试析在电子商务中如何正确的使用数据挖掘技术

《试析在电子商务中如何正确的使用数据挖掘技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、试析在电子商务中如何正确的使用数据挖掘技术：对于企业而言，数据挖掘有助于发现业务发展的趋向，帮助企业做出正确的决策，使企业处于更有利的竞争位置。数据挖掘中应用的技术包括经典的统计、近邻、聚类，也包括最新发展起来的决策树、神经X络和关联规则等一些较新的方法。当实际开发一个数据挖掘系统时，究竟应该选择哪种数据挖掘技术，往往是一件很困难的事情。本文结合数据挖掘技术在电子商务中的应用,提出选择数据挖掘技术的两个重要依据，以便开发出有效、实用的数据挖掘系统。：数据挖掘　电子商务　关联分析　分类　聚类1引言随着X络技术和数据库技术的成熟，全球传统商务正经历一次重大变革，向电子商务全

2、速挺进。这种贸易电子化的趋向不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深进地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的贸易决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。电子商务的发展促使公司内部收集了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识，为公司创造更多潜伏的利润，数据挖掘概念就是从这样的贸易角度开发出来的。数据挖掘涉及的学科领域和方法很多，其核心技术历经了数十年的发展，其中包括统计、近邻、聚类、决策树、神经X络和规则等。今天，这些成熟的技术在电子商务中已进进

3、了实用阶段，并取得了良好的效果。但数据挖掘作为一个新兴领域，在实际应用当中仍存在很多尚未解决的新题目。其中最困难的往往在于决定什么时候采用哪种数据挖掘技术。为了对数据挖掘技术进行明智的选择，本文结合数据挖掘技术在电子商务中的应用，从挖掘任务和数据信息两个角度进行分析，指出各种数据挖掘技术适用的场合，以便开发出切实可用的数据挖掘系统。2数据挖掘的概念及其在电子商务中的应用2.1数据挖掘的概念数据挖掘是通过挖掘数据仓库中存储的大量数据，从中发现有意义的新的关联模式和趋向的过程。从贸易的角度定义，数据挖掘是一种新的贸易信息处理技术，其主要特征是对贸易数据库中的大量业务数据进行

4、抽取、转换、分析和其它模型化处理，从中提取辅助贸易决策的关键性数据。数据挖掘最吸引人的地方是它能建立猜测模型而不是回顾型的模型。利用功能强大的数据挖掘技术，可以使企业把数据转化为有用的信息帮助决策，从而在市场竞争中获得上风地位。2.2数据挖掘在电子商务中的应用由于数据挖掘能带来明显的经济效益，它在电子商务中（非凡是金融业、零售业和电信业）应用也越来越广泛。在金融领域，治理者可以通过对客户偿还能力以及信用的分析，进行分类，评出等级。从而可减少放贷的麻痹性，进步资金的使用效率。同时还可发现在偿还中起决定功能的主导因素，从而制定相应的金融政策。更值得一提的是通过对数据的分析还

5、可发现洗黑钱以及其它的犯罪活动。在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋向，改进服务质量，取得更好的顾客保持力和满足程度，进步货品销量比率，设计更好的货品运输和分销策略，减少贸易本钱。电信业已经迅速地从单纯的提供市话和长话服务演变为综合电信服务，如语音、传真、寻呼、移动、图像、电子邮件、计算机和WEB数据传输以及其它的数据通讯服务。电信、计算机X络、因特X和各种其它方式的通讯和计算的融合是目前的大势所趋。而且随着很多国家对电信业的开放和新型计算和通讯技术的发展，电信市场正在迅速扩张并越发竞争激烈。因此，利用数据挖掘技术来帮助理解贸易行为、确定电信

6、模式、捕捉盗用行为、更好的利用资源和进步服务质量是非常有必要的。分析职员可以对呼唤源、呼唤目标、呼唤量和天天使用模式等信息进行分析，还可以通过挖掘进行盗用模式分析和异常模式识别，从而可尽早发现盗用，为公司减少损失。３选择数据挖掘技术的两个重要依据　　数据挖掘使用的技术很多，其中主要包括统计方法、机器学习方法、和神经X络方法和数据库方法。统计方法可细分为回回分析、判别分析、聚类分析、探索性分析等。机器学习方法可细分为回纳学习方法（决策树、规则回纳）、基于范例学习、遗传算法等。神经X络方法可细分为钱箱神经X络（BP算法）、自组织神经X络等。数据库方法主要是***数据分析或O

7、LAP方法，另外还有面向属性的回纳方法。由于每一种数据挖掘技术都有其自身的特征和实现的步骤，对数据的形式有具体的要求，并且和具体的应用新题目密切相关，因此成功的应用数据挖掘技术以达到目标过程本身就是一件很复杂的事情，本文主要从挖掘任务和可获得的数据两个角度来讨论对数据挖掘技术的选择。3.1不同的挖掘任务使用不同的挖掘技术数据挖掘的任务是从数据中发现模式。根据挖掘任务，数据挖掘可分为概念描述、聚集发现、关联规则发现、分类发现、回回发现和序列模式发现等。在选择使用某种数据挖掘技术之前，首先要将待解决的贸易新题目转化成正确的数据挖掘的任务，然后