序論：好文章的創(chuàng)作是一個不斷探索和完善的過程，我們?yōu)槟扑]十篇數(shù)據(jù)挖掘論文范例，希望它們能助您一臂之力，提升您的閱讀品質(zhì)，帶來更深刻的閱讀感受。

篇（1）

1.2IBMSPSSModelerIBMSPSSModeler是一個數(shù)據(jù)挖掘工作臺，用于幫助用戶快速直觀地構(gòu)建預(yù)測模型，而無需進行編程。其精密的數(shù)據(jù)挖掘技術(shù)使用戶能夠?qū)Y(jié)果進行建模，了解哪些因素會對結(jié)果產(chǎn)生影響。它還能可提供數(shù)據(jù)挖掘相關(guān)的數(shù)據(jù)提取、轉(zhuǎn)換、分析建模、評估、部署等全過程的功能[3]。通常，SPSSModeler將數(shù)據(jù)以一條條記錄的形式讀入，然后通過對數(shù)據(jù)進行一系列操作，最后將其發(fā)送至某個地方（可以是模型，或某種格式的數(shù)據(jù)輸出）[3]。使用SPSSModeler處理數(shù)據(jù)的三個步驟：（1）將數(shù)據(jù)讀入SPSSModeler；（2）通過一系列操縱運行數(shù)據(jù)；（3）將數(shù)據(jù)發(fā)送到目標位置。

2客戶流失預(yù)測分析

2.1數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理[6]，將需要的客戶投保數(shù)據(jù)按照業(yè)務(wù)預(yù)測分析的要求，將數(shù)據(jù)抽取到中間數(shù)據(jù)中，同時對數(shù)據(jù)清洗和轉(zhuǎn)換，滿足業(yè)務(wù)預(yù)測分析要求。每日凌晨調(diào)用存儲過程將核心業(yè)務(wù)系統(tǒng)數(shù)據(jù)提取到中間數(shù)據(jù)庫，壽險業(yè)務(wù)數(shù)據(jù)與其他數(shù)據(jù)一樣，存在不安全和不一致時，數(shù)據(jù)清洗與轉(zhuǎn)換可以幫助提升數(shù)據(jù)質(zhì)量，進而提升數(shù)據(jù)挖掘進程的有效性和準確性。數(shù)據(jù)清洗主要包括：遺漏數(shù)據(jù)清洗，錯誤數(shù)據(jù)處理，垃圾數(shù)據(jù)處理[1]。

2.2數(shù)據(jù)選取數(shù)據(jù)預(yù)處理后，可以從中得到投保人的投保信息，包括投保人姓名，投保年齡（有效保單為當前年齡，無效保單為退保年齡），保費，投保年期，保單狀態(tài)等。數(shù)據(jù)如圖1所示。

2.3客戶流失預(yù)測模型建立壽險業(yè)務(wù)按渠道來分可分為個人保險、團體保險、銀行保險、網(wǎng)銷保險、經(jīng)代保險五類。由于團體保險在壽險公司發(fā)展比較緩慢，團險業(yè)務(wù)基本屬于停滯階段。結(jié)合壽險公司的營銷特點，選定個人保單作為分析的對象，通過IBMSPSSModeler預(yù)測模型工具[3]，使用決策樹預(yù)測模型對客戶流失進行預(yù)測分析。

2.4結(jié)果分析通過使用IBMSPSSModeler決策類預(yù)測模型分析某壽險公司2013年個人客戶承保情況來看有以下規(guī)則:（1）投保年數(shù)在1年以內(nèi)，首期保費在0～2000元或大于9997.130保費的客戶比較容易流失。（2）保單終止保單中，女性客戶較男性客戶容易流失。（3）投保年數(shù)在2年以上,湖北及河北分支機構(gòu)客戶流失率比較容易流失。（4）分紅壽險相對傳統(tǒng)壽險，健康壽險的客戶比較容易流失[1]。

篇（2）

2系統(tǒng)數(shù)據(jù)

2.1系統(tǒng)數(shù)據(jù)結(jié)構(gòu)系統(tǒng)采用MicrosoftSQLServer,創(chuàng)建了WPGUI與WPCHQ數(shù)據(jù)庫來管理3萬余口油井數(shù)據(jù)采集、處理及存儲等,建設(shè)數(shù)據(jù)表65張(見主要數(shù)據(jù)表的關(guān)系圖2),主要包括生產(chǎn)井的完井數(shù)據(jù)、靜態(tài)數(shù)據(jù)、動態(tài)數(shù)據(jù)、采集數(shù)據(jù)、原油物性數(shù)據(jù)、機桿管泵等技術(shù)數(shù)據(jù),同時系統(tǒng)保存了油井近兩年功圖電參數(shù)據(jù)(每天每口井到少100張),以及根據(jù)這些數(shù)據(jù)分析計算出來的結(jié)果和匯總生成的數(shù)據(jù)。

3數(shù)據(jù)挖掘應(yīng)用

數(shù)據(jù)挖掘是從大量數(shù)據(jù)集中發(fā)現(xiàn)可行信息的過程,是統(tǒng)計分析技術(shù)、數(shù)據(jù)庫技術(shù)及人工智能技術(shù)的綜合。面對油井工況實時分析及功圖計產(chǎn)系統(tǒng)大量的油井生產(chǎn)完備數(shù)據(jù),長慶油田充分利用數(shù)據(jù)挖掘技術(shù),對數(shù)據(jù)進一步清理、集成、轉(zhuǎn)換、挖掘應(yīng)用,深化功圖系統(tǒng)數(shù)據(jù)分析,先后開展了動液面計算,系統(tǒng)效率在線實時監(jiān)測、區(qū)塊動態(tài)分析研究等,并應(yīng)用于油田現(xiàn)場,取得了較好的效果,既節(jié)約了生產(chǎn)成本,又方便了現(xiàn)場管理應(yīng)用,進一步提升系統(tǒng)在長慶油田數(shù)字化前端的核心地位。

3.1區(qū)塊動態(tài)分析

油井生產(chǎn)中,每天都會獲得大量的實時生產(chǎn)數(shù)據(jù),目前系統(tǒng)主要對單井完成工況分析及產(chǎn)液量計算,如何通過分析和處理這些數(shù)據(jù),及時全面了解油田區(qū)塊產(chǎn)油量、壓力、含水等變化規(guī)律是數(shù)據(jù)挖掘應(yīng)用又一問題。長慶油田開展了基于油井工況診斷及功圖計產(chǎn)系統(tǒng)的區(qū)塊動態(tài)分析,從空間和歷史角度,對油井分類、分級、分層次進行統(tǒng)計分析,挖掘生產(chǎn)數(shù)據(jù)里有用的信息,提煉區(qū)塊共性問題,并按照設(shè)計的模板(區(qū)塊指標統(tǒng)計圖表、供液能力分析、產(chǎn)量分析、故障井分析等)每月30日自動生成全面及時的區(qū)塊油井生產(chǎn)動態(tài)分析,從而指導(dǎo)區(qū)塊生產(chǎn)管理,實現(xiàn)油田的精細管理,為油田開發(fā)決策提供依據(jù)。

4結(jié)束語

隨著長慶油田數(shù)字化建設(shè)的不斷深入,各種生產(chǎn)、研究、管理等數(shù)據(jù)庫不斷增加,如何深化數(shù)據(jù)應(yīng)用,準確迅速從數(shù)據(jù)庫是提取有用信息,已成為是數(shù)字油田生產(chǎn)管理的迫切需求。在基于油井工況實時分析及功圖計產(chǎn)系統(tǒng)數(shù)據(jù)挖掘應(yīng)用中我們積累了不少經(jīng)驗,拓展了系統(tǒng)功能,提升系統(tǒng)在長慶油田數(shù)字化前端的核心地位。在今后應(yīng)用中,油田數(shù)據(jù)挖掘應(yīng)用注意幾個問題:

(1)數(shù)據(jù)是數(shù)字油田的血液,為了保證數(shù)據(jù)挖掘效率,在數(shù)據(jù)庫建設(shè)中要規(guī)范數(shù)據(jù)存儲格式,保證數(shù)據(jù)源及數(shù)據(jù)類型的統(tǒng)一,同時加強數(shù)據(jù)審核,注重數(shù)據(jù)入庫的質(zhì)量;

