大数据时代的数据挖掘技术与应用

唐雅璇++李丽娟++吴芬琳

摘 要随着信息化改革的进行，大数据开始出现并得到快速发展，人们逐渐步入大数据时代。现阶段数据信息种类多、数量大，筛选所需信息较为困难，为此需要运用数据挖掘技术。该技术能够打破信息之间的相互影响与相互干扰，从而提高信息处理效率，为人们提供有效信息。本文主要讨论大数据时代背景下数据挖掘技术的应用情况。

【关键词】数据挖掘技术 大数据 云计算 应用

1 简述相关概念

1.1 大数据

麦肯锡研究院在2011年的一篇文章中正式提出了大数据这一概念，并且指出大数据应用广泛，在众多领域中发挥了重要作用，对人们生活与工业生产造成了较大影响。相关资料表明，2011年期间世界范围内的数据信息增加了1.8ZB，每个人都有超过200GB的信息资源。数据的增长是必然的发展趋势，利用统计学的相关知识可以发现数据量的增长速度将达到50%/年。因此，有效利用大数据能够改善人们生活质量，推动社会发展。

1.2 数据挖掘

上世纪80年代，数据挖掘技术开始出现，经过长期发展，该技术已经得到了较大改进，并发生了质的变化。之前，对大数据进行研究的是为了推动人工智能的发展，因此，数据挖掘对技术有着较高的要求，需要改进、创新原有数据。通常情况下，目标数据不可能直接得到，经常隐藏在大量模糊的数据库中，所以具备一定的挖掘潜力，操作者需要对相关信息进行分析，从而挖掘出目标数据。数据挖掘在许多领域中都得到了应用，对于商业领域，管理者在制定决策时需要对参考信息进行分析，因此需要在各类信息中发现隐藏的信息价值与信息规律，进而提高决策的准确性。

2 简介数据挖掘技术

2.1 相关理论

随着信息技术的发展与互联网的普及，数据挖掘技术的应用范围逐渐扩大，不仅在工厂生产与企业管理方面存在应用价值，并能应用于复杂且无规律的数据使用环境中。该技术能够通过一系列措施挖掘互联网平台中存储的数据信息，并对其进行处理，最终得出信息集合，以便人们查阅与参考。

2.2 数据分析方法

数据挖掘技术依靠相应的数据分析方法，只有正确选取分析方法，才能在大量数据中快速得到所需数据，发挥数据的应用价值，进而推广数据挖掘技术，扩大该技术的应用范围，提升其应用价值。任何一种数据都能通过数据挖掘来得到其内在规律与本质特点。实际情况中经常运用的数据分析方法包括：

2.2.1 特征性數据分析法

现阶段，数据资源在生活与工作中普遍存在，互联网平台中数据具备的功能、特征等获得了人们的广泛关注，并为此开展了相关研究。例如，遗传算法可以用于分析其他类型算法的适合度，该算法借助生物进化理论模拟数据信息的发展过程，构建真实性与虚拟性兼具的数据资源；人工神经网络中包含的信息种类繁多，利用数据挖掘技术对信息进行处理，通过计算机来分析复杂模式的特征与趋势；可视化技术在数据挖掘过程中应用较为广泛，作为一种辅助技术，其通过动画、图像等手段为数据挖掘提供操作指导。

2.2.2 聚类分析法

该方法是对抽象、模糊的数据信息进行收集、整理、分析与编辑，之后将具备相同特征的数据集合在一起来构建数据库。该方法适用范围广，较为常见，能够对任何数据信息进行挖掘。

2.2.3 关联分析法

数据之间经常存在一定的关联性，然而这种关联较为隐蔽，人们无法通过直接观察发现，而关联分析法能够利用数据之间的关联来设计数据关联方案，从而达到某一信息处理的目标。该方法主要应用于操作复杂、要求高的信息处理任务中。

3 数据挖掘技术的运用流程

3.1 数据准备

利用研究者之前构建的数据库进行数据准备工作，数据库中包含大量、多种类的数据，借助这些原始数据进行挖掘前的准备。

3.2 数据挖掘

进行数据挖掘工作，选取数据挖掘方法时应考虑到挖掘对象的实际情况，可以结合多种挖掘方法，从而了解数据之间存在的关联性。

3.3 模式评估

数据挖掘过程中的相关数据是模式评估的主要研究对象，而流程评估是对数据规则进行研究与分析，并将相关数据转变为文字内容，便于人们参考与利用。

3.4 知识应用

上述工作完成后，便可以得到目的数据及其存在的规律。因为数据挖掘是为某项工作服务，因此还需要进行知识应用。这一步骤是将数据结果应用于实际生活中，进而充分发挥数据价值，提供准确的参考信息。

4 数据挖掘的应用范围

4.1 电信行业

近几年，电信行业进入了快速发展时期，技术水平与服务质量都有了显著提高。企业为了获取更高的经济效益，扩大生产量，提升生产效率，需要提高资源整合效果，推进数据的无缝连接，通过数据的归类整理来发现数据中隐藏的特征、规则与价值，这一问题是电信行业普遍关注的焦点。利用数据挖掘技术，能够有效解决上述问题，保证该领域的持续发展。

4.2 市场营销

市场营销中经常应用数据挖掘技术，并且其应用该项技术的时间较早。将该技术运用至市场营销中能够分析用户的消费水平与消费习惯，进而改进商品制造方案与销售方案，扩大产品的销售量。目前，数据挖掘不仅应用于超市购物等形式的市场营销中，而且在金融领域的各个方面都得到了应用。

4.3 科学研究

科学研究的顺利开展需要对大量的数据信息进行分析，只有完全掌握数据规律与数据特征，才能发现新的知识与理论。对数据进行处理时需要利用合适的算法，通过数据挖掘技术对技术进行分类整理，并找到数据的特征与内在规律。如，分析DNA的相关数据、探索太空中其他星体等研究内容都需要进行数据挖掘。

5 结束语

随着社会的发展，数据挖掘技术有了较大的改进，已经应用于许多行业中。对该技术的研究是一项长期工作，需要持续进行。完善数据挖掘技术，使其能够快速、准确处理数据信息，发现数据中隐藏的规则，充分发挥其在特殊领域中的应用价值，增加企业经济效益。

参考文献

[1]李平荣.大数据时代的数据挖掘技术与应用[J].重庆三峡学院学报，2014（03）：45-47.

[2]李文艳.大数据时代下数据挖掘技术的应用[J].数字技术与应用，2016（05）：74-74.

[3]邵燕，陈守森，贾春朴等.探究大数据时代的数据挖掘技术及应用[J].信息与电脑（理论版），2016（10）：118-119.

作者单位

厦门医学院 福建省厦门市 361023endprint