数据挖掘与企业知识管理.docx

数据挖掘与企业知识管理.docx

ID:51010533

大小:23.27 KB

页数:5页

时间:2020-03-17

数据挖掘与企业知识管理.docx_第1页
数据挖掘与企业知识管理.docx_第2页
数据挖掘与企业知识管理.docx_第3页
数据挖掘与企业知识管理.docx_第4页
数据挖掘与企业知识管理.docx_第5页
资源描述:

《数据挖掘与企业知识管理.docx》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、昆明理工大学数据挖掘论文论文题目:浅议数据挖掘技术在企业知识管理中的应用班级:信管111学号:201110901120姓名:杨江浅议数据挖掘技术在企业知识管理中的应用随着知识经济的到来,知识作为一种重要的经济资源可以提升企业的竞争力。知识管理作为一种经营战略模式越来越受到企业的重视。数据挖掘技术是数据库和信息决策领域的一个理论前沿,是知识发现的核心部分,利用数据挖掘技术可以从企业海量的数据和信息中挖掘出有效的知识,帮助企业实施科学有效的知识管理,从而提升企业的核心竞争力,促进企业科学、快速与持续发展。近年来,知识管理飞速发展,学者对知识管理的研究越来越深入,知识管理在企业

2、中的实践也越来越广泛。企业可以广泛搜集到组织所掌握的技术诀窍、业务资料和长期实践经验等数据资料。但如何对这些数据资料进行科学地分析、处理。从而发掘出对管理和决策有价值的信息和知识,却是企业面临的主要挑战。数据挖掘技术可以有效地解决这一问题,并且被广泛应用于企业知识管理中,企业要在激烈的市场竞争中获胜必须,对组织中的知识进行整理或收集,形成企业的核心竞争能力的知识资本,从而提高企业的市场竞争力什么是企业知识管理企业知识管理是指企业利用现代信息技术,开发企业知识资源,调动人力资源学习潜能,并建立与之相适应的组织模式,推进企业现代化进程,提高企业核心竞争力和经济效益的过程。企业

3、知识管理是以知识为核心的不同于信息管理的通过知识共享来实现的企业管理活动。企业知识管理通过项目团队及企业整体之间的相互配合和合作,完成对企业知识的收集、分类、存储和查询,实现企业知识的共享、再利用和创新,进一步提高企业决策的科学性、企业快速反应能力和管理能力,实现企业的智能运营知识对企业的重要性以前企业间的竞争主要是技术、产品、人才的竞争。随着知识经济的到来和互联网管理系统的发展,知识作为一种重要的经济资源可以提升企业的竞争力,大部分企业成功的关键因素是知识数据是指未经处理的数字、词语、声音和图像等;信息是指经过格式化、过滤、已经综合处理的有条件的数据。数据和信息共同构成

4、知识的来源.但知识不是数据和信息的简单积累。知识是一种包括了结构化的经验、价值观、关联信息以及专家见解等要素的动态集合。在一个组织内,知识不仅存在于文档和数据库中,而且嵌入在组织的日常工作、过程、实践和规范中。因而知识既可以作为一个存量,又可以作为一个过程。根据知识的属性,知识可划分为显性知识和隐性知识。显性知识是已经或可以文本化并易于传播的知识;隐性知识是需要进行大量分析、总结和展现的经验、诀窍、价值体系等。显性知识和隐性知识之间是可以进行转化的。知识管理就是企业为提高其核心竞争能力,围绕着知识这一重要资源而开展的知识获取、知识转移、知识共享、知识创新的管理活动,它既包

5、括了说明隐性知识和显性知识相互关系的知识转化过程,也包括阐述知识的创新和共享的知识循环过程。数据挖掘的基本技术数据挖掘是当前数据库和信息决策领域的一个理论前沿,它是集许多学科成熟工具和技术于一体的一门交叉学科。具体而言,数据挖掘(DataMining)指的是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的信息和知识的过程。数据挖掘其实是知识发现的核心部分,其基本原理可以表示为数据的准备---选择---处理与转换---挖掘---模式解释---知识评价等处理过程数据挖掘的任务就是要寻找模式类型。一般而言,它可以分为描述式挖掘和预测式挖掘两类。具体包括:1.概念/类描述

6、是描述式挖掘的基本形式,它是以简洁汇总的形式描述给定任务的相关数据集,提供被挖掘数据有趣的一般特征,由特征化和区分组成。概念化的数据可以被用户以多种形式可视化。与OLAP相比,概念描述能够更加自动化地处理数据类型复杂的属性及其聚类。2.关联分析(Association)是发现在给定数据集中的频繁模式,它常被应用于企业的销售分析和事物数据分析之中,是很多其他数据挖掘任务的基础。3.分类分析:对数据库中的每一类数据,挖掘出关于该类数据的描述或模型,用于预测未知对象。数据分类的基本技术有决策树归纳、贝叶斯分类、神经网络、遗传算法、K-最临近分析、粗糙集方法、模糊集方法等。4.聚

7、类分析:将数据对象按照类内相似性最大化、类间相似性最小化的原则自动分类。与分类分析不同之处在于它要划分的数据是未知的。通过聚类可以识别密集和稀疏的区域,便于发现全局的分布模式。5.异常性分析:是对数据中经常或偶然出现的与其它数据显著不同的数据进行一般模型的挖掘。6.预测是对某些希望得到的但又是空缺的或不知道的数据值(不是类标记)进行挖掘,可以识别基于可用数据的分布趋势。预测的方法有线性回归、多项式回归、对数回归、泊松回归。基于数据挖技术的企业知识管理数据挖掘技术可以从企业数据中挖掘出有价值的知识,增强企业商务智能。信息化的推进

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。