篇（3）

1.1數(shù)據(jù)庫環(huán)境的異構(gòu)型

Web上的每個站點就是一個數(shù)據(jù)源，數(shù)據(jù)源之間是異構(gòu)的，外加上各個站點的信息和組織的不同，Web網(wǎng)站就構(gòu)成了一個巨大的異構(gòu)數(shù)據(jù)庫環(huán)境。要對這些數(shù)據(jù)進行挖掘，首先，要解決各個站點之間的異構(gòu)數(shù)據(jù)集成，提供用戶統(tǒng)一界面，從復(fù)雜的數(shù)據(jù)源中取得所需的有用的信息知識。其次，有關(guān)Web上的數(shù)據(jù)查詢。

1.2數(shù)據(jù)結(jié)構(gòu)的半結(jié)構(gòu)化

Web上的數(shù)據(jù)比較復(fù)雜，各個站點的數(shù)據(jù)都獨立設(shè)計，具有動態(tài)可變性。雖然Web上的數(shù)據(jù)形成半結(jié)構(gòu)化數(shù)據(jù)。這些問題是進行Web數(shù)據(jù)挖掘所面臨的最大困難。

2XML技術(shù)在Web數(shù)據(jù)挖掘中的優(yōu)勢

Web數(shù)據(jù)的異構(gòu)使Web數(shù)據(jù)挖掘變得十分困難,通過XML可以解決這個問題。因為XML文檔具有很好的自我描述性，他的元素、子元素、屬性結(jié)構(gòu)樹可以表達極為豐富的語義信息，能夠很好的描述半結(jié)構(gòu)化的數(shù)據(jù)，因此在網(wǎng)絡(luò)數(shù)據(jù)集成、發(fā)送、處理和顯示的方面。開發(fā)人員能夠用XML的格式標記和交換數(shù)據(jù)。XML在三層架構(gòu)上為數(shù)據(jù)的處理提供了有用的途徑。利用XML，Web設(shè)計人員能夠構(gòu)建文檔類型定義的多層次互相關(guān)聯(lián)的系統(tǒng)、元數(shù)據(jù)、數(shù)據(jù)樹、樣式表和超鏈接結(jié)構(gòu)?；赬ML的Web數(shù)據(jù)挖掘技術(shù)，能夠使不同來源的結(jié)構(gòu)化的數(shù)據(jù)很容易地結(jié)合在一起，解決Web數(shù)據(jù)挖掘的難題。

2.1XML技術(shù)在Web數(shù)據(jù)挖掘中具體作用利用XML技術(shù)我們在Web數(shù)據(jù)挖掘中可以完成以下幾點：

2.1.1集成異構(gòu)數(shù)據(jù)源

XML是一種半結(jié)構(gòu)化的數(shù)據(jù)模型，可以完成和關(guān)系數(shù)據(jù)庫中的屬性一一對應(yīng)，從而實施精確地查詢與模型抽取。XML可以搜索多個不同數(shù)據(jù)庫的問題，以實現(xiàn)集成。

2.1.2和異構(gòu)數(shù)據(jù)進行交換

在Web數(shù)據(jù)挖掘程中，用戶需要和異構(gòu)數(shù)據(jù)源進行數(shù)據(jù)交換，XML通過自定義性及可擴展性來標識各種數(shù)據(jù)，從而描述從各站點搜集到的Web頁中的數(shù)據(jù)。XML的出現(xiàn)解決了數(shù)據(jù)查詢的統(tǒng)一接口。

2.1.3過濾信息并顯示

XML描述數(shù)據(jù)本身，可以使得定義的數(shù)據(jù)以不同的方式顯示，對獲取的信息進行裁減和編輯以適應(yīng)不同用戶的需求。以不同的瀏覽形式提供給不同的用戶。

3基于XML的Web數(shù)據(jù)挖掘模型

我們通過對XML及Web數(shù)據(jù)挖掘的分析，設(shè)計了一個基于XML的Web數(shù)據(jù)挖掘模型通過提供一個Web數(shù)據(jù)挖掘的集成環(huán)境，提高數(shù)據(jù)挖掘系統(tǒng)的整體性能。工作流程如下：系統(tǒng)根據(jù)用戶要求搜集Web資源，經(jīng)數(shù)據(jù)轉(zhuǎn)換器處理成相應(yīng)的XML數(shù)據(jù)存儲，提供給挖掘器使用；挖掘器則根據(jù)要求從選取相應(yīng)的算法挖掘，輸出挖掘結(jié)果；用戶根據(jù)自己的滿意度，獲得需要的挖掘結(jié)果，調(diào)整挖掘要求進入新一輪數(shù)據(jù)挖掘。通過系統(tǒng)的維護我們可以加入新的挖掘算法，實現(xiàn)升級。

3.1各模塊具體功能

3.1.1數(shù)據(jù)收集

從Web站點上采集數(shù)據(jù)并存儲，獲得挖掘內(nèi)容。針對異構(gòu)數(shù)據(jù)源，可以多種方式提出相關(guān)需求，挖掘的重點是Web內(nèi)容和Web使用的數(shù)據(jù)。把用戶訪問網(wǎng)站留下原始日志數(shù)據(jù)進行清洗、過濾和轉(zhuǎn)換處理，轉(zhuǎn)變成統(tǒng)一處理的數(shù)據(jù)結(jié)構(gòu)，構(gòu)建日志數(shù)據(jù)庫。

3.1.2轉(zhuǎn)換器

對檢索得到的數(shù)據(jù)用XML技術(shù)進行預(yù)處理，建立半結(jié)構(gòu)化數(shù)據(jù)模型，抽取其特征的元數(shù)據(jù)，用結(jié)構(gòu)化的形式保存，為挖掘模塊提供所需的數(shù)據(jù)。

3.1.3挖掘器

不同的挖掘算法有不同適用情況，挖掘綜合器根據(jù)具體的需求和挖掘方法的不同選擇策略到挖掘算法庫中去選擇挖掘算法或種組合算法執(zhí)行挖掘任務(wù)。隨著應(yīng)用的深入，知識庫中的算法和規(guī)則不斷的豐富。挖掘算法庫是挖掘分析方法的綜合庫，以插拔的形式組織存放各種挖掘算法。314結(jié)果生成與評估以直觀的方式提交挖掘結(jié)果，便于用戶的評估。通過模式分析和興趣度度量，若結(jié)果使得用戶滿意，數(shù)據(jù)挖掘結(jié)束，輸出用戶感興趣的內(nèi)容；否則可以在此重新提出挖掘要求，重新挖掘。

3.2系統(tǒng)各模塊實現(xiàn)方法

3.2.1數(shù)據(jù)收集

數(shù)據(jù)的收集也涉及數(shù)據(jù)挖掘的技術(shù)，其過程是：通過人工輸入辦法，給出查詢主題，找到相關(guān)的Web頁,然后,通過相應(yīng)的數(shù)據(jù)挖掘的算法對訓(xùn)練數(shù)據(jù)集提煉，利用提煉出的數(shù)據(jù)模式,進行更大范圍的搜索，以獲取更多的數(shù)據(jù)源。最終形成較新和有效XML文檔。

3.2.2數(shù)據(jù)的轉(zhuǎn)換處理

數(shù)據(jù)抽取轉(zhuǎn)換是模型實現(xiàn)一個重要環(huán)節(jié),其主要方法是把現(xiàn)有的Web頁面轉(zhuǎn)換成XML格式,并使用相關(guān)工具處理XML結(jié)構(gòu)數(shù)據(jù)檢要把HTML中含有的與主題無關(guān)的標記過濾掉,然后轉(zhuǎn)化到XML的格式存儲。目前Web頁面到XML文檔的轉(zhuǎn)換,有兩部分數(shù)據(jù)構(gòu)成:一是XML數(shù)據(jù)，二是非XML數(shù)據(jù)。XML數(shù)據(jù),可以直接將它們提交給下一個模塊。對于非XML數(shù)據(jù),本文的實現(xiàn)方法是用到Tidy以改正HTML文檔中的常見錯誤并生成格式編排良好的等價文檔，還可以使用Tidy生成XHTML(XML的子集)格式的文檔。通過構(gòu)造相應(yīng)的Java類完成將數(shù)據(jù)從HTML到XML的轉(zhuǎn)換。

3.2.3挖掘方法

（1）文本分類：文本分類是指按預(yù)先定義的主題類別，把集合中的每個文檔確定一個所屬類別。這樣，用戶能夠方便地瀏覽文檔，并限制搜索范圍來使查找更為容易。利用文本分類技術(shù)對大量文檔進行快速、有效地自動分類。有關(guān)的算法通常采用TFIDF和NaiveBayes等方法。

