大数据背景下数据挖掘技术的应用
大数据通过数据挖掘技术应用的案例分析
大数据通过数据挖掘技术应用的案例分析随着互联网的普及，数据的规模不断增大，大数据的时代已经到来。
如何利用这些海量的数据，掌握信息，提高效率，成为当前科技领域的重要课题。
在这个领域，数据挖掘技术是至关重要的一环，它可以让我们通过大数据的洪流，深度挖掘出有价值的信息，从而为企业带来更多的商业价值。
本文将介绍几个大数据应用案例，探讨数据挖掘技术的实际应用。
案例一：天猫双十一数据分析天猫是中国最大的电商平台之一，每年的双十一成为了消费者购物的狂欢节。
在这样的一个大流量的场景中，数据挖掘技术可以发挥重要的作用。
对于天猫来说，通过对消费者的分析，掌握他们的购物偏好、需求及购买力等信息，格外重要。
针对双十一活动，天猫进行了多个方面的数据挖掘。
首先是用户画像的挖掘，即对各个消费者的行为数据进行分析，挖掘他们的购物心理，掌握购物偏好，进行更有的推荐；其次是商品消费大数据分析，通过对商品的销售数据进行分析，找出最受欢迎的商品，进行更优质的推广。
此外还可以通过大数据分析来制定精准的营销计划，调配资源，提高商品成交率。
案例二：零售巨头沃尔玛的大数据应用沃尔玛是世界上最大的零售商之一，除了传统的销售模式之外，沃尔玛还利用独特的大数据技术，通过数据的分析来优化生产、供应链等方面。
例如，对销售数据和消费者的行为数据进行分析，可以预测出某一时间段内销售额的变化，助于制定销售策略；再如对供应链数据进行分析，可以及时发现供应链中的问题，对此加以解决；最后，基于自身的数据优势，沃尔玛还着眼于提高用户体验，实现了用户画像和个性化推荐等应用。
案例三：社交网站中的数据挖掘应用社交网站中有着大量的用户数据，数据挖掘技术的应用可以为企业创造更多的价值。
例如，美国的LinkedIn就利用职业履历等信息为企业提供高质量的招聘及推荐服务；Facebook通过营销平台等应用实现了个性化的广告投放；Twitter则是针对舆情进行了大量的研究，为政府、企业和社会大众提供相关的分析报告。
大数据背景下数据挖掘技术的应用研究
大数据背景下数据挖掘技术的应用研究摘要：随着科技的发展，数据信息大量出现，越来越多的人想要从许多混杂的资源中找出最具有价值的信息。
本文将从数据挖掘技术的基本概念入手，并结合当下现实来分析大数据的出现给数据挖掘技术应用带来的变化。
在数据挖掘技术应用中主要从数据分析的利用和数据聚类的利用两大方面进行阐释，总体研究大数据背景下数据挖掘技术的应用。
关键词：大数据时代;数据挖掘技术;数据挖掘技术的应用大数据的发展会带来大量的信息资源，人们的思维方式也会随之发生改变。
于此同时信息发展也逐渐成为了开启信息时代的钥匙。
全球各国普遍认识到数据的重要性及其对国家的发展发挥的许多重要意义，许多国家以此为基点制定适合自己国家发展的战略性计划，由此占领数据的高地，实现国家创新性发展。
因此，大数据在当今时代具有极强的研究价值和应用价值。
笔者将主要从大数据可视化给数据挖掘技术带来的影响为着眼点，进而进一步分析高性能计算（HPC）给数据挖掘技术带来的一定程度的影响，且通过这些变化研究大数据背景下数据挖掘技术的具体应用。
正文：当今的数据挖掘技术的理论已经成熟，数据挖掘技术的应用愈加广泛。
受众趋向了解更多的数据挖掘技术，从而利用起大量的信息资源。
我们对于大数据背景下的数据挖掘技术的具体应用，将会获得信息的有效运用和资源的科学整合。
同时，掌握和了解到有关于数据挖掘技术的知识对普通受众来说不仅可以掌握到大量的数据资源，从而更好地利用这些资源为我们的生活实践服务，而且对于专业技术人员来说，广泛被大众所接受的数据挖掘知识前景将更加开阔，理论弹性增大，这将促进数据挖掘技术的进一步发展。
一、数据挖掘技术的概述数据挖掘技术主要是一个搜索的过程，它主要利用算法进行搜索，并通过一定媒介，从大量的信息中提取对搜索者有用的信息资源。
