關于學習數據挖掘在電子商務中的應用的體會(一)

關于學習數據挖掘在電子商務中的應用的心得體會

在信息和知識經濟時代，隨著網絡技術的迅猛發展和社會信息化水平的提高，傳統的貿易正經歷一次重大的變革，電子商務顯示出巨大的市場價值和發展潛力。電子商務是商業領域的一種新興商務模式，它是以網絡為平臺、現代信息技術為手段、以經濟效益為中心的現代化商業運轉模式，其最終目標是實現商務活動的網絡化、自動化與智能化。 

電子商務的產生改變了企業的經營理念、管理方式和支付手段，給社會的各個領域帶來了巨大的變革。當電子商務在企業中得到應用時,企業信息系統將產生大量數據,這些 激增的電子化數據意味著人們面臨“數據豐富而知識貧乏”的問題。出現了“數據爆炸但知識貧乏”的現象，如何才能不被信息的汪洋大海所淹沒，從中及時發現有用的信息和知識因此，需要有新一代的技術和工具來對海量數據進行合理及更高層次的分析，做出歸納性推理，從中挖掘出潛在的模式，提取有用的知識，幫助電子商務企業決策者調整市場策略，進行商業預測，做出正確的決策，從而提高信息利用率，降低風險，給企業帶來巨大的利潤。數據挖掘就是為順應這些需要應運而生發展起來的數據處理技術。

電子商務是現代信息技術迅速發展的必然產物,也是未來企業模式的必然選擇。數據挖掘技術引入電子商務，給企業的商務活動提供全面支持，為客戶提供個性化服務，增強企業的商務智能。數據挖掘是電子商務取得更多成就的必然方向，它將數據轉化為知識，是數據管理、信息處理領域研究、開發和應用的最活躍的分支之一。它幫助決策者尋找數據間潛在的關聯，發現被忽略的因素，是解決數據爆炸而信息貧乏問題的一種有效方法。數據挖掘的一個重要分支—關聯規則挖掘，主要用于發現數據集中項之間的相關聯系。由于關聯規則挖掘技術形式簡潔、易于解釋和理解并可以有效地捕捉數據間的重要關系，從大型數據庫中挖掘關聯規則問題己成為數據挖掘中最成熟、最重要、最活躍的研究內容。

一、數據挖掘的定義

數據挖掘的定義。數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。包括存儲和處理數據, 選擇處理大數據集的算法、解釋結果、使結果可視化。　　2.數據挖掘的方法。從商業的角度來看,數據挖掘是一種新的商業信息處理技術,其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理,從中提取輔助商業決策的關鍵性數據。數據挖掘的方法大致可以分成4類：關聯分析、概括分析、分類分析、聚類分析。（1）關聯分析：分析表面上不相關數據之間的內在聯系，揭示各事之間的依賴性和相關性，分析范圍包括簡單關聯、因果關聯等。在電子商務中，用數據挖掘找到隱藏的關聯規則，當客戶瀏覽、搜索關聯規則中的某種商品時，就可以在頁面中以推薦商品的形式顯示關聯規則中的其它商品。在進貨計劃和促銷計劃中，也可以將這個因素考慮進去。（2）概括分析：即提取數據庫中指定的數據集合的一般特性，找出遍性規律 。（3）分類分析：設置分類規則，把各個事務或實體按照性質和特征不同進行歸類，把數據層次化和規整化，從而建立數據的分類模型。（4）聚類分析：通過分析和歸納實體之間的特征差異，選出具相識特征的實體聚合成為一個類，并用某種規則來描述該類的相同屬性，形成一種聚類規則，實際上，它是與分類分析法互逆的過程。

數據挖掘的過程。該過程從大型數據庫中挖掘先前未知的、有效的、可實用的信息，并使用這些信息做出決策或豐富知識。（1）確定業務對象：清晰地定義出業務問題 ，認清數據挖掘的目的是數據挖掘的重要一步。挖掘的最后結構是不可預測的，但要探索的問題應是有預見的，為了數據挖掘而數據挖掘則帶有盲目性，是不會成功的。（2）數據準備。數據的選擇：搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據。（3）數據挖掘：對所得到的經過轉換的數據進行挖掘。除了完善從選擇合適的挖掘算法外，其余一切工作都能自動地完成。（4）結果分析：解釋并評估結果。其使用的分析方法一般應作數據挖掘操作而定，通常會用到可視化技術。（5）知識的同化：將分析所得到的知識集成到業務信息系統的組織結構中去。

    二、數據挖掘與電子商務的關系