萬曉燕　陳姍　劉汝元　畢軍濤

摘要：大數(shù)據(jù)時代，企業(yè)能夠進行精準決策、營銷，關鍵還是數(shù)據(jù)分析，而其中最為重要的就是數(shù)據(jù)挖掘。本文對數(shù)據(jù)挖掘技術進行了簡單分析，同時結合相關案例分析了數(shù)據(jù)挖掘技術在企業(yè)當中的應用步驟和成效，僅供參考。

關鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘；企業(yè)

自進入大數(shù)據(jù)時代以來，各個領域的大數(shù)據(jù)呈現(xiàn)飛速發(fā)展態(tài)勢，數(shù)據(jù)采集、樣本分析、圖像識別、智能可穿戴設備等等紛紛面向大眾。對于企業(yè)來說數(shù)據(jù)已經成為重要的資產，越來越多的企業(yè)開始重視對大數(shù)據(jù)的分析與利用，根據(jù)貝恩咨詢公司的調研報告，其所調研的企業(yè)當中有超過400家年營業(yè)額5億美元以上的企業(yè)，其中約60%的企業(yè)正在布局大數(shù)據(jù)，表明大數(shù)據(jù)已經走下神壇，逐步成為企業(yè)常規(guī)化的決策工具，其中的核心要點就是數(shù)據(jù)挖掘技術，這是實現(xiàn)大數(shù)據(jù)分析的前提。

一、數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘算法是大數(shù)據(jù)分析的核心部分，要科學表現(xiàn)大數(shù)據(jù)的特點就需要針對這些數(shù)據(jù)的類型及格式制定相應的算法。這些算法可以說是基于統(tǒng)計學的統(tǒng)計方法，也只有這樣，挖掘出來的數(shù)據(jù)才具有公認的價值。同時數(shù)據(jù)挖掘算法是快速處理數(shù)據(jù)的關鍵，若一個算法需要很長時間才能獲得結論，那么大數(shù)據(jù)的價值也就無從談起。數(shù)據(jù)挖掘的主體沒有限制，主要是將現(xiàn)有數(shù)據(jù)通過數(shù)據(jù)挖掘算法進行預測性分析，進行一些高級別的數(shù)據(jù)分析，可利用Mahout工具實現(xiàn)，比較典型的算法有SVM、Kmeans等。

從世界范圍來看，數(shù)據(jù)挖掘技術已經十分成熟，對于一個企業(yè)，如果云平臺架構能力強，能夠將獲取的數(shù)據(jù)實時傳遞到云端，再從云端向用戶群體推送，這可以說是大數(shù)據(jù)時代下企業(yè)的新一種核心競爭力。事實上當前擺在企業(yè)面前的是一座數(shù)據(jù)金山，數(shù)據(jù)挖掘能力就成為企業(yè)另一個重要競爭力，并且挖掘能力是衡量企業(yè)業(yè)務水平高低的重要指標，通過數(shù)據(jù)挖掘以及數(shù)據(jù)分析抓住用戶重點，只有這樣才能實現(xiàn)大數(shù)據(jù)的真正價值，下文列舉一些比較常用的數(shù)據(jù)挖掘方法。

MBR（Memory-Based Reasoning）這種方法就是利用已知case（案例）來預測未來case的一些attribute（屬性），并一般尋找最為相似的案例來比較。主要的核心就是記憶基礎推理法，涵蓋距離函數(shù)和結合函數(shù)，前者旨在找到最相似案例，后者則將相似案例屬性結合起來，以便預測分析時使用。該方法的優(yōu)點在于能夠容許各種型態(tài)的數(shù)據(jù)，且不需要服從某些假設，而且具備自學習能力，能夠憑借舊案例的學習來獲取關于新案例的知識，當然需要大量歷史數(shù)據(jù)的支撐。處理速率上比較費時，效率不是很高，在欺騙行為偵測、預測客戶反應、醫(yī)學診療等方面應用有較強應用前景。