这个过程的原始数据被分成建模样本和分析样本两部分。
建模样本将会经过数据预处理后变成预处理后的专家样本。
而分析样本则会经过特征选择后变成预处理后的分析样本。
大数据的挖掘和分析技术及应用
大数据的挖掘和分析技术及应用在当今信息化的时代，大数据已经成为各行各业得以发展的重要基石之一。
大数据挖掘和分析技术，作为大数据的核心应用技术之一，其在商业、医疗、金融、政府等领域的应用得到越来越广泛的认可和重视。
本文从大数据挖掘和分析技术的基础知识出发，深入探讨了其发展历程和现有应用情况，并简单预测了其未来发展趋势。
一、大数据挖掘技术的概述大数据挖掘技术是指从海量数据中获取有价值信息的一种技术手段。
通过对数据的获取、处理、分析和模型建立，可以发现并提取其中的关联规则、异常点、趋势、模式等等。
其核心思想在于对数据进行加工，挖掘出其中的潜在价值，为机构或企业提供参考依据。
二、大数据分析技术的概述大数据分析技术是指将大数据进行筛选、计算、分析和可视化等一系列操作，得到有用的洞察和结论的技术。
它是一种好的决策工具，可为企业的经营管理、市场营销、风险管理和人才管理等提供有力的支持。
分析技术充分利用互联网各种数据源，从而挖掘其中鲜为人知的结果或信息，进而发现有利的营销机遇或其他商业模式。
三、大数据挖掘和分析技术的历史和现状大数据挖掘和分析技术得以迅速发展，受益于近几年国内外IT技术和通信技术的迅速发展，尤其是云计算、移动互联网和人工智能等技术的诞生和发展。
同时，大数据汇聚与存储的技术、新型应用模式以及跨界创新产物的兴起，也为大数据挖掘和分析技术打下了坚实基础。
在商业领域，各大企业为提高数据的价值和利用，积极在数据挖掘和分析领域做出尝试。
在福特、可口可乐、波音、华为、京东等国内外著名企业，业务实践中已经成功应用了各种大数据挖掘和分析技术，如基于数据挖掘的消费理解、基于征信评分的风险预测、基于机器学习的推荐系统等。
四、大数据的挖掘和分析技术应用领域商业领域是大数据挖掘和分析技术最广泛的应用领域之一。
比如对于营销市场部门而言，通过挖掘客户消费行为和产品偏好等信息，制定出更为合适的产品营销策略。
对于金融来说，数据挖掘和分析可以帮助预测债务信用风险、最大化利润等。
数据挖掘技术在大数据分析中的应用
数据挖掘技术在大数据分析中的应用随着信息技术的飞速发展，数据量也越来越庞大，这就促使了数据挖掘技术的快速崛起。
数据挖掘技术是指从数据库中获取信息并进行分析、挖掘出有用的信息的过程。
在大数据分析中，数据挖掘技术发挥着越来越重要的作用。
本文将详细阐述数据挖掘技术在大数据分析中的应用。
一、数据挖掘技术与大数据分析数据挖掘技术是从大量数据中挖掘出有意义的信息，这些信息可以是隐含的、未知的或者新颖的。
而大数据分析是从海量数据中提取有效信息的过程，它可以使企业或组织更好地决策和实现业务目标。
数据挖掘技术和大数据分析有很大的关联，数据挖掘技术是大数据分析中的一项重要技术手段。
二、数据挖掘技术在大数据分析中的应用1.决策树决策树算法是数据挖掘中常用的一种分类算法，可以帮助企业或组织快速分析数据并做出决策。
例如，在金融领域，银行可以根据客户的数据（如年龄、职业、收入等）构建决策树，预测客户是否会逾期还款，从而及时采取措施，减少损失。
2.聚类聚类是将相似对象分组的过程，该过程可以帮助企业或组织快速分析客户群体和商品类型，挖掘出其中的规律和特点。
例如，在电商领域，企业可以通过聚类算法将消费者分为不同的群体，然后根据不同群体的喜好和偏好，向不同群体推荐不同的商品，从而提高销售额。
3.关联分析关联分析是指在数据集中挖掘高度相关的数据，以发现数据集中的规律和关系。
例如，在零售行业，企业可以对销售数据进行关联分析，挖掘出商品之间的关联性，以便更好地制定促销策略。
