关于学习数据挖掘在电子商务中的应用的体会(一)

关于学习数据挖掘在电子商务中的应用的心得体会

在信息和知识经济时代，随着网络技术的迅猛发展和社会信息化水平的提高，传统的贸易正经历一次重大的变革，电子商务显示出巨大的市场价值和发展潜力。电子商务是商业领域的一种新兴商务模式，它是以网络为平台、现代信息技术为手段、以经济效益为中心的现代化商业运转模式，其最终目标是实现商务活动的网络化、自动化与智能化。 

电子商务的产生改变了企业的经营理念、管理方式和支付手段，给社会的各个领域带来了巨大的变革。当电子商务在企业中得到应用时,企业信息系统将产生大量数据,这些 激增的电子化数据意味着人们面临“数据丰富而知识贫乏”的问题。出现了“数据爆炸但知识贫乏”的现象，如何才能不被信息的汪洋大海所淹没，从中及时发现有用的信息和知识因此，需要有新一代的技术和工具来对海量数据进行合理及更高层次的分析，做出归纳性推理，从中挖掘出潜在的模式，提取有用的知识，帮助电子商务企业决策者调整市场策略，进行商业预测，做出正确的决策，从而提高信息利用率，降低风险，给企业带来巨大的利润。数据挖掘就是为顺应这些需要应运而生发展起来的数据处理技术。

电子商务是现代信息技术迅速发展的必然产物,也是未来企业模式的必然选择。数据挖掘技术引入电子商务，给企业的商务活动提供全面支持，为客户提供个性化服务，增强企业的商务智能。数据挖掘是电子商务取得更多成就的必然方向，它将数据转化为知识，是数据管理、信息处理领域研究、开发和应用的最活跃的分支之一。它帮助决策者寻找数据间潜在的关联，发现被忽略的因素，是解决数据爆炸而信息贫乏问题的一种有效方法。数据挖掘的一个重要分支—关联规则挖掘，主要用于发现数据集中项之间的相关联系。由于关联规则挖掘技术形式简洁、易于解释和理解并可以有效地捕捉数据间的重要关系，从大型数据库中挖掘关联规则问题己成为数据挖掘中最成熟、最重要、最活跃的研究内容。

一、数据挖掘的定义

数据挖掘的定义。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。包括存储和处理数据, 选择处理大数据集的算法、解释结果、使结果可视化。　　2.数据挖掘的方法。从商业的角度来看,数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。数据挖掘的方法大致可以分成4类：关联分析、概括分析、分类分析、聚类分析。（1）关联分析：分析表面上不相关数据之间的内在联系，揭示各事之间的依赖性和相关性，分析范围包括简单关联、因果关联等。在电子商务中，用数据挖掘找到隐藏的关联规则，当客户浏览、搜索关联规则中的某种商品时，就可以在页面中以推荐商品的形式显示关联规则中的其它商品。在进货计划和促销计划中，也可以将这个因素考虑进去。（2）概括分析：即提取数据库中指定的数据集合的一般特性，找出遍性规律 。（3）分类分析：设置分类规则，把各个事务或实体按照性质和特征不同进行归类，把数据层次化和规整化，从而建立数据的分类模型。（4）聚类分析：通过分析和归纳实体之间的特征差异，选出具相识特征的实体聚合成为一个类，并用某种规则来描述该类的相同属性，形成一种聚类规则，实际上，它是与分类分析法互逆的过程。

数据挖掘的过程。该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息，并使用这些信息做出决策或丰富知识。（1）确定业务对象：清晰地定义出业务问题 ，认清数据挖掘的目的是数据挖掘的重要一步。挖掘的最后结构是不可预测的，但要探索的问题应是有预见的，为了数据挖掘而数据挖掘则带有盲目性，是不会成功的。（2）数据准备。数据的选择：搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。（3）数据挖掘：对所得到的经过转换的数据进行挖掘。除了完善从选择合适的挖掘算法外，其余一切工作都能自动地完成。（4）结果分析：解释并评估结果。其使用的分析方法一般应作数据挖掘操作而定，通常会用到可视化技术。（5）知识的同化：将分析所得到的知识集成到业务信息系统的组织结构中去。

    二、数据挖掘与电子商务的关系