摘 要：隨著信息技術(shù)特別是網(wǎng)絡(luò)技術(shù)飛速發(fā)展，人們收集、存貯、傳輸數(shù)據(jù)能力不斷提高。數(shù)據(jù)出現(xiàn)了爆炸性增長(zhǎng)，與此形成鮮明對(duì)比的是，對(duì)決策有價(jià)值的知識(shí)卻非常匱乏。知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘技術(shù)正是在這一背景下誕生的一門(mén)新學(xué)科，數(shù)據(jù)挖掘是當(dāng)前數(shù)據(jù)庫(kù)和信息決策領(lǐng)域的最前沿研究方向之一，數(shù)據(jù)挖掘技術(shù)對(duì)經(jīng)濟(jì)預(yù)測(cè)能取得很好的效果。

關(guān)鍵詞：數(shù)據(jù)挖掘；功能；內(nèi)容；步驟

中圖分類(lèi)號(hào)：F0 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2013）33-0007-02

收稿日期：2013-08-19

作者簡(jiǎn)介：張瓊（1969-），女，浙江杭州人，助理會(huì)計(jì)師，從事企事業(yè)單位經(jīng)濟(jì)管理研究。

一、數(shù)據(jù)挖掘與功能

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的原始數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。它是一門(mén)交叉學(xué)科，匯聚了數(shù)據(jù)庫(kù)、人工智能、統(tǒng)計(jì)學(xué)、可視化、并行計(jì)算等不同學(xué)科和領(lǐng)域?，F(xiàn)代統(tǒng)計(jì)學(xué)充分運(yùn)用了自動(dòng)化的數(shù)據(jù)搜集、整理與分析技術(shù)，其目前面臨的最大課題就是處理大量、復(fù)雜數(shù)據(jù)的能力。由于傳統(tǒng)的統(tǒng)計(jì)推斷局限在小樣本，無(wú)法處理大量、復(fù)雜的數(shù)據(jù)集，數(shù)據(jù)挖掘的出現(xiàn)則大大增強(qiáng)了統(tǒng)計(jì)學(xué)的的數(shù)據(jù)處理能力，也給統(tǒng)計(jì)學(xué)的理論研究提出了新的課題，極大地推動(dòng)了統(tǒng)計(jì)學(xué)的發(fā)展。數(shù)據(jù)挖掘的過(guò)程也叫知識(shí)發(fā)現(xiàn)的過(guò)程。

1.分類(lèi)。按照分析對(duì)象的屬性、特征，建立不同的組類(lèi)來(lái)描述事物。例如，銀行部門(mén)根據(jù)以前的數(shù)據(jù)將客戶(hù)分成了不同的類(lèi)別，現(xiàn)在就可以根據(jù)這些來(lái)區(qū)分新申請(qǐng)貸款的客戶(hù)，以采取相應(yīng)的貸款方案。

2.聚類(lèi)。識(shí)別出分析對(duì)內(nèi)在的規(guī)則，按照這些規(guī)則把對(duì)象分成若干類(lèi)。例如，將申請(qǐng)人分為高度風(fēng)險(xiǎn)申請(qǐng)者、中度風(fēng)險(xiǎn)申請(qǐng)者、低度風(fēng)險(xiǎn)申請(qǐng)者。

3.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)是某種事物發(fā)生時(shí)其他事物會(huì)發(fā)生的這樣一種聯(lián)系。例如，每天購(gòu)買(mǎi)啤酒的人也有可能購(gòu)買(mǎi)香煙，比重有多大，可以通過(guò)關(guān)聯(lián)的支持度和可信度來(lái)描述。

4.預(yù)測(cè)。把握分析對(duì)象發(fā)展的規(guī)律，對(duì)未來(lái)的趨勢(shì)做出預(yù)見(jiàn)。例如，對(duì)未來(lái)經(jīng)濟(jì)發(fā)展的判斷。

