网络经济下数据挖掘的常用技术方法及在工商管理中的实践研究

翟治宇

摘 要：本文以网络经济为背景，在对数据挖掘进行简单介绍的基础上，结合现有数据挖掘技术和分析方法，围绕工商管理的应用展开了讨论，内容涉及提炼访问者信息、企业预测与估计等方面，希望能给相关人员以启发，使数据挖掘优势在工商管理领域得到充分发挥。

关键词：网络经济;工商管理;数据挖掘

0 引言

在网络经济下，如何使供应商、合作者拥有可靠的交流平台，引起越来越多人的重视。现有搜索引擎，通常无法对全部网页进行搜索，用户需求难以得到满足，数据挖掘的出现，使上述问题迎刃而解。有关人员可以凭借数据挖掘技术，对网页隐藏信息加以提炼，通过全面分析得出相应规律。由此可见，无论是对工商管理，还是其他工作而言，本文所研究课题都有重要意义。

1 数据挖掘介绍

无论是网络技术的发展，还是数据库的完善，均加快了人们对数据进行加工与收集的速度，如何在大量数据中，对所需数据进行精准提炼，自然成为各行各业关注的重点，数据挖掘技术应运而生。

数据挖掘强调的是以大量随机且不规则的数据为基础，对有价值的信息进行提炼，为用户决策的制定提供帮助。具体来说，就是以数据库为载体，发现所需信息。由此可见，数据挖掘要满足三点要求：其一，数据源随机且不规则，有噪声存在;其二，以用户需求对象为信息;其三，在可理解、可接受和可使用范围内，对信息进行选取。此外，即便满足上述要求，有关人员仍要对问题是否具有针对性加以判断，即：信息筛选有明确限制和约束存在，不仅要与用户表现出的学习与理解能力相符，还要能够利用简单易懂的语言，对最终结论加以表达。

对Web数据进行挖掘，则是网络经济衍生出的全新概念。作为数据挖掘分支，Web数据挖掘与数据挖掘的差异，主要体现在数据库上，常规数据库以数学模型为基础，利用模型完成数据的描述，Web数据库则以Web服务器加载数据文件为主体，从中对用户需要信息加以提炼。由此可见，Web数据挖掘内容，通常是电子商务、页面内容和访问信息。

2 数据挖掘技术

2.1 数据挖掘类型

2.1.1 结构挖掘

结构挖掘对象以链接结构模式为主。引文分析是最早对结构挖掘加以利用的载体，在对链接结构模式进行建立时，有关人员以网页链接主体和数量为主要借鉴对象。落实网页归类及相关工作时，大部分企业均会选择结构挖掘技术，旨在获得网页关联度、相似度数据。除此之外，结构挖掘的作用，还有助于浏览者对所需网站进行寻找。

2.1.2 用法挖掘

提出用法挖掘的初衷，主要是对用户网络行为及相关数据加以掌握。上文提到的结构挖掘，还有下文将要介绍的内容挖掘，均以原始数据为挖掘对象，而用法挖掘对象则是二手数据，例如，用户信息、交易信息和聊天记录，此类数据均以人机交互为基础。

2.1.3 内容挖掘

内容挖掘对象以网页文档和数据为主，对网页进行搜索时，以上内容是主要考察对象。在网络经济下，信息呈爆发式增长，若以信息源为依据，则可将信息分为以下几类：其一，WWW数据，此类数据的特点是隐藏于WWW形式后，例如，Usenet、Gopher等;其二，在数据库存储的数据;其三，无法直接访问的数据。若以资源形式为依据，那么，常见信息类型有文本、音频等。

2.2 数据挖掘分析方法

2.2.1 序列分析

序列分析的目的，主要是对数据联系进行挖掘，其中，因果关系是分析侧重点。厂商以序列模式为依托，完成销售记录的分析工作，通常能够对潜在购物模式有准确了解，例如，在对微波炉进行购买前，大部分顾客都会提前备选好商品。

2.2.2 分类分析

对数据库、特征不同类别进行设置，该数据库下属记录均有类别与之对应。分类分析强调以示例数据库含有数据为分析对象，以准确描述不同类别为前提，通过建立分析模型的方式，使分类规则更为明确，在此基础上，在分类规则的指导下，完成记录分类的相关工作。

2.2.3 关联分析

針对数据挖掘展开的研究，通常以关联分析为主要内容，由关联规则衍生出的挖掘算法较多，其中，最具代表性的有DHP、AIS等。综合考虑多方因素可知，关联分析的初衷是对数据隐藏关系进行挖掘，有关人员可凭借该技术，获取“九成顾客会同时购买A商品和B商品”等信息。此外，关联分析内涵同样要引起重视，详细来说，就是以用户指定支持度、置信度最小值为依据，对关联规则进行生成。