（2）文本聚類：文本聚類與分類的不同之處在于，聚類不需要預(yù)先定義好的主題類別，它是將把文檔集合分成若干個簇，要求同簇內(nèi)文檔內(nèi)容相似度最大，而不同簇間的相似度最小。Hearst等人研究表明聚類假設(shè)，即與用戶查詢相關(guān)的文檔通常會聚類比較靠近，而遠離與用戶查詢不相關(guān)文檔?？梢岳梦谋揪垲惣夹g(shù)把搜索引擎檢索結(jié)果分成若干個簇，用戶只要考慮那些相關(guān)的簇，就能夠縮小所需要瀏覽的結(jié)果數(shù)量。目前，常用的文本聚類算法,分為兩種：以G-HAC等算法為代表的層次凝聚法，以k-means等算法為代表的平面劃分法。

（3）關(guān)聯(lián)分析：關(guān)聯(lián)分析是指從文檔集合中發(fā)現(xiàn)不同詞語之間關(guān)系Brin提出一種從大量文檔中查找一對詞語出現(xiàn)模式算法，在Web上尋找作者和書名的模式，從而發(fā)現(xiàn)數(shù)千本在Amazon網(wǎng)站上查找不到的新書。

（4）模式評價：Web數(shù)據(jù)挖掘中十分重要的過程就是模式評價。常用的方法有預(yù)留法和交叉實驗法，將數(shù)據(jù)分成訓(xùn)練集和測試集兩部分，學(xué)習(xí)和測試反復(fù)進行，最后用一個平均質(zhì)量模型來確定模型質(zhì)量的好壞。

（5）預(yù)留法：從數(shù)據(jù)集合隨機抽取預(yù)定大小一個子集作為測試集，其他數(shù)據(jù)則作為訓(xùn)練集。

（6）交叉驗證法：把整個數(shù)據(jù)集合按照所要進行的學(xué)習(xí)測試循環(huán)次數(shù)分成一定數(shù)目的子集，在每次循環(huán)中，選取其一個子集作為測試集，其它子集并集則作為訓(xùn)練集。

篇（4）

一、客戶關(guān)系管理（CRM）

CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法。它是企業(yè)通過富有意義的交流和溝通,理解并影響客戶行為,最終實現(xiàn)提高客戶獲取、客戶保留、客戶忠誠和客戶創(chuàng)利的目的。它包括的主要內(nèi)容有客戶識別、客戶關(guān)系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關(guān)系管理能夠提高企業(yè)銷售收入，改善企業(yè)的服務(wù)，提高客戶滿意度，同時能提高員工的生產(chǎn)能力。

二、數(shù)據(jù)挖掘（DM）

數(shù)據(jù)挖掘(DataMining，簡稱DM)，簡單的講就是從大量數(shù)據(jù)中挖掘或抽取出知識。數(shù)據(jù)挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。

常用的數(shù)據(jù)挖掘方法有：(1)關(guān)聯(lián)分析。即從給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項集模式知識。例如，某商場通過關(guān)聯(lián)分析，可以找出若干個客戶在本商場購買商品時，哪些商品被購置率較高，進而可以發(fā)現(xiàn)數(shù)據(jù)庫中不同商品的聯(lián)系，進而反映客戶的購買習(xí)慣。(2)序列模式分析。它與關(guān)聯(lián)分析相似，其目的也是為了控制挖掘出的數(shù)據(jù)間的聯(lián)系。但序列模式分析的側(cè)重點在于分析數(shù)據(jù)間的前后(因果)關(guān)系。例如，可以通過分析客戶在購買A商品后，必定(或大部分情況下)隨著購買B商品，來發(fā)現(xiàn)客戶潛在的購買模式。(3)分類分析。是找出一組能夠描述數(shù)據(jù)集合典型特征的模型，以便能夠分類識別未知數(shù)據(jù)的歸屬或類別。例如，銀行可以根據(jù)客戶的債務(wù)水平、收入水平和工作情況，可對給定用戶進行信用風險分析。(4)聚類分析。是從給定的數(shù)據(jù)集中搜索數(shù)據(jù)對象之間所存在的有價值聯(lián)系。在商業(yè)上，聚類可以通過顧客數(shù)據(jù)將顧客信息分組，并對顧客的購買模式進行描述，找出他們的特征，制定針對性的營銷方案。(5)孤立點分析。孤立點是數(shù)據(jù)庫中與數(shù)據(jù)的一般模式不一致的數(shù)據(jù)對象，它可能是收集數(shù)據(jù)的設(shè)備出現(xiàn)故障、人為輸入時的輸入錯誤等。孤立點分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點分析發(fā)現(xiàn)信用卡詐騙，電信部門可以利用孤立點分析發(fā)現(xiàn)電話盜用等。

三、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用

1.進行客戶分類

客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數(shù)據(jù)挖掘可以幫助企業(yè)進行客戶分類，針對不同類別的客戶，提供個性化的服務(wù)來提高客戶的滿意度，提高現(xiàn)有客戶的價值。細致而可行的客戶分類對企業(yè)的經(jīng)營策略有很大益處。例如，保險公司在長期的保險服務(wù)中，積累了很多的數(shù)據(jù)信息，包括對客戶的服務(wù)歷史、對客戶的銷售歷史和收入，以及客戶的人口統(tǒng)計學(xué)資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來，以便在數(shù)據(jù)庫里建立起一個完整的客戶背景。在客戶背景信息中，大批客戶可能在保險種類、保險年份和保險金額上具有極高的相似性，因而形成了具有共性的客戶群體。經(jīng)過數(shù)據(jù)挖掘的聚類分析，可以發(fā)現(xiàn)他們的共性，掌握他們的保險理念，提供有針對性的服務(wù)，提高保險公司的綜合服務(wù)水平，并可以降低業(yè)務(wù)服務(wù)成本，取得更高的收益。

2.進行客戶識別和保留

(1)在CRM中,首先應(yīng)識別潛在客戶,然后將他們轉(zhuǎn)化為客戶

這時可以采用DM中的分類方法。首先是通過對數(shù)據(jù)庫中各數(shù)據(jù)進行分析，從而建立一個描述已知數(shù)據(jù)集類別或概念的模型，然后對每一個測試樣本，用其已知的類別與學(xué)習(xí)所獲模型的預(yù)測類別做比較，如果一個學(xué)習(xí)所獲模型的準確率經(jīng)測試被認可，就可以用這個模型對未來對象進行分類。例如，圖書發(fā)行公司利用顧客郵件地址數(shù)據(jù)庫，給潛在顧客發(fā)送用于促銷的新書宣傳冊。該數(shù)據(jù)庫內(nèi)容有客戶情況的描述，包括年齡、收入、職業(yè)、閱讀偏好、訂購習(xí)慣、購書資金、計劃等屬性的描述，顧客被分類為是或否會成為購買書籍的顧客。當新顧客的信息被輸入到數(shù)據(jù)庫中時，就對該新顧客的購買傾向進行分類，以決定是否給該顧客發(fā)送相應(yīng)書籍的宣傳手冊。

(2)在客戶保留中的應(yīng)用

客戶識別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對企業(yè)來說，獲取一個新顧客的成本要比保留一個老顧客的成本高。在保留客戶的過程中，非常重要的一個工作就是要找出顧客流失的原因。例如，某?？茖W(xué)校的招生人數(shù)在逐漸減少，那么就要找出減少的原因，經(jīng)過廣泛的搜集信息，發(fā)現(xiàn)原因在于本學(xué)校對技能培訓(xùn)不夠重視，學(xué)生只能學(xué)到書本知識，沒有實際的技能，在就業(yè)市場上找工作很難。針對這種情況，學(xué)校應(yīng)果斷的抽取資金，購買先進的、有針對性的實驗實訓(xùn)設(shè)備，同時修改教學(xué)計劃，加大實驗實訓(xùn)課時和考核力度，培訓(xùn)相關(guān)專業(yè)的教師。

(3)對客戶忠誠度進行分析

客戶的忠誠意味著客戶不斷地購買公司的產(chǎn)品或服務(wù)。數(shù)據(jù)挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩(wěn)定性進行分析。比如大型超市通過會員的消費信息，如最近一次消費、消費頻率、消費金額三個指標對數(shù)據(jù)進行分析,可以預(yù)測出顧客忠誠度的變化，據(jù)此對價格、商品的種類以及銷售策略加以調(diào)整和更新，以便留住老顧客，吸引新顧客。

