第一篇：分析有線寬帶網絡規劃中數據挖掘的作用論文

摘要：數據挖掘技術是一種數據挖掘處理技術, 能夠從海量的數據當中尋找到對企業有價值的數據信息。在有線寬帶的網絡規劃工作中, 數據挖掘技術可以起到提升有線寬帶網絡規劃便捷性和科學性的作用, 能極大加強網絡規劃的工作效率。本文首先分析了有線寬帶網絡規劃中數據挖掘的作用, 然后探討了其具體實踐, 以供參考。

關鍵詞：數據挖掘技術;有線寬帶網絡;優點;實踐應用措施;

數據挖掘技術是產生于信息化時代的一種全新技術, 此項技術的到來, 直接帶動了我國信息化程度的不斷加深, 信息化程度的加深也極大的體現在全國范圍上。因此, 數據挖掘技術對于有線寬帶網絡規劃的作用是非常巨大的。數據挖掘技術應用到有線帶寬的規劃管理中, 不僅可以極為有效的解決復雜的網絡問題, 其還可以使得有線帶寬的規劃管理得到優化, 進而整個有線寬帶的網絡通信質量將會得到很大程度上的提升。所以, 文章將會對數據挖掘技術的作用和實踐措施展開詳細的分析。

一、數據挖掘技術在有線寬帶網絡規劃中的作用

數據挖掘技術在有線寬帶網絡規劃中所起到的作用是非常巨大的, 甚至說是非常關鍵的, 數據挖掘技術在有線帶寬網絡規劃中所起的作用主要是分析和統計。有線帶寬的網絡規劃, 其所需要的所有數據主要來自于監測采集。寬帶網絡規劃的重點在于設備覆蓋以及鏈路容量的調整, 數據挖掘技術可以根據這些測試到的數據展開一定的探索, 挖掘影響網絡運行的重要因素。在規劃有線帶寬網絡的時候, 必須找出影響網絡運行的短板和瓶頸。有關技術人員對于有線帶寬的網絡規劃進行了相關的優化, 但是并沒有從根本上有效的解決問題, 有關工作人員不知道網絡瓶頸的所在, 明確影響網絡瓶頸的因素, 對于有線帶寬網絡規劃的統計分析來說非常的重要。因此迫切需要建立基于數據挖掘技術的有線寬帶管理和規劃體系, 這樣才能合理展開網絡的規劃, 并且在最短時間內調整好網絡的寬帶以及網絡資源的分配等相關工作。數據挖掘技術在有線帶寬網絡規劃當中, 還能夠幫助有關規劃人員理清思路、總結經驗, 之后再次在規劃過程中遇到類似問題的時候, 就能夠更加的應對自如了。

二、數據挖掘技術在有線寬帶網絡規劃中的實踐措施

(一)決策樹算法是數據挖掘技術最為常用的技術

決策樹算法常常會使用實際的案例進行分析, 并且決策樹算法的主要工作就是要將實際的案例進行分類, 并且將子集不同的數據進行明確分類, 在眾多的數據子集中, 尋找出子集相同的數據, 然后在細致分析對比它們的不同之處, 這些不同之處具有一定的預測功能。進行決策樹確立時, 要將數據的特征進行對比分析, 之后在進行分類, 決策樹按照一定的邏輯分析完成后, 可以充分證明決策樹已經構建完畢。比如, 決策樹算法在網絡規劃中應用的時候, 需要注意與實際的情況展開結合, 這樣所得出的數據, 對于有線寬帶網絡的規劃才具有實際的意義。

數據挖掘技術的技術分類非常的繁多, 但是使用最多最常見的還是要當屬決策速算技術, 決策速算技術之所以可以如此的方便且常用, 最為明顯的就是決策速算技術有著天然的優勢, 這種優勢主要就表現在它在數據模型建立的時候能夠使得操作變得非常的簡便, 所用的時間也非常的短, 并且使用的人能夠很快的了解到數據的特點, 這樣技術人員在處理有線帶寬網絡規劃的工作時, 幫助實現被動向主動運維轉型。所以說, 這一點就是決策樹算法最為突出的優勢。

對于決策樹算法來說, 單獨計算的時候可以使用數據的整合特征進行計算, 數據的整合特征指的是在有線帶寬網絡的規劃中, 建立起有針對性的計算表格, 并且這個表格應當在數據計算的最后能夠體現出它的預測性能, 自身的數據特點也應當充分的體現出來。

進行算法的檢測過程時, 可以通過確定任意單元行的表格數據, 通過拆分表格, 將差異性較為明顯的數據尋找出來。應當對決策樹上的各個數據子集展開深入細致的研究, 尋找出數據之間的聯系, 挖掘出數據的深度, 這樣做的目的就是要方便有線帶寬網絡規劃的工作。有線網絡規劃的方便性體現在, 數據挖掘技術可以將各個地域的網絡資源進行合理分配, 整個有線網絡規劃的工作都呈現出了短時間、高效率的特點。

