探讨物联网时代电子数据应用

任菲菲

摘 要 物联网时代电子数据爆发式增加，数据提取、分析面临着新的问题，需要相关从业者选择合适的方法，提高电子数据应用效率。文中通过分析数据挖掘技术的优势，探讨物理网时代如何有效应用电子数据，实现信息利用效率最大化。

关键词 物联网;电子数据;使用

现阶段民众生活、工作的开展得益于信息技术的迅猛发展而发生翻天覆地的转变，各类型 APP 的出现为人们提供诸多的便利与便捷。在此背景下，信息数据的产生数量呈现出直线提升的趋势，而电子商务商家要想通过对高价值信息资源的利用，提出针对性、个性化的营销策略，需重视对数据挖掘技术的合理应用，为电子商务营销决策科学制定提供技术支持。

1物联网概述

物联网被称为继互联网以及计算机之后世界信息产业革命发展的第三次浪潮，物联网技术依托于互联网系统，将识别技术、智能感知与泛在网络和普适计算进行了有机融合，最终的目标是实现智能处理、可靠传输以及全面改制。物联网一般指的是通过在物体上安装射频识别装置、全球定位系统、红外线感应器、激光扫描仪等各种各样的传感器，可以在任何物体地点时间实现信息通信和交流，从而能够达到精确的识别定位以及监控管理。

物联网本质上是一个网络系统，能够获取大量的信息，为决策的制定和方案的明确提供有效的数据支持。物联网在系统构建过程主要包括物理接触层、网关设备、信息数据系统以及层面网络信息连接系统四层部分。物理接触层包括各种设备及其连接装置网关设备，包括信息上传网络的无线连接系统以及路由器等设备，信息数据系统包括信息感知信息采集、信息分析以及传输等相关系统。网络信息连接系统指的是将所收集到的信息进行分析之后，通过控制技术及时将有关指令发送给设备。物联网的核心是互联网，最终实现的目标是促进社会的高效持续运营，将物联网技术应用于食品安全领域，可以对食品种植、加工、生产以及市场的整体环节进行管理，从而能够进一步保障社会安全，提高食品质量，加大食品生产的透明度，提高公众对食品生产的认可[1]。

2数据挖掘方法分析

2.1 回歸分析法

作为常用统计方式，回归分析法依据数学表达式进行应变量波动性的表达。海量数据之间并无严谨的函数关系，仅存在某种关联性，简答的说就是数据信息之间无法通过变量的计算而得出另一个变量，仅是数据之间确实存在紧密联系。这就导致数据信息关系之间存在不确定性，而应用回归分析法，则可以求证变量之间的关系。

2.2 分类法

所谓分类法，是指以某种类别为依据，进行新数据信息的映射给定，若数据库存在新的数据信息，会依据相关分类规则程序，将其数据信息自动分类到现有的类别中。例如在数据挖掘过程中对数据资料构建不同类别模型，具体包括性别、收入、职业、区域、婚姻情况、教育背景、车房情况、年龄等，而当有新数据信息产生，系统会通过分析数据将其自动纳入到相应的类别中，实现对不同用户群的划分。此时电子商务营销策的制定可以依据不同类别用户群进行针对化、个性化宣传推广，达到提升产品推广宣传效果的目的。

2.3 聚类分析法

所谓聚类分析，是指事先进行数据组别、类别的设定，然后分析数据特征、特点，将其分类到特征特点相类似的群组中。例如生活中常见的超市购物数据可以采用聚类分析法来分析商品之间的关联性，商家可以以此为参考将关联性较高的商品就近摆放，一方面提高客户服务质量，另一方面提升超市营销量。

2.4 偏差分析法

偏差分析法的应用主要对象为异常数据，而异常数据是指新数据相较于以往数据存在较大差异和偏差，而这些偏差点中极有可能存有较高的价值。例如分类过程中出现期望值与结构偏差较大、产生反常事例等，都存在较大的参开价值和研究意义。通过实行偏差分析法深入探究关于偏差出现的具体原因和根源，采取科学对策来降低风险发生概率[2]。

3物联网时代电子数据应用

3.1 应用于电子商务营销

在电子商务营销期间，借助数据挖掘技术可以对消费者基础信息全面挖掘和收集，结合对挖掘信息的分析与加工，帮助电子商务商家明确掌握消费者的消费习惯、喜好以及需求等，并预测消费者后续的消费行为。与此同时，可以利用数据挖掘技术来收集产品的营销量，以此为依据制定合理的促销活动、优惠方案，选择适当的活动开展时间。另外，利用数据挖掘来掌握消费者的消费倾向，进一步提升信息反馈工作开展效果，将数据挖掘技术应用于消费者的点击流信息，帮助电子商务商家明确掌握消费者消费倾向。

3.2 应用于客户关系管理

所谓客户关系管理，是指电子商务企业借助现代信息技术，从海量数据信息中进行商业知识的挖掘，并以此为依据为企业发展与管理的开展提供指导。客户关系管理模式发展核心为客户至上理念，在具体发展中落实客户关系管理，是提升企业综合竞争力的主要手段。而实施数据挖掘技术可以帮助企业明确消费者消费行为、喜好，预测消费者消费行为，并做好客户群体分类，帮助企业寻找更为适合、更高价值的客户，为客户提供专业化、针对化、个性化服务来替身客户满意度，进而加大电子商务企业的忠诚度。利用数据挖掘技术对企业中心客户进行不断发掘，结合市场评估的高质量开展，帮助电子商务企业构建合理且完善的营销方案。再通过对企业与客户沟通联系的加强，注重对客户评价信息的获取，实现对电子商务企业服务质量的提升，进一步优化客户关系管理。

3.3 应用于网络设计

现阶段数据挖掘技术的应用涉及网络设计领域，例如在网站建设过程中，会通过对数据信息的挖掘与分析，组织并完善网站信息。或者是在网络结构优化过程中，借助数据挖掘技术来明确用户对某位置的访问频次，并分析用户理想位置，帮助用户构建理想位置与实际位置之间的链接，提升电子商务服务效果。再或者分析挖掘消费者在电子商务交易期间访问最多的路径，以此为依据进行此路径的优化和完善，提升消费者满意度，并吸引更多消费者[3]。

4结束语

综上所述，随着电子商务的不断创新与升级，对数据挖掘技术的应用提出的标准与要求不断提高，所以需要加大对数据挖掘技术的研究与创新，促进电子商务与数据挖掘技术的有效融合，以期最大化发挥出数据挖掘技术的作用和价值。

参考文献

[1] 崔永波，董磊.物联网时代电子数据应用的思考[J].电子世界， 2019（8）：108.

[2] 张武义.基于物联网下的数据开放[J].通讯世界，2015（21）：66.

[3] 叶符明.试论大数据时代下的电子商务[J].信息技术与信息化， 2014（7）：85-86.