(4)對客戶盈利能力分析和預(yù)測

對于一個企業(yè)而言，如果不知道客戶的價值，就很難做出合適的市場策略。不同的客戶對于企業(yè)而言，其價值是不同的。研究表明，一個企業(yè)的80%的利潤是由只占客戶總數(shù)的20%的客戶創(chuàng)造的，這部分客戶就是有價值的優(yōu)質(zhì)客戶。為了弄清誰才是有價值的客戶，就需要按照客戶的創(chuàng)利能力來劃分客戶，進而改進客戶關(guān)系管理。數(shù)據(jù)挖掘技術(shù)可以用來分析和預(yù)測不同市場活動情況下客戶盈利能力的變化，幫助企業(yè)制定合適的市場策略。商業(yè)銀行一般會利用數(shù)據(jù)挖掘技術(shù)對客戶的資料進行分析，找出對提高企業(yè)盈利能力最重要的客戶，進而進行針對性的服務(wù)和營銷。

篇（5）

根據(jù)波特的影響企業(yè)的利益相關(guān)者理論，企業(yè)有五個利益相關(guān)者，分別是客戶、競爭對手、供應(yīng)商、分銷商和政府等其他利益相關(guān)者。其中，最重要的利益相關(guān)者就是客戶?，F(xiàn)代企業(yè)的競爭優(yōu)勢不僅體現(xiàn)在產(chǎn)品上，還體現(xiàn)在市場上，誰能獲得更大的市場份額，誰就能在競爭中占據(jù)優(yōu)勢和主動。而對市場份額的爭奪實質(zhì)上是對客戶的爭奪，因此，企業(yè)必須完成從“產(chǎn)品”導(dǎo)向向“客戶”導(dǎo)向的轉(zhuǎn)變，對企業(yè)與客戶發(fā)生的各種關(guān)系進行管理。進行有效的客戶關(guān)系管理，就要通過有效的途徑，從儲存大量客戶信息的數(shù)據(jù)倉庫中經(jīng)過深層分析，獲得有利于商業(yè)運作，提高企業(yè)市場競爭力的有效信息。而實現(xiàn)這些有效性的關(guān)鍵技術(shù)支持就是數(shù)據(jù)挖掘，即從海量數(shù)據(jù)中挖掘出更有價值的潛在信息。正是有了數(shù)據(jù)挖掘技術(shù)的支持，才使得客戶關(guān)系管理的理念和目標得以實現(xiàn)，滿足現(xiàn)代電子商務(wù)時代的需求和挑戰(zhàn)。

一、客戶關(guān)系管理（CRM）

CRM是一種旨在改善企業(yè)與客戶之間關(guān)系的新型管理方法。它是企業(yè)通過富有意義的交流和溝通,理解并影響客戶行為,最終實現(xiàn)提高客戶獲取、客戶保留、客戶忠誠和客戶創(chuàng)利的目的。它包括的主要內(nèi)容有客戶識別、客戶關(guān)系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關(guān)系管理能夠提高企業(yè)銷售收入，改善企業(yè)的服務(wù)，提高客戶滿意度，同時能提高員工的生產(chǎn)能力。

二、數(shù)據(jù)挖掘（DM）

數(shù)據(jù)挖掘（DataMining，簡稱DM），簡單的講就是從大量數(shù)據(jù)中挖掘或抽取出知識。數(shù)據(jù)挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。

常用的數(shù)據(jù)挖掘方法有：（1）關(guān)聯(lián)分析。即從給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項集模式知識。例如，某商場通過關(guān)聯(lián)分析，可以找出若干個客戶在本商場購買商品時，哪些商品被購置率較高，進而可以發(fā)現(xiàn)數(shù)據(jù)庫中不同商品的聯(lián)系，進而反映客戶的購買習(xí)慣。（2）序列模式分析。它與關(guān)聯(lián)分析相似，其目的也是為了控制挖掘出的數(shù)據(jù)間的聯(lián)系。但序列模式分析的側(cè)重點在于分析數(shù)據(jù)間的前后（因果）關(guān)系。例如，可以通過分析客戶在購買A商品后，必定（或大部分情況下）隨著購買B商品，來發(fā)現(xiàn)客戶潛在的購買模式。（3）分類分析。是找出一組能夠描述數(shù)據(jù)集合典型特征的模型，以便能夠分類識別未知數(shù)據(jù)的歸屬或類別。例如，銀行可以根據(jù)客戶的債務(wù)水平、收入水平和工作情況，可對給定用戶進行信用風險分析。（4）聚類分析。是從給定的數(shù)據(jù)集中搜索數(shù)據(jù)對象之間所存在的有價值聯(lián)系。在商業(yè)上，聚類可以通過顧客數(shù)據(jù)將顧客信息分組，并對顧客的購買模式進行描述，找出他們的特征，制定針對性的營銷方案。（5）孤立點分析。孤立點是數(shù)據(jù)庫中與數(shù)據(jù)的一般模式不一致的數(shù)據(jù)對象，它可能是收集數(shù)據(jù)的設(shè)備出現(xiàn)故障、人為輸入時的輸入錯誤等。孤立點分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點分析發(fā)現(xiàn)信用卡詐騙，電信部門可以利用孤立點分析發(fā)現(xiàn)電話盜用等。

三、數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用

1.進行客戶分類

客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數(shù)據(jù)挖掘可以幫助企業(yè)進行客戶分類，針對不同類別的客戶，提供個性化的服務(wù)來提高客戶的滿意度，提高現(xiàn)有客戶的價值。細致而可行的客戶分類對企業(yè)的經(jīng)營策略有很大益處。例如，保險公司在長期的保險服務(wù)中，積累了很多的數(shù)據(jù)信息，包括對客戶的服務(wù)歷史、對客戶的銷售歷史和收入，以及客戶的人口統(tǒng)計學(xué)資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來，以便在數(shù)據(jù)庫里建立起一個完整的客戶背景。在客戶背景信息中，大批客戶可能在保險種類、保險年份和保險金額上具有極高的相似性，因而形成了具有共性的客戶群體。經(jīng)過數(shù)據(jù)挖掘的聚類分析，可以發(fā)現(xiàn)他們的共性，掌握他們的保險理念，提供有針對性的服務(wù)，提高保險公司的綜合服務(wù)水平，并可以降低業(yè)務(wù)服務(wù)成本，取得更高的收益。

2.進行客戶識別和保留

(1)在CRM中,首先應(yīng)識別潛在客戶,然后將他們轉(zhuǎn)化為客戶

這時可以采用DM中的分類方法。首先是通過對數(shù)據(jù)庫中各數(shù)據(jù)進行分析，從而建立一個描述已知數(shù)據(jù)集類別或概念的模型，然后對每一個測試樣本，用其已知的類別與學(xué)習(xí)所獲模型的預(yù)測類別做比較，如果一個學(xué)習(xí)所獲模型的準確率經(jīng)測試被認可，就可以用這個模型對未來對象進行分類。例如，圖書發(fā)行公司利用顧客郵件地址數(shù)據(jù)庫，給潛在顧客發(fā)送用于促銷的新書宣傳冊。該數(shù)據(jù)庫內(nèi)容有客戶情況的描述，包括年齡、收入、職業(yè)、閱讀偏好、訂購習(xí)慣、購書資金、計劃等屬性的描述，顧客被分類為“是”或“否”會成為購買書籍的顧客。當新顧客的信息被輸入到數(shù)據(jù)庫中時，就對該新顧客的購買傾向進行分類，以決定是否給該顧客發(fā)送相應(yīng)書籍的宣傳手冊。

(2)在客戶保留中的應(yīng)用

客戶識別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對企業(yè)來說，獲取一個新顧客的成本要比保留一個老顧客的成本高。在保留客戶的過程中，非常重要的一個工作就是要找出顧客流失的原因。例如，某?？茖W(xué)校的招生人數(shù)在逐漸減少，那么就要找出減少的原因，經(jīng)過廣泛的搜集信息，發(fā)現(xiàn)原因在于本學(xué)校對技能培訓(xùn)不夠重視，學(xué)生只能學(xué)到書本知識，沒有實際的技能，在就業(yè)市場上找工作很難。針對這種情況，學(xué)校應(yīng)果斷的抽取資金，購買先進的、有針對性的實驗實訓(xùn)設(shè)備，同時修改教學(xué)計劃，加大實驗實訓(xùn)課時和考核力度，培訓(xùn)相關(guān)專業(yè)的教師。

(3)對客戶忠誠度進行分析

客戶的忠誠意味著客戶不斷地購買公司的產(chǎn)品或服務(wù)。數(shù)據(jù)挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩(wěn)定性進行分析。比如大型超市通過會員的消費信息，如最近一次消費、消費頻率、消費金額三個指標對數(shù)據(jù)進行分析,可以預(yù)測出顧客忠誠度的變化，據(jù)此對價格、商品的種類以及銷售策略加以調(diào)整和更新，以便留住老顧客，吸引新顧客。

