數據挖掘與網絡運營管理思考

張磊

摘 要：在大數據時代下，信息數據的重要性變得越來越高，各種數據收集、處理技術也因此在網絡運營管理領域得到了應用，而數據挖掘技術則是其中應用較為廣泛的一種。本文對數據挖掘技術與網絡管理分別進行了介紹，同時結合各領域網絡管理的實際情況，對數據挖掘技術在網絡運營管理中的應用展開了探討，希望能夠對數據挖掘技術的有效推廣應用起到一定幫助。

關鍵詞：數據挖掘;網絡運營管理;關聯規則

中圖分類號：TP3 文獻標識碼：A 文章編號：1671-2064（2020）01-0013-02

0 引言

在當前網絡環境下，人們的出行、購物、工作等各項活動雖然都會產生大量的數據，但由于網絡資源本身具有很強的異構性與動態性，因此傳統網絡管理技術往往無法對這些重要數據進行有效捕捉，這不僅會影響到網絡運營管理決策的準確性，同時也會使網絡運營管理的功能性因此下降，而對數據挖掘技術的運用，則可以通過在網絡中的數據抽取、轉換、集成來游戲有效解決這些問題。由此可見，數據挖掘對于網絡管理來說十分關鍵，對于數據挖掘在網絡管理中應用的思考，則是非常具有現實意義的。

1 數據挖掘與網絡運營管理概述

1.1 數據挖掘技術

數據挖掘簡單來說就是將數據庫（信息庫）中的數據提取出來，通過數據集成、數據歸約、數據變換、數據清理等一系列步驟對其進行處理，最終抽取出符合需求、具有價值、可被理解與應用的數據，從而為海量數據的有效應用提供支持。從功能上來看，數據挖據技術主要可分為分類、估值、預測、關聯規則、聚集、描述、可視化、復雜數據類型挖掘等幾種功能，由于不同功能在數據挖掘方式上存在一定差異因此，通常會被劃分為直接數據挖掘與間接數據挖掘兩大類。其中直接數據挖掘是以可利用數據為基礎，有針對性的建立數據模型，之后依據數據模型對剩余數據及特定變量進行描述，如分類、估值、預測、關聯規則都屬于直接數據挖掘中的一種，而間接數據挖掘則在建立數據模型的同時，用數據模型對模糊變量進行描述，主要包括聚集、描述、可視化以及負責數據類型挖掘。由于數據挖掘技術是面向應用的，因此其不僅能夠以特定數據庫為基礎，完成數據檢索、查詢、調用等簡單操作，同時如數據統計、數據分析、數據推理、數據間關系確定等，也同樣可以通過對數據挖掘技術的應用[1]。

1.2 網絡運營管理

網絡管理可以簡單理解為對通信網絡資源性能、使用情況進行檢測、控制、資源配置、分析、評價、記錄的一系列活動，通過有效的網絡管理活動，不僅能夠保證網絡的有效運行，同時也可以使網絡變得更加高效、安全、穩定，因此在網絡系統中，網絡運營管理一直都發揮著極為關鍵的作用。從功能上來看，ISO定義的網絡管理功能主要包括配置管理、故障管理、性能管理、安全管理、計費管理幾部分，其中配置管理的主要內容是對網絡配置情況進行的數據收集、運行監控與調整，網絡拓撲結構規劃、硬件設備插板配置、重構網絡資源、修改或刪除網絡資源等，都屬于配置管理的常見內容。故障管理是指在硬件設備與網絡路徑出現問題后，根據系統發出得報警信息來進行分析，以判斷出故障的位置、原因并為故障的有效處理提供支持。性能管理是一項持續性的管理功能，在網絡運行過程中，系統會定期收集網絡資源性能的相關數據，并提交給網管中心，網管中心在得到網絡資源性能測量數據后，會判斷出網絡資源的性能并將這一性能情況作為歷史記錄保存起來，這樣當網絡運行效率過低或是系統性能出現問題時，就可以根據這些歷史記錄展開分析，以實現系統性能的有效優化。安全管理主要是針對網絡資源及計算機設備的非法訪問問題，具體方法是通過對加密機構的密鑰進行管理，以實現對網絡資源及設備訪問權限的加密，這樣在為掌握密鑰的情況下，非法訪問行為就可以被及時發現并制止。計費管理主要是針對各種電信業務資費標準，其內容相對簡單，主要包括電信用戶業務使用情況管理和電信用戶費用管理等。

