浅析数据挖掘技术及其在现代商业信息领域的应用
大数据分析的数据挖掘与商业应用
大数据分析的数据挖掘与商业应用在信息时代的浪潮下，大数据分析已经成为企业获取竞争优势的重要手段之一。
数据挖掘作为其中关键的环节，正逐渐在商业应用中发挥重要作用。
本文将探讨大数据分析的数据挖掘技术以及它们在商业领域的应用。
一、大数据分析的数据挖掘技术1. 数据收集与清洗在大数据分析中，数据收集是数据挖掘的第一步。
企业可以通过各种途径收集到大量的数据，如用户行为数据、市场调研数据等。
然而，收集到的数据往往存在着杂乱无章的问题，需要进行清洗与整理。
数据清洗的目的是去除无关数据、填补缺失数据、去除重复数据等，以减少对数据挖掘结果的干扰。
2. 数据预处理数据预处理是为了使数据在挖掘过程中更易于应用机器学习算法。
包括数据的归一化、标准化、去噪等。
数据预处理能够有效减少数据挖掘过程中的错误推断，提高模型的准确性。
3. 特征选择与提取特征选择是指从收集到的大量特征中，选择对数据挖掘任务最有帮助的特征子集。
它能够提高挖掘算法的效率和准确性。
特征提取则是由原始数据中直接提取有用信息的过程，根据不同任务的需求选择合适的特征。
4. 挖掘模型与算法常见的数据挖掘模型和算法包括关联规则、分类与回归、聚类分析、时序模型等。
根据不同的商业应用场景，选择相应的挖掘模型和算法，以实现对数据的深度挖掘和分析。
二、数据挖掘在商业应用中的具体应用1. 消费者行为分析通过数据挖掘技术，分析消费者的购买行为、偏好以及消费习惯，可以帮助企业精准定位目标消费群体，为企业的市场营销提供数据支持。
例如，通过分析用户在电商平台上的浏览记录和购买记录，企业可以推荐相关商品给用户，提高用户的购买转化率。
2. 风险评估与预测银行和保险等行业需要对风险进行评估和预测。
数据挖掘可以帮助银行和保险公司通过分析客户的信用记录、历史交易数据等来评估客户的信用风险或保险索赔风险。
通过准确评估风险，企业可以合理定价、优化风控策略，降低经营风险。
3. 供应链管理优化通过对供应链环节的数据进行挖掘，企业可以实时监控生产、仓储、物流等环节的情况，及时调整生产计划和库存策略，提高供应链的效率和可靠性。
数据挖掘技术在商业智能中的应用
数据挖掘技术在商业智能中的应用在当今数字化的商业世界中，数据已成为企业最宝贵的资产之一。
企业每天都会产生大量的数据，这些数据包含了关于客户、市场、销售、运营等各个方面的信息。
然而，如果这些数据只是被存储起来而没有得到有效的分析和利用，那么它们就无法为企业创造价值。
数据挖掘技术的出现，为企业从海量数据中提取有价值的信息提供了强大的工具，在商业智能领域发挥着越来越重要的作用。
数据挖掘技术是一种从大量数据中发现潜在模式、关系和趋势的技术。
它综合运用了统计学、机器学习、数据库技术和人工智能等多个领域的知识和方法，能够帮助企业更好地理解客户需求、优化业务流程、提高决策的科学性和准确性。
在客户关系管理方面，数据挖掘技术可以帮助企业深入了解客户的行为和偏好。
通过对客户的购买历史、浏览记录、投诉反馈等数据进行分析，企业可以将客户分为不同的细分群体，并针对每个群体制定个性化的营销策略。
例如，对于高价值客户，企业可以提供更加优质的服务和专属的优惠；对于潜在流失客户，企业可以及时采取措施进行挽留。
此外，数据挖掘还可以预测客户的未来需求，从而提前做好产品研发和市场推广的准备。
在市场预测方面，数据挖掘技术可以帮助企业分析市场趋势和竞争态势。
通过对市场数据的挖掘，企业可以发现市场的潜在需求和新兴趋势，提前布局新产品和新业务。
同时，数据挖掘还可以对竞争对手的行为进行分析，帮助企业制定更加有效的竞争策略。
例如，通过分析竞争对手的产品特点、价格策略和市场份额变化，企业可以调整自己的产品定位和营销策略，以提高市场竞争力。
在销售预测和库存管理方面，数据挖掘技术也具有重要的应用价值。
通过对销售数据的分析，企业可以预测未来的销售趋势，从而合理安排生产和库存。
这样不仅可以避免库存积压导致的成本增加，还可以减少缺货现象对销售的影响。