(4)對客戶盈利能力分析和預(yù)測

對于一個企業(yè)而言，如果不知道客戶的價值，就很難做出合適的市場策略。不同的客戶對于企業(yè)而言，其價值是不同的。研究表明，一個企業(yè)的80%的利潤是由只占客戶總數(shù)的20%的客戶創(chuàng)造的，這部分客戶就是有價值的優(yōu)質(zhì)客戶。為了弄清誰才是有價值的客戶，就需要按照客戶的創(chuàng)利能力來劃分客戶，進而改進客戶關(guān)系管理。數(shù)據(jù)挖掘技術(shù)可以用來分析和預(yù)測不同市場活動情況下客戶盈利能力的變化，幫助企業(yè)制定合適的市場策略。商業(yè)銀行一般會利用數(shù)據(jù)挖掘技術(shù)對客戶的資料進行分析，找出對提高企業(yè)盈利能力最重要的客戶，進而進行針對性的服務(wù)和營銷。

(5)交叉銷售和增量銷售

交叉銷售是促使客戶購買尚未使用的產(chǎn)品和服務(wù)的營銷手段，目的是可以拓寬企業(yè)和客戶間的關(guān)系。增量銷售是促使客戶將現(xiàn)有產(chǎn)品和服務(wù)升級的銷售活動，目的在于增強企業(yè)和客戶的關(guān)系。這兩種銷售都是建立在雙贏的基礎(chǔ)上的，客戶因得到更多更好符合其需求的服務(wù)而獲益，公司也因銷售增長而獲益。數(shù)據(jù)挖掘可以采用關(guān)聯(lián)性模型或預(yù)測性模型來預(yù)測什么時間會發(fā)生什么事件，判斷哪些客戶對交叉銷售和增量銷售很有意向，以達到交叉銷售和增量銷售的目的。例如，保險公司的交叉營銷策略：保險公司對已經(jīng)購買某險種的客戶推薦其它保險產(chǎn)品和服務(wù)。這種策略成功的關(guān)鍵是要確保推銷的保險險種是用戶所感興趣的，否則會造成用戶的反感。

四、客戶關(guān)系管理應(yīng)用數(shù)據(jù)挖掘的步驟

1.需求分析

只有確定需求，才有分析和預(yù)測的目標，然后才能提取數(shù)據(jù)、選擇方法，因此，需求分析是數(shù)據(jù)挖掘的基礎(chǔ)條件。數(shù)據(jù)挖掘的實施過程也是圍繞著這個目標進行的。在確定用戶的需求后,應(yīng)該明確所要解決的問題屬于哪種應(yīng)用類型,是屬于關(guān)聯(lián)分析、分類、聚類及預(yù)測，還是其他應(yīng)用。應(yīng)對現(xiàn)有資源如已有的歷史數(shù)據(jù)進行評估，確定是否能夠通過數(shù)據(jù)挖掘技術(shù)來解決用戶的需求，然后將進一步確定數(shù)據(jù)挖掘的目標和制定數(shù)據(jù)挖掘的計劃。

2.建立數(shù)據(jù)庫

這是數(shù)據(jù)挖掘中非常重要也非常復(fù)雜的一步。首先,要進行數(shù)據(jù)收集和集成，其次,要對數(shù)據(jù)進行描述和整合。數(shù)據(jù)主要有四個方面的來源：客戶信息、客戶行為、生產(chǎn)系統(tǒng)和其他相關(guān)數(shù)據(jù)。這些數(shù)據(jù)通過抽取、轉(zhuǎn)換和裝載，形成數(shù)據(jù)倉庫，并通過OLAP和報表，將客戶的整體行為結(jié)果分析等數(shù)據(jù)傳遞給數(shù)據(jù)庫用戶。

3.選擇合適的數(shù)據(jù)挖掘工具

如果從上一步的分析中發(fā)現(xiàn)，所要解決的問題能用數(shù)據(jù)挖掘比較好地完成，那么需要做的第三步就是選擇合適的數(shù)據(jù)挖掘技術(shù)與方法。將所要解決的問題轉(zhuǎn)化成一系列數(shù)據(jù)挖掘的任務(wù)。數(shù)據(jù)挖掘主要有五種任務(wù)：分類，估值預(yù)測，關(guān)聯(lián)規(guī)則，聚集，描述。前三種屬于直接的數(shù)據(jù)挖掘。在直接數(shù)據(jù)挖掘中，目標是應(yīng)用可得到的數(shù)據(jù)建立模型，用其它可得到的數(shù)據(jù)來描述感興趣的變量。后兩種屬于間接數(shù)據(jù)挖掘。在間接數(shù)據(jù)挖掘中，沒有單一的目標變量，目標是在所有變量中發(fā)現(xiàn)某些聯(lián)系。

4.建立模型

建立模型是選擇合適的方法和算法對數(shù)據(jù)進行分析，得到一個數(shù)據(jù)挖掘模型的過程。一個好的模型沒必要與已有數(shù)據(jù)完全相符，但模型對未來的數(shù)據(jù)應(yīng)有較好的預(yù)測。需要仔細考察不同的模型以判斷哪個模型對所需解決的問題最有用。如決策樹模型、聚類模型都是分類模型，它們將一個事件或?qū)ο髿w類?；貧w是通過具有已知值的變量來預(yù)測其它變量的值。時間序列是用變量過去的值來預(yù)測未來的值。這一步是數(shù)據(jù)挖掘的核心環(huán)節(jié)。建立模型是一個反復(fù)進行的過程，它需要不斷地改進或更換算法以尋找對目標分析作用最明顯的模型，最后得到一個最合理、最適用的模型。

5.模型評估

為了驗證模型的有效性、可信性和可用性，從而選擇最優(yōu)的模型，需要對模型進行評估。我們可以將數(shù)據(jù)中的一部分用于模型評估，來測試模型的準確性，模型是否容易被理解模型的運行速度、輸入結(jié)果的速度、實現(xiàn)代價、復(fù)雜度等。模型的建立和檢驗是一個反復(fù)的過程，通過這個階段階段的工作，能使數(shù)據(jù)以用戶能理解的方式出現(xiàn)，直至找到最優(yōu)或較優(yōu)的模型。

6.部署和應(yīng)用

將數(shù)據(jù)挖掘的知識歸檔和報告給需要的群體，根據(jù)數(shù)據(jù)挖掘發(fā)現(xiàn)的知識采取必要的行動，以及消除與先前知識可能存在的沖突，并將挖掘的知識應(yīng)用于應(yīng)用系統(tǒng)。在模型的應(yīng)用過程中，也需要不斷地對模型進行評估和檢驗，并做出適當?shù)恼{(diào)整，以使模型適應(yīng)不斷變化的環(huán)境。

參考文獻:

[1]羅納德．S．史威福特．客戶關(guān)系管理[M]．楊東龍譯．北京：中國經(jīng)濟出版社，2002

[2]馬剛:客戶關(guān)系管理[M]大連：東北財經(jīng)大學(xué)出版社，2008

[3]朱美珍:以數(shù)據(jù)挖掘提升客戶關(guān)系管理[J]．高科技產(chǎn)業(yè)技術(shù)與創(chuàng)新管理，2006，（27）

篇（6）

由于信息技術(shù)的迅速發(fā)展，現(xiàn)代的檔案管理模式與過去相比，也有了很大的變化，也讓如今的檔案管理模式有了新的挑戰(zhàn)。讓人們對信息即時、大量地獲取是目前檔案管理工作和檔案管理系統(tǒng)急切需要解決的問題。

一、數(shù)據(jù)挖掘概述

（一）數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘是指從大量的、不規(guī)則、亂序的數(shù)據(jù)中，進行分析歸納，得到隱藏的，未知的，但同時又含有較大價值的信息和知識。它主要對確定目標的有關(guān)信息，使用自動化和統(tǒng)計學(xué)等方法對信息進行預(yù)測、偏差分析和關(guān)聯(lián)分析等，從而得到合理的結(jié)論。在檔案管理中使用數(shù)據(jù)挖掘技術(shù)，能夠充分地發(fā)揮檔案管理的作用，從而達到良好的檔案管理工作效果。（二）數(shù)據(jù)挖掘技術(shù)分析。數(shù)據(jù)挖掘技術(shù)分析的方法是多種多樣的，其主要方法有以下幾種：1.關(guān)聯(lián)分析。指從已經(jīng)知道的信息數(shù)據(jù)中，找到多次展現(xiàn)的信息數(shù)據(jù)，由信息的說明特征，從而得到具有相同屬性的事物特征。2.分類分析。利用信息數(shù)據(jù)的特征，歸納總結(jié)相關(guān)信息數(shù)據(jù)的數(shù)據(jù)庫，建立所需要的數(shù)據(jù)模型，從而來識別一些未知的信息數(shù)據(jù)。3.聚類分析。通過在確定的數(shù)據(jù)中，找尋信息的價值聯(lián)系，得到相應(yīng)的管理方案。4.序列分析。通過分析信息的前后因果關(guān)系，從而判斷信息之間可能出現(xiàn)的聯(lián)系。