2.2.4 组合分析

在网络发展迅速的当下，信息超载和信息过载的情况无法避免，但以数据挖掘为依托，获得过滤机制所需信息，可削弱上述情况带来的负面影响，在减少信息获取负担的基础上，确保用户能够获得优质信息。例如，在对内容挖掘技术加以使用前，通过筛选并归档网络文档信息的方式，以减少有处理需求的数据为基础，在提高数据质量、信息挖掘速度的前提下，缩短用户获得信息需要花费的时间，为信息精确度提供保证。

3 工商管理中数据挖掘的应用

3.1 提炼访问者信息

近几年，持续发展的电子商务行业，促使大量供应商进入市场，与常规企业争夺市场份额。事实证明，电子商务的大范围推广，给交易带来了十分积极的影响，即效率高、成本低、透明度佳、协调性强。

企业挖掘网站数据的第一步，便是对访问者特点加以明确，使访问者适用条款得到精准提炼。研究表明，访问者特征往往涉及心理状态、人口统计与交互信息。心理状态是指心理调研所展现的个性，例如，技术兴趣、商品选择方向，如果网站访问者的数量持续增加，可供分析的数据也会更多。人口统计并非一成不变，无论是收入和消费水平，还是家庭住址，均处于不断变化的状态下。而交互信息所指代的内容，主要是优选信息、购买历史。除此之外，有关人员还应对公司信息、网站信息引起重视，公司信息对应服务器传达的要素，网站信息则以会话信息为主，二者均与访问者密切相关。

3.2 确定目标并描述问题

网上交易的优势，主要是在对访问者做出反应方面，企业拥有突出的前瞻性。如果食品、服装等厂商拥有具象而明确的目标，便可借助数据挖掘技术，使目标拥有快速实现的基础。以名品鞋柜为例，该厂商所设定的目标，依次为增加网页访问量—延长网页浏览时间—降低退换货比例—提升品牌知名度。

对电子商务企业而言，如何高效传播商品是工作重点，要想在凸显网页个性化的基础上，确保商品信息能够完整展现在顾客眼前，对访问者特征加以了解是关键，只有这样才能准确预测后续行为。上述工作能否顺利完成，通常取决于隐含模式能否得到支持。

3.3 完成关联分析

以顾客交易数据为依据见表1，通过关联规则分析的方式，对顾客购买趋势加以掌握，便是关联分析的主要作用。本文提到的关联分析，主要指的是某次浏览、会话提及的商品，如果淘宝网等商务网站能够对商品进行整合，不仅会使顾客浏览时间得到节约，还对购买概率的提高有着积极影响。若关联商品有促销计划，该组合中其他商品的销量，通常能够大幅提高。当然，对网站目录等静态网页而言，关联分析同样适用，若引入关联分析，网站目录对商品进行排序的依据，将以厂商选择为主。除此之外，网站首页还会有选择性、有针对性地展示商品相关信息。

3.4 聚类、描绘决策树

聚类主要是指对特征相同的商品进行归类，通过特征平均的方式，获得特征矢量。现阶段，聚类技术主要被用来对数据类别加以确定，根据特定聚类对其他数据进行表示。一般来说，在确定访问者类型时，大部分企业均会对该技术加以使用。

决策树的描绘对象，以决策制定所遇到数据点和问题为主。例如，消费者决定购买电视机，便要思考自身需求、商品尺寸与品牌等，从而确保决定正确。而决策树的作用，主要是排序决策过程，通过对最优路径加以确定的方式，精简不必要的决策步骤，使决策速度与质量得到提高。近几年，以耐克为代表的诸多厂商，在完善产品选择系统时，均对决策树体系进行了引入，旨在为访问者问题的解决提供帮助。

3.5 企业预测与估计

3.5.1 预测

对个性化网页而言，判断未来事项的预测十分重要，相关企业可以通过汇总数据的方式，达到全面了解客户的效果。即便分析对象是已经发生的事件，同样能够获得有价值的信息。由此可见，预测主要被用来汇总访问者信息，为企业制定商品组合方案提供参考，确保商品与客户诉求高度契合。

3.5.2 估计

如果预测是以当前趋势为依据，对未来进行判断，估计则是对未知量进行判断。在网络经济下，估计拥有和预测相似的算法，企业能够通过估计的方式，准确预判空白项目。例如，淘宝网想要对访问者收入加以了解，便可以选择估计收入相关量，参考特征相同访问者的收入，对特定访问者收入进行衡量。

4 结论

由上文所叙述内容能够看出，强调人工智能、网络技术和数据库技术的数据挖掘，有其出现的可行性及必然性。在数据被大量生产出来的当下，只有掌握高效挖掘数据的技术，才能使大量數据被自动转化为所需信息，并为工商管理等工作的开展提供助力。

参考文献：

[1]文珂，汪锋.基于数据挖掘技术的银行客户关系管理系统设计与建设[J].电脑编程技巧与维护，2020（07）：82-83.

[2]门学林.大数据背景下数据挖掘技术在管理会计中的运用[J].当代会计，2020（11）：3-4.

[3]潘翠芬.基于数据挖掘技术的数字档案管理信息系统的设计与实现[J].城建档案，2020（04）：25-26.