大數據下數據挖掘技術的應用研究

劉子歡

摘要：本文探討了大數據時代的數據基本特征，以及數據挖掘技術與大數據，分析了數據挖掘技術方法，研究了數據挖掘技術的具體應用。

關鍵詞：大數據;數據挖掘技術;應用

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1007-9416（2020）01-0034-01

0 引言

大數據是現代互聯網信息技術發展的主要內容，互聯網數據研究曾指出，互聯網現在數據以每年50%的比例在增長，而數據挖掘的關鍵價值是可以提高人們對大數據的加工能力，從大量的不規則數據中獲得新的信息價值，從而實現了數據的信息增值。數據挖掘技術是信息技術不斷進步和發展的產物，它促進信息應用的轉型和優化，實現數據信息應用的更好發展。

1 大數據時代的數據基本特征

大數據時代，數據的顯著特征首先表現在于大量化，它體現了數據的量和數據的完整性兩個特性。大數據的另一個特征反映在多樣化，它體現在數據來源的多樣化，格式的多樣化，特別是其中非結構化的數據占了大部分內容。大數據的再一個特征方面是反映在數據的產生速度，大數據的數據產生的比較快，它很大程度上了滿足了現代人們對于信息的需求。大數據這些基本特征，在另一個角度則表現出它的珍貴之處——真實性。真實性，反應數據的重要性對決策支持關鍵因素?，F行大數據的規模形態，僅僅只是決策制定的一個重要因素，而真實性能夠保證信息的來源，在利用大數據信息制定相應的決策時，能夠讓所需的數據滿足信息價值的追求。

2 數據挖掘技術與大數據

隨著現代科學技術的不斷發展和大數據網絡的開展，人工智能技術發展越來越迅猛，其中數據挖掘技術就是人工智能技術發展的一個表現。人工智能技術的運用和數據挖掘技術的應用相對應，從另一方面來說，數據挖掘技術就是依賴相應機器的算法而實現的，數據挖掘技術根本目的是將規律之外的信息，或者是比較復雜的信息進行深入的挖掘，挖掘出比較隱秘的信息，再利用這些隱秘的信息來提升它的潛在價值。數據挖掘技術對于大數據下數據應用來說，對數據信息進行深入研究并轉化成有意義的信息，促進決策的生成，并保證決策可以獲得預定的應用價值，實現了數據利用[1]。因此，數據挖掘技術是大數據應用環境下的一個重大應用技術。

3 數據挖掘技術方法

基于對數據挖掘技術與大數據的關系認識，數據挖掘技術是可以實現從大數據中發掘不為人知的信息，來實現決策應用的目的。數據挖掘技術的核心是通過數據分析方法對大數據進行數理分析，挖掘數據的潛能[2]。

3.1 聚類分析法

聚類分析法的主要特點是將收集到的信息根據共通性來進行相應的分組和分類，讓信息以板塊的形式呈現。該方法將看似沒有關系的數據進行深入研究，根據分析目標，將數據分成了不同的組別，然后利用數據之間的聯系，挖掘有價值的信息，挖掘信息的潛在價值。聚類分析法存在有一定的不足，原因在于數據信息本身存在的個性化，使得數據分析在統計學的計算上存在運行難度，在數據的識別上也難以開展。

3.2 人工神經網絡分析法

人工神經網絡方法是指試圖通過模擬大腦神經網絡處理、記憶信息的方式進行信息處理的一種方法，它將復雜的、大批量的數據進行分析，進行抽象，獲得計算結果并加以利用，如趨勢分析等。人工神經網絡方法主要是建立數學模型上的算法，而輸入到神經網絡中的研究值都是數值型，這就要求在收集相應數據的時候要按照自身的實際需求進行相應數據的分析，更好得實現數據的分析工作，保證數據挖掘技術的應用。

3.3 關聯性分析法

關聯性分析法，是基于大數據的基礎上，發現數據庫中不同信息之間的聯系的一種分析技術法。關聯性分析法能夠將收集到的不能直接的對其進行應用的數據和信息進行關聯性分析，實現挖掘到隱蔽性的信息和相應處理，實現數據的顯性。這種分析方法是有比較好的精準性和目的性，因此這種分析方法比較常應用在數據的精密分析中，比如檔案信息管理工作。