二、數(shù)據(jù)挖掘的重要性

在進行現(xiàn)代檔案信息處理時，傳統(tǒng)的檔案管理方法已經(jīng)不能滿足其管理的要求，數(shù)據(jù)挖掘技術(shù)在這方面確有著顯著的優(yōu)勢。首先，檔案是較為重要的信息記錄，甚至有些檔案的重要性大到無價，因此對于此類的珍貴檔案，相關(guān)的檔案管理人員也是希望檔案本身及其價值一直保持下去。不過越是珍貴的檔案，其使用率自然也就越高，所以其安全性就很難得到保障，在檔案管理中運用數(shù)據(jù)挖掘技術(shù)，可以讓檔案的信息數(shù)據(jù)得到分析統(tǒng)計，歸納總結(jié)，不必次次實物查閱，這樣就極大地提升了檔案相關(guān)內(nèi)容的安全性，降低檔案的磨損率。并且可以對私密檔案進行加密，進行授權(quán)查閱，進一步提高檔案信息的安全性。其次，對檔案進行鑒定與甄別，這也是檔案工作中較困難的過程，過去做好這方面的工作主要依靠管理檔案管理員自己的能力和水平，主觀上的因素影響很大，但是數(shù)據(jù)挖掘技術(shù)可以及時對檔案進行編碼和收集，對檔案進行數(shù)字化的管理和規(guī)劃，解放人力資源，提升檔案利用的服務(wù)水平。第三，數(shù)據(jù)挖掘技術(shù)可以減少檔案的收集和保管成本，根據(jù)檔案的特點和規(guī)律建立的數(shù)據(jù)模型能為之后的工作人員建立一種標準，提升了檔案的鑒定效率。

三、檔案管理的數(shù)據(jù)挖掘運用

（一）檔案信息的收集。在實施檔案管理工作時，首先需要對檔案信息數(shù)據(jù)的收集?？梢赃\用相關(guān)檔案數(shù)據(jù)庫的數(shù)據(jù)資料，進行科學(xué)的分析，制定科學(xué)的說明方案，對確定的數(shù)據(jù)集合類型和一些相關(guān)概念的模型進行科學(xué)說明，利用這些數(shù)據(jù)說明，建立準確的數(shù)據(jù)模型，并以此數(shù)據(jù)模型作為標準，為檔案信息的快速分類以及整合奠定基礎(chǔ)。例如，在體育局的相關(guān)網(wǎng)站上提供問卷，利用問卷來得到的所需要的信息數(shù)據(jù)，導(dǎo)入數(shù)據(jù)庫中，讓數(shù)據(jù)庫模型中保有使用者的相關(guān)個人信息，通過對使用者的信息數(shù)據(jù)進行說明，從而判斷使用者可能的類型，提升服務(wù)的準確性。因此，數(shù)據(jù)挖掘技術(shù)為檔案信息的迅速有效收集，為檔案分類以及后續(xù)工作的順利展開，提供了有利條件，為個性化服務(wù)的實現(xiàn)提供了保證。（二）檔案信息的分類。數(shù)據(jù)挖掘技術(shù)具有的屬性分析能力，可以將數(shù)據(jù)庫中的信息進行分門別類，將信息的對象通過不同的特征，規(guī)劃為不同的分類。將數(shù)據(jù)挖掘技術(shù)運用到檔案管理中時，可以簡單快速地找到想要的檔案數(shù)據(jù)，能根據(jù)數(shù)據(jù)中使用者的相關(guān)數(shù)據(jù)，找尋使用者在數(shù)據(jù)庫中的信息，使用數(shù)據(jù)模型的分析能力，分析出使用者的相關(guān)特征。利如，在使用者上網(wǎng)使用網(wǎng)址時，數(shù)據(jù)挖掘技術(shù)可以充分利用使用者的搜索數(shù)據(jù)以及網(wǎng)站的訪問記錄，自動保存用戶的搜索信息、搜索內(nèi)容、下載次數(shù)、時間等，得到用戶的偏好和特征，對用戶可能存在的需求進行預(yù)測和分類，更加迅速和準確的，為用戶提供個性化的服務(wù)。（三）檔案信息的整合。數(shù)據(jù)挖掘技術(shù)可以對新舊檔案的信息進行整合處理，可以較為簡單地將“死檔案”整合形成為“活檔案”，提供良好的檔案信息和有效的檔案管理。例如，對于企事業(yè)單位而言，培訓(xùn)新員工的成本往往比聘請老員工的成本要高出很多。對老員工的檔案信息情況進行全體整合，使檔案資源充分發(fā)揮作用，將檔案數(shù)據(jù)進行總結(jié)和規(guī)劃，根據(jù)數(shù)據(jù)之間的聯(lián)系確定老員工流失的原因，然后建立清晰、明白的數(shù)據(jù)庫，這樣可以防止人才流失，也能大大提高檔案管理的效率。

四、結(jié)語

綜上所述，在這個信息技術(shù)迅速跳躍發(fā)展的時代，將數(shù)據(jù)挖掘技術(shù)運用到檔案管理工作中是時展的需求與必然結(jié)果。利用數(shù)據(jù)挖掘技術(shù)，可以使檔案管理工作的效率大大提升，不僅減少了搜索檔案信息的時間，節(jié)省人力物力，避免資源的浪費，還能幫助用戶在海量的信息數(shù)據(jù)中，快速找到所需的檔案數(shù)據(jù)信息。數(shù)據(jù)挖掘技術(shù)的運用，使靜態(tài)的檔案信息變成了可以“主動”為企事業(yè)單位的發(fā)展，提供有效的個性化服務(wù)的檔案管家，推動了社會的快速發(fā)展。

作者:于然 單位:揚州市體育局辦公室

【參考文獻】

篇（7）

1.2代碼開發(fā)現(xiàn)階段，JAVA應(yīng)用中廣泛應(yīng)用著基于開源框架的編程，此時配置的邏輯控制是借助XML配置文件實現(xiàn)的，但現(xiàn)有的JAVA應(yīng)用為單機版，同時框架的邏輯具有復(fù)雜性，開源框架的文檔化相對較差。在此情況下，程序員在對框架使用與配置缺少正確性。為了實現(xiàn)上述問題的有效解決，提出了基于應(yīng)用代碼庫中的XML配置文件及代碼關(guān)聯(lián)結(jié)構(gòu)挖掘的XML配置片段推薦方法，將此方法應(yīng)用到軟件開發(fā)中，促進了程序員對配置文件的編輯。上述方法的核心為頻繁子樹挖掘，通過實驗分析可知，該方法具有一定的有效性，特別是在XML配置片段中扮演著重要的角色，因此，它促進了軟件的開發(fā)。目前，在軟件開發(fā)構(gòu)建新系統(tǒng)過程中，程序員需要利用編程框架從而實現(xiàn)編程，此時不僅利于通用性作用的發(fā)揮，還利于程序機構(gòu)的清晰。在框架編程時，開發(fā)人員要對編程進行擴展，同時還要構(gòu)建XML配置文件?？蚣芫幊逃兄欢ǖ膬?yōu)勢，但在實際應(yīng)用過程中仍存在不足，邏輯缺陷極易被應(yīng)用，在此基礎(chǔ)上，程序員對框架的使用缺乏有效性與正確性。在此背景下，配置代碼推薦被應(yīng)用，它具有較強的可用性，分別體現(xiàn)在數(shù)據(jù)與方法兩方面。

1.3回歸測試在軟件應(yīng)用開發(fā)后，客戶將對其進行使用，但使用前與使用過程中，均會出現(xiàn)代碼修改的情況，造成此情況的原因為代碼缺陷與功能更新。在代碼更新后，重新前，要對代碼進行測試，此時的測試便是回歸測試。它主要是為了驗證修改軟件，使軟件的功能得到有效的發(fā)揮。因此，回歸測試對于軟件來說是重要的，它直接保證著軟件的質(zhì)量[3]。