(二)數據挖掘技術當中的關聯規則算法需要靈活運用

一般情況下, 網絡的規劃都需要有利用率區間, 但是這個區間必須要經過計算才能得出。對于關聯規則算法來說, 就可以減少這個步驟, 這是因為它的數據子集間本身就存在一定的區間。設備容量與利用率之間是存在著一定的聯系的, 它們之間的關系是正比關系。

除此之外, 經過相關數據的調查研究發現, 在城鎮當中, 設備的使用率一般比較高, 而在農村地區來看, 設備的使用率就較為的低, 從這一點也為有關的工作人員提供了一定的建議, 有線帶寬網絡規劃在之后的工作當中, 應當有意識的調整農村和城鎮的設備使用比例, 使二者達到一種較為平衡的狀態。需要引起相關注意的是, 大量的數據資源共享是數據挖掘技術需要的前提條件, 有線帶寬網絡的規劃中需要切實將資源分配的問題考慮到其中, 關聯的算法需要使用大量的數據資源共享, 因此在網絡的規劃當中, 要切實的考慮資源分配的問題。不同的網絡配備資源, 是具有不相同性質的, 所以說, 數據挖掘技術在有線帶寬網絡的規劃過程中, 應當充分考慮到地域的差異。

結束語:

根據上文的分析, 可以明確的了解到, 數據挖掘技術對于有線帶寬網絡規劃的幫助是非常巨大的, 網絡規劃的過程中, 使用數據挖掘技術的頻率非常的高。數據挖掘技術主要需要注重決策樹算法以及關聯規則算法, 因為不論是這兩種算法中的任何一種, 都可以挖掘出諸多信息, 并且使得網絡規劃取得更好的成果。

參考文獻

[1]王恒.數據挖掘分類技術在電信網絡風險預警中的應用[J].價值工程, 2013, 32(19):210-211

[2]馬慶, 王志鵬.數據挖掘在無線網絡規劃中的應用研究[J].信息通信, 2016(08):262-263.[3]周雷.數據挖掘在無線網絡規劃中的分析與應用[J].中國新通信, 2016, 18(17):100.

第二篇：高校管理中數據挖掘技術的研究論文

摘要：近年來，數據庫挖掘技術的普遍應用，使數據價值實現最大化，在我國金融、商業、市場營銷等領域得到廣泛應用。然而在我國高校管理中并沒有得到推廣，為使高校管理系統中的數據充分發揮應有價值，在該系統中使用數據庫挖掘技術意義深遠。本文首先介紹了數據挖掘技術的流程，然后在教師教學質量評估中應用數據庫挖掘技術，充分證明數據庫挖掘技術在高校管理中能發揮重大作用。

關鍵詞：管理；決策樹；數據挖掘技術

當前，大部分高校都擁有配套的管理系統，該系統具備海量數據儲存和管理功能，徹底告別了手工記錄信息和數據的年代。不但節約了紙張，更有效提高了高校管理數據和信息的效率。然而我國高校沒有有效利用應用數據挖掘技術，因此研究數據庫挖掘技術在高校管理中的應用十分必要。

1數據挖掘技術的流程

數據挖掘技術能夠將海量數據展開分析和處理，再把整體數據庫中存在規律的數據整合起來，實施該技術主要包括以下五個環節。目標定義：該環節中要與有關領域的背景知識相結合，清晰、精確的定義出數據挖掘目標。數據準備：在該環節中要搜集、選取數據源中的數據，處理已選數據，將其轉換為適合數據挖掘的形態。數據挖掘：該環節是數據挖掘技術的核心，即采用關聯規則法、分類分析法等各種數據挖掘方法把數據中隱藏的知識和規律發掘出來。結果表示：在該環節中可以以用戶需求為依據，將挖掘出來的知識和規律轉變為用戶能接受和理解的形態。知識吸收：該環節中，主要是把挖掘結果與指定領域中的需求相結合，在該領域中應用發掘出來的結果，為決策者提供知識，是數據挖掘的終極目標。