例如，一家零售企业通过数据挖掘发现，在特定季节某些商品的销售会出现明显的增长趋势。
基于这一发现，企业提前增加了这些商品的库存，从而在销售旺季满足了客户的需求，提高了销售额和客户满意度。
数据挖掘技术在的商业领域中的应用
数据挖掘技术在商业领域中的应用作者：唐镜指导老师:摘要：数据挖掘(Data Mining)就是从大量的不完全的、有噪声的、模糊的、随机的数据库中实际应用数据中提取隐含信息和知识，它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。
随着网络、数据库技术的迅速发畏以及数据库管理系统的广泛应用，人们积累的数据越来越多。
我们已经被淹没在数据和信息的汪洋大海中。
人们需要有新的、更有效的方法对各种大量的数据进行分析、提取以挖掘其潜能，数据挖掘正是在这样的应用需求环境下产生并迅速发展起来的，它的出现为智能地把海量的数据转化为有用的信息和知识提供了新的思路和手段。
数据挖掘不仅能对过去的数据进行查询和变动,而且能够找出过去诸数据之间的潜在联系,从而促进信息的传递.数据挖掘在商业领域应用广泛,搞好数据挖掘可以带来巨大商机。
数据挖掘是当前数据库和信息决策领域的最前沿研究方向之一。
从知识发现和数据挖掘的概念出发,同时对数据挖掘在商业领域中的应用及发展进行了阐述。
关键词：数据挖掘，数据挖掘技术、过程，商业应用目前，数据挖掘技术正以前所未有的速度发展，并且扩大着用户群体，在未来越来越激烈的市场竞争中，拥有数据挖掘技术必将比别人获得更快速的反应，赢得更多的商业机会。
现在世界上的主要数据库厂商纷纷开始把数据挖掘功能集成到自己的产品中，加快数据挖掘技术的发展。
我国在这一领域正处在研究开发阶段,加快研究数据挖掘技术，并把它应用于电子商务中，应用到更多行业中，势必会有更好的商业机会和更光明的前景。
一什么是数据挖掘数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
它是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
数据挖掘算法在商业领域的应用和实践
数据挖掘算法在商业领域的应用和实践随着信息时代的到来，大数据已经成为商业领域的一项重要资源。
然而，仅仅拥有大量的数据并不能带来商业价值，而是需要通过数据挖掘算法的应用和实践来发掘其中的潜在价值。
本文将探讨数据挖掘算法在商业领域的应用和实践，并分析其对商业决策的影响。
首先，数据挖掘算法在市场营销中的应用十分广泛。
通过对大量的市场数据进行分析，企业可以了解消费者的需求和偏好，从而更好地制定营销策略。
例如，通过对消费者购买行为的分析，企业可以发现消费者的购买习惯和喜好，进而针对性地推送个性化的广告和促销活动。
这不仅可以提高企业的销售额，还可以提升消费者的购物体验，实现双赢。
其次，数据挖掘算法在供应链管理中也发挥着重要作用。
通过对供应链数据的挖掘和分析，企业可以实现对供应链的优化和管理。
例如，通过对供应链中的库存数据进行分析，企业可以合理安排库存，减少库存积压和滞销的情况，降低企业的运营成本。
此外，通过对供应链中的物流数据进行分析，企业可以优化物流路径和运输方式，提高物流效率，缩短产品的交付时间，提升顾客满意度。
另外，数据挖掘算法在金融领域的应用也非常广泛。
金融机构拥有大量的客户数据和交易数据，通过对这些数据的挖掘和分析，可以发现潜在的风险和机会。
例如，通过对客户的信用卡消费数据进行分析，银行可以识别出潜在的信用卡欺诈行为，及时采取措施防范风险。
此外，通过对股票市场的数据进行分析，投资者可以发现股票的价格趋势和波动规律，从而制定更加科学的投资策略。
此外，数据挖掘算法还在人力资源管理中发挥着重要作用。
通过对员工的绩效数据和离职数据进行分析，企业可以了解员工的工作表现和离职原因，从而制定更加有效的人力资源管理策略。
例如，通过对员工绩效数据的挖掘，企业可以发现绩效优秀的员工，及时给予奖励和晋升机会，提高员工的工作积极性和满意度。
同时，通过对离职数据的挖掘，企业可以发现离职的主要原因，进一步改善工作环境和福利待遇，降低员工流失率。