5.偏差的檢測(cè)。對(duì)分析對(duì)象的少數(shù)的、極端的特例的描述，揭示內(nèi)在的原因。

二、數(shù)據(jù)挖掘技術(shù)的內(nèi)容

數(shù)據(jù)挖掘是進(jìn)行信息處理的系統(tǒng)工具，按照信息處理的流程來(lái)分類(lèi)，一般有三種類(lèi)型：信息發(fā)現(xiàn)、預(yù)測(cè)模型和異常分析。信息發(fā)現(xiàn)是指單純地對(duì)信息進(jìn)行處理、整理和分析，以發(fā)掘出蘊(yùn)涵在信息之間的潛在的有價(jià)值的知識(shí)或者聯(lián)系，但并不進(jìn)行對(duì)信息處理結(jié)果的預(yù)測(cè)。信息發(fā)現(xiàn)包括條件邏輯推理、關(guān)聯(lián)處理和信息規(guī)律趨勢(shì)和變化等；預(yù)測(cè)模型是指通過(guò)上一階段的信息處理，利用有價(jià)值的知識(shí)資源和預(yù)測(cè)模型對(duì)其進(jìn)行發(fā)展趨勢(shì)預(yù)測(cè)，這包括結(jié)論預(yù)測(cè)和發(fā)展趨勢(shì)展望等；異常分析是指數(shù)據(jù)挖掘的擴(kuò)展階段，對(duì)發(fā)現(xiàn)的異常情況作出分析，包括偏離偵測(cè)和關(guān)聯(lián)分析等。總的來(lái)說(shuō)，數(shù)據(jù)挖掘技術(shù)通常有六種手段進(jìn)行信息處理：分類(lèi)、回歸模型、時(shí)間序列、聚類(lèi)、關(guān)聯(lián)分析和序列發(fā)現(xiàn)。分類(lèi)和回歸模型一般用于趨勢(shì)預(yù)測(cè)，關(guān)聯(lián)和序列發(fā)現(xiàn)用于分析客戶(hù)行為，聚類(lèi)則可用于以上兩種情況。數(shù)據(jù)挖掘技術(shù)按對(duì)信息的處理方式分為數(shù)據(jù)保存技術(shù)和數(shù)據(jù)提煉技術(shù)兩種方式。數(shù)據(jù)保存技術(shù)主要是能夠方便地為企業(yè)決策提供信息幫助，在企業(yè)決策中應(yīng)用案例分析（CBR）來(lái)保證經(jīng)營(yíng)決策的有效性。但是企業(yè)要想獲得蘊(yùn)涵在信息之中的有價(jià)值的知識(shí)，就必須使用數(shù)據(jù)提煉技術(shù)，數(shù)據(jù)提煉技術(shù)包括：邏輯方法是運(yùn)用多維或者OLAP技術(shù)對(duì)量化的或者非量化的數(shù)據(jù)進(jìn)行統(tǒng)一模式的處理，包括規(guī)則公式和決策樹(shù)；橫向?qū)Ρ戎饕菍?duì)定性數(shù)據(jù)指標(biāo)進(jìn)行類(lèi)比分析，包括類(lèi)比中介和可信網(wǎng)絡(luò)；程式分析是能夠有效地應(yīng)用多維模型和數(shù)理統(tǒng)計(jì)方法對(duì)大規(guī)模的數(shù)據(jù)進(jìn)行處理，包括數(shù)理統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)等。

三、數(shù)據(jù)挖掘步驟

1.確定應(yīng)用領(lǐng)域。包括此領(lǐng)域的基本知識(shí)和目標(biāo)。

2.建立目標(biāo)數(shù)據(jù)集。選擇一個(gè)數(shù)據(jù)集或在多數(shù)據(jù)集的子集上聚焦。

3.數(shù)據(jù)預(yù)處理。在大數(shù)據(jù)集中，根據(jù)需求，利用數(shù)據(jù)凈化和整合技術(shù)，選擇與任務(wù)相關(guān)數(shù)據(jù)，在不降低其準(zhǔn)確度的狀況下減少處理數(shù)據(jù)量。

4.數(shù)據(jù)轉(zhuǎn)換。找到數(shù)據(jù)的特征進(jìn)行編碼，減少有效變量的數(shù)目。

5.數(shù)據(jù)挖掘。根據(jù)數(shù)據(jù)和所要發(fā)現(xiàn)知識(shí)的種類(lèi)來(lái)確定相應(yīng)的挖掘算法。

6.數(shù)據(jù)評(píng)價(jià)。將挖掘出的知識(shí)和數(shù)據(jù)以各種可視化方式顯示，并將其以圖形、文本等方式存儲(chǔ)在庫(kù)中，以便對(duì)它們進(jìn)一步挖掘，直至滿(mǎn)意為止。

