数据分析与挖掘感悟.docx

数据挖掘之我见 数据挖掘是从大量数据中（包括文本）中挖掘出隐含的，先前未知的、对决 策有潜在价值的关系、模式和趋势，并运用这些知识和规划建里用于决策支持的 模型，提供预测性决策支持的方法、工具和过程。数据挖掘有助于企业发现业务 的趋势，揭示已知的事实，预测未知的结果，因此“数据挖掘”已经成为企业保 持竞争力的必要方法。 在这个数据膨胀的大数据时代我们需要筛选数据，查找数据，处理数据。我 们看到的听到的都是数据，在这互联网时代的数据更多，信息很多。但是有些网 站比如百度谷歌雅虎等为我们的学习生活带来了很多便利。我们为了更有效地利 用和处理数据必须利用数据挖掘技术，因为有了这技术我们以后的数字化生活变 得更加方便，不会因为数据多，信息多而感到反感。所以我真的体会到了数据挖 掘的优越性。 近年来,数据挖掘引起了信息产业界的极大关注,其主要原因是存在大量数据, 可以广泛使用,并且迫切需要将这些数据转换成有用的信息和知识。数据挖掘就 是从大量的数据中,抽取出潜在的、有价值的知识、模型或规则的过程。作为一 类深层次的数据分析方法,它利用了数据库、人工智能和数理统计等多方面的技 术。 要将庞大的数据转换成为有用的信息,必须先有效率地收集信息。随着科技 的进步,功能完善的数据库系统就成了最好的收集数据的工具。数据仓库,简单地 说,就是搜集来自其它系统的有用数据,存放在一整合的储存区内。所以其实就是 一个经过处理整合,且容量特别大的关系型数据库,用以储存决策支持系统所需的 数据,供决策支持或数据分析使用。 数据挖掘的应用非常广泛，只要改产业有分析价格的数据与需求的数据库， 都可以利用数据挖掘工具进行有目的的发掘分析，在当今数据和内容作为互联网 的核心，不论是传统行业还是新兴企业，谁率先与互联网融合成功，能够从大数 据的金矿中发现在暗藏得规律，就能够抢占先机，成为技术改革的标志，获得利 益。常见的应用案例多发生在零售业、制造业、财务金融保险、通讯医疗服务。 大数据挖掘的商业价值的方法主要分为四种：第一：客户群体的细分。然后为每 个群体量定特别的服务。第二：模拟现实环境，发掘新的需求同时提高投资的回 报率。第三：加强部门的联系，提高整条管理链条和产业链条的效率。第四，降 低服务成本，发现隐藏线索进行产品的服务和创新。在理论上来看：所有产业都 会在数据挖掘的发展中受益。 例如在电子商务中数据挖掘的作用越来越大，可以利用其对网站把真正的有 价值的知识从海量的信息中提取出来，从而更好的为电子商务网站的客户提供更 好的服务以及指导企业的决策，数据挖掘在电子商务中的具体应用：在电子商务 中运用数据挖掘技术可以直接跟踪数据，分析顾客的购买行为并辅助商家快速地 做出商业决策。在电子商务营销方面的应用他是以市场营销学的市场细分原理为 基础，其基本假定是消费者过去的行为是其今后消费倾向的爱好说明。通过搜集 加工和处理涉及消费者消费行为。需要做到产品生命周期策略分析，市场细分， 制定合理的产品策略和定价策略，制定合理的产品销售策略，优化促销活动。 首先有一点是我们必须要明确的，即我们为什么需要数据挖掘这门技术？ 这也是在开课前一直困扰我的问题。数据是知识的源泉，然而大量的数据本身并 不意味信息。尽管现代的数据库技术使我们很容易存储大量的数据，但现在还没 有一种成熟的技术帮助我们分析、理解这些数据。数据的迅速增加与数据分析方 法的滞后之间的矛盾越来越突出，人们希望在对已有的大量数据分析的基础上进 行研究，但是目前所拥有的数据分析工具很难对数据进行深层次的处理，使得人 们只能望“数”兴叹。数据挖掘正是为了解决传统分析方法的不足，并针对大规模 数据的分析处理而出现的。数据挖掘可以帮助人们对大规模数据进行高效的分析 处理，以节约时间，将更多的精力投入到更高层的研究中，从而提高科研工作的 效率。 那么数据挖掘可以做些什么呢？数据挖掘的研究领域非常广泛，主要包 括数据库系统、基于知识的系统、人工智能、机器学习、知识获取、统计学、空 间数据库和数据可视化等领域。具体来说，它可以做这七件事情：分类，估计， 预测，关联分析，聚类分析，描述和可视化，复杂数据类型挖掘。 数据挖掘在未来的发展趋势上，在我看来，web 网路中数据挖掘的应用，特 别是在互联网上建立数据挖掘服务器，与数据库服务器配合，实现数据挖掘，从 而建立强大的数据挖掘引擎与数据挖掘服务市场。融合各种异构数据的数据挖掘 技术，加强对各种非结构化数据的开发，如对文本数据，图形数据，视频图像数 据，声音数据乃至综合多媒体数据的开采。数据挖掘还是一个新的领域，具有广 阔的运用前景。 在我们的实际应用中，由于以往超市很少对这些数据资源进行完整的分析和 应用，使得超市在进货选择的类型、数量、厂家等都有一定的盲目性，同时对顾 客的购买行