网络经济下数据挖掘在工商管理中的应用

 

 

　　摘要:数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一。该文从知识发现和数据挖掘的概念出发,总结了数据挖掘常采用的技术方法,同时对数据挖掘的应用及发展进行了阐述。该文以一个淘宝网行业的数据挖掘案例探讨了数据挖掘在网络经济下工商的应用;从技术和商业需求两个方面分别研究了数据挖掘商务应用的可行性,并指出因竞

 

　　争战略的细化导致了对数据挖掘的商业需求。

 

　　关键词:数据挖掘;网络经济;序列模式

 

　　速提高,大量的数据储存在数据库和数据仓库中,我们已被淹没在数据和信息的汪洋大海中。这项以数据库技术、网络技术、统计分析、人工智能等为依托的综合性运用技术的出现有其必然性和可行性。人们需要有新的、更有效的手段地各种大量数据进行挖掘以发挥其潜能,数据挖掘正是在这样的应用需求环境下产生并迅速发展起来的,它的出现为自动和智能地把海量的数据转化为有用的信息和知识提供了手段。

 

　　1网络经济

 

　　网络经济,一种建立在计算机网络基础之上,以现代信息技术为核心的新的经济形态。它以信息为基础,以计算机网络为依托,以生产、分配、交换和消费网络产品为主要内容,以高科技为支持,以知识和技术创新为灵魂。它不仅是指以计算机为核心的信息技术产业的兴起和快速增长,也包括以现代计算机技术为基础的整个高新技术产业的崛起和迅猛发展,更包括由于高新技术的推广和运用所引起的传统产业、传统经济部门的深刻的革命性变化和飞跃性发展。它实际上是一种在传统经济基础上产生的、经过以计算机为核心的现代信息技术提升的高级经济发展形态。

 

　　2数据挖掘商网络经济的案例

 

　　2.1电子商务行业概况

 

　　随着电子商务行业不断发展,新的供应商仍在进人市场与传统企业竞争。电子商务行业促使杂货、药品、玩具零售商提供更低的价格和更全的商品。电子商务正以低成本、高效率、覆盖广、协调性强、透明度高等一系列明显的交易优势席卷经济的各个层面。

 

　　2011年中国移动互联网市场规模达393.1亿元,同比增长97.5%,移动电子商务的飞速发展正是中国移动互联网市场快速增长的主要推动力。2011年,移动电商在移动互联网市场中的占比已接近三成,预计在2012年末可以达到57%以上。传统互联网电商企业在发展到一定规模后,有足够的经验和资本向移动终端转移,是移动电商快速增长的主要原因。

 

　　2.2数据挖掘分析过程

 

　　上面面用一个针对淘宝网滁州店铺采集的样本数据,进行挖掘的例子来说明数据挖掘的具体应用。表1给出了数据源的部分字段格式。表2、表3给出了经过整理和转换后的适用于挖掘工具的数据样本。在本案例中,我们自行编写挖掘工具。限于篇幅,具体数据挖掘过程省略。

 

　　2.3数据挖掘应用分析结论

 

　　从上面电子商务行业数据挖掘后分析可以得出:

 

　　电子商务销售的主体:我们找到进行网络销售的主体人(店铺)及相关个人店铺信息;

 

　　电子商务销售的内容:我们可以查询店铺所销售的商品信息,对销售商品是否违规进行监管;

 

　　电子商务市场行为分析:特定范围内市场消费倾向是什么,以便引导,制定销售、决策方案;

 

　　监管范围的扩展:传统工商监管只对实体店铺进行监管,通过对网络的市场监管,可以扩大工商管理监管范围,更加规范的市场。

 

　　3网络数据挖掘的分析方法

 

　　针对网络经济形态下的数据挖掘,我们主要采用以下三种方式进行数据挖掘:

 

　　3.1关联分析

 

　　利用关联规则进行数据挖掘。在数据挖掘研究领域,对于关联分析的研究开展得比较深入,人们提出了多种关联规则的挖掘算法,如APRIORI、STEM、AIS、DHP等算法。关联分析的目的是挖掘隐藏在数据间的相互关系,它能发现数据库中形如“90%的顾客在一次购买活动中购买商品A的同时购买商品B”之类的知识。关联分析就是生成所有具有用户指定的最小置信度和最小支持度的关联规则。