7.實(shí)施和應(yīng)用。利用數(shù)據(jù)挖掘技術(shù)所建立模型在實(shí)際項(xiàng)目中的應(yīng)用，包括數(shù)據(jù)庫(kù)的構(gòu)建，個(gè)性化用戶(hù)服務(wù)、基于知識(shí)的企業(yè)信息管理（MIS）、企業(yè)目標(biāo)管理、決策支持等等。

四、數(shù)據(jù)挖掘在經(jīng)濟(jì)運(yùn)行中應(yīng)用

以大數(shù)據(jù)為創(chuàng)新驅(qū)動(dòng)的金融改革能夠緩解小微企業(yè)融資困難，促進(jìn)信息消費(fèi)升級(jí)，加快民間資本對(duì)金融業(yè)的支持，更靈敏的防范金融風(fēng)險(xiǎn)，成為中國(guó)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí)的強(qiáng)大動(dòng)力。對(duì)于小微企業(yè)而言，其融資的一個(gè)重大挑戰(zhàn)是銀行等金融機(jī)構(gòu)的風(fēng)險(xiǎn)控制要求。小微企業(yè)由于經(jīng)營(yíng)規(guī)模較小，其信用風(fēng)險(xiǎn)信息較為模糊，使得銀行不愿貸款。憑借強(qiáng)大的信息資源和風(fēng)險(xiǎn)透視優(yōu)勢(shì)，大數(shù)據(jù)金融將幫助解決小微企業(yè)的融資困境?；诖髷?shù)據(jù)應(yīng)用的金融機(jī)構(gòu)，可以憑借互聯(lián)網(wǎng)開(kāi)放平臺(tái)的渠道優(yōu)勢(shì)與數(shù)據(jù)挖掘解決小微企業(yè)融資過(guò)程中資金供需雙方信息不對(duì)稱(chēng)的問(wèn)題。大數(shù)據(jù)能夠提高風(fēng)險(xiǎn)透明度，加強(qiáng)風(fēng)險(xiǎn)的可審性和管理力度，從而減少小微企業(yè)融資的成本，加強(qiáng)金融機(jī)構(gòu)對(duì)小微企業(yè)進(jìn)行貸款的風(fēng)險(xiǎn)管理上的激勵(lì)。除了助力小微企業(yè)融資，以大數(shù)據(jù)為驅(qū)動(dòng)的服務(wù)創(chuàng)新能夠有效提升金融產(chǎn)品和服務(wù)的消費(fèi)，促進(jìn)信息消費(fèi)，擴(kuò)大內(nèi)需。大數(shù)據(jù)支持服務(wù)創(chuàng)新，強(qiáng)調(diào)客戶(hù)為中心的理念，通過(guò)對(duì)客戶(hù)消費(fèi)行為模式進(jìn)行分析，提高客戶(hù)轉(zhuǎn)化率，開(kāi)發(fā)出不同的產(chǎn)品以滿(mǎn)足不同客戶(hù)的市場(chǎng)需求，從而促進(jìn)消費(fèi)，提振內(nèi)需。大數(shù)據(jù)金融的代表互聯(lián)網(wǎng)金融正不斷推動(dòng)著中國(guó)的金融改革?；ヂ?lián)網(wǎng)金融的典型代表阿里巴巴充分利用其平臺(tái)積累的大數(shù)據(jù)資源，將海量交易數(shù)據(jù)轉(zhuǎn)化為金融商機(jī)，從“支付寶”到“余額寶”，通過(guò)對(duì)大數(shù)據(jù)的深度挖掘?qū)崿F(xiàn)了精準(zhǔn)的金融服務(wù)?；诖髷?shù)據(jù)的深度信息挖掘和價(jià)值分析將有效提升銀行的風(fēng)險(xiǎn)定價(jià)能力，通過(guò)精準(zhǔn)的手段算清楚各業(yè)務(wù)、各產(chǎn)品、甚至各個(gè)客戶(hù)的成本和收益，加快業(yè)務(wù)和管理精細(xì)化轉(zhuǎn)型，同時(shí)有效監(jiān)控利率風(fēng)險(xiǎn)。大數(shù)據(jù)金融具有大價(jià)值，但同時(shí)也存在一定風(fēng)險(xiǎn)。守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)是底線(xiàn)。

參考文獻(xiàn)：

[1] 何清.物聯(lián)網(wǎng)與數(shù)據(jù)挖掘云服務(wù)[J].智能系統(tǒng)學(xué)報(bào)，2012，（3）.

[責(zé)任編輯 劉嬌嬌]