数据挖掘的研究综述.docVIP

数据挖掘的研究综述 　　摘要：大数据时代，所有企业都将由数据驱动，数据将成为企业和公共组织的重要资产。同时，企业更需要高效的大数据工具，让数据资产产生真正的价值。数据挖掘就是运用数据库、人工智能和数理统计等多方面技术从大量的实际应用数据中提取隐含信息和知识的过程，通过高度自动化地分析企业数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。 　　关键词：数据挖掘 大数据 市场营销 企业决策 　　中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2014）02-0080-02 　　数据挖掘又称数据库中的知识发现，是目前人工智能和数据库领域研究的热点问题。数据挖掘己广泛地应用到社会的各个领域和行业，如商业领域中的客户关系、产品生产、市场营销等；金融领域中的股票交易市场、投资评估等；天文学领域的气象预报、气象灾害预测等；教育领域的高校学生管理、高校毕业生就业分析、高校教学质量的评估等。可以说，数据挖掘实是处在知识创造过程中最核心的位置，因此做好数据挖掘工作具有十分重要的意义。 　　1 数据挖掘的定义和本质 　　对于数据挖掘一般有两种定义，从广义上讲，数据挖掘，又称数据库中的知识发现，是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，就是从大型数据集中挖掘隐含在其中的、人们事先不知道的、对决策有用的知识的过程。原始数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现的知识可以被用于信息管理，查询优化，决策支持和过程控制等，还可以用于数据自身的维护。从狭义上讲，数据挖掘则是指从特定形式的数据集中提炼知识的过程。 　　数据挖掘的本质是很偶然的发现非预期但很有价值的信息。这说明数据挖掘过程本质上是实验性的。数据挖掘的一个特定属性就是要处理的是一个大数据集。这就意味着，由于可行性的原因，我们常常得到的只是一个样本，但是需要描述样本取自的那个大数据集。数据挖掘所得到的信息应具有先前未知、有效和实用三个特征。 　　2 数据挖掘的发展背景 　　在这个信息爆炸的时代，如何从信息的汪洋大海中发现及时有用的知识，提高信息利用率呢？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才行，否则大量的数据可能成为垃圾，甚至成为包袱。因此，面对人们被数据淹没却饥饿于知识的挑战，数据挖掘和知识发现技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。 　　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。激发数据挖掘的开发、应用和研究有如下四个主要的技术理由：（1）超大规模数据库的出现，例如商业数据仓库和计算机自动收集的数据记录；（2）先进的计算机技术，例如更快和更强大的计算能力和并行体系结构； （3）对巨大量数据的快速访问；（4）对这些数据应用精深的统计方法计算的能力。数据挖掘的核心模块技术历经了数十年的发展，其中包括数理统计、人工智能、机器学习。今天，这些成熟的技术，加上高性能的关系数据库引擎以及广泛的数据集成，让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段。 　　国内对数据挖掘的研究晚于国外。国家通过自然科学基金对数据挖掘的研究进行支持，很多科研单位和院校都在这个领域获得了丰硕成果，这些单位包括中科院、清华大学、中国科大、复旦大学等，他们的成果为我国在此领域的发展起到了重要作用，得到了学术界的高度重视。 　　3 数据挖掘常用的方法 　　利用数据挖掘进行数据分析常用的方法主要有分类分析、回归分析、聚类分析、预警分析、Web页挖掘等，它们分别从不同的角度对数据进行挖掘。 　　（1）分类分析。客户细分需要进行客户特征分析，即用数据来描述或给出客户或潜在客户特征的分析过程。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。 　　（2）回归分析。如何使用数据挖掘来对不同的旨在保留客户的活动中进行建模将对整个客户保持工作起着重要的作用，这也就是流失模型价值所在。流失模型能预测账号在被激活后减少或停止使用一种产品或服务的行为。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。 　　（3）聚类分析。通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，更好地了解自己的客户，向客户提供更合适的服务。它