篇（8）

2數(shù)據(jù)挖掘技術(shù)在網(wǎng)上銀行促銷活動中的運用

隨著商業(yè)銀行的快速發(fā)展，網(wǎng)上銀行受到人們的廣泛關(guān)注。網(wǎng)上銀行系統(tǒng)以計算機網(wǎng)絡(luò)為交易平臺，各種新型的促銷策略，使網(wǎng)上銀行業(yè)務(wù)得到迅速拓展。但是，和四大行相比，一些商業(yè)銀行的網(wǎng)上銀行業(yè)務(wù)仍然存在很大的差距。同時，近年來，網(wǎng)上銀行市場競爭日益激烈，某些網(wǎng)上銀行業(yè)務(wù)在應(yīng)用過程中出現(xiàn)了促銷成本不斷增加，而促銷效果不理想的狀況，數(shù)據(jù)挖掘技術(shù)在網(wǎng)上銀行促銷活動中的運用，要積極解決這些問題。

2.1提高營銷質(zhì)量當前，很多銀行都逐漸加大了網(wǎng)上銀行促銷力度，但是促銷活動的效果卻不明顯，單純的依靠贈送禮品或者各種優(yōu)惠措施，在很大程度上會提升促銷成本，并且難以真正地吸引客戶。在網(wǎng)上銀行促銷活動中應(yīng)用數(shù)據(jù)挖掘技術(shù)，分析不同促銷活動的特點，根據(jù)網(wǎng)上銀行系統(tǒng)自身的特點和優(yōu)化，對不同客戶進行組合促銷，將不同的網(wǎng)上銀行業(yè)務(wù)或者產(chǎn)品聯(lián)系起來，有針對性地對有意向的客戶進行促銷，合理安排網(wǎng)上銀行促銷活動內(nèi)容和時間，盡量在電子商務(wù)交易高峰時段之前，實現(xiàn)網(wǎng)上銀行促銷活動的目標。

2.2優(yōu)化客戶結(jié)構(gòu)一些商業(yè)銀行不了解客戶的真實需求，在發(fā)展?jié)撛诳蛻魰r，缺乏針對性，網(wǎng)上銀行促銷活動的交易需求較弱。因此要應(yīng)用數(shù)據(jù)挖掘技術(shù)挖掘一些隱含的信息，明確哪些客戶對網(wǎng)上銀行的哪些產(chǎn)品或者業(yè)務(wù)有需求，挖掘潛在的、有實力的客戶，將這些客戶作為網(wǎng)上銀行促銷活動的重點客戶。

2.3優(yōu)化促銷活動流程在網(wǎng)上銀行促銷活動中運用數(shù)據(jù)挖掘技術(shù)，采用運用關(guān)聯(lián)分析，挖掘傳統(tǒng)銀行渠道重點產(chǎn)品和網(wǎng)上銀行系統(tǒng)重點產(chǎn)品的業(yè)務(wù)數(shù)據(jù)，挖掘非網(wǎng)絡(luò)銀行系統(tǒng)和網(wǎng)絡(luò)銀行系統(tǒng)業(yè)務(wù)以及網(wǎng)絡(luò)銀行系統(tǒng)不同業(yè)務(wù)或者產(chǎn)品之間的關(guān)聯(lián)關(guān)系，通過數(shù)據(jù)挖掘技術(shù)尋找符合網(wǎng)上銀行系統(tǒng)運營條件的關(guān)聯(lián)關(guān)系，探索網(wǎng)上銀行系統(tǒng)不同產(chǎn)品和業(yè)務(wù)之間的依存性或者相似性[2]，由此將網(wǎng)上銀行系統(tǒng)的某一項業(yè)務(wù)或者產(chǎn)品作為重點促銷產(chǎn)品來拉動其他業(yè)務(wù)和產(chǎn)品的銷售，并且可以將一些業(yè)務(wù)或者產(chǎn)品組合起來進行有針對性的促銷，提高網(wǎng)上銀行促銷活動效果。另外，挖掘優(yōu)質(zhì)、有潛力客戶特征，優(yōu)質(zhì)客戶可以銀行提供大量的業(yè)務(wù)收入和交易量，因此可以通過數(shù)據(jù)挖掘技術(shù)的聚類方法分析銀行系統(tǒng)的客戶構(gòu)成，挖掘優(yōu)質(zhì)客戶的共同特征，為網(wǎng)上銀行促銷活動提供重要的依據(jù)。

篇（9）

二、最小二乘法擬合直線

最小二乘法是一種數(shù)學(xué)優(yōu)化技術(shù)。它以某一社會、經(jīng)濟或自然現(xiàn)象為對象，尋找一擬合曲線，以滿足給定對象系統(tǒng)的一組觀測數(shù)據(jù)。通常要求選擇的擬合曲線會使各觀測數(shù)據(jù)到擬合曲線的誤差的平方和最小。

本文研究銷售企業(yè)(如商場)異?？蛻舻男再|(zhì)。設(shè)一段時期內(nèi)客戶的累計消費金額為y，對應(yīng)的消費時期為x。假定測得客戶的n個數(shù)據(jù)(x1,y1)，…,(xn,yn)，則在XOY平面上可以得到n個實驗點:Pi(xi,yi)（i=1，…n)，這種圖形稱為“散點圖”(如圖1，圖2）。在利用最小二乘法進行分析時，各種非線性關(guān)系的擬合曲線均可線性化，因此此處選擇直線y=ax+b作為擬合直線，尋求x與y之間近似線性關(guān)系時的經(jīng)驗公式。其中a為直線的斜率，b為直線在y軸上的截距。

如果Pi(i=1，…n)全部位于同一條直線上，則可認為變量之間的關(guān)系為y=ax+b，但一般情況下不會如此。記估計值=axi+b，則各實驗點與擬合直線之間的誤差為εi=-yi=（axi+b）-yi，它反映了用直線y=ax+b來描述(xi,yi)時,估計值與觀測值yi之間的偏差大小。則有：

要求偏差越小越好。但由于εi可正可負，簡單求和可能將很大的誤差抵消掉，只有平方和才能反映二者在總體上的接近程度，這就是最小二乘原則。于是問題歸結(jié)為根據(jù)這一要求來確定y=ax+b中的a和b，使得最小。因為F(a,b)是關(guān)于a、b的二次函數(shù)并且非負，所以其極小值總是存在的。根據(jù)羅彼塔法則，F(xiàn)取最小值時，有：

于是得到了符合最小二乘原則的相應(yīng)解：

三、基于斜率的異?？蛻敉诰蛩惴?/p>

1.問題描述

本文的目的是研究某一消費時期內(nèi),異常客戶的消費傾向。取異?？蛻粢荒陜?nèi)各月份的累計消費金額為參考，記錄的數(shù)據(jù)如下（表1，表2）。根據(jù)其散點圖（圖1，圖2）可以看出，客戶的累計消費金額隨時間都呈上升趨勢，所以難以觀察出該客戶是否對商場保持持久的忠誠度，是否有轉(zhuǎn)向競爭對手的可能。基于斜率的異?？蛻敉诰蛩惴ㄕ且鉀Q識別客戶性質(zhì)這一問題。

2.算法描述

算法:Outlier_Analysis。根據(jù)輸出的a值來判斷異?？蛻舻男再|(zhì):積極的或消極的。

輸入:客戶數(shù)據(jù),即參考點，由有序點對(xi，yi)表示；參考點的個數(shù)n。

輸出:a(直線的斜率），b(直線在y軸上的截距）。

方法:

（1)初始化a、b。

（2)對客戶的n個觀測數(shù)據(jù)(即n個記錄點)進行相關(guān)數(shù)據(jù)計算：

（3)ifa<0then

客戶購買金額呈減少趨勢，為消極客戶

else

篇（10）

云計算是并行計算和分布計算以及網(wǎng)格計算的發(fā)展，是一種在海量數(shù)據(jù)大規(guī)模的集合中能動態(tài)處理各種服務(wù)器數(shù)據(jù)資源的一類計算平臺，在電子商務(wù)、商業(yè)金融、科研開發(fā)等領(lǐng)域能得到廣泛的應(yīng)用。它具有大規(guī)模、虛擬化、高效率、通用性、廉價等特點，能針對不同的用戶的不同需求，動態(tài)透明地提供其所需的虛擬化計算和資源儲存，并能及時動態(tài)回收當前用戶暫不利用的數(shù)據(jù)資源以提供給其他用戶，而其廉價、通用的特點，使得一般用戶實現(xiàn)大規(guī)模的數(shù)據(jù)操作成為可能。目前來說，云計算的平臺已得到良好的發(fā)展，日益成熟，基于云計算的應(yīng)用已經(jīng)可以相當方便的部署和操作其數(shù)據(jù)資源。

