數(shù)據(jù)挖掘技術(shù)在商業(yè)領(lǐng)域的應(yīng)用與研究

[摘要] 數(shù)據(jù)挖掘作為一種系統(tǒng)地檢查和理解大量數(shù)據(jù)的工具，能有效地幫助商業(yè)企業(yè)從不斷積累與更新的數(shù)據(jù)中提取有價值的信息。因此，數(shù)據(jù)挖掘被引入到商業(yè)市場研究領(lǐng)域，并日益受到重視。本文從數(shù)據(jù)挖掘技術(shù)入手，分析了數(shù)據(jù)挖掘在商業(yè)活動中的應(yīng)用。提出了數(shù)據(jù)挖掘的典型統(tǒng)計分析方法與常用的技術(shù)，并指出其在商業(yè)領(lǐng)域中的典型應(yīng)用。

[關(guān)鍵詞] 數(shù)據(jù)挖掘 關(guān)聯(lián) 分類

一、概述

隨著全球經(jīng)濟(jì)的日益發(fā)展，市場競爭也越來越激烈，商業(yè)環(huán)境中的信息越來越密集，企業(yè)必須能從大量的業(yè)務(wù)數(shù)據(jù)中經(jīng)過深入的分析，獲得有利于商業(yè)運作的信息，提高企業(yè)的決策能力，20世紀(jì)70年代所出現(xiàn)的數(shù)據(jù)庫技術(shù)已經(jīng)被廣泛地應(yīng)用于企業(yè)管理、產(chǎn)品銷售等領(lǐng)域，并獲得巨大成功，但是對于管理人員的決策分析要求卻無法滿足。所以急需的計算技術(shù)和工具，能夠智能化地從大量的數(shù)據(jù)中提取出有用的信息和知識，為企業(yè)提供決策支持，于是數(shù)據(jù)挖掘技術(shù)應(yīng)運而生了。

數(shù)據(jù)挖掘是從大量數(shù)據(jù)中抽取隱含、潛在、有用的信息的方法和過程，最終目的是發(fā)現(xiàn)和推導(dǎo)出有價值的知識，包括概念、規(guī)則、模式和模型等，為管理和決策提供參考和支持。數(shù)據(jù)挖掘是一種從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱藏的預(yù)測性信息的技術(shù)。將其應(yīng)用到商品銷售領(lǐng)域的主要作用是對商業(yè)數(shù)據(jù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商品銷售決策的關(guān)鍵性數(shù)據(jù)，為科學(xué)的商業(yè)決策提供幫助。

二、數(shù)據(jù)挖掘所采用的主要技術(shù)

數(shù)據(jù)挖掘是一種很好的知識提取方法。數(shù)據(jù)挖掘能通過預(yù)先設(shè)定的算法自動處理數(shù)據(jù)庫中大量的原始數(shù)據(jù)，應(yīng)用各種方法和手段從大量數(shù)據(jù)中抽取出具有必然性、富有意義的模式，挖掘出對象間的特定關(guān)系，找出人們對所需問題的解答，為決策服務(wù)。數(shù)據(jù)挖掘過程所形成的知識主要有概念、規(guī)則、規(guī)律、模式和約束等。取得這些結(jié)果采用的主要方法和技術(shù)包括統(tǒng)計學(xué)、聚類分析和模式識別、決策樹分類、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法、規(guī)則歸納，以及可視化技術(shù)等。

三、數(shù)據(jù)挖掘在商業(yè)領(lǐng)域中的典型分析方法

在實際的商業(yè)應(yīng)用中，數(shù)據(jù)挖掘的方法和技術(shù)越多，得出的結(jié)果精確性就越高。因為，對于某一種方法或者技術(shù)不適用的問題，其他方法很可能奏效，這主要取決于問題的類型及數(shù)據(jù)的類型和規(guī)模。數(shù)據(jù)挖掘方法有很多種，其中比較典型的有關(guān)聯(lián)分析、序列分析等。

