導語：數據挖掘提取知識及有用信息論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

編者按：本文主要從前言；數據挖掘方法在商業信息中應用的規則；數據挖掘技術在商業信息中的應用；結束語進行論述。其中，主要包括：商業信息的增長速度呈現指數上升、數據挖掘技術在商業中的應用主要基于AI、機器學習、統計學等技術、商業信息泛化、簡約和特征提取規則、商業信息分類技術規則、商業信息的聚類規則、商業信息的關聯規則、數據挖掘技術在電子商務網站數據中的應用、數據挖掘技術可以用在金融領域的應用、數據挖掘技術在企業市場營銷中的應用、電信業交叉銷售和提升銷售解決方案、預測哪些客戶最具有流失的傾向以及影響客戶流失的關鍵因素等，具體請詳見。

0前言

隨著現代商業經濟和信息技術的發展，商業信息的增長速度呈現指數上升，積累了海量的、以不同形式存儲的商業數據資料，原有的決策支持系統（DSS）和領導執行系統（EIS）已不能滿足需要，這時出現數據挖掘技術，它能夠去粗存精、去偽存真，從海量的商業信息中提取知識和有用信息的技術。現代信息技術處理商業信息經過一定的發展，逐步形成現在的商業數據挖掘技術。

1．數據挖掘方法在商業信息中應用的規則

數據挖掘技術在商業中的應用主要基于AI、機器學習、統計學等技術，高度自動化地分析商業原始數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助商業決策者調整市場策略，減少風險，做出正確的決策，體現一種決策支持過程。

1.1商業信息泛化、簡約和特征提取規則。商業信息泛化是為了商業數據更好的理解和掌握，將其具體一般的數據信息抽象到較高層次的過程；商業信息簡約是為了采用一定的手段對信息進行描述；商業信息特征是找出這些信息的共同特征，尋找信息的通用性特征式。

1.2商業信息分類技術規則。商業信息分類是按照一組商業信息對象的特征給出信息對象劃分的過程。其目的是學會一個分類函數或分類模型，該模型能把數據庫的數據信息項映射到給定類別中的某一個。

1.3商業信息的聚類規則。聚類規則是識別一組信息對象的內在規則，從而將對象分組，構成相似的對象類，從而找出數據信息的分布規律，并進一步去發現隱含在一組混雜的數據信息集里的分類規則。聚類是把一組個體按照相似性歸類，即"物以類聚"。使屬于同一類別的個體之間的距離盡可能小，而不同類別的個體間的距離盡可能大。

1.4商業信息的關聯規則。關聯規則的商業數據挖掘已經從單一概念層次的關聯規則發展到多概念層次的關聯規則的發現。關聯規則是如下的一種規則："我們在研究大型商場的顧客在購買上衣和褲子的時候，發現其中在這些顧客中有10%的顧客同時買了帽子(上衣+褲子+帽子)，這就形成簡單的關聯規則。除了具有上述關聯規律，還有時間或序列上的規律，在不同的時間（春夏秋冬）所購的衣服、褲子以及帽子是不相同的，并且不同層次或者不同年齡的人所購商品又有一定的規律性。

2．數據挖掘技術在商業信息中的應用

數據挖掘技術是目前在商業信息處理中應用的比較多的一項技術，為了在商業領域中對海量數據庫和大量復雜信息中提取有價值的知識，進一步提高信息的利用率，對公司及時制定相應的對策有非常重要的意義，在這里，討論幾個主要商業行業中的商業信息處理。

2.1數據挖掘技術在電子商務網站數據中的應用

隨著Web技術的發展，電子商務網站正在成為現在商家的必爭之地。如何讓電子商務網站有效益要想有效益就必須吸引客戶，增加能帶來效益的客戶忠誠度。電子商務網站每天都可能有上百萬次的在線交易，生成大量的記錄文件和登記表，如何對這些數據進行分析和挖掘，充分了解客戶的喜好、購買模式，甚至是客戶一時的沖動，設計出滿足于不同客戶群體需要的個性化網站，進而增加其競爭力，幾乎變得勢在必行。若想在競爭中生存進而獲勝，就要比您的競爭對手更了解客戶。

在對網站進行數據挖掘時，所需要的數據主要來自于兩個方面：一方面是客戶的背景信息，此部分信息主要來自于客戶的登記表；而另外一部分數據主要來自瀏覽者的點擊流，此部分數據主要用于考察客戶的行為表現。但有的時候，客戶對自己的背景信息十分珍重，不肯把這部分信息填寫在登記表上，這就會給數據分析和挖掘帶來不便。在這種情況之下，就不得不從瀏覽者的表現數據中來推測客戶的背景信息，進而再加以利用。就分析和建立模型的技術和算法而言，網站的數據挖掘和原來的數據挖掘差別并不是特別大，很多方法和分析思想都可以運用。所不同的是網站的數據格式有很大一部分來自于點擊流，和傳統的數據庫格式有區別。因而對電子商務網站進行數據挖掘所做的主要工作是數據準備。