1.2數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)是現(xiàn)代知識發(fā)現(xiàn)領(lǐng)域的一個重要技術(shù)，它是指一個從隨機的大量而不完整的模糊的實際數(shù)據(jù)中提取其中某些隱含著的具有潛在價值的實用知識與信息的過程。其具體技術(shù)有特征化、聚類、關(guān)聯(lián)和預(yù)測分析等等，涉及到的高級技術(shù)領(lǐng)域有統(tǒng)計學(xué)、機器學(xué)習(xí)、模式識別、人工智能等方面。

2基于云計算的數(shù)據(jù)挖掘平臺構(gòu)架

網(wǎng)絡(luò)云的發(fā)展給數(shù)據(jù)挖掘提出了新的問題和時代的挑戰(zhàn)，同時，也為數(shù)據(jù)挖掘提供了新的計算平臺和發(fā)展機遇?；谠朴嬎愕臄?shù)據(jù)挖掘系統(tǒng)平臺的發(fā)現(xiàn)，解決了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)出現(xiàn)的時代滯慢、效率較低、功能落后、成本高昂等問題。云計算是一種商業(yè)計算模式，是網(wǎng)格計算與并行計算及分布式計算在一定程度上的商業(yè)實現(xiàn)，其動態(tài)、可伸縮的計算基于云計算的數(shù)據(jù)挖掘平臺架構(gòu)及其關(guān)鍵技術(shù)探討文/張瑤劉輝云計算是一種在互聯(lián)網(wǎng)時代中應(yīng)運而生的新興的網(wǎng)絡(luò)技術(shù)，具有高效率、高容量、動態(tài)處理的特點，在社會的商業(yè)領(lǐng)域和科研領(lǐng)域表現(xiàn)出了其相當高的應(yīng)用價值。將云計算應(yīng)用于數(shù)據(jù)挖掘平臺的構(gòu)架之中后，將能在很大程度上為現(xiàn)代社會中越來越海量的數(shù)據(jù)挖掘提供一個高效率的技術(shù)平臺。本文將結(jié)合云計算和數(shù)據(jù)挖掘的基本概念和現(xiàn)代意義，對數(shù)據(jù)挖掘的平臺構(gòu)架和相應(yīng)的關(guān)鍵技術(shù)做出簡要的分析探討。摘要能力使得進行高效的海量數(shù)據(jù)挖掘的目標不再遙遠。同時，云計算SaaS功能日益被理解和標準化，使得基于云計算SaaS化的數(shù)據(jù)挖掘有了理論和技術(shù)的指導(dǎo)，并具有了企業(yè)化與大眾化的發(fā)展趨勢。

2.1數(shù)據(jù)挖掘平臺構(gòu)架

建立在關(guān)系型數(shù)據(jù)庫之上的傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)構(gòu)架在現(xiàn)時代數(shù)據(jù)急劇膨脹和分析需求漸增的發(fā)展下已經(jīng)難以應(yīng)付社會的數(shù)據(jù)處理問題。而云計算的分布式存儲與計算形式則接受了當代的數(shù)據(jù)挖掘難題，促成了適應(yīng)時代的云計算數(shù)據(jù)挖掘平臺構(gòu)架的形成。其包含了面向組件的設(shè)計理念和分層設(shè)計的思想方法。其構(gòu)架自下向上總共分為3層，分別為底層的云計算支撐平臺層、中間的數(shù)據(jù)挖掘能力層和上層的數(shù)據(jù)挖掘云服務(wù)層。

2.2基于云計算的數(shù)據(jù)挖掘平臺構(gòu)架各層意義

云計算支撐平臺層：顧名思義，該平臺層是云計算數(shù)據(jù)挖掘平臺的基礎(chǔ)處理平臺，其主要具有的功能是對分布式文件存儲與數(shù)據(jù)庫提供資源存儲，以及實行對數(shù)據(jù)的有關(guān)處理和計算功能。數(shù)據(jù)挖掘能力層：該平臺結(jié)構(gòu)層主要是提供挖掘的基礎(chǔ)能力，是數(shù)據(jù)挖掘的核心支撐平臺，并對數(shù)據(jù)挖掘云服務(wù)層提供能力支撐。該平臺層包含了算法數(shù)據(jù)并行處理、調(diào)度引起和服務(wù)管理的框架，該平臺層可以提供系統(tǒng)內(nèi)部的數(shù)據(jù)挖掘處理和推薦算法庫，亦支持第三方的數(shù)據(jù)挖掘算法工具的進入。數(shù)據(jù)挖掘云服務(wù)層：數(shù)據(jù)挖掘云服務(wù)層的主要功能是對外提供數(shù)據(jù)挖掘操作的云服務(wù)，同時也能提供基于結(jié)構(gòu)化查詢的語言語句訪問，提供相關(guān)的解析引擎，以便于自動調(diào)用云服務(wù)。對外數(shù)據(jù)挖掘云服務(wù)能力封裝的接口形式多樣，包含了基于簡單對象訪問協(xié)議下的Webservice、XML、HTTP以及本地應(yīng)用程序的編程接口等多種形式。另外，在必要的時候，云服務(wù)層的各個業(yè)務(wù)系統(tǒng)可以進行數(shù)據(jù)挖掘云服務(wù)的調(diào)用和組裝。

3基于云計算的數(shù)據(jù)挖掘平臺構(gòu)架的關(guān)鍵技術(shù)探討

基于云計算的數(shù)據(jù)挖掘平臺構(gòu)架的形成，離不開現(xiàn)代先進的科技技術(shù)，其中幾項關(guān)鍵的技術(shù)應(yīng)用將在這里進行簡要的闡述：

3.1云計算技術(shù)

3.1.1分布式儲存技術(shù)

通過采用分布式存儲的方式來存儲數(shù)據(jù)，是云計算技術(shù)保證數(shù)據(jù)處理高可靠性和經(jīng)濟性的重要保證。用可靠的軟件來彌補硬件的不足，是分布式存儲技術(shù)提供廉價而又海量的數(shù)據(jù)挖掘支持的重要途徑。

3.1.2虛擬化技術(shù)

在云計算的環(huán)境下，數(shù)據(jù)挖掘能實現(xiàn)對大量的可用的虛擬化技術(shù)的應(yīng)用、整合，發(fā)展出一套全面虛擬化的運行戰(zhàn)略。云計算和虛擬化的共同組合，使數(shù)據(jù)挖掘?qū)崿F(xiàn)了跨系統(tǒng)下的資源調(diào)度，將海量的來源數(shù)據(jù)進行IT資源匯合，動態(tài)地實現(xiàn)對用戶的虛擬化資源的供給，從而以高效率、海量動態(tài)的特點完成服務(wù)任務(wù)。

3.1.3并行云計算技術(shù)

并行云計算技術(shù)是一種對于高效執(zhí)行數(shù)據(jù)挖掘計算任務(wù)極其重要的技術(shù)，并且它對云計算的某些技術(shù)細節(jié)做出了封裝，例如任務(wù)并行、任務(wù)調(diào)度、任務(wù)容錯和系統(tǒng)容錯以及數(shù)據(jù)分布等。該功能代替了用戶對這些細節(jié)的考慮，使得研發(fā)效率得到了提高。

3.2數(shù)據(jù)匯集調(diào)度中心

數(shù)據(jù)匯集調(diào)度中心的功能主要是完成對不同類型的數(shù)據(jù)進行匯集。它實現(xiàn)了對接入該云計算數(shù)據(jù)挖掘平臺的業(yè)務(wù)數(shù)據(jù)收集匯合，能夠解決與不同數(shù)據(jù)的相關(guān)規(guī)約問題，并能支持多樣的源數(shù)據(jù)格式。

3.3服務(wù)調(diào)度與管理技術(shù)

對于基于云計算的數(shù)據(jù)挖掘平臺，為了使不同業(yè)務(wù)系統(tǒng)能夠使用本計算平臺，必須要提供相應(yīng)的服務(wù)調(diào)度與管理功能。服務(wù)調(diào)度解決云服務(wù)下的并行互斥以及隔離等問題，以保證安全、可靠的平臺的云服務(wù)。服務(wù)管理功能要實現(xiàn)統(tǒng)一的服務(wù)注冊與服務(wù)暴露功能，并且支持接入第三方的數(shù)據(jù)挖掘，以更好地擴展平臺的服務(wù)能力。