淺議數據挖掘在軍隊房地產租賃管理中的應用

文/趙 虎

軍隊房地產租賃作為部隊后勤管理中涉及錢物等部隊資產的重要管理工作，歷來受各級部門重視。隨著軍隊信息化建設的不斷推進，后勤管理工作中各項信息管理系統陸續投入使用，極大地提高了后勤管理的效率。與此同時，信息化管理所產生的數據量也與日俱增，巨大的數據量迫切地需要一種強大且通用的工具來處理它，以此來發現人工難以發現的問題。在這種情況下，將時下普遍應用的數據挖掘技術應用于軍隊房地產管理成為了一種可能。

一、軍隊房地產租賃管理概述

1.什么是軍隊房地產租賃

隨著我軍軍事變革的不斷深入，軍隊信息化程度的不斷提高，軍隊在經歷了幾次大裁軍之后，原有的營區房產、地產就出現了很多空閑，各部隊在保證軍事需求的前提下，把暫時空余的房地產依法對外租賃，不僅有效地保護和儲備了重要資源，發揮了資源效益，減輕了國家負擔，而且豐富了當地市場，具有一舉多得的好處。

2.軍隊房地產租賃研究現狀

目前國內外、軍內外對于房地產管理研究成果較多，主要集中在針對地方的房地產開發公司、針對市場的研究以及客戶關系管理（CRM）方面，由于利益的驅動，這些方面的研究比較熱門，成果較多，數據挖掘的應用非常廣泛。但是，專門針對房地產租賃的研究較少，相應的，專門針對軍隊房地產這個特殊資源的研究也就更少。

部隊目前在房地產租賃領域所作的工作主要有以下幾方面：一是進行法律法規、體制機制的研究，使租賃管理工作走上正規化、規范化的道路。二是積極開展管理信息系統、數據庫、數據倉庫的建設，不斷提高租賃管理工作信息化水平，但部隊在此方面的研究成果較少，而軍外對于房地產開發、租賃等已有諸多成熟的管理信息系統案例。三是積極開展房地產租賃項目的清查工作，積累最新的一手數據，為政策的制定、新項目的實施提供數據支持。但目前這方面的工作只停留在數據搜集層面，少有對數據分析處理的研究。

3.為什么將數據挖掘技術引入軍隊房地產租賃

利用信息管理系統平臺來管理軍隊房地產租賃，最核心的目標是提高管理的效率和準確性，而達到這個目標的途徑必須由信息系統對大量數據進行分析處理。針對文本、多媒體數據、空間數據等多種類型數據的分析處理有很多種方法，包括知識發現（KDD）、統計分析、機器學習、聯機分析處理（OLAP）。知識發現主要流行于人工智能和機器學習界；統計分析和機器學習都偏重于模式發現和預測，統計分析往往注重理論的完善，而不注重實際的效用，機器學習往往不把海量的數據作為研究對象；OLAP是數據庫分析處理的一種早期應用，它不能發現新的知識，它只是驗證用戶提出的假設。數據挖掘是一門覆蓋很廣的綜合學科，它吸納了以上幾個學科的技術，借助于計算機強大的計算能力來處理海量的數據，能使用戶獲得令人意想不到的洞察力。

二、數據挖掘概述

1.什么是數據挖掘

數據挖掘比較公認的定義是由W.J.Frawley、G.Piatetsky-Shapiro等人提出的：數據挖掘就是從大型數據庫的數據中提取人們感興趣的知識的過程，這些知識是隱含的、事先未知的、但潛在有用的信息，提取的知識可以表示為概念、規則、規律、模式等形式[1]。

這種定義把數據挖掘的對象定義為數掘庫。而更廣義的說法是：數據挖掘意味著在已知的數據集中發現各種模型、概要和導出值的過程。從數據挖掘的定義中可以看出：

(1) 數據的來源：數據挖掘的數據來源于大型的數據庫、數據倉庫等各種已存在的數據，之所以要對其進行挖掘是因為原來的數據是粗糙的、未經加工的、不能滿足應用需求的，而數據挖掘就是將“無效的垃圾數據”變為“有效知識”的過程。

(2) 強調發現：數據挖掘有很多方法技術，但數據挖掘絕不僅僅是死板地去套用各種方法技術，需要人來與計算機進行交互，辨別挖掘過程、挖掘結果的正確、有效性。

(3) 強調過程：根據經驗，很少有數據挖掘項目能夠一次成功，它是一個不斷反復、迭代的過程。一次不僅不能得到有價值的知識（很多情況下還會產生很多不合邏輯的垃圾信息），而且還因為從不同的視角與分析數據可能會得到不同的、令人意外的結果。