2數據挖掘技術在教學質量評估中的應用

2.1運用關聯規則法挖掘數據庫中的信息

評估老師教學質量不但是評定教學效果的重要部分，也是評定教師職稱的重要根據，因此是高校管理工作中不可或缺的部分。目前評估教學質量的主要措施是搜集、統計學生的成績和以及對老師的評價，然后加權算出老師的總得分，作為評估該老師教學質量指標。這種方法非但不科學，其權威性也較低，因此需要深挖數據的相關性，本文采用了數據挖掘技術中的關聯規法挖掘數據中的規律和知識，為評估老師教學質量提供有力根據。運用關聯規則法挖掘數據，其規則方法為“XY，置信度為c%，支持度為s%”。關聯規則中置信度為c%：在整體事件D集合中，如果既能夠符合事件X中擁有c%的需求，也能夠符合Y的要求。那么就用置信度來表示關聯規則的強度，被記錄為confidence（XY），置信度最小值用minConf來表示，通常置信度最小數值由客戶提供。關聯規則中置信度為s%：在整體事件D集合中，如果既能夠符合事件Y中的s%的需求，又能夠符合X要求。用支持度來表示關聯規則的頻度，把支持度的最小數記錄用minsup（X）來表示，通常支持度最小數值由客戶提供。頻繁項集合：當X項集的支持度大于等于用戶設定好的最小支持度時，那么頻繁項集是X。通常關聯規則包含兩個環節：①把全部頻繁項集從整體事件集中選出；②運用頻繁項集產生關聯規則。在這兩個環節中關聯規則效果和性能是否良好取決于第一個環節。

2.2關聯規則分析在評估教學質量中的運用

第一步是準備數據期，在某大學的教學管理系統中將五百條與教學評價有關的記錄從數據庫中隨機抽取，并挑選出老師編號、學歷、性別、教齡、評估分和職稱這六個屬性，并將相關數據從數據庫中提取。比如把講師、副教授和教授等職稱轉化成11、01、00等編碼，表1就是制定的評價教師教學記錄表。第二步采用關聯規則分析法把90分以上評價分數作為檢索目標和判斷標準，也就是將≥90分作為判斷是否是高教學質量闕值。通過檢索有143條記錄符合標準，即設定最小的支持度為10%，置信度則為15%，得出下表2的關聯規則。最后一步評價本次實驗的結果。由上表得知，學生喜歡男老師和女老師的程度大致相同；學歷愈高的老師，給予他們的教學評價也就愈高，即學歷和教學評價成正比，這也說明了學歷高的老師其基本功與學歷低的老師相比，前者基本功更為穩固，也有較高的科學研究水平；有較長教齡和較高職稱的老師，其教學質量也越高；此外，在支持度中可以看出，高校教授和高學歷人才越多，說明其辦學能力也就越高。

3結語

高校管理系統作為教學信息化的重要舉措，只是起到搜集和儲存海量教學信息的作用，并沒有挖掘出海量數據之間的相關性，而在本文中把關聯規則法運用在教師教學質量評估中，在數據中挖掘有價值的知識和規律，使評估教師教學質量更具有科學性，因此在高校管理中全面應用數據挖掘技術，能為高校深化教學改革提供新的契機。

參考文獻

[1]江敏，徐艷。數據挖掘技術在高校教學管理中的應用[J]。電腦知識與技術，2012，（24）：541—545+560。

[2]楊雪霞。數據挖掘技術在高校圖書館管理系統中的應用研究[J]。軟件，2011（04）：16—18。

第三篇：數據挖掘在培訓管理中的應用論文

1、引言

對很多培養機構而言，目前急需解決的問題主要有：如何根據不同成員需求設置合理的課程、如何通過教學方式提高成員學習積極性、如何提高成員培訓效果、如何通過考核檢驗成員學習成果等，都是培養機構發展過程中必須面對的問題。隨著我國信息化進程的加快，一些培養機構也開始進行信息化建設，通過信息系統對培訓相關事宜進行管理。但目前在針對培養機構的信息系統中，所實現的功能和模塊是進行簡單的查詢、統計。在了解培訓評估效果時，目前的信息系統中，學員通過系統對不同課程的教師進行打分，系統自對進行匯總、統計，得出教師評價。但這種匯總、統計是最簡單的，對教師評價也缺乏全面性和深度。

2、數據挖掘在培訓管理系統中的應用

大數據時代下，數據信息呈現出海量特點。如何從海量、不完全的信息中尋找到真正有用的信息，是大數據時代中重要的問題。由此便利用到數據挖掘，顧名思義，數據挖掘就是從眾多數據信息中尋找到有用、有價值的信息。大數據時代下，教育行業中，信息量也是海量的，要想提高教學質量就需要運用數據挖掘找尋到有用的教育信息，并運用到實際教學中。信息系統通過一段實際應用后，里面存儲了大量數據，相應的，學習管理系統也是如此，里面蘊含了大量數據信息。如在線課程等功能中藏有大量師生應用過程中的數據資料。如圖1為數據挖掘在培訓管理中的流程圖。