数据挖掘技术在商业应用中的价值
数据挖掘技术在商业应用中的价值数据挖掘技术是一种通过分析大量数据，发现其中隐藏模式、关联规则和趋势等有价值信息的过程。
随着信息时代的到来，商业领域的数据爆炸式增长，数据挖掘技术在商业应用中愈发重要。
本文将探讨数据挖掘技术在商业应用中所带来的价值。
1. 提升市场营销策略数据挖掘技术可以从大数据中挖掘出消费者的偏好、购买习惯、兴趣爱好等信息。
通过分析这些数据，企业可以更加精确地了解目标客户群体，为其量身定制个性化的营销策略。
企业可以根据数据挖掘结果构建推荐系统，为用户提供个性化的推荐产品或服务，从而提高用户的购买意愿和忠诚度。
2. 优化供应链管理数据挖掘技术可以对企业的供应链进行优化。
通过对供应链中的大量数据进行分析，可以找到瓶颈环节和优化空间，提高物流效率和降低成本。
此外，数据挖掘还可以预测市场需求和趋势，帮助企业进行合理的库存管理和生产计划，降低库存风险和满足客户需求。
3. 提升客户服务体验数据挖掘技术可以帮助企业更好地了解客户反馈和需求，优化客户服务体验。
通过对用户行为数据的分析，企业可以及时了解用户的满意度和需求，针对性地进行产品改进和服务优化。
数据挖掘技术还可以实现自动化的客户服务系统，提供智能化的客户咨询和售后支持，提高客户满意度和忠诚度。
4. 风险管理与预测数据挖掘技术可以帮助企业识别和评估各种潜在的风险，并提供预测和分析结果，帮助企业采取相应的风险控制措施。
通过对历史数据的挖掘和分析，企业可以更好地识别潜在的经营风险，如市场竞争、供应链中断等，并制定相应的预防和解决方案。
5. 优化价格策略数据挖掘技术可以帮助企业优化定价策略。
通过对市场数据和竞争对手的分析，企业可以了解市场需求和价格弹性，并根据数据挖掘结果调整产品价格和促销策略，以达到更好的市场反应和利润最大化。
综上所述，数据挖掘技术在商业应用中具有重要的价值。
它可以帮助企业优化市场营销策略、提升供应链管理、改善客户服务体验、进行风险管理与预测以及优化定价策略。
数据挖掘在商业数据分析中的应用
数据挖掘在商业数据分析中的应用数据挖掘是一种从大量数据中提取出有用信息的方法。
在商业领域中，数据挖掘被广泛应用于数据分析，以帮助企业做出更明智的决策和实施更有效的营销策略。
本文将探讨数据挖掘在商业数据分析中的应用，并解析其对企业的重要性。
首先，数据挖掘在商业数据分析中的一个重要应用是市场细分。
通过利用数据挖掘技术，企业可以将广大消费者细分为不同的群体，以更好地了解他们的行为和需求。
这种细分有助于企业确定最有价值的客户群体，并开展有针对性的营销活动，从而提高销售额。
举例来说，在一家电子产品公司中，数据挖掘可以帮助识别出具有购买意愿的潜在客户，并制定个性化的促销计划，从而增加销售量。
其次，数据挖掘在商业数据分析中的另一个应用是预测性分析。
通过分析过去的数据和趋势，企业可以利用数据挖掘技术预测未来的市场发展和趋势。
这种预测性分析不仅可以指导企业在产品开发和市场投资上做出更明智的决策，还可以帮助企业预测客户需求的变化，并及时调整其业务模式。
例如，一家零售企业可以通过数据挖掘技术来预测产品需求的季节性变化，并相应地调整库存和供应链管理，以最大程度地提高效益。
此外，数据挖掘还可以应用于商业数据分析中的异常检测。
通过分析大量的数据，企业可以识别出与其他数据不符合的异常情况。
这些异常可能暗示着潜在的问题或商机。
例如，在网络安全领域，数据挖掘可以用于检测恶意行为或黑客攻击，并及时采取措施防范风险。
在银行业中，数据挖掘可以帮助发现异常的交易模式，以便及早发现并防止欺诈行为。
最后，数据挖掘还可以在商业数据分析中应用于用户行为分析。
通过分析用户的历史购买、浏览和搜索数据，企业可以了解用户兴趣和偏好，并据此调整产品，提供个性化的推荐和服务。
例如，在电子商务中，数据挖掘可以分析用户的购买行为，推荐适合他们的产品和优惠活动，并提供个性化的购物体验。
综上所述，数据挖掘在商业数据分析中的应用是多样而广泛的。
