试述网络经济下数据挖掘在工商管理中的应用.docVIP

试述网络经济下数据挖掘在工商管理中的应用 　　摘要：通过阐述数据挖掘的内涵，深入分析了经济用户管理与数据挖掘的关系，详细研究了数据挖掘在工商管理（经济用户管理）中的应用，以资业内人士借鉴参考。 　　关键词：网络经济；数据挖掘；工商管理 　　中图分类号：C37文献标识码： A 文章编号： 　　引言 　　随着网络经济的发展，企业的产品越来越趋向于同质化，仅仅依靠产品本身很难在日趋激烈的竞争中取胜，所以愈来愈多的先进企业将重点从“以产品为中心”向“以经济用户为中心”的新型商业模式转移，经济用户管理也就应运而生。这种经济用户管理的模式可以为企业决策和经营打造科学的管理系统。有效整合企业在经营生产中存储的海量的经济用户的相关资料，认真分析用户购买意向和记录，清晰汇总经济用户反馈信息，有助于节约企业成本，提升经营水平。 　　对数据深入研究、理性分析、科学挖掘潜藏其中的有效情报，可以改善企业和经济用户的经济关系，发挥工商管理的科学理念和新兴技术的有效结合，实现经济用户管理的功能和目标。对经济数据进行收集、整理、存储、分析、研究、归类和建模处理，可以推动企业的经营决策和科学生产。数据挖掘在经济用户管理中有着广阔的应用前景。 　　1 数据挖掘的内涵 　　1.1 概念 　　数据挖掘(Data Mining,DM), 又称数据库中的知识发现(Knowledge Discovery inDatabase,KDD), 是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式, 采用DM技术可以从大量的数据中提取出这些有用信息, 分析数据以预测未来, 为企业经营决策、市场策划提供依据。它是数据库研究中的一个很有应用价值的新领域, 融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。 　　1.2 常用分析方法 　　数据挖掘综合了多种技术, 如神经网络、决策树、遗传算法、最近邻算法、规则推理、粗糙集理论、模糊理论等。目前, 常用的数据挖掘方法有: 关联分析、序列模式分析、分类分析、聚类分析、偏差分析等。 　　1.2.1 关联研究分析: 发现大量数据中项集之间有趣的关联或相关联系, 从而为某些决策提供必要支持。它是数据库中存在的一类重要的、可被发现的知识, 被广泛应用于决策支持系统。 　　1.2.2 序列模式研究分析: 指通过时间序列搜索出重复发生概率较高的模式。它是用已知的数据预测未来的值。但这些数据的区别是变量所处时间的不同。例如, 今天银行调整利率, 明天股市变化。 　　1.2.3 分类研究分析: 找出一组能够描述数据集合典型特征的模型(或函数), 以便能够分类识别未知数据的归属或类别。常用的典型分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。 　　1.2.4 聚类研究分析:把一组个体按相似性归成若干类型, 使同一类别之内的相似性尽可能大, 而类别之间的相似性尽可能小。聚类增强了人们对客观现实的认识, 是概念描述和偏差分析的先决条件。 　　1.2.5 偏差研究分析: 从数据库中找出异常情况。检验的基本方法即寻找观察结果与参照之间的差别。 　　2经济用户管理与数据挖掘的基本理论 　　经济用户管理是指对企业和经济用户之间的交互活动进行管理的过程。它是企业为了提高核心竞争力，通过改进对经济用户的服务水平，提高经济用户满意度和忠诚度所树立起来的以经济用户为核心的经营理念; 是通过开展系统化的理论研究，优化企业组织体系和业务流程，实施于企业的市场营销、销售、服务、技术支持等与经济用户相关的领域，旨在改善企业与经济用户之间关系的新型机制; 也是企业通过技术投资，建立能搜集、跟踪和分析经济用户信息的系统，创造并使用先进的信息技术、软硬件，以及优化的管理方法和解决方案的总和。 　　3 数据挖掘在工商管理（经济用户管理）中的应用 　　在经济用户管理过程中, 经济用户生命周期对企业来说非常重要, 因为它直接关系到企业的经济用户收益和经济用户利润, 一方面经济用户生命周期提供了经济用户信息来源, 另一方面经济用户生命周期使得企业明确了为满足经济用户需求应注重的方面。经济用户生命周期为数据挖掘在经济用户管理中的应用提供了基础, 数据挖掘是建立在数据仓库之上的, 通过各种先进的信息技术和数理统计方法挖掘数据仓库中的潜在的、有价值的经济用户信息, 通过运用数据挖掘, 企业能把大量的经济用户记录变成系统的经济用户信息, 提供给决策者, 这样不仅解决了企业进行决策时遇到的信息匮乏, 也充分发挥了企业实施经济用户管理的效用。 　　3.1经济用户分析。经济用户管理系统主要是面向经济用户,因此对经济用户数据的分析是极为重要的, 通过对经济用户数据的分析, 发现经济用户需求, 调整企业战略并实施