数据挖掘应用研究前沿与发展趋势.docVIP

数据挖掘应用研究前沿与发展趋势 　　摘 要：互联网催生了大数据，在互联网渗透各个产业的过程中，同时也实现了数据电子化，使产生的大数据具备了前所未有的利用价值。大数据将通过自己的“智慧”，重塑了很多产业。因此，研究了数据挖掘在各行业的应用，以及在这些应用要求下面临的技术挑战和发展趋势。 　　关键词：数据挖掘；应用研究；新的挑战；发展趋势 　　中图分类号：TP311 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.16.007 　　近年来，互联网已经融入我们生活中的方方面面，尤其是这几年以来，在互联网技术的推动下，很多行业都已经从传统的模式转变成了物联网模式，又从物联网变成了现在的“互联网+”运营模式了。海量数据的分析就显得尤为重要，那么数据挖掘技术的发展就会有了质的飞跃，将来也会成为企业发展一个必需的依赖技术。数据挖掘典型的应用领域包括金融、医疗、零售和电商、电信、交通等。另外，由于新的数据类型也随着技术进步不断增加，因此本文指出了数据挖掘的发展趋势和所面临的挑战。 　　1 数据挖掘的应用 　　数据挖掘所要处理的问题就是在庞大的数据中找出有价值的隐藏事件，并加以分析，获取有意义的信息和模式，为决策提供依据。数据挖掘应用的领域非常广泛，只要有分析价值与需求的数据，都可以利用挖掘工具进行发掘分析。目前，数据挖掘应用最集中地领域包括金融、医疗、零售和电商、电信和交通等，而且每个领域都有特定的应用问题和应用背景。 　　1.1 金融领域 　　不管是银行，还是其他金融机构，都存储了海量的金融数据，比如信贷、储蓄与投资等金融数据。对于这些数据，运用数据挖掘技术进行有针对性的处理，将会得到很多具有价值的知识。金融数据具有可靠性、完整性和高质量等特点。这在很大程度上利于开展数据挖掘工作以及挖掘技术的应用。数据挖掘在金融领域中有许多具体的应用，例如分析多维数据，以把握金融市场的变化趋势；运用孤立点分析等方法，研究洗黑钱等犯罪活动；应用分类技术，对顾客信用进行分类，为维持与客户的关系以及为客户提供相关服务等决策提供参考。 　　1.2 医疗领域 　　在人类的遗传密码、遗传史、疾病史以及医疗方法等医疗领域中，都隐藏着海量的数据信息。另外，对医院内部结构、医药器具、病人档案以及其他资料等的管理也产生了巨量的数据。对于这些巨量的数据，运用数据挖掘相关技术处理，从而得到相关知识规律，将有利于相关人员工作的开展。运用数据挖掘技术，在很大程度上有助于医疗人员发现疾病的一些规律，从而提高诊断的准确率和治疗的有效性，不断促进人类健康医疗事业的发展。 　　1.3 零售和电商领域 　　由于零售业会产生庞大的数据，主要是销售数据，比如商品的购进卖出记录、客户购买、消费记录等。特别是随着Web以及电子商务等商业方式日益普及流行，相应的数据也以飞快的速度增长着。运用数据挖掘技术对这些海量的数据进行针对性的处理分析，可以获取很多极具价值的知识。例如可以有效地识别顾客的购买行为，从而把握好顾客购买的趋势。这些关于顾客的有效信息是商家采取最佳决策的关键依据。商家可以根据数据挖掘结果有针对性地采取有效措施，比如如何改进服务质量，确保顾客的满意度；如何提高商品的销售量；如何设计较优的运输路线以及采取怎样的销售策略等，从而提高企业效益。此外，由于数据挖掘的推荐系统已经成为电子商务的关键技术，通过数据挖掘，再对网站进行系统分析，对用户的行为模式加以识别，在增加客户黏性，提供个性化服务，优化网站设计等方面也取得了很好的效果。 　　1.4 电信领域 　　电信运营商已逐渐发展为一个融合了语音、图像、视频等增值服务的全方位立体化的综合电信服务商。三网融合，即电信网、因特网和有线电视网的“融合”，是未来的一种发展趋势。这一现象将会产生巨量的数据。运营商要合理地分析商业形式和模式，运用数据挖掘是非常有必要的。例如对用户行为、利润率、通信速率和容量、系统负载等电信数据，可以运用多维分析方法进行分析；要发现异常模式，可以运用聚类或孤立点分析等方法进行数据挖掘；要得到电信发展的影响因素，可以运用关联或序列等模式进行分析等。总之，数据挖掘技术对电信业的发展发挥着非常重要的作用，比如如何提高相关资源的利用率、更深入更充分地了解用户行为、如何获取更好的经济效益。 　　1.5 社交网络分析 　　社交网络分析是从关系和结构两个方面来了解、度量和预测行为的科学。结合图论和非参数统计技术，研究人员利用数据，比如电话数据，或者表明人与人之间联系的观察数据，来识别网络内和跨网络的关键人员和关键群体，或者特殊模式和重要途径。现在，社交网络分析呈现爆炸式增长，数据一般是以元网络的形式表示，即关于谁（who）、什么（what）、哪里（where）、怎样（how）和什么时