淺談數(shù)據(jù)挖掘應用現(xiàn)狀及其應用前景

梁金蘭　崔志鵬

摘 要： 數(shù)據(jù)挖掘是近年來新興的一門計算機邊緣學科，在我國也逐漸引起了越來越多人的關注，并且隨著數(shù)據(jù)挖掘技術的不斷改進和數(shù)據(jù)挖掘工具的不斷完善，數(shù)據(jù)挖掘必將在各行各業(yè)中得到廣泛的應用。

關鍵詞：數(shù)據(jù)挖掘；應用現(xiàn)狀；應用前景

1 數(shù)據(jù)挖掘

1.1 數(shù)據(jù)挖掘概念

數(shù)據(jù)挖掘（英語：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)（英語：Knowledge-Discovery in Databases，簡稱：KDD）中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中自動搜索隱藏于其中的有著特殊關系性（屬于Association rule learning）的信息的過程。數(shù)據(jù)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。

1.2 數(shù)據(jù)挖掘的發(fā)展背景

近幾年，隨著IT技術的發(fā)展，尤其數(shù)據(jù)庫技術的發(fā)展，數(shù)據(jù)挖掘工作與理論研究工作成為必要的現(xiàn)實，也越來越引起學術界和企業(yè)的關注。究其原因，有以下三個方面：

①“激增的市場交易使得各企業(yè)所需儲存與處理的資料量越來越龐大，企業(yè)的焦點已從以往的資料整理與收集，轉(zhuǎn)變成如何有效且快速地從資料庫中取得有用的信息，以滿足消費者的需要，擴大市場”（張堯庭、謝邦昌、朱世武《數(shù)據(jù)挖掘入門及應用——從統(tǒng)計技術看數(shù)據(jù)挖掘》）。

②數(shù)據(jù)挖掘是一種結合多種專業(yè)技術的應用，它所運用的方法和技術包括 ： 計算機技術，統(tǒng)計分析方法，各類算法，協(xié)作代理和分布式目標管理技術等，因此，數(shù)據(jù)挖掘方法和技術的拓展、開發(fā)和應用是數(shù)據(jù)挖掘研究的主要領域。

③數(shù)據(jù)挖掘功能的拓展和深化也是學術界關注的重要方面。顯然，數(shù)據(jù)挖掘工作將成為近時期企業(yè)關注和學術研究的熱門領域。

2 數(shù)據(jù)挖掘的應用及其前景

數(shù)據(jù)挖掘所包含的功能領域應當相當廣泛，其具體內(nèi)容尚處于進一步的探討中。當然，數(shù)據(jù)挖掘的功能分類有所不同，比較普遍的分類把它分為五項：分類、估計與預測、聚類、關聯(lián)和序列發(fā)現(xiàn)、描述等。實現(xiàn)數(shù)據(jù)挖掘的上述功能（任務）的方法（算法）包括諸如回歸分析、時間序列、判別分析、因子分析和聚類分析等一些統(tǒng)計分析方法，也有粗集、模糊邏輯、人工神經(jīng)網(wǎng)絡、決策樹理論以及規(guī)則歸納法為基礎的方法。對于統(tǒng)計分析方法，數(shù)據(jù)挖掘的應用主要體現(xiàn)在高級多元統(tǒng)計方法的應用，當然這些方法有的已經(jīng)比較成熟，但數(shù)據(jù)挖掘的應用是對這些方法的拓展和深化。粗集、模糊邏輯、人工神經(jīng)網(wǎng)絡、決策樹理論以及規(guī)則歸納法等方法在數(shù)據(jù)挖掘中主要體現(xiàn)在工具開發(fā)和應用研究。這些方法（算法）在數(shù)據(jù)挖掘工作中的理論研究是學術界對數(shù)據(jù)挖掘的主要研究領域。

數(shù)據(jù)挖掘的應用領域隨著IT技術的發(fā)展和市場交易量的擴大也愈來愈廣泛。目前，數(shù)據(jù)挖掘的研究領域已遍及的行業(yè)包括金融業(yè)、電信業(yè)、網(wǎng)絡相關行業(yè)、零售商、制造業(yè)、醫(yī)療保健及制藥業(yè)等。比如，在財務金融方面，預測市場動向，防范犯罪詐欺和顧客吸引等；在電信行業(yè)針對用戶資費進行資費改革，以提高經(jīng)營效益等；在企業(yè)直銷行銷方面用于識別客戶和客戶行為分析；在體育方面識別運動員的特長和缺點；在天文上進行星體分類等。盡管數(shù)據(jù)挖掘的應用領域相當廣泛，就我國當前的應用來看，尚處于萌芽階段，企業(yè)大規(guī)模地運用數(shù)據(jù)挖掘技術尚不普遍，個別企業(yè)或部門僅零星地運用數(shù)據(jù)挖掘技術。數(shù)據(jù)挖掘的工具已大量出現(xiàn)，一類是基于統(tǒng)計分析的軟件，如： SAS、SPSS 等；另一類是應用與新技術如模糊邏輯、人工神經(jīng)網(wǎng)絡、決策樹理論的工具如： CBR Express、Esteen、Kate-CBR、FuzzyTECH for business、Aria、Neural network Browser等軟件， 但這些軟件并不是包羅萬象地應用于任何數(shù)據(jù)挖掘技術的軟件，而是有所側(cè)重。實際上，數(shù)據(jù)挖掘工具與實際應用的問題緊密聯(lián)系，實踐中要根據(jù)實際運用去開發(fā)適用于實際需要的數(shù)據(jù)挖掘工具。我們國家數(shù)據(jù)挖掘的軟件運用和開發(fā)也未全面展開，尤其模糊邏輯、人工神經(jīng)網(wǎng)絡、決策樹中對數(shù)據(jù)挖掘工具的開發(fā)不足。因此，開拓數(shù)據(jù)挖掘工具的應用和實踐是未來數(shù)據(jù)挖掘工作中亟待解決的問題。