2 數據挖掘技術在網絡運營管理中的應用

2.1 網絡入侵檢測

網絡入侵檢測是為針對當前黑客網絡攻擊、病毒入侵等網絡信息安全問題所展開的一種網絡管理活動，在這項網絡管理活動中，任何可能會損害網絡系統保密性、完整性、可用性的行為都需要準確識別出來，并及時加以制止，同時還要向系統發出警報，確定后續處理方案。現階段常見的網絡入侵檢測方法主要可分為異常檢測與誤用檢測兩種方法，二者雖然都是通過從計算機網絡關鍵點信息的收集、分析來檢測違法安全策略的入侵行為，但誤用檢測是以攻擊特征為基礎，將已知的各種攻擊特征編寫為程序存入到專門的數據庫中，之后在通過計算機網絡關鍵點信息與攻擊特征信息的對比來進行檢測，如兩種信息匹配度較高，則說明網絡系統遭受到了攻擊，反之則說明網絡系統正處于安全狀態。而異常檢測則是以用戶行為及網絡資源使用情況為基礎，對各種行為與正常行為進行對比分析，如用戶行為與正常行為間的偏離度較高，則說明系統遭到了入侵。這兩種入侵檢測方法雖然都具有著較好的應用效果，但也同樣無法識別未知入侵行為、技術不夠成熟等問題，因此為保證網絡入侵檢測的有效性，完全可以將數據挖掘技術中的關聯規則、聚類分析應用到網絡入侵檢測中來，對當前檢測方法進行優化。例如在誤用檢測中，可以利用關聯規則來識別各種頻繁項目集，之后對項目集的支持度、可行度進行分析，如可行度與支持度小于用戶規定法制，則說明系統可能會遭到入侵，這樣即便網絡系統遭到了未知入侵行為攻擊，系統也可以有效識別出來并予以制止。而在異常檢測中，則可以利用反應聚類分析來識別數據對象的內在規則，將數據分布規律確定下來，并據此提出相應的入侵檢測算法，為入侵檢測提供有效支持。

2.2 網絡資源應用

在互聯網高度普及的今天，網絡上的各種數據信息、文件資料已經在教學、管理等諸多領域中得到了較為廣泛的應用，但由于網絡上的各種資源較多，用戶很難從海量數據中找到自己想要的資源，因此針對當前網絡資源應用存在的問題，同樣也可以對數據挖掘技術進行應用。以教學資源應用為例，面對數量眾多、良莠不齊的網絡資源，首先可以利用關聯規則挖掘關聯特性，根據自己想要的網絡資源來從關系數據庫中提取合適的關聯規則，搜索網絡上的各種相關教學資源，并找出其中出現條件概率較高的資源。而在建立學習平臺的情況下，則可以對學生網頁瀏覽情況進行檢測，收集其網絡瀏覽習慣，并根據各個網頁的內容展開綜合分析，確定學生學習特征以及知識點之間的內在聯系，這樣既可以將網絡學習資源中的各個知識點連接起來，同時也可以找到符合學生特征與知識認知情況的新學習資源，使學生的個性化學習需求得到滿足。其次，則可以對學生的學習情況、能力情況進行全面收集，之后再根據模糊集判斷、決策、識別等數據處理方法，對學生進行定性的模糊式評價，通過模糊式評價結果，教師可以獲知學生的學習習慣、學習特性、興趣愛好，進而展開針對性的教學策略推理、學習資源推薦、學習引導，以達到分層教學的效果。最后，由于聚類分析能夠將相似度較高的數據對象歸為一類，因此在網絡教學資源的應用過程中，還可以基于聚類分析技術設計推薦功能，根據教師已掌握的網絡教學資源來為其推薦相似度較高的其他教學資源，或是根據學生的專業背景、層次信息、所學知識點等信息來篩選出相關度較高的資料，從而為教學與學生學習提供個性化服務。

