數據挖掘技術在電子商務管理中的應用研究

摘 要：人們希望有新的技術和工具對大量數據進行強有力的分析，從中提取出有價值的信息，為決策者提供必要的支持。基于此，本文對數據挖掘技術在電子商務管理中的應用研究。首先論述了電子商務管理中數據挖掘技術的重要作用，從構件系統平臺、后臺數據庫搭建、編程語言三方面論述了電子商務系統的實現。討論了建立系統的數據挖掘應用模型的方法。分別介紹了遺傳、決策樹、粗糙集、神經網絡四種數據挖掘算法。

關鍵詞：數據挖掘技術；電子商務；管理應用

中圖分類號：G20 文獻標識碼：A

本課題來源于丹東一家的電子商務系統。該公司是一家從事服裝、飾品等商品郵購的公司，由于該公司業務的不斷擴大，各方面數據的不斷增長，原來的系統已經不能滿足業務的需要，因此要求重做該系統。通過我的研究，使企業采取更廣泛、更全面的視角，對更長時間內的與商品相關的數據進行有效地組織，從而使得決策者更加深入的了解情況，掌握有價值的信息，對現有的和新產品進行市場細分，并進行銷售預測；有利于加強對工藝剛和銷售商工想信息的利用。同時，通過我的研究得出的數據挖掘的信息幫助企業發現新的市場機會，對當前快速變化的市場環境做出迅速判斷和響應，并利用其中的商業機會，從而幫助決策者提高決策水平，擴大利潤。

1 研究內容

本課題主要是圍繞商品的管理工作，包括銷售管理、庫存管理等；在課題研究部分主要研究的是對商品有關數據的數據挖掘技術的應用。

由于此公司在銷售模式上的一些特殊性，決定從以下一些方面進行分析和研究，以實現在商品管理部分的功能：（1）對庫存商品種類和數量進行分析，找出商品銷售規律，從而更好的協調進貨。（2）對已銷售商品多維分析：發現商品的顏色、價格、尺碼等屬性，對商品銷售的影響，給進貨提供相應數據基礎。（3）分析已銷售商品，發現關聯性，指導在產品目錄設計、網站結構設計。（4）對積壓/退貨商品進行分析，找出積壓/退貨的原因。（5）對歷年同一季別商品的銷售數據進行分析，幫助決定該年度類似產品的進貨數量。（6）對銷售模式進行分析，找出最適合的一種或幾種銷售模式，從而更好的打開銷路。

2 研究方案

2.1 實現該電子商務系統

（1）構件系統平臺：擬采用J2EE平臺，spring是一個輕量級的J2EE應用程序框架，實現了IoC模式。它是為了解決企業應用程序開發復雜性而創建的。其優勢是：具有良好的設計和分層架構，軟件開發人員可以只選擇Spring 提供的某項技術；同時，它還提供了與其他開源軟件的無縫結合，為J2EE應用程序開發提供了繼承的框架。

（2）后臺數據庫搭建：擬采用SQL Sever2000數據庫系統。

SQL Sever2000數據庫管理系統具有很強大的數據管理功能，同時還提供了很好的數據挖掘方面的功能，支持OLAP，支持分布式數應用。

（3）編程語言。

2.2 建立系統的數據挖掘應用模型

擬采用數據挖掘技術結合數據倉庫和聯機分析處理技術來構建模型，實現決策支持系統。數據倉庫的住的根本目的在于決策的支持。高層的企業決策者、中層的管理者和基層的業務處理者等不同層次的管理人員均可以利用數據倉庫進行決策分析，提高管理決策的質量。企業管理人員可以利用數據倉庫進行各種管理決策的分析，利用自己所特有的、敏銳的商業洞察力和業務知識從貌似平淡的數據發現眾多的商機。數據倉庫為管理者利用數據進行管理決策分析挺了極大的便利。

可行性分析：聯機分析處理（OLAP）和數據挖掘（Data Mining）雖然都是可以做為數據倉庫上的數據分析工具，但如果能夠使這兩類技術一定程度上融合，就會使得分析操作智能化，挖掘操作目標化，從而全面提升商務智能技術的實用價值。具體特性如下：a.聯機分析技術可以為數據挖掘提供預期的挖掘對象和目標，避免挖掘的盲目性。b.數據挖掘技術可以使聯機分析處理智能化，減少分析人員手工操作的繁雜性，減輕分析人員的負擔。

2.3 選取的數據挖掘的算法和方法

（1）遺傳算法

遺傳算法是模擬生物在自然環境中的遺傳和進化過程而形成的一種自適應全局優化概率搜索算法。它最早由美國密執安大學的Holland教授提出，具有計算簡單、優化效果好的特點，它在處理組合優化問題方面也有一定的優勢，可用于聚類分析等。

（2）決策樹方法

決策樹方法就是利用訓練集生成一個測試函數，根據不同取值建立樹的分支；在每個分支子集中重復建立下層結點和分支。這樣便生成一棵決策樹，然后對決策樹進行剪枝處理，最后把決策樹轉化為規則，決策樹方法主要用于分類挖掘。

（3）粗糙集方法

粗糙集理論是波蘭Pawlak Z教授在 1982年提出的一種智能決策分析工具，它是一種刻劃不完整性和不確定性的數學工具，它能有效地分析不精確、不一致、不完整等各種不完備的信息。粗糙集方法被廣泛應用干不精確、不確定、不完全的信息的分類和知識獲取。

（4）神經網絡方法

它模擬人腦神經元結構，以MP模型和Hebb規則為基礎，建立了三大類多種神經網絡模型。a.前饋式網絡它以感知機、反向傳播模型、函數網絡為代表，可用于預測、模式識別等方面。b.反饋式網絡它以Hopfield的離散模型和連續模型為代表，分別用于聯想和優化計算。c.自組織網絡它以ART模型、Koholon模型為代表，用于聚類。

參考文獻

[1]項駿.現代信息技術在電子中的有效運用[J].中國職業技術教育，2004.

[2]張建華.電子商務管理的模式創新[J].呼倫貝爾學院學報，2012.

[3]夏清強.教師現代教育技術能力探析[J].中國信息技術教育，2009.