通过市场细分、预测性分析、异常检测和用户行为分析，企业可以更好地理解市场和客户需求，做出更明智的决策，并实施更有效的营销策略。
数据挖掘在商业中的应用
数据挖掘在商业中的应用商业界日益重视数据挖掘的应用，这是因为数据挖掘技术有助于企业从海量数据中发现隐藏的模式、趋势和规律，为决策提供有力的支持。
本文将重点探讨数据挖掘在商业中的应用，并分享一些成功案例。
一、销售预测和市场分析数据挖掘在商业中的一个重要应用领域是销售预测和市场分析。
通过挖掘和分析历史销售数据，企业可以预测未来销售趋势，识别最有潜力的市场，制定更精确的营销策略。
例如，一家零售商可以通过分析客户的购买习惯和行为模式，推测出某个产品在特定时间和地点的销量，从而决定进货量和定价策略。
二、客户细分和个性化推荐数据挖掘还可以帮助企业进行客户细分和个性化推荐。
通过分析客户的交易记录和行为数据，企业可以将客户分成不同的群体，并为每个群体设计相应的营销活动和推荐产品。
例如，一家电商网站可以根据用户的购买记录和浏览偏好，向其个性化推荐感兴趣的商品，提高购买转化率和用户满意度。
三、欺诈检测和风险管理数据挖掘在商业中还可以应用于欺诈检测和风险管理。
通过分析大量的交易数据和用户行为，企业可以识别潜在的欺诈行为和风险因素，及时采取相应措施进行预防和控制。
例如，一家银行可以通过数据挖掘技术检测信用卡交易中的异常行为，及时发现并阻止潜在的欺诈活动，降低风险损失。
四、供应链优化和成本控制数据挖掘还可以用于供应链优化和成本控制。
通过分析供应链相关数据，企业可以识别供应链中的瓶颈和优化空间，从而提高生产效率，降低运营成本。
例如，一家制造企业可以通过数据挖掘技术分析供应链中各个环节的效率和成本，找出影响生产效率和产品质量的关键因素，采取相应的改进措施，提高企业整体运营效率。
五、市场营销和广告优化数据挖掘在市场营销和广告优化中也有着广泛的应用。
通过分析大量的市场和广告数据，企业可以了解不同渠道和工具的效果，并根据数据结果调整市场推广策略。
例如，一家互联网公司可以通过数据挖掘技术分析用户的点击行为和广告响应情况，优化广告投放位置和内容，提高广告的点击率和转化率。
数据挖掘技术在商业领域的应用
数据挖掘技术在商业领域的应用随着信息化时代的到来，数据的应用发挥越来越重要的作用，人们需要更加高效地获取、分析和应用数据。
而数据挖掘技术则是实现这一目标的重要工具之一。
在商业领域，数据挖掘技术的应用不断地推进和深化，为企业带来了极大的价值。
一、客户行为分析在商业运营中，了解客户需求、行为和消费习惯是非常重要的。
通过数据挖掘技术，可以对客户的购物历史、消费行为、收藏、搜索记录等进行统计和分析，得到客户的消费心理和行为规律，进而制定精准的营销策略。
例如，怡宝饮料利用数据挖掘技术，对客户购物历史和消费行为进行分析，进而推出更符合客户需求的口味，并针对性地进行促销和营销活动，增加客户对产品的好感度和忠诚度。
二、销售预测数据挖掘技术还可以用于销售预测，帮助企业对销售情况和变化趋势进行预测和分析，做好库存管理、生产安排和市场拓展等工作。
通过对销售数据、促销活动、市场状况、消费趋势等进行分析，可以得到有效的销售预测结果，为企业的运营决策提供参考依据。
好太太超市采用数据挖掘技术，预测销售趋势及时进行库存调整，避免库存过多或过少的问题，在促销时，能够更加精准地定位客户，提升促销效果。
三、客户群体细分数据挖掘技术还可以对客户进行群体细分，将具有相似需求和行为的客户进行分类，制定针对性的产品和营销策略。
例如：中国移动利用数据挖掘技术，对客户进行细分，提供不同类型的套餐和服务，满足客户的不同需求，从而增加了客户的粘性和忠诚度。
四、产品优化通过对市场的整体需求、消费者行为、竞争对手的情况等信息进行分析，企业可以调整产品的设计和生产，从而提高产品的保留率和市场占有率。
例如：金龙鱼利用数据挖掘技术，对消费者的口感官感做了深入研究，根据客户的需求开发出新产品,在市场取得了较好的效果。
总之，数据挖掘技术在商业领域中的应用范围非常广泛，其应用领域不断扩大，以满足市场用户和客户的需求。