 

　　3.2分类分析

 

　　设有一个数据库和一组具有不同特征的类别(标记),该数据库中的每一个记录都赋予一个类别的标记,这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据,为每个类别做出准确的描述或建立分析模型或挖掘出分类规则,然后用这个分类规则对其它数据库中的记录进行分类。

 

　　3.3序列模式分析

 

　　序列模式分析和关联分析法相似,其目的也是为了采掘出数据之间的联系,但序列模式分析的侧重点在于分析数据间的前后(因果)关系。运用序列模式分析销售记录,零售商则可以发现客户潜在的购物模式,例如客户在购买微波炉前常购买何种商品。 3.4数据挖掘与信息过滤技术的结合 网络的迅速发展导致了“信息过载”、“信息超载”现象,利用网络数据挖掘中得到的数据进行信息过滤机制就是为了克服上述现

 

　　象,减少用户在获得信息过程中的负担,同时向用户提供数量适宜、质量优良的信息应运而生的。比如在网络内容挖掘之前对网络文档中包含的信息进行过滤、筛选、分类和归档等操作,使网络内容挖掘所要处理的数据量得以减少,使输入数据的质量、网络内容挖掘的信息挖掘速度及精确度和用户所得信息的时效性得以提高。

 

　　4网络数据挖掘步骤

 

　　1)确定应用领域:包括此领域的基本知识和目标。

 

　　2)建立目标数据集:选择一个数据集或在多数据集的子集上聚焦。

 

　　3)数据预处理:在大数据集中,根据需求,利用数据净化和整合技术,选择与任务相关数据,在不降低其准确度的状况下减少处理数据量。

 

　　4)数据转换:找到数据的特征进行编码,减少有效变量的数目。

 

　　5)数据挖掘:根据数据和所要发现知识的种类来确定相应的挖掘算法。

 

　　6)数据评价:将挖掘出的知识和数据以各种可视化方式显示,并将其以图形、文本等方式存储在库中,以便对它们进一步挖掘,直至满意为止。

 

　　7)实施和应用:利用数据挖掘技术所建立模型在实际项目中的应用,包括数据库的构建,个性化用户服务、基于知识的企业信息管理(MIS)、企业目标管理、决策支持等等。

 

　　5网络数据挖掘的未来展望

 

　　以上数据时网络经济形态下,在工商管理部分的应用,实际的工商管理目标是为工商管理与决策提供服务,未来的数据挖掘将会形成标准的数据挖掘语言或其他方面的标准化工作的数据挖掘系统。

 

　　数据挖掘能发现网络中隐含的有价值的信息和知识,从而提高标引、自动摘要、自动分类和自动聚类等的准确率;能促进用户兴趣模型的构建,从而为用户提供更好的个性化信息,难以满足网络信息用户的动态需求。在网络信息检索的实际应用中,往往不是单一地运用数据挖掘技术,数据挖掘需和其他相关技术结合,才能发挥出更大的效用。

 

　　参考文献:

 

　　[1]刘彩虹,杨玉红.论图书馆文献信息服务的创新[J].图书馆工作与研究,2002 (1):59-61.

 

　　[2]王振强.用知识管理思想建设企业竞争情报——通过信息综合利用实现企业竞争智能[EB/OL].(2004-12-15).

 

　　[3]周黎明,邱均平.基于网络的内容分析法[J].情报学报,2005 (5):594-599.

 

　　[4]罗春荣,曹树金.因特网的信息资源评价[J].中国图书馆学报,2001 (3):45-52.

 

　　[5]苗杰,倪波.面向集成竞争情报系统的数据挖掘应用研究[J].情报学报,2001 (8):443—450.

 

　　[6]翁烨.知识管理系统与市场数据挖掘的融合[J].中国信息导报,2003 (7):52-53.

 

　　[7]郑宏珍,韩静萍.异构平台数据仓库与数据挖掘技术[J].中国信息导报,2003 (2):53-55.