大数据下数据挖掘技术的应用研究
 
大数据下数据挖掘技术的应用研究
来源:整理自https://www.xzbu.com/1/view-14872820.htm | 作者:pmtc2fac8 | 发布时间: 2019-12-10 | 47 次浏览 | 分享到:
当今大数据时代下,对于数据的运用成为主流,而数据挖掘则成为当下极为重要的研究课题。基于此,本文探讨了大数据下数据挖掘的意义,分析了大数据时代下数据挖掘技术,研究了大数据时代下数据挖掘技术应用。

  摘要:当今大数据时代下,对于数据的运用成为主流,而数据挖掘则成为当下极为重要的研究课题。基于此,本文探讨了大数据下数据挖掘的意义,分析了大数据时代下数据挖掘技术,研究了大数据时代下数据挖掘技术应用。 
 关键词:大数据;数据挖掘技术;应用 

AbstractIn today's big data erathe use of data has become the mainstream and data mining has become a very important research topic. Based on thisthis paper discusses the significance of data mining under big dataanalyses data mining technology in big data eraand studies the application of data mining technology in big data era. 
  Key wordsbig data; data mining technology; application 

引言 
  大数据是一个较为笼统的概念,其更多是一种时代背景及数字平台,内容包含数据优化、分配与管理。在通过平台的实际操作当中,数据本身潜在的信息很难实现准确的查询,这就需要采取深入挖掘或者优化数据挖掘技术的方式来应对,数据挖掘技术随之产生。如今我国各行业都开始渗透大数据技术,大数据分析成为行业发展主流,更是当前企业打破发展瓶颈的重要手段,因此,以往单一数据信息分析系统开始逐步淘汰,全新的数据挖掘技术成为往后发展的主要趋势。 
  1 大数据下数据挖掘的意义 
  在当今时代下,多种数字信息技术获得迅猛发展,像其中互联网技术、云计算技术及信息技术等,并由此衍生出全新的移动互联网和数字地球技术的发展和運用,并直接在世界范围获得飞跃式增长。相关研究统计,2012年全球产生的数据总量约为1.86万亿GB,国际互联网数据统计中心结合近十年数据增长速度进行计算,预计到2020年全球产生的数据总量约为100万亿GB。可见,信息化发展是当今社会主要发展趋势,也是我国国民经济增长的重要内容。就以银行系统为例,银行系统每天通常需要处理数以万计的终端交易和数据交换,这是一种庞大的信息数据处理工程,而怎样在如此庞大数据当中筛选、提取及分类真正有价值的数据,成为当前各大银行所需面临的主要问题。而数据挖掘技术的运用和推广,则很好的解决了此类问题,因此,数据挖掘对于大数据时代而言具有重要的意义。 
  2 大数据时代下数据挖掘技术分析 
  2.1 数据挖掘 
  数据挖掘技术的提出,最早起始于上世纪90年代初,这一技术更多面向商业领域的人工智能化研究工作。在当今大数据时代下,数据挖掘技术的运用价值较为明显,其在实际运用当中,可借助数据挖掘技术来有效掌握产品本身的实际情况。同时也能在大量的数据信息当中实现对数据的优化处理,从而真正给企业发展提供重要的参考。在当前的数据挖掘技术发展运用当中,以往从简单、清晰数据中寻找信息的方式逐渐转变为从模糊、复杂数据当中提取有价值信息,这本身是一种全新的技术突破。这一技术突破的实现,需要更多如互联网技术、信息技术、云计算技术加以支撑[1] 
  2.2 聚类分析 
