深层次的数据分析方法一一数据挖掘.pdfVIP

论 文 提 要 作为一种深层次的数据分析方法——数据挖掘，就是按既定的目标，对大量 的数据进行探索和分析，揭示其隐藏的、未知的或验证已知的规律性，并进一步 将其模型化的方法。运用数据挖掘技术，企业可以对大量的数据进行深层次的分 析，获得有利于商业运作、提高竞争力的信息。 数据挖掘技术应用于企业市场营销，是以市场营销学的市场细分及消费者行 为分析理论为基础。通过加工、处理、分析涉及消费者消费行为的大量信息，确 定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，就可以推断出 相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费 群体进行特定内容的定向营销。这与传统的不区分消费者对象特征的大规模营销 手段相比，不仅大大节省了营销成本，提高了营销效果，而且能防范营销风险， 从而为企业带来更多的利润。 本文将结合数据挖掘技术在市场营销中的一些具体商业解决方案，深入研究 数据挖掘技术在市场营销中的应用前景和实施方法。 前 言 近十几年来，人们利用信息技术生产和搜集数据的能力大幅度提高，千万万 个数据库被用于商业管理、政府办公、科学研究和工程开发等等领域，但是在这 所谓的信息爆炸时代，信息过量已成为大家共同面对的问题。要想使数据真正成 为一个公司的资源，只有充分利用它为公司自身的业务决策和战略发展服务，否 则大量的数据可能成为包袱，甚至成为垃圾。如何才能不被信息的汪洋大海所淹 没，从中及时发现有用的知识，提高信息利用率呢?面对“人们被数据淹没，同 时却仍然感到知识饥饿”的挑战，数据挖掘(Data Mining)技术应运而生，并越 来越显示出其强大的生命力。 数据挖掘技术主要用于从大量的数据中发现隐藏于其后的规律或数据间的 关系，它通常采用机器自动识别的方式，不需要更多的人工干预。采用数据挖掘 技术，可以为用户的决策分析提供智能的、自动化的辅助手段，在零售业、金融 保险业、医疗行业等多个领域都可以有很好的应用。 数据挖掘的前身即知识发现（Knowledge Discovery），它源自于人工智能的 机器学习领域，其实质的内涵是在一个已知状态的数据集上，通过设定一定的学 习算法，从数据集中获取所谓的知识。[1]目前，人工智能领域中的知识发现技 术已经发展到了一个很成熟的阶段，但是由于缺乏应用的土壤，它的路越走越窄。 而与此同时，数据库技术也已经发展到一定的阶段，并得到了广泛的应用。各个 企业都已经积累了无数的数据资源，迫切需要有一种技术能够帮助他们从数据中 发掘出其内在的规律，数据挖掘技术正好能满足这一需求。它实质上就是知识发 现技术在数据库领域中的应用。 知识发现技术的相关研究为数据挖掘技术提供了坚实的理论基础，然而当 前在国内数据挖掘领域的研究中，以有人工智能、统计学科背景的人居多。有人 工智能背景的人研究的出发点通常是试图去构造一些精致的算法，却很少考虑到 实际的应用。因此从某方面来说，数据挖掘技术在国内仍然没有发展到实用的阶 段。而在国外，数据挖掘技术已经在诸如银行、电信、保险、交通、零售等各个 商业领域都得到了广泛的应用。本文将结合一些具体商业解决方案，对其在市场 营销中的应用进行深入的探讨。 一、 数据挖掘技术的由来 （一）支持数据挖掘技术的基础 数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种数 据是存储在计算机的数据库中的，然后发展到可对数据库进行查询和访问，进而 发展到对数据库的即时动态访问。数据挖掘使数据库技术进入了一个更高级的应 用阶段，它不仅能对过去的数据进行查询和动态访问，并且能够找出过去数据之 间的潜在联系，从而促进信息的传递。在表一中列出了数据库技术经历的几个发 展阶段，从中我们可以看到，第四步进化是革命性的，因为从用户的角度来看， 这一阶段的数据库技术已经可以快速地回答商业上的很多问题了。 表一 数据库技术的进化历程。 进化阶段 解决的商业问题 区 别 数据搜集 “过去五年中我的总收 提供历史性的、静 (20世纪60年代) 入是多少？” 态的数据信息 数据访问 “在新英格兰的分部去 在记录级提供历