用户量逐年增长，Web数据库包含的数据资源日趋多样。自动收集数据，并将挖掘数据转换为商业行为，从而满足数据挖掘条件，这也使现代商业成为了Web数据挖掘的一大领域。

1.2 Web数据挖掘技术分析

路径分析技术的应用使网络中的信息剧增。用户不可能在短时间内就找出自己所需的各类信息，需要从一个页面链接至另一个页面，同时由这一页面链接至其他页面。这样的访问路径均会被记录于服务器日志文件中。路径分析属于深层分析路径中所含的日志文件，所得的结果有助于网站管理人员以多数用户的对应需求改善各网站结构。分类分析技术是基于示例数据来分析模型，同时运用此类模式分类描述网上的数据。将分类分析技术应用于网络销售中，可为用户提供他们喜欢的产品。聚类技术则是有效分析和整理海量用户访问数据，比如用户喜欢的各种商品及其访问网页等，且基于相关规则分类，从而给出相应的特征描述，比如网络营销中的聚类技术。这有助于企业将用户分为不同群体，同时给出该类群体的关键喜好和需求，依据用户网站上的访问记录具有关联性的深层分析，基于用户习惯和喜好提供便捷的访问方式，并为用户推荐他们喜欢的相关商品和对应服务。

1.3 Web数据挖掘流程

在现代商业中，计算机Web数据挖掘流程为：①发现资源。在目标Web文档中，由相关任务可获得对应的数据。信息资源不仅局限于在线Web文档中的数据，还包括新闻组、电子文档、电子邮件、网站日志数据库、交易数据库中的海量数据。②选择和预处理信息。在获得Web资源的过程中，应用Web数据挖掘技术可将无用信息有效去除，合理调配有用信息。比如在Web文档中，将广告了解、自动识别字段或者段落、多余格式标记等去除，且将数据有效组合，建立具有内在逻辑性的关系表。③模式发现。自动模式发现可于多个站点或者同一站点内进行。数据发现主要是通过模式识别中的数据挖掘算法加工、分析用户日志文件，掌握用户访问站点习惯和流量模式，便于企业进行决策改进和市场目标制订。数据发现中应进行的操作主要是，先决定如何产生假设，然后再选择适当的工具，从而深入发掘知识操作，最终证实所发掘的知识。④分析模式。该阶段应表述数据挖掘结果，且深层分析和选择处理提取的信息，合理区分最具价值的信息，经由决策支持工具而将信息交于决策人，最终通过可视化技术用图形界面充分展示挖掘成果。

2 数据挖掘方法在商业信息中的使用规则

将数据挖掘技术应用于商业中，采用高度自动化技术分析商业原始数据，以作出归纳性推理，深层挖掘数据中的潜在性模式，严格预测客户多方面的行为，这样可帮助商业决策者合理调整市场策略，以便降低市场投资风险，确保决策者作出正确的决策，这也充分体现了决策支持的整个过程。

2.1 商业信息泛化、简约和特征提取规则

商业信息泛化大多是为了商业数据能被深入理解和掌握，而将实际数据信息抽象为更高层次的信息；商业信息简约是使用对应手段对信息进行描述；商业信息特征提取则是为了从海量信息中找寻信息通用特征。

2.2 商业信息分类技术规则

商业信息分类是依据一组商业信息对象特征对信息对象进行划分。该类模式可深入反映数据库中的大量数据信息，并将其提供于给定类别中。

2.3 商业信息聚类规则

商业信息聚类是为了识别一组信息对象的内在性规则而将对象分组，以组成类似的对象类，从中找出数据信息的分布规律，深入分析一组混杂数据信息的潜在性分类规则。聚类则是尽量缩短一组个体间的距离，同时确保不同类别个体间的距离较远。

2.4 商业信息关联规则

商业信息关联规则主要是在商业数据挖掘中基于概念层次关联规则而发现的。关联规则是研究者于大型商场顾客购买上衣和裤子时总结出来的。经分析发现，大约10%的顾客会同时购买上衣和裤子，这体现出了一定的关联规则。关联规则在时间和序列方面存在一定的规律，比如不同季节购买的商品不同，不同层次或者不同年龄的人购买的商品也不同。

3 数据挖掘技术在商业信息中的应用策略

数据挖掘技术属于现代商业信息处理中常见的处理技术，可为商业领域中的数据库和复杂信息提取有价值的知识，从而提升信息的利用率，这对企业相应策略的制订有着重要的现实意义。