4.文本挖掘文本挖掘可以将大量的非结构化文本数据转化为结构化数据，并提取出其中的有用信息。
例如，在舆情分析中，可以通过文本挖掘技术快速分析大量的新闻和社交媒体数据，并了解公众对某一事件或话题的态度和看法。
三、数据挖掘技术在大数据分析中的优势1.快速准确大数据分析通常需要处理海量数据，使用传统的手动方法处理数据耗时费力且容易出错。
数据挖掘技术可以通过算法迅速地对海量数据进行处理，准确地提取出有用的信息。
大数据时代的数据挖掘与应用
大数据时代的数据挖掘与应用摘要：随着社会经济水平的不断提高和信息时代的不断发展，数据挖掘在社会的各个领域中得到广泛的应用和普及，给人们的生活方式、学习方式和工作方式带来方便的同时，却引发了一系列的网络安全问题。
基于此，本文针对大数据和大数据时代的概念进行了概述，分析了数据挖掘应用的分析方法，在此基础上探讨了大数据时代数据的挖掘与应用。
关键词：大数据时代；数据挖掘；应用引言如今是一个数据时代，互联网的飞速发展使人们的各项信息都可以被数据化，所以数据挖掘技术有着十分重要的意义。
在经济发展的过程当中，数据挖掘技术是一种新的数据库技术，通过从生活当中存在的海量数据来挖掘一些相应的价值规则。
在不断发展的过程当中，高度重视数据挖掘技术，能够令人们在上网过程中得到更好地体验，同时提高人们上网的网络速度，减少人们浪费在互联网上的时间。
数据挖掘技术的出现令用户们利用网络的情况数据化，让用户们的上网体验感更好，以此提高用户体验感。
1大数据挖掘技术的重要性大数据时代的数据挖掘大数据的合理挖掘和整理，让经营者在海量的数据中提取出对经营的最有利的黄金数据，推动经营盈利的最大化是大数据背景中数据挖掘重要意义的体现，因此数据挖掘的本质就是对一系列数据的处理和分析，通过分析和处理找出对自己最有利的信息。
大数据时代是人类在信息上的一次历史性的颠覆，其对人民的生产生活有着深远的影响，拉近人与人之间的距离，世界联系得更加紧密。
相对于以前的种种实体资产的重要性，转换成对各类信息资源的重视性，大数据时代下的数据资源已成为人类的一种宝贵财富，而这些海量的数据资源就如一座堆积而成的宝藏山，需要人民采用科学合理的方法去挖掘，因此在大数据时代的潮流中，如何学会数据的挖掘和深加工是理财致富的一条重要途径。
2数据挖掘技术的分析方法2.1关联分析自然界中的事物具有一定得联系，借助这一特征在数据挖掘的过程中借助不同数据之间的联系区别，能够更好查找数据集合与对象集合之间的因果结构。
大数据时代里数据挖掘技术的重要性
大数据时代里数据挖掘技术的重要性随着数字化时代的到来，数据的规模和种类正在呈现爆炸性的增长。
这种数据的数量和碎片化程度已经使得传统的数据处理和管理手段变得难以胜任。
而大数据时代的核心议题在于如何将这些海量和多层级的数据转化为有价值的信息。
因此，数据挖掘技术的应用变得尤为重要。
本文从大数据时代的过程入手，揭示数据挖掘技术的重要性，并探讨其发展趋势。
一、大数据时代的到来大数据时代的到来是数字化社会的必然结果。
它是指由于数据量、数据速度和数据分析的复杂性等方面的限制而无法通过传统数据处理工具来管理和分析的数据的规模。
这些数据多样性强，包含结构化、半结构化和非结构化的各种信息类型。
数据挖掘技术的应用是在不断的变革和发展中形成的。
二、数据挖掘技术在大数据时代中的应用随着大数据时代的到来，数据挖掘技术变得越发重要。
它可以对大规模数据集进行分析，发现其中蕴含的有趣和有用的信息。
这些信息包含了各种变量、关系和模式，可以帮助企业、学者、医生和政策制定者做出更加高效和基于数据的决策。
首先，数据挖掘技术的应用可以帮助企业提高经济效益。
在大数据时代中，企业需要通过数据挖掘技术的应用来掌握市场动态、客户需求和产品质量等信息，以便更好地定制化产品详情和服务，提高客户满意度和提高企业盈利。