Decision Tree（決策樹），這在解決歸類與預測上能力極強，通過一系列的問題組成法則并表達出來，然后經過不斷詢問問題導出所需的結果。典型的決策樹頂端是一個樹根，底部擁有許多樹葉，記錄分解成不同的子集，每個子集可能包含一個簡單法則。

Cluster Detection（聚類分析），該技術擁有相當廣泛的范圍，涵蓋基因算法、類神經網絡、統(tǒng)計學中的群集分析，主要是找出數(shù)據(jù)當中以前未知的相似群體，剛開始均在群集偵測技術但中運用，作為研究的開端。

除上述方法外還有遺傳算法、OLAP分析、神經網絡、判別分析、購物籃分析等等，在此不做一一介紹。

二、數(shù)據(jù)挖掘實踐

數(shù)據(jù)挖掘最主要的作用就是為決策提供支撐，某企業(yè)ERP系統(tǒng)積累一定業(yè)務數(shù)據(jù)，具備了實施大數(shù)據(jù)決策的前提條件，對于領導或是管理層來說，關鍵還是要從業(yè)務數(shù)據(jù)當中挖掘、分析數(shù)據(jù)，提取信息進而支撐決策。所以在運營過程當中構建起統(tǒng)一的數(shù)據(jù)平臺，實現(xiàn)數(shù)據(jù)的集成和共享，為企業(yè)決策提供技術支撐。

該企業(yè)基于市場風險、信用風險以及內部控制，建立起風險管理系統(tǒng)，整合現(xiàn)有風險控制，形成風控戰(zhàn)略能力，建立起KRI（關鍵風險管理指標）、風險分析、風險組合管理、風險保管等，極大提升了企業(yè)風險管理水平。并在統(tǒng)一平臺下實現(xiàn)業(yè)務中心、各部門不同層次的風控要求，滿足不同的業(yè)務需求。對該企業(yè)市場、信用以及倉儲三個方面的風險控制提供了極大助力，同時強大的開放性便于后續(xù)的擴展深化。具體而言就是建立風控計量模型，基于歷史數(shù)據(jù)以及數(shù)據(jù)挖掘算法，針對模型進行調整優(yōu)化，實現(xiàn)量化監(jiān)控、預測分析以及自動預警。

一般來說企業(yè)進行數(shù)據(jù)挖掘主要遵循以下流程——準備數(shù)據(jù)，即收集數(shù)據(jù)并進行積累，此時企業(yè)就需要知道其所需要的是什么樣的數(shù)據(jù)，并通過分類、編輯、清洗、預處理得到客觀明確的目標數(shù)據(jù)。數(shù)據(jù)挖掘這是最為關鍵的步驟，主要是針對預處理后的數(shù)據(jù)進行進一步的挖掘，取得更加客觀準確的數(shù)據(jù)，方能引入決策之中，不同的企業(yè)可能采取的數(shù)據(jù)挖掘技術不同，但在當前來看暫時脫離不了上述的挖掘方法。當然隨著技術的進步，大數(shù)據(jù)必定會進一步成為企業(yè)的立身之本，在當前已經在很多領域得以應用。如市場營銷，這是數(shù)據(jù)挖掘應用最早的領域，旨在挖掘用戶消費習慣，分析用戶消費特征進而進行精準營銷。就以令人深惡痛絕的彈窗廣告來說，當消費者有網購習慣并在網絡上搜索喜愛的產品，當再一次進行搜索時，就會彈出很多針對消費者消費習慣的商品。

三、結束語

大數(shù)據(jù)時代下，數(shù)據(jù)已經成為企業(yè)重要的資產，而企業(yè)要真正發(fā)揮出大數(shù)據(jù)的價值，關鍵還是要靠數(shù)據(jù)挖掘技術，找到最精確的信息數(shù)據(jù)，幫助企業(yè)進行決策或是進行精準的市場營銷。當然對于企業(yè)來說，要真正實現(xiàn)大數(shù)據(jù)還需要走很長的一段路，但不可否認的是運用大數(shù)據(jù)還是要依靠數(shù)據(jù)挖掘技術。

（作者單位：青島酒店管理職業(yè)技術學院）endprint