企业通过对数据的挖掘和分析，可以更好地了解市场、客户和产品，从而为企业的营销和决策提供优质的参考。
- 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)。
浅析数据挖掘技术及其在现代商业信息领域的应用
作者：杜金满单少隆
来源：《中国市场》2008年第26期
摘要: 数据挖掘（Data Mining）是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程，这些模型和关系可以被企业用来分析风险、进行预测。
现代商业活动中，企业通过数据挖掘技术可以对商业信息进行微观、宏观的统计、分析、综合和推理，从而来指导自身的高级商务活动。
关键词：数据挖掘；商业信息；统计
在当前的商业活动中，通过自动、有效的数据分析技术，为企业提供带来商业利润的决策信息成为商业活动的必然要求。
Internet是一个巨大的信息资源储备库，商务活动中企业渴望有效的访问、分析和使用这些信息的需求，为数据挖掘提供了广泛的应用空间。
数据挖掘就是按企业的既定业务目标，对大量的企业数据进行深层次分析以揭示隐藏的、未知的规律性并将其模型化，从而支持商业决策活动。
一、数据挖掘技术
1.数据挖掘技术的概念
数据挖掘（Data Mining），也叫数据开采等，从一个新的角度将数据库技术、KDD技术、统计学等领域结合起来，是按照既定的业务目标从海量数据中，从更深层发掘存在于数据内部的有效的、新颖的、具有潜在效用的信息和知识处理过程。
2.数据挖掘技术的特点
（1）数据挖掘的数据量是巨大的，因此如何高效率地存取数据，如何根据一定应用领域找出数据关系即提高算法的效率，以及是使用全部数据还是部分数据，都成为数据挖掘过程中必须考虑的问题。
（2）数据挖掘面临的数据常常是为其他目的而收集的数据，这就为数据挖掘带来了一定的困难，即一些很重要的数据可能被疏漏或丢失。
因此未知性和不完全性始终贯穿数据挖掘的全过程。
（3）数据挖掘常常要求算法主动地提示一些数据的内在关系。
3.数据挖掘的常用技术
（1）遗传算法：遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。
遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。
遗传算法的应用还体现在与神经网络、粗集等技术的结合上。
（2）决策树方法：决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。
它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。
建立决策树的过程，即树的生长过程是不断的把数据进行切分的过程，每次切分对应一个问题，也对应着一个节点。
对每个切分都要求分成的组之间的“差异”最大。
各种决策树算法之间的主要区别就是对这个“差异”衡量方式的区别。
对具体衡量方式算法的讨论超出了本文的范围，在此我们只需要把切分看成是把一组数据分成几份，份与份之间尽量不同，而同一份内的数据尽量相同，这个切分的过程也可称为数据的“纯化”。
（3）神经网络方法：神经网络本身具备良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性因此近年来越来越受到人们的关注。
在结构上，可以把一个神经网络划分为输入层、输出层和隐含层。
输入层的每个节点对应一个个的预测变量。
输出层的节点对应目标变量，可有多个。
在输入层和输出层之间是隐含层，隐含层的层数和每层节点的个数决定了神经网络的复杂度。
（4）覆盖正例排斥反例方法：它是利用覆盖所有正例、排斥所有反例的思想来寻找规则。
首先在正例集合中任选一个种子，到反例集合中逐个比较。
与字段取值构成的选择子相容则舍去，相反则保留。
二、数据挖掘技术在商业信息中的应用
数据挖掘技术从一开始就是面向应用的。
目前，在很多领域，尤其是在银行等商业领域。
数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、交叉销售等市场分析行为，以及客户流失性分析等。