例如，我国电子商务公司阿里巴巴就深度应用数据挖掘技术，将传统的推荐算法结合其他分析技术，生成一种称为“实时环境智能”的技术。
该技术能够实时地推荐符合用户需求的商品和服务，且推广、运营效率非常高。
其次，数据挖掘技术的应用还可引领人类医疗事业。
医疗行业应用数据挖掘可以精确预测疾病的发生率，科学地规划疾病治疗，从而降低疾病的发生率和医疗成本。
例如，研究人员调查深脑刺激治疗帕金森氏症患者的数据，发现反覆刺激可以更好地减轻这种强制综合症的症状。
这种研究突破为防治帕金森氏症患者的治疗和康复奠定了重要的基础。
而再次，数据挖掘技术可以引领公共政策制定。
政策制定人员可以通过数据挖掘技术获取更多的政策制定信息，包括人口迁移、经济投资、环境污染等方面的数据，并对得出的结论进行科学的分析，从而制订符合各种利益群体需求的公共政策方案。
基于大数据背景下数据挖掘在金融行业的应用
基于大数据背景下数据挖掘在金融行业的应用在当今大数据时代，金融行业利用数据挖掘技术进行数据分析、预测和决策已经成为一种趋势。
随着金融市场的日益复杂化和竞争加剧，准确的数据分析和预测成为金融机构保持竞争优势的重要手段。
因此，基于大数据背景下数据挖掘在金融行业的应用越来越受到关注。
数据挖掘在金融行业的应用非常广泛，从识别风险、评估贷款和投资决策、到预测市场趋势和客户行为，都可以通过数据挖掘实现。
以下是一些具体应用：1. 风险管理：金融机构可以通过分析历史交易数据和客户信用报告，建立起客户的信用风险模型，从而实现风险预测、评估和管理。
数据挖掘技术可以帮助金融机构发现那些异常或风险高的交易，及时采取措施进行缓解或拒绝。
2. 信贷决策：数据挖掘技术可以帮助金融机构进行合理和有效的风险评估和信贷批准决策。
机构可以利用客户历史数据进行建模，预测客户是否会按时还款以及客户的信用额度，并根据模型的输出结果执行相应的决策。
3. 投资决策：数据挖掘技术可以通过分析市场和经济数据，预测未来的投资价值和趋势。
金融机构可以使用这些预测信息，制定投资计划，并帮助客户作出最佳的投资决策。
4. 客户行为分析：金融机构可以利用数据挖掘技术，识别客户的需求，并提供相应的金融产品和服务。
机构可以通过客户历史数据构建模型，预测客户在未来可能需要的金融产品和服务，并向客户推荐符合其需求和利益的产品和服务。
总之，数据挖掘技术已经成为金融机构中不可或缺的工具，可以提高金融机构的决策水平和业务效率，减少风险和增加收益。
但是，在应用数据挖掘技术的同时，金融机构也需要考虑数据安全和隐私保护等问题。
同时，正确地应用数据挖掘技术需要专业的数据挖掘人才，这对于金融机构也是一项重要的挑战。
数据挖掘在大数据分析中的应用
数据挖掘在大数据分析中的应用随着信息技术的飞速发展和互联网的普及，数据正以前所未有的速度呈爆炸式增长。
大数据时代的到来给我们带来了巨大的机遇和挑战。
在这个海量信息的背后，隐藏着许多有价值的洞察和知识，而利用数据挖掘技术进行大数据分析可以帮助我们发现这些潜在的机会，并做出更明智的决策。
数据挖掘，顾名思义，就是通过对大数据进行挖掘和分析，提取出其中的有用信息和模式。
它是统计学、机器学习、数据库技术、人工智能等多个领域的交叉学科，常用的技术包括聚类、分类、关联规则挖掘等。
数据挖掘的目的是发现数据集中的潜在关系、规律和趋势，从而为决策者提供有针对性的分析结果。
在大数据分析中，数据挖掘扮演着重要的角色。
首先，数据挖掘可以帮助我们发现数据中的异常。
在大量的数据中，可能存在一些异常情况，如欺诈交易、异常行为等。
利用数据挖掘技术，我们可以构建模型来检测这些异常情况，从而及时采取相应措施。
其次，数据挖掘可以帮助我们找到数据中的模式和趋势。
在大数据背景下，数据中可能存在许多随机性和噪声，而数据挖掘技术可以帮助我们从中发现规律和趋势。
