大數(shù)據(jù)背景下企業(yè)數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究

萬(wàn)曉燕　陳姍　劉汝元　畢軍濤

摘要：大數(shù)據(jù)時(shí)代，企業(yè)能夠進(jìn)行精準(zhǔn)決策、營(yíng)銷，關(guān)鍵還是數(shù)據(jù)分析，而其中最為重要的就是數(shù)據(jù)挖掘。本文對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行了簡(jiǎn)單分析，同時(shí)結(jié)合相關(guān)案例分析了數(shù)據(jù)挖掘技術(shù)在企業(yè)當(dāng)中的應(yīng)用步驟和成效，僅供參考。

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘；企業(yè)

自進(jìn)入大數(shù)據(jù)時(shí)代以來(lái)，各個(gè)領(lǐng)域的大數(shù)據(jù)呈現(xiàn)飛速發(fā)展態(tài)勢(shì)，數(shù)據(jù)采集、樣本分析、圖像識(shí)別、智能可穿戴設(shè)備等等紛紛面向大眾。對(duì)于企業(yè)來(lái)說(shuō)數(shù)據(jù)已經(jīng)成為重要的資產(chǎn)，越來(lái)越多的企業(yè)開(kāi)始重視對(duì)大數(shù)據(jù)的分析與利用，根據(jù)貝恩咨詢公司的調(diào)研報(bào)告，其所調(diào)研的企業(yè)當(dāng)中有超過(guò)400家年?duì)I業(yè)額5億美元以上的企業(yè)，其中約60%的企業(yè)正在布局大數(shù)據(jù)，表明大數(shù)據(jù)已經(jīng)走下神壇，逐步成為企業(yè)常規(guī)化的決策工具，其中的核心要點(diǎn)就是數(shù)據(jù)挖掘技術(shù)，這是實(shí)現(xiàn)大數(shù)據(jù)分析的前提。

一、數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘算法是大數(shù)據(jù)分析的核心部分，要科學(xué)表現(xiàn)大數(shù)據(jù)的特點(diǎn)就需要針對(duì)這些數(shù)據(jù)的類型及格式制定相應(yīng)的算法。這些算法可以說(shuō)是基于統(tǒng)計(jì)學(xué)的統(tǒng)計(jì)方法，也只有這樣，挖掘出來(lái)的數(shù)據(jù)才具有公認(rèn)的價(jià)值。同時(shí)數(shù)據(jù)挖掘算法是快速處理數(shù)據(jù)的關(guān)鍵，若一個(gè)算法需要很長(zhǎng)時(shí)間才能獲得結(jié)論，那么大數(shù)據(jù)的價(jià)值也就無(wú)從談起。數(shù)據(jù)挖掘的主體沒(méi)有限制，主要是將現(xiàn)有數(shù)據(jù)通過(guò)數(shù)據(jù)挖掘算法進(jìn)行預(yù)測(cè)性分析，進(jìn)行一些高級(jí)別的數(shù)據(jù)分析，可利用Mahout工具實(shí)現(xiàn)，比較典型的算法有SVM、Kmeans等。

從世界范圍來(lái)看，數(shù)據(jù)挖掘技術(shù)已經(jīng)十分成熟，對(duì)于一個(gè)企業(yè)，如果云平臺(tái)架構(gòu)能力強(qiáng)，能夠?qū)@取的數(shù)據(jù)實(shí)時(shí)傳遞到云端，再?gòu)脑贫讼蛴脩羧后w推送，這可以說(shuō)是大數(shù)據(jù)時(shí)代下企業(yè)的新一種核心競(jìng)爭(zhēng)力。事實(shí)上當(dāng)前擺在企業(yè)面前的是一座數(shù)據(jù)金山，數(shù)據(jù)挖掘能力就成為企業(yè)另一個(gè)重要競(jìng)爭(zhēng)力，并且挖掘能力是衡量企業(yè)業(yè)務(wù)水平高低的重要指標(biāo)，通過(guò)數(shù)據(jù)挖掘以及數(shù)據(jù)分析抓住用戶重點(diǎn)，只有這樣才能實(shí)現(xiàn)大數(shù)據(jù)的真正價(jià)值，下文列舉一些比較常用的數(shù)據(jù)挖掘方法。

MBR（Memory-Based Reasoning）這種方法就是利用已知case（案例）來(lái)預(yù)測(cè)未來(lái)case的一些attribute（屬性），并一般尋找最為相似的案例來(lái)比較。主要的核心就是記憶基礎(chǔ)推理法，涵蓋距離函數(shù)和結(jié)合函數(shù)，前者旨在找到最相似案例，后者則將相似案例屬性結(jié)合起來(lái)，以便預(yù)測(cè)分析時(shí)使用。該方法的優(yōu)點(diǎn)在于能夠容許各種型態(tài)的數(shù)據(jù)，且不需要服從某些假設(shè)，而且具備自學(xué)習(xí)能力，能夠憑借舊案例的學(xué)習(xí)來(lái)獲取關(guān)于新案例的知識(shí)，當(dāng)然需要大量歷史數(shù)據(jù)的支撐。處理速率上比較費(fèi)時(shí)，效率不是很高，在欺騙行為偵測(cè)、預(yù)測(cè)客戶反應(yīng)、醫(yī)學(xué)診療等方面應(yīng)用有較強(qiáng)應(yīng)用前景。

Decision Tree（決策樹(shù)），這在解決歸類與預(yù)測(cè)上能力極強(qiáng)，通過(guò)一系列的問(wèn)題組成法則并表達(dá)出來(lái)，然后經(jīng)過(guò)不斷詢問(wèn)問(wèn)題導(dǎo)出所需的結(jié)果。典型的決策樹(shù)頂端是一個(gè)樹(shù)根，底部擁有許多樹(shù)葉，記錄分解成不同的子集，每個(gè)子集可能包含一個(gè)簡(jiǎn)單法則。