1.商业信息的特点与商业信息对于数据挖掘技术的需求
商业信息不仅仅表现在信息量大还表现在它的多变性，比如：供求关系的变动、商品价格的变化、畅销商品与滞销商品的变换、商品的更新换代周期越来越短等等，他们都随着时间的推移瞬息万变。
另一方面商业信息又表现出非完整的、零散的性质性，他与商品生产的分散性和商品信息传播的多渠道等密切相关。
比如：企业只注重商品信息的及时发布而缺乏商品信息的累积性与研究。
据挖掘技术作为解决“数据爆炸”时代出现的最有效手段之一，受到了企业界的极大关注。
如何最大限度地利用企业各个部门多年来在数据库系统上积累下来的大量数据进行整合及二次开发，如何才能不被信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息的有效利用率，成为企业追求的一大目标。
2.数据挖掘技术在商业活动中的应用分析
（1）数据挖掘技术在商业活动中的应用的现状
在国内，数据挖掘技术的重要性也被越来越多的企业管理者所认识，而在电信、金融、零售、流通等行业，已经成为信息化建设的重点。
数据挖掘技术可以利用各种信息系统进行的高质量和有价值的信息收集、分析、处理,从而帮助企业解决在商业活动中遇到的各种问题，其基本功能包括信息分析、预测、辅助决策。
但国内用户对其理解存在较大差别，基础数据没有引起重视，缺乏对其在公司业务发展中所起到的辅助决策作用的认识。
（2）数据挖掘技术在商业活动中的应用的模式
数据挖掘技术是按照预定的规则对数据库和数据仓库中已有的数据进行信息开采、挖掘和分析，从中识别和抽取隐含的模式和有趣知识，为决策者提供决策依据。
数据挖掘技术在商业活动中的应用的模式有很多种，按功能可分为两大类：预测型模式和描述型模式。
预测型模式是可以根据数据项的值精确确定某种结果的模式。
挖掘预测型模式所使用的数据也都是可以明确知道结果的。
描述型模式是对数据中存在的规则做一种描述，或者根据数据的相似性把数据分组。
（3）数据挖掘技术在商业活动中的应用方法与基本步骤
分类在数据挖掘中是一项非常重要的任务，目前在商业上应用较多。
首先，企业在进行数据挖掘的时候，一般并不是直接对庞大的商业信息原始数据进行挖掘，而是通过一些技术手段先对数据作一些预处理，主要包括相关数据的合并、有效数据的选择、数据过滤，提取出适合分析的数据集合。
然后，根据不同的挖掘目标，可以相应采用不同的挖掘方法，得到有意义的数据模式。
分类的目的是学会一个分类函数或分类模型，该模型能把数据库中的数据项映射到给定类别中的某一个。
最后将分类应用于预测,预测的目的是从利用历史数据纪录中自动推导出对给定数据的推广描述，从而能对未来数据进行预测。
基本步骤如下:
①确定目标
定义出数据挖掘要服务的商业问题,认清数据挖掘的目的是数据挖掘的重要一步。
挖掘的最后结果是不可预测的,但要探索的问题应是有预见的。
②挖掘准备
这里主要任务是进行数据的选择、预处理与转换，首先搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于数据挖掘应用的数据。
然后，研究数据的质量,数据清洗，为进一步的分析做准备。
最后，针对挖掘算法、采用的软件工具，将数据转换成可用于建立模型分析的格式。
③数据挖掘
对所得到的经过转换的数据进行挖掘，得到挖掘结果。
④结果分析
在所得模型中选取有意义的模型，同时将所得的知识用表格、图表等可视化的方法进行分析。
⑤将结果用于企业决策
将所得的模型、知识应用到实际管理决策中，集成到业务信息系统的组织结构中去。
为商业活动中制定决策、措施服务。
三、结束语
综上所述，数据挖掘技术为企业在商业活动中提供了一种全新的、有效的、可靠的数据搜集与分析途径，并随着数据挖掘技术的不断完善与提高定将为企业带来更大的便捷与效益。
作者单位：唐山职业技术学院
参考文献：
[1] 朱玉全，杨鹤标，孙蕾.数据挖掘技术[M].北京：东南大学出版社, 2006.
[2] 梁循.数据挖掘算法与应用[M].北京：北京大学出版社，2006.。