比如，在金融领域，我们可以利用数据挖掘技术对历史交易数据进行分析，从而预测未来的市场走势。
此外，数据挖掘还可以帮助我们进行市场分析。
在市场竞争激烈的商业环境中，了解消费者需求和行为是至关重要的。
通过对大数据的分析，我们可以了解消费者的偏好、购买行为和兴趣爱好，从而制定更加精准的市场营销策略。
另一方面，数据挖掘在医疗领域也有广泛的应用。
通过对大量的病历数据进行挖掘，我们可以发现疾病的规律和趋势，从而改进诊疗方案。
此外，数据挖掘还可以帮助我们预测患者的病情发展和风险因素，为医生提供决策支持。
总的来说，数据挖掘在大数据分析中发挥着重要的作用。
它可以帮助我们发现数据中的异常情况，找到数据中的模式和趋势，进行市场分析和预测，提供决策支持等。
然而，数据挖掘也面临着一些挑战，如数据隐私保护、算法效率和可解释性等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《计算机科学与技术前沿》课程论文大数据背景下数据挖掘技术的应用2016年1月7日 题目 学院 学号 姓名 指导老师 日期大数据背景下数据挖掘技术的应用摘要当今社会是一个信息化社会的时代，同时又是一个大数据时代。
随着互联网、物联网、云计算和人工智能等信息技术和计算机产业的不断发展和进步，使得数据的处理成为一个亟待解决的问题。
因此在大数据的背景下,如何高效地从大量包含有用数据的库获得有用信息已成为企业和科研工作重点关注的点，而这一工作涉及的关键技术就是数据挖掘技术。
总得说，数据处理的需要既给数据挖掘技术带来了机遇，于此同时带来了一系列的挑战。
本文分别从企业、图书管理和情报学领域三个方面阐述数据挖掘技术的应用，同时对它的发展现状、存在的问题和未来的发展趋势进行了一些阐述，从而加深了对数据挖掘技术的理解，以便更好地了解数据挖掘在各个领域的应用，最后对数据挖掘技术的应用进行一个整体的总结。
【关键字】：大数据；数据挖掘；数据挖掘的应用Application of data mining technologyin the context of dataAbstractToday is the age of information society,but it is also an age of big data．With development and progress of information technology and the computer industry which include the Internet, the Internet of things, cloud computing and artificial intelligence, data processing has become an urgent problem．Therefore,in the context of big data,how to get useful information from a large library of useful data have become focuses of enterprises and scientific and research work．The work involved is the key technology of data mining．In General spedking, data processing needs for data mining technology, and at the same time poses a series of challenges．