Cluster Detection（聚類分析），該技術(shù)擁有相當(dāng)廣泛的范圍，涵蓋基因算法、類神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)中的群集分析，主要是找出數(shù)據(jù)當(dāng)中以前未知的相似群體，剛開(kāi)始均在群集偵測(cè)技術(shù)但中運(yùn)用，作為研究的開(kāi)端。

除上述方法外還有遺傳算法、OLAP分析、神經(jīng)網(wǎng)絡(luò)、判別分析、購(gòu)物籃分析等等，在此不做一一介紹。

二、數(shù)據(jù)挖掘?qū)嵺`

數(shù)據(jù)挖掘最主要的作用就是為決策提供支撐，某企業(yè)ERP系統(tǒng)積累一定業(yè)務(wù)數(shù)據(jù)，具備了實(shí)施大數(shù)據(jù)決策的前提條件，對(duì)于領(lǐng)導(dǎo)或是管理層來(lái)說(shuō)，關(guān)鍵還是要從業(yè)務(wù)數(shù)據(jù)當(dāng)中挖掘、分析數(shù)據(jù)，提取信息進(jìn)而支撐決策。所以在運(yùn)營(yíng)過(guò)程當(dāng)中構(gòu)建起統(tǒng)一的數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)的集成和共享，為企業(yè)決策提供技術(shù)支撐。

該企業(yè)基于市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)以及內(nèi)部控制，建立起風(fēng)險(xiǎn)管理系統(tǒng)，整合現(xiàn)有風(fēng)險(xiǎn)控制，形成風(fēng)控戰(zhàn)略能力，建立起KRI（關(guān)鍵風(fēng)險(xiǎn)管理指標(biāo)）、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)組合管理、風(fēng)險(xiǎn)保管等，極大提升了企業(yè)風(fēng)險(xiǎn)管理水平。并在統(tǒng)一平臺(tái)下實(shí)現(xiàn)業(yè)務(wù)中心、各部門(mén)不同層次的風(fēng)控要求，滿足不同的業(yè)務(wù)需求。對(duì)該企業(yè)市場(chǎng)、信用以及倉(cāng)儲(chǔ)三個(gè)方面的風(fēng)險(xiǎn)控制提供了極大助力，同時(shí)強(qiáng)大的開(kāi)放性便于后續(xù)的擴(kuò)展深化。具體而言就是建立風(fēng)控計(jì)量模型，基于歷史數(shù)據(jù)以及數(shù)據(jù)挖掘算法，針對(duì)模型進(jìn)行調(diào)整優(yōu)化，實(shí)現(xiàn)量化監(jiān)控、預(yù)測(cè)分析以及自動(dòng)預(yù)警。

一般來(lái)說(shuō)企業(yè)進(jìn)行數(shù)據(jù)挖掘主要遵循以下流程——準(zhǔn)備數(shù)據(jù)，即收集數(shù)據(jù)并進(jìn)行積累，此時(shí)企業(yè)就需要知道其所需要的是什么樣的數(shù)據(jù)，并通過(guò)分類、編輯、清洗、預(yù)處理得到客觀明確的目標(biāo)數(shù)據(jù)。數(shù)據(jù)挖掘這是最為關(guān)鍵的步驟，主要是針對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行進(jìn)一步的挖掘，取得更加客觀準(zhǔn)確的數(shù)據(jù)，方能引入決策之中，不同的企業(yè)可能采取的數(shù)據(jù)挖掘技術(shù)不同，但在當(dāng)前來(lái)看暫時(shí)脫離不了上述的挖掘方法。當(dāng)然隨著技術(shù)的進(jìn)步，大數(shù)據(jù)必定會(huì)進(jìn)一步成為企業(yè)的立身之本，在當(dāng)前已經(jīng)在很多領(lǐng)域得以應(yīng)用。如市場(chǎng)營(yíng)銷，這是數(shù)據(jù)挖掘應(yīng)用最早的領(lǐng)域，旨在挖掘用戶消費(fèi)習(xí)慣，分析用戶消費(fèi)特征進(jìn)而進(jìn)行精準(zhǔn)營(yíng)銷。就以令人深惡痛絕的彈窗廣告來(lái)說(shuō)，當(dāng)消費(fèi)者有網(wǎng)購(gòu)習(xí)慣并在網(wǎng)絡(luò)上搜索喜愛(ài)的產(chǎn)品，當(dāng)再一次進(jìn)行搜索時(shí)，就會(huì)彈出很多針對(duì)消費(fèi)者消費(fèi)習(xí)慣的商品。

三、結(jié)束語(yǔ)

大數(shù)據(jù)時(shí)代下，數(shù)據(jù)已經(jīng)成為企業(yè)重要的資產(chǎn)，而企業(yè)要真正發(fā)揮出大數(shù)據(jù)的價(jià)值，關(guān)鍵還是要靠數(shù)據(jù)挖掘技術(shù)，找到最精確的信息數(shù)據(jù)，幫助企業(yè)進(jìn)行決策或是進(jìn)行精準(zhǔn)的市場(chǎng)營(yíng)銷。當(dāng)然對(duì)于企業(yè)來(lái)說(shuō)，要真正實(shí)現(xiàn)大數(shù)據(jù)還需要走很長(zhǎng)的一段路，但不可否認(rèn)的是運(yùn)用大數(shù)據(jù)還是要依靠數(shù)據(jù)挖掘技術(shù)。

（作者單位：青島酒店管理職業(yè)技術(shù)學(xué)院）endprint