2.2數據挖掘技術可以用在金融領域的應用

金融事務需要搜集和處理大量數據，對這些數據進行分析，發現其數據模式及特征，然后可能發現某個客戶、消費群體或組織的金融和商業興趣，并可觀察金融市場的變化趨勢。

數據挖掘在銀行信息中的應用。商業銀行業務的利潤和風險是共存的。為了保證最大的利潤和最小的風險，必須對賬戶進行科學的分析和歸類，并進行信用評估，利用數據挖掘工具，可以根據客戶的消費模式預測何時為客戶提供何種產品。銀行如何讓一家新開的銀行網點實現快速贏利呢？銀行結合了GPS推理信息系統和商業智能應用系統，在銀行的客戶信息中，詳細記錄有客戶的常駐地，并且，當銀行客戶到該銀行網點辦理業務時，銀行商業智能系統將自動記錄客戶的操作信息，以及銀行網點地址信息。經過大量的記錄，客戶的常駐地到銀行網點的行動路線，將被通過數據分析而得出。大量的客戶路線得出后，我們可能會發現，某個地區進行銀行業務操作的客戶特別多，但他們附近沒有銀行網點，而是要到離他們較遠的地方去辦理，于是銀行就決定在這個地區開辦一個銀行網點。

數據挖掘在證券信息中的應用。上市公司定期公布的財務報告具有很強的信息含量，但是當期會計盈余數據的信息會在披露前后在股票市價中迅速得以體現。因此對于中長期投資者來說，重要的是預見未來。質地優良且未來具有較高盈利增長能力的公司是中長期投資者(包括普通投資者，證券投資基金和券商)普遍關注的對象，因為只有這類公司才能給投資者帶來持續的回報。而財務報告包含了大量描述公司經營狀況的數據。這些數據應能為投資者提供關于公司未來盈利能力的信息。對于中長期投資者而言，需要做的就是利用這些信息挖掘出未來能夠具有較高盈利水平同時又具有較好的成長性公司。采用數據挖掘技術來發掘這些財務報告中是否包含關于公司未來盈利情況的信息，獲得較精確的預測效果，選出的投資組合能否獲得超額收益，這對于投資者來說是非常重要的。

2.3數據挖掘技術在企業市場營銷中的應用

數據挖掘技術在企業市場營銷中得到了比較普遍的應用，它是以市場營銷學的市場細分原理為基礎，其基本假定是"消費者過去的行為是其今后消費傾向的最好說明"。通過收集、加工和處理涉及消費者消費行為的大量信息，確定特定消費群體或個體的興趣、消費習慣、消費傾向和消費需求，進而推斷出相應消費群體或個體下一步的消費行為，然后以此為基礎，對所識別出來的消費群體進行特定內容的定向營銷，這與傳統的不區分消費者對象特征的大規模營銷手段相比，大大節省了營銷成本，提高了營銷效果，從而為企業帶來更多的利潤。這些來自各種渠道的數據信息被組合，應用超級計算機、并行處理、神經元網絡、模型化算法和其他信息處理技術手段進行處理，從中得到商家用于向特定消費群體或個體進行定向營銷的決策信息。4數據挖掘技術在民用通信部門中的應用

我國各種民用通信用得最多的國家之一，為了分析出那一類收費對應那類層次的人群，我們就可以利用數據挖掘技術，把當前電信消費者的數據進行收集、分析、總結，制定出有效的管理辦法，這既有利于公司又有利于客戶的優惠政策，這樣能夠及時發現問題，減少顧客流失，為通信公司挽回損失。數據挖掘在通信部門中體現在三個方面：（1）客戶挽留解決方案；（2）電信業客戶細分解決方案；（3）電信業交叉銷售和提升銷售解決方案。這三個項目的實施，可以為民用通信部門解決三個決策問題：第一，預測哪些客戶最具有流失的傾向以及影響客戶流失的關鍵因素，通過預制的分析模型提供"流失記分"幫助識別風險客戶，在客戶流失之前采取針對性措施來挽留他們。第二，根據客戶可能的行為和潛在的盈利性對客戶進行分類，制定更準確的產品組合、更準確的產品介紹和產品捆綁服務。第三，從現有客戶中識別出有可能接受交叉銷售和提升銷售的客戶人選，評估客戶過去的購買模式，預測客戶下一步可能購買什么。

3．結束語

隨著數據挖掘技術和現代商業技術的不斷發展，商業管理者已經認識到數據挖掘技術能從原始數據中挖掘潛在的巨大商業價值和所蘊含的科學知識。隨著數據挖掘技術不斷應用到商業信息領域中，這將激發數據挖掘技術的潛力，進一步推進數挖掘技術在商業信息中的應用