2.數據挖掘能干什么

數據挖掘是目前計算機行業中發展最快的領域之一，它是一門交叉性學科，它涵蓋了統計分析、機器學習、偏差檢測、模式識別、數據庫、人工智能、專家系統、數據可視化等多個學科的相關技術。數據挖掘的主要任務是針對大型的數據庫、數據倉庫中不同類型的（結構化、半結構化、異構數據）、低質量的數據，通過人與計算機的不斷交互合作分析，從中獲取有價值的知識，并將獲取的知識應用到信息管理、查詢優化、決策支持等工作中。數據挖掘是面向應用的，不同的數據挖掘技術可以解決不同的問題，具體的操作方法也因不同的應用而不盡相同。目前，數據挖掘已經在商業、金融、生物、醫療等多方面取得了良好的應用效果。

3.如何進行數據挖掘

數據挖掘可以由3個主要階段組成：數據準備、模式發現（狹義的“數據挖掘”）、結果解釋。數據準備階段是為數據挖掘提供合適的數據，可分為數據集成、數據篩選和預處理三部分。在軍隊房地產租賃數據挖掘中，數據準備是把房地產租賃信息管理系統所產生的大量數據以統一規范的形式集中存儲在新創建的數據倉庫當中；模式發現階段是在已經準備好的數據倉庫中，提取內在的規律；結果解釋是根據已經細化的具體目標，結合行業實際，對挖掘數據倉庫所獲得的模式進行評估和說明。需要說明的一點是，數據挖掘并不是一個一蹴而就的工程，有時候可能需要多次的調整挖掘模型、算法、參數，經過多次重復挖掘過程最終才有可能得到有用的結果。

三、數據挖掘在軍隊房地產租賃管理中的應用

1.需求分析

通過對軍隊房地產租賃管理工作流程、現狀等相關行業知識的研究及與管理人員進行交流，我認為對軍隊房地產租賃數據進行挖掘的重點主要在以下幾方面：

（1）軍隊房地產租賃現狀與發展趨勢預測 利用統計分析、聚類分析等技術可以對現有租賃項目的地區（戰區）分布特征、類別信息等進行挖掘，并將結果通過可視化展示以方便決策者從總體上把握軍隊房地產租賃現狀。

（2）房地產租賃意向的決策 利用關聯規則分析方法可以分析區域經濟的發展狀況、受租方的社會屬性、租賃用途等與房地產租賃的成交率、價格、使用年限等因素之間的潛在關系。

（3）承租方及受租方信息分析 通過對承租方及受租方的相關信息進行關聯規則分析發現雙方在租賃項目中的行為模式、特性（例如受租方的可靠性、租賃回報率等與租賃項目的其他屬性之間的潛在聯系）等信息。

（4）違規、異常租賃項目的檢測 結合行業相關的背景知識以及偏差、異常檢測方法，分析數據集中的異常數據（并非隨機偏差，而是體制不同造成的異常）進行分析，預測出某些違法、違規的，具有潛在的不良傾向的租賃項目。

2.實施步驟

（1）明確目標 找出關鍵的業務問題將其映射成可視化數據挖掘能夠研究的問題定義和目標。

（2）數據準備 通過對數據進行ECTL等操作處理，提高其質量，確保數據挖掘的精確性、有效性。

（3）建立模型 經過反復的考察，選擇適合解決當前問題的模型。并選擇一定的訓練集來測試挖掘模型直至最終建立。

（4）輸出結果的評價和解釋 模型建立好之后，先在小范圍內應用，取得測試數據，綜合考慮準確度和成本兩方面因素，覺得滿意后再推廣。

（5）實施 模型在建立并經驗證之后，將其應用到不同的數據集上。最終得到有價值的信息，達到輔助決策的目標。

3.需要注意的問題

數據挖掘是一項系統工程，尤其是遇到大型數據庫時，需要多方面力量的參與，因此在實施挖掘時必須在充分調研，大量搜集資料，搞清楚軍隊房地產租賃管理的工作流程、管理方法經驗、現實存在的不足等問題的基礎上采用局部實驗的辦法進行，在明確數據挖掘目標及相應的方法的前提下抽取適量的數據集進行實驗性分析處理，以證明數據挖掘技術在軍隊房地產租賃管理中應用的有效性。

[1]石付威.數據挖掘在教務系統中的研究與實現.同濟大學碩士學位論文，20091001.