網絡經濟下數據挖掘在工商管理中的應用

 

 

　　摘要:數據挖掘是當前數據庫和信息決策領域的最前沿研究方向之一。該文從知識發現和數據挖掘的概念出發,總結了數據挖掘常采用的技術方法,同時對數據挖掘的應用及發展進行了闡述。該文以一個淘寶網行業的數據挖掘案例探討了數據挖掘在網絡經濟下工商的應用;從技術和商業需求兩個方面分別研究了數據挖掘商務應用的可行性,并指出因競

 

　　爭戰略的細化導致了對數據挖掘的商業需求。

 

　　關鍵詞:數據挖掘;網絡經濟;序列模式

 

　　速提高,大量的數據儲存在數據庫和數據倉庫中,我們已被淹沒在數據和信息的汪洋大海中。這項以數據庫技術、網絡技術、統計分析、人工智能等為依托的綜合性運用技術的出現有其必然性和可行性。人們需要有新的、更有效的手段地各種大量數據進行挖掘以發揮其潛能,數據挖掘正是在這樣的應用需求環境下產生并迅速發展起來的,它的出現為自動和智能地把海量的數據轉化為有用的信息和知識提供了手段。

 

　　1網絡經濟

 

　　網絡經濟,一種建立在計算機網絡基礎之上,以現代信息技術為核心的新的經濟形態。它以信息為基礎,以計算機網絡為依托,以生產、分配、交換和消費網絡產品為主要內容,以高科技為支持,以知識和技術創新為靈魂。它不僅是指以計算機為核心的信息技術產業的興起和快速增長,也包括以現代計算機技術為基礎的整個高新技術產業的崛起和迅猛發展,更包括由于高新技術的推廣和運用所引起的傳統產業、傳統經濟部門的深刻的革命性變化和飛躍性發展。它實際上是一種在傳統經濟基礎上產生的、經過以計算機為核心的現代信息技術提升的高級經濟發展形態。

 

　　2數據挖掘商網絡經濟的案例

 

　　2.1電子商務行業概況

 

　　隨著電子商務行業不斷發展,新的供應商仍在進人市場與傳統企業競爭。電子商務行業促使雜貨、藥品、玩具零售商提供更低的價格和更全的商品。電子商務正以低成本、高效率、覆蓋廣、協調性強、透明度高等一系列明顯的交易優勢席卷經濟的各個層面。

 

　　2011年中國移動互聯網市場規模達393.1億元,同比增長97.5%,移動電子商務的飛速發展正是中國移動互聯網市場快速增長的主要推動力。2011年,移動電商在移動互聯網市場中的占比已接近三成,預計在2012年末可以達到57%以上。傳統互聯網電商企業在發展到一定規模后,有足夠的經驗和資本向移動終端轉移,是移動電商快速增長的主要原因。

 

　　2.2數據挖掘分析過程

 

　　上面面用一個針對淘寶網滁州店鋪采集的樣本數據,進行挖掘的例子來說明數據挖掘的具體應用。表1給出了數據源的部分字段格式。表2、表3給出了經過整理和轉換后的適用于挖掘工具的數據樣本。在本案例中,我們自行編寫挖掘工具。限于篇幅,具體數據挖掘過程省略。

 

　　2.3數據挖掘應用分析結論

 

　　從上面電子商務行業數據挖掘后分析可以得出:

 

　　電子商務銷售的主體:我們找到進行網絡銷售的主體人(店鋪)及相關個人店鋪信息;

 

　　電子商務銷售的內容:我們可以查詢店鋪所銷售的商品信息,對銷售商品是否違規進行監管;

 

　　電子商務市場行為分析:特定范圍內市場消費傾向是什么,以便引導,制定銷售、決策方案;

 

　　監管范圍的擴展:傳統工商監管只對實體店鋪進行監管,通過對網絡的市場監管,可以擴大工商管理監管范圍,更加規范的市場。

 

　　3網絡數據挖掘的分析方法

 

　　針對網絡經濟形態下的數據挖掘,我們主要采用以下三種方式進行數據挖掘:

 

　　3.1關聯分析

 

　　利用關聯規則進行數據挖掘。在數據挖掘研究領域,對于關聯分析的研究開展得比較深入,人們提出了多種關聯規則的挖掘算法,如APRIORI、STEM、AIS、DHP等算法。關聯分析的目的是挖掘隱藏在數據間的相互關系,它能發現數據庫中形如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。關聯分析就是生成所有具有用戶指定的最小置信度和最小支持度的關聯規則。