The paper aims to account the development present situation,existing problems,and developmenttrend in the future based on companies,library management and the field of information science development,so as to enhance understanding of the data mining technology ,to better understand data mining applications in various fields,and to draw an overall summary of the application of data mining technology．【Key words】：Large amounts of data；Data mining；Application of data mining目录1.引言 (1)1.1数据挖掘的定义 (1)1.2数据挖掘的基本原理 (1)1.2.1数据准备环节 (1)1.2.2数据挖掘阶段 (2)1.2.3结果的解释和评价 (2)1.3数据挖掘的发展现状 (2)1.4数据挖掘的意义 (3)2．数据挖据技术的应用 (4)2.1数据挖掘技术在企业中的应用 (4)2.1.1在营销中的应用 (4)2.1.2在银行中的应用 (5)2.2在图书馆管理中的应用 (6)2.2.1图书馆自动化业务管理系统中的应用 (6)2.2.2在“云图书馆”中的应用 (6)2.3 在情报学领域中的应用 (6)3．存在的问题 (8)4.发展趋势 (9)4.1探索新的应用领域 (9)4.2数据挖掘方法面向可伸缩性 (9)4.3挖掘语言标准化 (9)4.4数据挖掘可视化 (9)5．总结 (10)参考文献 (11)1.引言近年来, 互联网的发展使计算机、网络和通信三者融为了一体。
网络经济、注意力经济等一大批新概念的提出,以它独特而又巨大的社会效益、极具挑战和机遇的内涵,成为了信息科学中一个十分引人注目的研究课题。
但是,网络在迅速、方便地给我们带来大量信息的同时, 也带来了一系列的问题。
比如说，信息量过大而又难以及时消化；信息的真伪性难以准确识别；信息的安全难以妥善保证；信息的形式难以实现一致和统一处理等。
因此，如何迅速、高效而又准确地获得有重要价值的信息,如何利用已经建立的历史数据去用于预测和指导未来的行动，以及如何从这些大量数据中去发现知识等问题，促进了知识发现和数据挖掘技术的发展，下面对数据挖掘的一些相关概念进行了相应的阐述。
1.1数据挖掘的定义数据挖掘简单的说就是一个从大量、不完全、有干扰和随机的数据库中去获取隐藏在它们当中的、我们事先不知道的、但是包含大量潜在的有用信息和知识的过程。
它是能够实现智能化和自动地把数据转变成有用信息和知识的一种技术和辅助工具,又是我们对数据库技术进行研究和改善的结果。
数据挖掘，它又是一门非常广义的交叉学科, 它汇聚了各个不同领域的研究人员, 特别是数据库、人工智能、数理统计、可视化、并行计算等相关方面的专家和技术人员[1]。
1.2数据挖掘的基本原理数据挖掘又叫数据库知识的发现,它是一个从数据库中发现并提取隐含的、未知的有用数据。
数据挖掘主要包括数据准备、数据挖掘以及结果解释和评价这三个阶段。
而在数掘的整个处理过程中,数据挖掘的分析方法是整个过程中最为关键的一个环节。
1.2.1数据准备环节数据准备是指在有一定的干扰,数据存在形式不一致和有数据缺失的情况下,对数据进行整理、清洗和预处理的一个准备过程。
1.2.2数据挖掘阶段数据挖掘阶段指的是取数据的模式,即数据准备是从大量庞杂的数据源获得数据挖掘所用的目标数据，由于在数据收集的阶段可能得到脏数据。
因此，数据挖掘过程中最关键的一步是使用智能的方法对数据进行提取、分类和聚类等。