2.3 網絡故障處理

當前的常規故障管理主要是通過網絡設備運行、流量等信息的收集檢測來判斷網絡系統是否存在故障，并根據對故障的識別分析來為故障有效處理提供數據支持。在理想狀態下，網絡故障發生后只要能夠被系統檢測出來，系統就可以發出警報，警告網絡管理終端進行故障分析、識別與處理，但由于網絡系統每天檢測到的故障隱患非常，所發出的故障警報已經遠遠超出了網絡管理平臺的處理能力，因此網絡管理很難單純依據警告信息來進行有效的網絡故障處理。針對這一問題，同樣可以利用關聯規則來對網絡系統中的不同警報信息進行關聯性分析，確定不同警報信息間的關聯性，之后從中去除一些關聯性較小或完全無關的警報信息，在將這些信息剔除后，上交網絡管理平臺的信息數量大大減少，警報信息的語義表達也會更加明確，平臺處理起來自然也會更加高效。同時，根據關聯性較大的警報信息，網絡管理平臺還可以快速找出故障的真正原因，并通過故障定位等手段來盡快完成故障處理，恢復網絡服務，降低網絡故障對網絡用戶的影響。

2.4 網絡營銷管理

網絡營銷作為一種依托互聯網發展起來的一種營銷模式，其對于客戶的各方面信息數據需求非常之大，雖然從目前來看，大數據技術的支持使得很多企業都能夠可以對用戶在日常生活、工作中產生的相關數據進行收集，并通過對海量數據的分析來探究客戶及市場需求，制定針對性的營銷策略。但由于網絡營銷中涉及的數據種類較多、數量也非常大，因此如何從中提取出有價值的新信息，并將這些新數據信息有效應用到營銷工作中來，就成為了網絡營銷的一大難題。針對這一問題，企業完全可以以數據挖掘技術中的關聯規則為基礎，對海量的網絡營銷數據展開關聯性分析，確定網絡營銷數據的特點，之后一句數據特點展開數據篩選、提取、轉化，將原本關聯性較低的數據轉化為可利用的營銷數據，從而為網絡營銷決策提供支持。

2.5 網站平臺運營

各類網站平臺的運營管理需要對海量數據進行處理，因此在這類網絡管理工作中，數據挖掘技術所能夠發揮出的作用同樣是非常多樣的。例如在用戶經營方面，用戶注冊并登錄網站平臺后，其所有操作信息都會被記錄下來，這時平臺方就可以利用模糊集算法來對用戶瀏覽方式、瀏覽內容、操作習慣、不同頁面停留時間等信息來對用戶訪問習慣展開推斷，并根據其訪問習慣來為期提供個性化服務（如商品推薦等），或是針對用戶喜好來對網站運營模式進行更新，這樣可以有效提升用戶對網站的好感度，而網站的運營效益也會因此得到提升。另外在一些以商品銷售為主的網站上，由于網站上銷售的商品較多，因此用戶通常會根據自己想要的商品來進行關鍵字搜索，以找出網站上所有的該類商品，根據用戶的這一習慣，網站運營管理部門則可以通過用戶的購物偏好（由模糊集算法確定）來主動為其選取一寫關鍵詞，并顯示在搜索欄中，這樣用戶在想要查找商品時，就可以從關鍵詞庫中提取出部分符合其購物偏好的關鍵詞，為用戶提供提示，這樣就可以使搜索服務更加個性化，從而幫助用戶購買到更為理想的商品。

3 結語

總而言之，數據挖掘技術在網絡運營管理中能夠發揮出十分關鍵的作用，無論是對網站平臺的運營，還是在網絡營銷管理工作中，亦或是針對網絡系統故障的處理，都可以通過對數據挖掘技術的靈活應用來解決各種問題，因此未來必須要要對數據挖掘技術基于更高的關注，并根據其技術特點將數據挖掘應用到更多的網絡運營管理工作中來。

參考文獻

[1] 馬亭新.數據挖掘在通信運營企業管理中的應用[J].信息系統工程，2019（10）：50-51.