 

　　3.2分類分析

 

　　設有一個數據庫和一組具有不同特征的類別(標記),該數據庫中的每一個記錄都賦予一個類別的標記,這樣的數據庫稱為示例數據庫或訓練集。分類分析就是通過分析示例數據庫中的數據,為每個類別做出準確的描述或建立分析模型或挖掘出分類規則,然后用這個分類規則對其它數據庫中的記錄進行分類。

 

　　3.3序列模式分析

 

　　序列模式分析和關聯分析法相似,其目的也是為了采掘出數據之間的聯系,但序列模式分析的側重點在于分析數據間的前后(因果)關系。運用序列模式分析銷售記錄,零售商則可以發現客戶潛在的購物模式,例如客戶在購買微波爐前常購買何種商品。 3.4數據挖掘與信息過濾技術的結合 網絡的迅速發展導致了“信息過載”、“信息超載”現象,利用網絡數據挖掘中得到的數據進行信息過濾機制就是為了克服上述現

 

　　象,減少用戶在獲得信息過程中的負擔,同時向用戶提供數量適宜、質量優良的信息應運而生的。比如在網絡內容挖掘之前對網絡文檔中包含的信息進行過濾、篩選、分類和歸檔等操作,使網絡內容挖掘所要處理的數據量得以減少,使輸入數據的質量、網絡內容挖掘的信息挖掘速度及精確度和用戶所得信息的時效性得以提高。

 

　　4網絡數據挖掘步驟

 

　　1)確定應用領域:包括此領域的基本知識和目標。

 

　　2)建立目標數據集:選擇一個數據集或在多數據集的子集上聚焦。

 

　　3)數據預處理:在大數據集中,根據需求,利用數據凈化和整合技術,選擇與任務相關數據,在不降低其準確度的狀況下減少處理數據量。

 

　　4)數據轉換:找到數據的特征進行編碼,減少有效變量的數目。

 

　　5)數據挖掘:根據數據和所要發現知識的種類來確定相應的挖掘算法。

 

　　6)數據評價:將挖掘出的知識和數據以各種可視化方式顯示,并將其以圖形、文本等方式存儲在庫中,以便對它們進一步挖掘,直至滿意為止。

 

　　7)實施和應用:利用數據挖掘技術所建立模型在實際項目中的應用,包括數據庫的構建,個性化用戶服務、基于知識的企業信息管理(MIS)、企業目標管理、決策支持等等。

 

　　5網絡數據挖掘的未來展望

 

　　以上數據時網絡經濟形態下,在工商管理部分的應用,實際的工商管理目標是為工商管理與決策提供服務,未來的數據挖掘將會形成標準的數據挖掘語言或其他方面的標準化工作的數據挖掘系統。

 

　　數據挖掘能發現網絡中隱含的有價值的信息和知識,從而提高標引、自動摘要、自動分類和自動聚類等的準確率;能促進用戶興趣模型的構建,從而為用戶提供更好的個性化信息,難以滿足網絡信息用戶的動態需求。在網絡信息檢索的實際應用中,往往不是單一地運用數據挖掘技術,數據挖掘需和其他相關技術結合,才能發揮出更大的效用。

 

　　參考文獻:

 

　　[1]劉彩虹,楊玉紅.論圖書館文獻信息服務的創新[J].圖書館工作與研究,2002 (1):59-61.

 

　　[2]王振強.用知識管理思想建設企業競爭情報——通過信息綜合利用實現企業競爭智能[EB/OL].(2004-12-15).

 

　　[3]周黎明,邱均平.基于網絡的內容分析法[J].情報學報,2005 (5):594-599.

 

　　[4]羅春榮,曹樹金.因特網的信息資源評價[J].中國圖書館學報,2001 (3):45-52.

 

　　[5]苗杰,倪波.面向集成競爭情報系統的數據挖掘應用研究[J].情報學報,2001 (8):443—450.

 

　　[6]翁燁.知識管理系統與市場數據挖掘的融合[J].中國信息導報,2003 (7):52-53.

 

　　[7]鄭宏珍,韓靜萍.異構平臺數據倉庫與數據挖掘技術[J].中國信息導報,2003 (2):53-55.