在此之前，首先需要确定是采用哪种形式的提取模式,然后紧接着就是根据提取模式选择相应挖掘算法的参数,通过这种分析数据的方式才能形成合适的提取知识的模式。
1.2.3结果的解释和评价通过数据挖掘出来的数据需要根据实际需要转变成为面向用户的数据模型，即用户能够理解的模式，然后跟据其对要解决的决策问题是否有真正的作用得出所获得数据是否具有现实的意义。
1.3数据挖掘的发展现状数据挖掘的应用领域十分广泛，大概的可以这样说只要有数据存在的地方，就会存在数据挖掘的使用价值。
当前国内数据挖掘的研究领域主要分布在:数据挖掘方法的研究、数据挖掘应用的研究、Web挖掘研究这三大块。
国内数据挖掘的研究与国外研究状况相比较，我国对于数据挖掘知识的发现整体研究态势比较晚，而且没有形成统一的、比较完整的研发力量。
20世纪前，也只有国家的自然科学基金第一次提供项目资金支持中科院对于数据挖掘的研究。
当前，从事数据挖掘的研究和应用开发的人员主要是高校的教授，也有一部分研究力量是公司员工或者国家研究院所的研究人员；比方说，阿里巴巴集团的数据挖掘研发团队以及百度、腾讯等大型互联网集团的从事数据挖掘研究的职工。
并且，在大多数情况下，数据挖掘研究的领域主要集中在挖掘算法的研究、数据挖掘相关理论的研究以及数据挖掘的实际应用等方面。
现阶段，一些数据挖掘科研项目的经费主要由政府资助，研究工作也大多是在这样的条件下进行的。
值得注意的是，国内大多数科研单位和高等院校也正在争相开展数据挖掘和知识发现的基础理论以及实际应用研究分析。
比如，复旦大学和华中理工大学等院校针对的是关联规则的开采算法的优化和改造；而其他的单位则对针对非结构化的数据知识和已经发现的网页数据进行挖掘技术的研究[2]。
1.4数据挖掘的意义大数据时代的到来意味着我们在应用和利用数字信息技术的同时，需要花费比较多的人力、物力和财力去删选、存储以及利用建立起来的大数据库。
比方说，在一个银行系统中，每天会有数以万计的银行运转和ATM终端产生的庞大交易数据，那么他们需要解决的问题是如何从这样一个庞大的数据库中去筛选、分类和聚类并获得有价值的数据；而这正是数据挖掘要解决的问题，所以说在当下的大数据时代背景下，数据挖掘的作用其他技术不可替代的[3]。
2．数据挖据技术的应用2.1数据挖掘技术在企业中的应用2.1.1在营销中的应用传统无差别的大众媒体营销策略已经无法满足现在的零售市场环境下激烈的竞争需求。
由此而出现的精准营销策略将是当前以及未来的企业发展方向；在精准营销领域中最常见的数据挖掘和分析方法主要包括三类，分别是分类、聚类和关联规则[4]。
(1)关联规则数据挖掘的关联规则指的是在大量数据中去发现它们之间集中的相关性。
比如，用数据间存在的空间联系去发现啤酒与尿布之间联系，从而提高尿布和啤酒销量；另外一个案例是利用数据间的时间关联规则去发掘出孕婴用品和家居装修之间潜在的关系，以便增加这两种商品的销量；或者是用时间关联规则发掘出调味品、纸巾和化妆品之间的关联等。
(2)分类分类就是假设数据库中现有的对象同属于一个预先就已给定的类集，然后将数据库中的这些数据分给指定的类，本质上讲它是属于一种基于模型的预测。
比方说，实名制后电信或移动公司会事先将用户的信用状况分为信用好与信用坏两大类。
然后，对于一个新的用户，他的信用状态确定可以采用“决策树”法建一个事先的分类模型，并从一组没有次序并且毫无规则的用户数据库中推测出一个决策树表样式的分类规则。
具体是：树的非叶子节点表示一些基本的客户特征，而其中的叶子节点表示各个客户分类标识，从树顶端的根节点由上而下到每个叶子节点表示一条分类规则，所以通过决策树能够得出很多分类规则，形成一个分类规则集合，利用得到的规则集合就可以得出一个未知用户的信用状态。
(3)聚类聚类指的是将一个数据中抽象的对象集合进行一定规则的分组，然后根据每个元素的共同特征组成一个新的多个类的分析过程。