计算机应用新领域数据挖掘前景及应用探究.docx

计算机应用新领域一数据挖掘前景及应用探究 摘要：本文首先介绍了数据挖掘的发展背景和数据挖掘的 概念及应用价值；然后对数据挖掘中的价值实现难点进行分 析；在此基础上结合化妆品企业数据挖掘的具体案例进行分 析，验证了数据挖掘的商业价值；最后在此基础上分析对数 据挖掘的发展进行展望，指出未来数据挖掘发展的三大趋 势。 关键词：数据挖掘；商业智能；关联规则；Apriori算 法 中图分类号：TP391文献标识码：A文章编号： 1007-9599 (2012) 17-0000-02 1数据挖掘概念 数据挖掘(Data Mining)是指基于一定业务目标下从 海量数据中挖取潜在的、合理的并能被人理解的模式的高级 处理过程。与传统的数据分析最大本质区别是数据分析所得 到的信息具有先前未知、有效和实用三个特征，即数据挖掘 是发现那些不能靠直觉发现的信息或知识，甚至违背直觉的 信息或知识，挖掘出来的信息越出乎意料越有价值。 2数据挖掘的价值实现难点分析 数据挖掘是数据库中的知识发现，从知识发现到知识应 用、再到价值评估是一条数据挖掘价值变现的过程，虽然数 据挖掘重要性毋庸置疑；但事实上其转变商业价值之路仍有 较多困难。 2.1知识发现。知识发现是这条路的始端，直接决定了 最终价值的高度。挖掘的方法是通用的，但难度不在挖掘技 术，而在于实施人员对数据业务的理解，在于数据的质量。 实施人员必须清楚的知道数据回收的场景和原理，稍有沟通 缺失，都会影响知识的质量度。 2.2知识应用。发现了知识，只是迈出第一步，需要将 相关的知识发现交给业务部门进行运营使用。不管是以甲方 公司还是乙方公司的形式存在，难点在于语言的翻译转发。 数据挖掘的语言形式是概率形式，类如连续三天内在站内 搜索超过10次，浏览搜索结果相关页面20次以上的用户最 终购买概率为42%”，因此需要实施人员深谙运营知识，将 挖掘结果语言转化成运营结果语言，最终成为友好的商业运 营智慧。应用的过程还需要及时跟踪、分析、调整，毕竟市 场是多变的，分析与执行就像左脑和右脑，两者距离的远近, 影响结果的优劣。 2.3价值评估。数据挖掘的效果评估决定最终的话语和 地位。从结果来看，如果结果有效，如何界定是知识有效还 是执行有效；如果结果无效，如何界定是知识无效还是执行 无效；如果知识有效，如何界定是通过挖掘发现还是已知发 现。如果不能很清晰的界定，数据挖掘的存在价值都会大打 折扣。曾经有个笑话，“通过我们海量数据发现，中国的 15-20岁的男性网民最喜欢使用QQ即时通讯工具”，这样的 知识发现虽然是个笑话，但在现实行业里是个不争的事实。 数据挖掘的价值应当是显现的、直观的、令人信服的，不在 于挖掘的技术多么高深，而在于整个体系的搭建和成果的展 现，做的再好，看不到效果，等于无效。 以上三点就像三座大山，压在了数据挖掘的变现之路， 下面笔者将论述数据挖掘的商业应用价值。 3数据挖掘应用一关联规则在化妆品营销当中运用 3.1关联规则概念。关联规则指通过分析发现数据库中 不同变量或个体（例如商品间的关系及年龄与购买行为上关 系）之间的关系程度，用以找出顾客购买行为模式。 3. 2 Apriori算法步骤。（1）首先设定最小支持度及最 小依赖度。（2） Apriori算法使用了候选物项集合的概念; 首先产生候选项集合，若候选物集合的支持度大于或等于最 小支持度，则候选物项集合为高频物项集合。（3）在数据库 中读取所有交易，得出候选单物项集合的支持度，再找出髙 频单物项集合，并利用这些高频单物项集合的结合，产生候 选2物项集合。（4）再次扫描数据库，得出候选2物项集合 的支持度，接着找出高频2物项集合，并利用这些高频2物 项集合的结合，产生候选3物项集合。（5）重复扫描数据库, 与最小支持度比较，产生高频物项集合，再结合下一级候选 物项集合，直到不再结合出新的候选物项集合为止。 当然在采用Apriori算法时，因计算物项太多而造成运 行缓慢，主要原因是髙频物项集合产生过多的物项集合，尤 其是候选2物项集合的情况最为严重。 3.3关联规则在零售行业营销处理的思路。采用 Apriori算法扫描企业数据库，得出最终频繁产品集合。假 定最终频繁产品集合为｛1, 2, 3, 4, 5, 6),此时总共可以 找到类似啤酒尿布的组合共计6+45+140+225=416种关联产 品推荐组合，营销人员可以制定相应规划，即当某顾客购买 任意两个或三个或四个或五个产品推出相应产品进行关联 销售，提高销售机会。根据企业数据库可以得到相应的置信 度；进而提出商业建议进行关联产品销售，提高产品销售概 率。 3.4案例分析：关联规则在化妆品行业营销实践。化妆 品企业中会有很多交易，那么如何发现其中规律进行关联营 销提高销售机会呢？为了计