  通常在数据挖掘过程中,聚类分析技术是其中重要的数据处理技术之一。通过聚类分析技术,能够将本身难以有效理解的事务进行重组,促使其以一种更为形象化的状态来呈现,并结合数据的不同性质将其进行不同组别的划分,整体是一种有效的数据分析过程。聚类分析技术能够针对较为庞大的数据进行分类处理,由此提取出所需的信息资源。然而,这一技术在实际运用当中,与传统数据分类处理的方式差异明显,其本身优势主要在于能够对模糊对象的信息数据进行有效分组。当前采用的聚类分析方式主要分为硬聚类和模糊聚类。其中硬聚类方式比较切合数据信息,而模糊聚类则主要是通过划分模糊数据来实现分类效果。整体而言,聚类分析的两种分类方式差异明显,但所能达到的目的基本一致,都可实现数据的分类。 
  2.3 特征性数据分析法 
  数据挖掘的特征性数据分析法属于数据挖掘技术的主要技术方法之一,这一数据分析方法能够实现对整体数据信息的整合分析,进而延伸至特征性分析层面,由此发掘出具备可利用价值的数据信息。因此这一分析技术本身具备快捷、全面的特点,能够有效应对绝大多数数据资源分析,成为多数相关研究学者主要研究的方向。在实际运用当中,相关设计人员通常会提出多种不同特征数据分析方式,如采用可利用人工神经网络进行数据收集,也可在数据终端搭建相应的神经网络,通过这种方式搜集可利用的信息内容。也可直接采用相应的遗传基因算法来针对数据展开深入分析,做好对庞大数据信息的重组和选择。最主要是可充分借助相应的可视化技术来挖掘与搜集相关数据,因此数据挖掘技术的实用性不断攀升。 
  3 大数据时代下数据挖掘技术应用 
  3.1 用于制造行业 
  当代人们生活质量水平持续攀升,对于相应产品质量的需求也随之持续增长。在制造行业当中也是如此,致使制造业面临巨大压力,而充分运用数据挖掘技术能够有效提高其制造产品的质量水平。主要是由于大数据下数据挖掘技术的运用,可对制造产品生产时进行实时跟踪管理,可在整个过程及时获取产品问题所产生的数据,这样能够充分了解和掌控产品本身的生产效率情况。同时也可直接为后续产品的生产制作提供重要的数据分析操作,在解决产品问题起到针对性的应对效果,能够切实提升生产效率,促使制造行业由此获取可观的经济效益。所以,制造行业运用数据挖掘技术,可极大促进行业的持续发展,有必要进行深入探究[2] 
  3.2 用于市场营销 
  大数据时代下数据挖掘技术的运用更多体现在数据分析层面,通常数据挖掘在市场营销领域内运用最为广泛。主要是由于市场营销的发展需借助数据挖掘技术来深入分析和提取市场数据信息。借助大数据技术,能够搜集和掌握大量的市场用户信息资源,通过数据分析的形式来获取用户们的真实需求。也可通过大数据技术来获取市场用户们及时反馈回的多种数据信息,从而在此基础上改善市场营销发展模式。例如,借助数据挖掘技术,能够分析用户的点击数量、阅览数量等,商户也可在后台的数据管理系统当中,为客户选择性推送一些与商品相关的衍生产品,从而由此让用户们获得更多选择,极大的提升用户们的产品使用感受[3] 
  3.3 用于电信行业 
  信息时代发展至大数据时代,促使整个电信行业获得前所未有的发展机遇。然而,电信行业在迅猛的发展的同时,由于其本身用户基数非常庞大,因此所需要处理的各种实务问题也较为繁多。而这就更加需要良好的服务来有效解决用户们的问题,这样才能对外提供良好服务质量,给用户带来好的使用体验。通常电信技术服务需要大量的数据加以支持,否则难以有效解决实际问题,但是这种技术性服务很容易被数据流的影响,因此很容易致使服务质量水平降低。而数据挖掘技术的运用,可帮助电信行业有效的扭转这一局面,通过采用数据挖掘技术,可深入分析复杂的电信数据,有效的找出其中的规律,并结合用户回馈的意见进行持续改进。 
  4 结语 
  综上所述,当今大数据时代下,强化对数据挖掘技术的运用,能够切实有效的满足各个行业的发展需求。本文主要列举了制造行业、市场营销、电信行业,通过数据挖掘技术所能发挥的作用自然远不止这几个行业。因此,这就必须深入研究大数据下挖掘技术的应用及发展。 


  参考文献: 
  [1] 陈德鑫,占袁圆,杨兵.深度学习技术在教育大数据挖掘领域的应用分析[J].电化教育研究,20192):68-76. 
  [2] 卢盛继.大数据时代下数据挖掘技术与应用[J].数码世界,20172):44. 
  [3] 刘昌贤.大数据时代的数据挖掘技术与应用[J].智库时代,20193):1+3.