3.1 在电子商务网站数据中的应用

随着Web技术的飞速发展，电子商务网站成为了各大企业和商家的必争之地。企业或商家如果想要吸引客户，就要提升客户忠诚度。电子商务网站每天都有上百万次的在线交易，会生成大量记录文件和登记表。对这些数据进行深层分析，可帮助商家了解客户的喜好和购买模式，以满足不同客户群体的需求。企业或商家要从提升自身竞争力的角度出发，创建个性化网站。这些都是企业或商家生存、获胜的关键手段。

网站数据挖掘所需的数据主要来自于客户背景信息和浏览者点击流。客户背景信息主要是客户登记表，而浏览者点击流则是考察客户的各种行为表现。但有时，客户对自己的背景信息保密，不愿意将信息尽数填写在登记表上，这就给数据分析和挖掘带来了很大的难度。这时，就不得不从浏览者的各项表现数据着手，以此推测客户背景信息，且将所得信息进行有效运用。从分析、建模技术和算法来讲，网站数据挖掘与之前的数据挖掘差异较小，很多方式和分析思想均可借用。不同的网站数据格式均来自于点击流，与传统的数据格式差别很大，这为电子商务网站进行数据挖掘和电子商务运行提供了数据支持。

3.2 在金融领域中的应用

金融事务处理均需搜集相关数据。深层分析此类数据且总结其主要模式和特征，发现消费群体或金融组织的商业兴趣，密切观察相应金融市场的主要变化趋势。将数据挖掘技术应用于银行信息中时，商业银行的业务利润和风险是共存的。为了确保最大利润和最小风险，应对账户展开严格的分析和归类，同时对银行信用进行评估。其间，应有效运用数据挖掘工具，根据客户消费模式来预测何时给客户提供何类产品。银行应严格督促新开银行网点尽早盈利，结合GPS来推理信息系统和商业智能应用系统，务必详细记录客户的常驻地、客户到此银行网点办理的业务等客户信息。同时，银行商业智能系统会自动记录客户的各项操作信息和银行网点信息。利用各类记录而获得客户常驻地至银行网点的关键路线后会发现，某个地区进行各项业务操作的客户较多，但因周边没有银行网点而去别的地方办理。此时，银行应于该地方开办银行网点。

将数据挖掘技术应用于证券信息中时，上市企业都会定期作财务报告。这里包含了很多信息，比如当期会计盈余数据信息体现于股票市价上。对于中长期投资者来讲，其可预见未来，质地较好或是未来有高盈利增长能力的企业属中长期投资者，包括普通投资者和券商等。这些均是普通关注对象，此类公司可带给投资者更高的回报。财务报告中有着大量描述公司经营状况的相关数据。最终所获得的数据为投资者提升企业未来盈利能力的关键信息，中长期投资者应合理利用此类信息挖掘其中盈利水平高、成长性好的企业。应用数据挖掘技术来挖掘财务报告中的关键信息，还可获得更精准的预测效果，其所选择的投资组合可获得更好的收益。这些对投资者来说都非常关键。

3.3 在企业市场营销中的应用

数据挖掘技术早已被普遍应用于企业市场营销中，其基于市场营销学的市场细分原理，基本假定消费者早期行为为未来消费倾向更好的体现。收集、加工和处理大都涉及消费者各项消费行为的大量信息，确保满足特定消费群体、个体的兴趣和消费习惯等各方面需求，从而严格推断其相关消费群体，或者个体的继续消费行为。基于此，给予识别的消费群体特定内容的定向营销，比传统的大规模营销更能节约营销成本，提升营销效果和利润。这些数据信息经组合之后，用超级计算机及并行处理和神经元网络等方式有效处理，获得商家特定消费群体或个体定向营销的决策信息。

4 结束语

随着计算机技术的飞速发展，人们对数据挖掘技术提出了更高的要求。数据挖掘技术是一种新型信息技术，Web挖掘形式及其研究方向持续更新变化。现代化商业领域的发展与变化更是十分迅速，这也要求未来Web数据挖掘技术具备更高的效率，大量商业活动均需经过自动、有效的数据分析技术获得真实、可靠的市场信息，为企业各项活动提供更多的利润决策信息。现代化商业模式打破了企业传统的经营理念、管理方式和支付手段，也促进了社会各大领域的不断改革，企业及时调整自身营销策略，提供动态且个性化的高效率服务非常重要。

参考文献

[1]蔺莉，潘浩.Web数据挖掘技术在电子商务中的应用[J].电脑知识与技术，2010（2）.

[2]庞英智.Web数据挖掘技术在电子商务中的应用[J].情报科学，2011（2）.

[3]由海涌，姜达.浅谈Web数据挖掘技术的应用[J].电子技术与软件工程，2013（6）.

〔编辑：刘晓芳〕