基于大数据的数据挖掘技术与应用

《基于大数据的数据挖掘技术与应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于大数据的数据挖掘技术与应用　　　　摘要：科技前进的步伐越来越快，数据挖掘与传统行业相结合，在各行各业展现出了十分强大的生命力。本文从数据挖掘的基本概念和功能谈起，进一步再分析其在金融和人力资源两个方面的具体运用。下载论文网　　关键词：数据挖掘大数据金融人力资源　　引言　　因为云计算不停地高速发展，随着时间的积累，各行各业中积累了大量的数据信息。面对如此特殊的信息来源，企业怎样合理利用庞大的信息，提高自身效率，快速占领市场份额，成为一个关键内容。如何正确在各学科中发挥数据挖掘技术的优势值得各界的重视。　　一、数据挖掘的概念和功能　　（一）数据挖掘概念。数据挖掘是指从庞大繁杂的

2、数据中通过算法搜索隐藏于表面数据背后信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习和模式识别等多种方法来实现上述目标。　　（二）数据挖掘的方法和过程。数据挖掘的理论技术一般可分为传统技术和改良技术两支。就传统技术而言，以统计分析为主要代表；就改良技术而言，以决策树理论、类神经网络和规则归纳法等为主要代表。　　数据挖掘的简单过程主要如下：　　（1）确定业务对象：成功地进行数据分析的第一步是确立数据挖掘的目标。通过对业务对象的研究，确定业务问题。（2）数据准备：首先，要从庞大的数据中进行一定程度地挑选，将所有与业务有关的数据调集在一起，再从中

3、挑选出适合进行数据挖掘的数据，为下一步做准备；其次，要对数据进行预处理，确保数据的相关性和有效性，确定即将进行的挖掘操作的方案；最终，要对得到结果数据的进行转换，即要把数据分析转换成一个以挖掘算法为基础建立的分析模型，此环节是数据挖掘成功的重要步骤。（3）数据挖掘：对已经经过转换的数据进行挖掘。（4）结果分析：解释并评估结果。（5）知识的同化：在进行完以上所有的步骤之后，只有将分析所得到的知识，与研究对象相结合，集成到研究对象信息系统的组织结构中去，才能最终呈现出有价值的信息。　　（三）数据挖掘的主要功能。数据挖掘的功能十分强大，在与各行各业结合之后，都能为各行业带来新的发展契

4、机。一般来说，数据挖掘的功能分为两类：一类是描述性功能，是指对目标数据的属性进行特征描述；另一类是预测性功能，是指对当前数据进行归纳，以进行发展趋势的预测。　　二、数据挖掘技术的应用实践　　（一）在金融方面的应用。大数据金融以庞大繁杂的数据作为基础，利用如互联网等信息化技术，分析处理对客户的消费数据，将客户及时全面的信息及时地反馈给金融企业，如此一来，使得金融企业给零散化的客户群体提供定制化的服务成为可能。数据挖掘技术在金融领域的表现十分优异，在第三方支付、p2p网络借贷、供应链金融、互联网消费金融等方面均有广泛的运用。　　就第三方支付而言，因为其运用场景多样化，使用方便快捷，

5、因而，第三方支付与上下游的交易者联系紧密。当相关数据累积到一定程度时，便可推出更多的增值服务，进一步增加利润来源。在众多增值服务中，近年来，值得一提的是由蚂蚁金服推出的蚂蚁花呗。蚂蚊花呗本质上而言是一款消费信贷产品。蚂蚁花呗利用大数据，以自身的风控模型为基础，结合对消费者在互联网上的各种网购情况、支付习惯、信用风险等的分析结果，对不同的用户根据其近期的消费情况给予不同数额的消费额度。　　第三方互联网支付交易规模由于互联网理财等大额交易场景的推动保持高速增长。在2013年，第三方互联网支付交易额仅为6万亿元，但据可靠预测，在2020年，此交易额可到39万亿元。再看第三方移动支付交

6、易额。由于移动支付场景的多样化、用户渗透率越来越高、各种第三方支付企业进军市场等原因，移动交易量不断上升。在2013年，第三方移动支付交易额仅为1万亿元。但据估计，在2020年，第三方移动支付交易额可达144万亿元。　　（二）在人力资源管理方面的运用。人力资源管理六大基本模块分别是人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬管理及员工关系。数据挖掘技术正好为每一模块都提供了过硬的技术支持，推动了人力资源管理系统改革。下面分别就此六个模块如何与数据挖掘相结合进行简单地分析：　　（1）数据挖掘与人力资源规划：通过数据挖掘技术，组织管理者可以利用搜集到的每一个员工的组织内外部

7、的信息资料，联系企业的整体战略目标，以事实为依据，制定未来人力资源规划。　　（2）数据挖掘与人才的招聘与配置：招聘时，招聘者对于求职者的了解一般都比较肤浅，对于求职者的专业技能掌握情?r、工作效率等无法有效进行认知。而新兴的社交网络呈现了―个人各方面的信息，如工作经历、社会关系、工作效率等，从而能助招聘者一臂之力，达到精准的人岗匹配。　　（3）数据挖掘与员工的开发：利用数据挖掘，管理者将职业生涯规划建立在员工全方位数据的基础上，如员工的应聘岗位、晋升意愿和期望薪酬等结构化与非结构化的数据信息