1.關(guān)聯(lián)分析

在數(shù)據(jù)挖掘領(lǐng)域，采用關(guān)聯(lián)規(guī)則在大型數(shù)據(jù)庫中進(jìn)行數(shù)據(jù)挖掘是一個重要的研究內(nèi)容。關(guān)聯(lián)規(guī)則挖掘的一般對象是事務(wù)數(shù)據(jù)庫，這種數(shù)據(jù)庫的主要應(yīng)用在零售業(yè)，比如超級市場的銷售管理。關(guān)聯(lián)規(guī)則就是發(fā)現(xiàn)事務(wù)數(shù)據(jù)庫中不同商品(比如面包、牛奶等都是項目)之間是否存在某種關(guān)聯(lián)關(guān)系。通過這些規(guī)則找出顧客購買行為模式，如購買了某一商品對購買其他商品的影響。發(fā)現(xiàn)這樣的規(guī)則可以應(yīng)用于商品貨架設(shè)計、貨存安排，以及根據(jù)購買模式對用戶進(jìn)行分類。譬如在商場中，許多決策只停留在管理人員的經(jīng)驗判斷層次上，缺乏深層次的分析，也往往跟不上客觀環(huán)境的變化，所以就需要對客觀實時數(shù)據(jù)進(jìn)行分析，找到它們的內(nèi)在聯(lián)系，從而獲得有關(guān) 指導(dǎo)商家進(jìn)貨，方便顧客購物等一些有價值的知識。關(guān)聯(lián)規(guī)則的一個典型例子是購物籃分析。該過程通過發(fā)現(xiàn)顧客放入其購物籃中不同商品之間的聯(lián)系，分 析顧客的購買習(xí)慣。通過了解哪些商品頻繁地被顧客同時購買，這種關(guān)聯(lián)的發(fā)現(xiàn)可以幫助超市經(jīng)營者制定營銷策略。

關(guān)聯(lián)分析是為了尋找在同一事件中出現(xiàn)的不同項的關(guān)聯(lián)性。比如，超市中70％的客戶在購買商品A的同時，有90％會購買B，即關(guān)聯(lián)規(guī)則是A>:B。若超市將商品A和B放在一起銷售，將會提高它們的銷售量。

在大型數(shù)據(jù)庫中，這種關(guān)聯(lián)規(guī)則是很多的，需要進(jìn)行篩選，一般用“支持度”和“可信度”兩個閾值來淘汰那些無用的關(guān)聯(lián)規(guī)則。

在本例中，設(shè)關(guān)聯(lián)規(guī)則A>=B的可信度為C，支持度 為S。則:

C:同時購買商品A和B的交易數(shù)／購買了商品A的交易數(shù)S：同時購買商品A和B的交易數(shù)／總交易數(shù)本例的關(guān)聯(lián)規(guī)則A=>B的可信度為C=90％，支持度S=70％。

因此，找出這樣的數(shù)據(jù)信息對于確定市場策略是很有價值的。尋找這種信息的過程即是挖掘關(guān)聯(lián)規(guī)則的過程。關(guān)聯(lián)規(guī)則還可以應(yīng)用到附加郵遞、目錄設(shè)計、追加銷售、倉儲規(guī)劃，以及基于購買模式對顧客進(jìn)行劃分等方面。

2.序列分析

序列分析與關(guān)聯(lián)規(guī)則類似，但它尋找的是事件之間時間上的關(guān)聯(lián)性。比如，超市中60％的客戶在購買商品A后隔一段時間，其中有80％會再購買B，即序列模式是A>=B。顯然，通過序列模式分析，超市可以發(fā)現(xiàn)客戶潛在的購買模式。

在序列模式分析中，同樣需要用“支持度”和“可信度”兩個閾值來淘汰那些無用的序列模式。在本例中．設(shè)序列A>=B的可信度為C，支持度為S，則C=先購買商品A再購買商品B的客戶數(shù)／先購買了商品A的客戶數(shù)S=先購買商品A再購買商品B的客戶數(shù)／總客戶數(shù)本例的序列模式A=>B的可信度為C=80％，支持度S=60％。

四、結(jié)束語

在信息經(jīng)濟(jì)時代，數(shù)據(jù)挖掘技術(shù)的應(yīng)用正在不可思議的改變著我們的生活。但數(shù)據(jù)挖掘永遠(yuǎn)都不會替代有經(jīng)驗的商業(yè)分析師或管理人員的作用，它只是提供了一個強(qiáng)大的工具，它所起到的作用是幫助企、業(yè)更容易地得到一些重要的，能產(chǎn)生高回報的模型。而企業(yè)根據(jù)這些模型可以更好的提高商業(yè)運行、商業(yè)效率。目前，數(shù)據(jù)挖掘工具正以前所未有的速度發(fā)展，在信息技術(shù)應(yīng)用最為廣泛的商業(yè)活動中，它更是推動了整個行業(yè)的發(fā)展。在未來越加激烈的市場競爭中，擁有數(shù)據(jù)挖掘技術(shù)必將比別人獲得更快速的反應(yīng)，贏得更多的商業(yè)機(jī)會。

參考文獻(xiàn)：

[1]王珊:數(shù)據(jù)倉庫技術(shù)與聯(lián)機(jī)分析處理[M].北京科學(xué)出版社，1998

[2]邵峰晶:數(shù)據(jù)挖掘一原理與算法[M]．北京:中國水利水電出版社，2003

[3]崔云龍:商場現(xiàn)代化[J]，數(shù)據(jù)挖掘在商業(yè)經(jīng)營中的應(yīng)用，2006(10)