基于大數據的數據挖掘技術與應用

李容容

摘要：科技前進的步伐越來越快，數據挖掘與傳統(tǒng)行業(yè)相結合，在各行各業(yè)展現出了十分強大的生命力。本文從數據挖掘的基本概念和功能談起，進一步再分析其在金融和人力資源兩個方面的具體運用。

關鍵詞：數據挖掘 大數據 金融 人力資源

引言

因為云計算不停地高速發(fā)展，隨著時間的積累，各行各業(yè)中積累了大量的數據信息。面對如此特殊的信息來源，企業(yè)怎樣合理利用龐大的信息，提高自身效率，快速占領市場份額，成為一個關鍵內容。如何正確在各學科中發(fā)揮數據挖掘技術的優(yōu)勢值得各界的重視。

一、數據挖掘的概念和功能

（一）數據挖掘概念。數據挖掘是指從龐大繁雜的數據中通過算法搜索隱藏于表面數據背后信息的過程。數據挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習和模式識別等多種方法來實現上述目標。

（二）數據挖掘的方法和過程。數據挖掘的理論技術一般可分為傳統(tǒng)技術和改良技術兩支。就傳統(tǒng)技術而言，以統(tǒng)計分析為主要代表；就改良技術而言，以決策樹理論、類神經網絡和規(guī)則歸納法等為主要代表。

數據挖掘的簡單過程主要如下：

（1）確定業(yè)務對象：成功地進行數據分析的第一步是確立數據挖掘的目標。通過對業(yè)務對象的研究，確定業(yè)務問題。（2）數據準備：首先，要從龐大的數據中進行一定程度地挑選，將所有與業(yè)務有關的數據調集在一起，再從中挑選出適合進行數據挖掘的數據，為下一步做準備；其次，要對數據進行預處理，確保數據的相關性和有效性，確定即將進行的挖掘操作的方案；最終，要對得到結果數據的進行轉換，即要把數據分析轉換成一個以挖掘算法為基礎建立的分析模型，此環(huán)節(jié)是數據挖掘成功的重要步驟。（3）數據挖掘：對已經經過轉換的數據進行挖掘。（4）結果分析：解釋并評估結果。（5）知識的同化：在進行完以上所有的步驟之后，只有將分析所得到的知識，與研究對象相結合，集成到研究對象信息系統(tǒng)的組織結構中去，才能最終呈現出有價值的信息。

（三）數據挖掘的主要功能。數據挖掘的功能十分強大，在與各行各業(yè)結合之后，都能為各行業(yè)帶來新的發(fā)展契機。一般來說，數據挖掘的功能分為兩類：一類是描述性功能，是指對目標數據的屬性進行特征描述；另一類是預測性功能，是指對當前數據進行歸納，以進行發(fā)展趨勢的預測。

二、數據挖掘技術的應用實踐

（一）在金融方面的應用。大數據金融以龐大繁雜的數據作為基礎，利用如互聯(lián)網等信息化技術，分析處理對客戶的消費數據，將客戶及時全面的信息及時地反饋給金融企業(yè)，如此一來，使得金融企業(yè)給零散化的客戶群體提供定制化的服務成為可能。數據挖掘技術在金融領域的表現十分優(yōu)異，在第三方支付、p2p網絡借貸、供應鏈金融、互聯(lián)網消費金融等方面均有廣泛的運用。

就第三方支付而言，因為其運用場景多樣化，使用方便快捷，因而，第三方支付與上下游的交易者聯(lián)系緊密。當相關數據累積到一定程度時，便可推出更多的增值服務，進一步增加利潤來源。在眾多增值服務中，近年來，值得一提的是由螞蟻金服推出的螞蟻花唄。螞蚊花唄本質上而言是一款消費信貸產品。螞蟻花唄利用大數據，以自身的風控模型為基礎，結合對消費者在互聯(lián)網上的各種網購情況、支付習慣、信用風險等的分析結果，對不同的用戶根據其近期的消費情況給予不同數額的消費額度。

第三方互聯(lián)網支付交易規(guī)模由于互聯(lián)網理財等大額交易場景的推動保持高速增長。在2013年，第三方互聯(lián)網支付交易額僅為6萬億元，但據可靠預測，在2020年，此交易額可到39萬億元。再看第三方移動支付交易額。由于移動支付場景的多樣化、用戶滲透率越來越高、各種第三方支付企業(yè)進軍市場等原因，移動交易量不斷上升。在2013年，第三方移動支付交易額僅為1萬億元。但據估計，在2020年，第三方移動支付交易額可達144萬億元。

（二）在人力資源管理方面的運用。人力資源管理六大基本模塊分別是人力資源規(guī)劃、招聘與配置、培訓與開發(fā)、績效管理、薪酬管理及員工關系。數據挖掘技術正好為每一模塊都提供了過硬的技術支持，推動了人力資源管理系統(tǒng)改革。下面分別就此六個模塊如何與數據挖掘相結合進行簡單地分析：

（1）數據挖掘與人力資源規(guī)劃：通過數據挖掘技術，組織管理者可以利用搜集到的每一個員工的組織內外部的信息資料，聯(lián)系企業(yè)的整體戰(zhàn)略目標，以事實為依據，制定未來人力資源規(guī)劃。

（2）數據挖掘與人才的招聘與配置：招聘時，招聘者對于求職者的了解一般都比較膚淺，對于求職者的專業(yè)技能掌握情況、工作效率等無法有效進行認知。而新興的社交網絡呈現了—個人各方面的信息，如工作經歷、社會關系、工作效率等，從而能助招聘者一臂之力，達到精準的人崗匹配。

（3）數據挖掘與員工的開發(fā)：利用數據挖掘，管理者將職業(yè)生涯規(guī)劃建立在員工全方位數據的基礎上，如員工的應聘崗位、晉升意愿和期望薪酬等結構化與非結構化的數據信息，從而精準地為員工提供職業(yè)培訓。

（4）數據挖掘與績效考核：通過數據挖掘技術，人力資源部門首先借助各大網絡平臺，整理、搜集和分析挖掘與各員工崗位相關數據，建立起以實際數據為基礎的績效考核指標，從而設計員工考核的分析工具。

（5）數據挖掘與薪酬激勵：利用數據挖掘，以員工的數據分析結果為基礎，對不同的員工采取不同的激勵制度。

（6）數據挖掘與員工關系：利用數據挖掘，利用數據和客觀事實對員工進行管理，更能讓員工感受到公平，從而以更加積極的心態(tài)對待工作。

三、結語

總而言之，大數據為各行各業(yè)的改革提供了一個新的契機，各行業(yè)應該正確把握和利用數據挖掘技術帶來的優(yōu)勢，權衡大數據帶來的收益與風險，推動自身發(fā)展。