3.4 特征性數據分析法

數據特征分析是基于對數據質量分析的成果上，運用計算數據特定的相關聯的特征量等手段而進行的數據分析法，可以將得到的數據挖掘結果與先期所預達到的數據分析結果更加接近或一致，因此運用該種方法來進行數據分析，更好實現大規模數據的分析。大數據時代，海量的數據信息呈現瘋狂增長的勢態，這使得對數據進行整理與分析會顯得更加具有難度，在各種數據分析方法中，特征性的數據分析法是更適合數據量比較多的信息分析方法，它能夠從大量數據特征中提取到具有代表性的特征，更加有效的得到數據分析結果，實現信息利用。

4 數據挖掘技術的具體應用研究

數據挖掘技術是信息技術發展的產物，也是大數據時代下重要的數據分析方法，能夠促進數據信息的實效性應用[3]。

4.1 數據挖掘技術實現提高行業的競爭力

數據挖掘技術主要進行對所保存的數據進行挖掘、分析和運用，首先它表現在提高行業的競爭力的領域。該領域是最先應用數據挖掘技術的，是應用范圍較廣的領域。數據挖掘技術分析法可以找到數據內部的價值，大大縮短了科學研究的時間，實現了行業競爭力的提升。比如，現在很多的信息都可以通過人工智能技術進行采集和分析，如類似淘寶的平臺，他們可以從眾多個人數據所形成的大數據中分析到愛好和喜好，根據分析結果給消費者推薦所愛好的商品，從而實現提高行業的競爭力。再如，在制造業中應用大數據的挖掘技術，由于現代生活質量的提高，人們對于基本的生活用品的質量要求也高，所以要求有關的廠家要不斷提高產品的質量，在進行分析產品存在不足時，可以運用大數據的挖掘技術，在海量數據中尋找不足的分析結果，幫助企業正視不足并制定相應補救措施，從而幫助企業獲得更多的行業效益。

4.2 數據挖掘技術在高校管理中的具體應用

日前，物聯網、云計算等信息產品可以將人們的行動軌跡記錄下來，構建出各種大數據平臺，也促進數據挖掘技術在各項管理中的應用，如數據挖掘技術可以有效地利用在高校管理中。高校是學生人口比較密集的地方，信息時代，學生的各類數據信息形成了一個龐大的數據量，使得高校的數據信息管理面臨了挑戰。通過數據挖掘技術分析方法對眾多學生信息進行挖掘分析，利用分析結果應用到高校的招生、教學評價、學生的思想政治工作等等方面。比如，利用數據挖掘技術分析學生對授課效果的反應，分析結果可提供為教學效果的參考依據，也可監督授課教師是否開展有效教學工作;再如，對教學課堂或者是學生心理進行數據分析，可以讓教師更好了解課堂教學中學生所疑惑的地方在哪里，幫助教師進行教學方案的完善和改革，進行針對性的教學，提高教學效果;再比如，移動學習模式應用下，應用數據挖掘技術對影響網課學習的教學效果各類因素進行分析，如在平臺上學生的學習進度、學習疑惑等相關數據，得到的分析結果可以促使教師改進適應移動學習的教學辦法，促使移動學習模式的培養效果完善，學習者也可獲得更多學習價值。

5 結語

總之，大數據的最大價值在于可以預測未來趨勢，在海量數據信息中，快速發掘有價值的信息，幫助決策者做出判斷。大數據時代，數據挖掘技術的應用是現代信息分析技術的研究方向，挖掘信息潛在價值，實現數據應用發展。

參考文獻

[1] 許麗卿.基于數據挖掘的高校教學質量評估系統研究[J].信息技術與信息化，2016（08）：79-82.

[2] 程軍鋒.Web數據挖掘研究[J].重慶三峽學院學報，2013（3）：43-45.

[3] 凌小萍，鄧伯軍.大數據時代高校思想政治教育探究[J].廣西師范大學學報，2015（1）：62-67.