3 數(shù)據(jù)挖掘的局限性

當然，數(shù)據(jù)挖掘不是萬能的，而只是一個工具。它不會坐在你的數(shù)據(jù)庫上一直監(jiān)視著數(shù)據(jù)庫，然后當它發(fā)現(xiàn)有意義的模型時給你發(fā)一封電子郵件。它仍然需要了解你的業(yè)務，理解你的數(shù)據(jù)，弄清分析方法。數(shù)據(jù)挖掘只是幫助商業(yè)人士更深入、更容易的分析數(shù)據(jù)，它無法告訴你某個模型對你的企業(yè)的實際價值。而且數(shù)據(jù)挖掘中得到的模型必須要在現(xiàn)實生活中進行驗證。

數(shù)據(jù)挖掘中得到的預言模型并不會告訴你一個人為什么會做一件事、采取某個行動，它只會告訴你他會這樣做，為什么則需要人去考慮。比如，數(shù)據(jù)挖掘可能會告訴你，如果這個人是男的、年收入在5萬到6萬之間，那么他可能會買你的商品和服務。你可能會利用這條規(guī)則，集中向這類人推銷你的商品而從中獲益，但是數(shù)據(jù)挖掘工具不會告訴你他們?yōu)槭裁磿I你的東西，也不能保證所有符合這條規(guī)則的人都會買。

為了保證數(shù)據(jù)挖掘結果的價值，用戶必須了解自己的數(shù)據(jù)，這一點至關重要。輸入數(shù)據(jù)庫中的異常數(shù)據(jù)、不相關的字段或互相沖突的字段（比如年齡和生日不一致）、數(shù)據(jù)的編碼方式等都會對數(shù)據(jù)挖掘輸出結果的質(zhì)量產(chǎn)生影響。雖然一些算法自身會對上面提到的這些問題做一些考慮，但讓算法自己做所有這些決定是不明智的。

數(shù)據(jù)挖掘不會在缺乏指導的情況下自動地發(fā)現(xiàn)模型。用戶不能這樣對數(shù)據(jù)挖掘工具說，“幫我提高直接郵件推銷的響應率”，用戶應該讓數(shù)據(jù)挖掘工具找：（1）對用戶的推銷回應的人，（2）回應又做了大量訂單的人的特征。在數(shù)據(jù)挖掘中尋找這兩種模型是很不相同的。

雖然數(shù)據(jù)挖掘工具使用戶不必再掌握艱深的統(tǒng)計分析技術，但用戶仍然需要知道所選用的數(shù)據(jù)挖掘工具是如何工作的，它所采用的算法的原理是什么。選用的技術和優(yōu)化方法會對模型的準確度和生成速度產(chǎn)生很大影響。

數(shù)據(jù)挖掘永遠不會替代有經(jīng)驗的商業(yè)分析師或者管理人員所起的作用，它只是提供一個強大的工具。每個成熟的、了解市場的公司都已經(jīng)具有一些重要的、能產(chǎn)生高回報的模型，這些模型可能是管理人員花了很長時間，作了很多調(diào)查，甚至是經(jīng)過很多失誤之后得來的。數(shù)據(jù)挖掘工具要做的就是使這些模型得到的更容易，更方便，而且有根據(jù)。

4 結語

數(shù)據(jù)挖掘技術是一新興的研究領域，商業(yè)利益的驅(qū)動將會促使其不停地發(fā)展，每年都有新的數(shù)據(jù)挖掘方法和模型問世，人們對它的研究正日益廣泛和深入，其商業(yè)價值也日益突顯。盡管對數(shù)據(jù)挖掘的研究仍面臨著諸多問題和挑戰(zhàn)，還存在很多問題值我們?nèi)ヌ剿餮芯浚覀冇欣碛上嘈旁诓痪脤頂?shù)據(jù)挖掘發(fā)揮的作用和價值會越來越大。

參考文獻

[1]吉根林，帥克，孫志揮.數(shù)據(jù)挖掘技術及其應用[J].南京師范大學學報（自然科學版），2000，23（2）：25-27.

[2]Han Jiawei，Micheline Kanmber.數(shù)據(jù)挖掘：概念與技術[M].范明，孟小峰，譯，北京：機械工業(yè)出版社，2001.149-175.

[3]Mehmed Kantardzic.數(shù)據(jù)挖掘：概念、模型、方法和算法[M].閃四清，等譯，北京：清華大學出版社，2003.144-169.

[4]湯宇松.數(shù)據(jù)挖掘系統(tǒng)設計[J].系統(tǒng)工程理論與實踐，2000，（9）：57-63.

作者簡介

梁金蘭，女，漢族，河南周口人，鄭州大學環(huán)境工程2012級本科生。

崔志鵬，男，漢族，河南安陽人，鄭州大學環(huán)境工程2012級本科生。