2.1初步探索

培訓管理系統中一般具有數據統計功能，將相關事宜進行統計。如網絡課程開展過程中，數據挖掘在培訓管理系統中的應用文/張宏亮在大數據時代，如何使用現有的數據對學員進行培訓管理，從而提高培訓效率是當前培訓管理中所面臨的問題。本文分析了數據挖掘在培訓管理中的應用主要表現在初步探索、數據預處理以及數據挖掘過程。其中數據預處理和數據挖掘是培訓系統的核心功能。

2.2數據預期處理

數據預處理時，原始數據庫會發生轉變，以適應數據挖掘、數據挖掘算法等的要求。在處理結構化的數據時，數據預處理需要完成兩項任務，即消除數據缺陷現象的存在和為數據挖掘奠定良好基礎。數據處理是對現有的數據進行前期處理，方便后期數據挖掘。如圖2為培訓管理系統中數據預處理模塊。

2.3數據挖掘

WangJ開發了一個將數據挖掘技術與基于模擬的培訓相結合的混合框架，以提高培訓評估的有效性。以信仰為基礎的學習概念，用于從知識/技能水平和信心水平的兩個維度來評估學員的學習成果。數據挖掘技術用于分析受訓人員的個人資料和基于模擬的培訓產生的數據，以評估學員的表現和學習行為。提出的方法論以臺灣基于模擬的步兵射擊訓練的實例為例。結果表明，提出的方法可以準確地評估學員的表現和學習行為，并且可以發現潛在的知識來提高學員的學習成果。BodeaCN使用數據挖掘技術進行了培訓學習管理，用于分析參加在線兩年制碩士學位課程項目管理的學生的表現。系統數據來源是收集學生意見的調查數據，學生記錄的操作數據和電子學習的平臺記錄的學生活動數據。

3、總結

目前培訓機構在進行教學評估時，所選擇的指標都是參考其他機構的，并沒有真正從自身實際出發進行評估，因此教學評估時存在諸多問題。其中最明顯的兩個問題是：第一教學評估方式單一化嚴重，只以數字評估為主；第二評估時容易受各種主觀因素影響。

參考文獻

[1]菅志剛,金旭.數據挖掘中數據預處理的研究與實現[J].計算機應用研究,2004,21(07):117-118.[2]王全旺,趙兵川.數據挖掘技術在Moodle課程管理系統中的應用研究[J].電化教育研究,2011(11):69-73.[3]陳怡薇.數據挖掘技術:教育培訓管理新手段[J].石油化工管理干部學院學報,2014(04):49-52.[4]肖明,陳嘉勇,栗文超.數據挖掘在學習管理系統中應用的研究進展綜述[J].現代教育技術,2010,20(09):127-133.

第四篇：公共管理論文--將數據挖掘技術應用在客戶關系管理中

[摘要] 在客戶關系管理中，企業將面臨大量的來自于客戶和市場的數據和信息，這些數據是大量的、不完全的、有噪聲的、模糊的、隨機的，但同時又是非常有用的。數據挖掘技術可以將這些數據有效的分析、整理，從而給數據使用者提供有效、及時的信息。本文就數據挖掘技術在客戶關系管理中如何應用做了粗淺的探討。

[關鍵詞] 數據挖掘 客戶關系管理 應用 步驟

根據波特的影響企業的利益相關者理論，企業有五個利益相關者，分別是客戶、競爭對手、供應商、分銷商和政府等其他利益相關者。其中，最重要的利益相關者就是客戶。現代企業的競爭優勢不僅體現在產品上，還體現在市場上，誰能獲得更大的市場份額，誰就能在競爭中占據優勢和主動。而對市場份額的爭奪實質上是對客戶的爭奪，因此，企業必須完成從“產品”導向向“客戶”導向的轉變，對企業與客戶發生的各種關系進行管理。進行有效的客戶關系管理，就要通過有效的途徑，從儲存大量客戶信息的數據倉庫中經過深層分析，獲得有利于商業運作，提高企業市場競爭力的有效信息。而實現這些有效性的關鍵技術支持就是數據挖掘，即從海量數據中挖掘出更有價值的潛在信息。正是有了數據挖掘技術的支持，才使得客戶關系管理的理念和目標得以實現，滿足現代電子商務時代的需求和挑戰。

一、客戶關系管理（CRM）

CRM是一種旨在改善企業與客戶之間關系的新型管理方法。它是企業通過富有意義的交流和溝通,理解并影響客戶行為,最終實現提高客戶獲取、客戶保留、客戶忠誠和客戶創利的目的。它包括的主要內容有客戶識別、客戶關系的建立、客戶保持、客戶流失控制和客戶挽留。通過客戶關系管理能夠提高企業銷售收入，改善企業的服務，提高客戶滿意度，同時能提高員工的生產能力。

二、數據挖掘（DM）

數據挖掘（Data Mining，簡稱DM），簡單的講就是從大量數據中挖掘或抽取出知識。數據挖掘概念的定義描述有若干版本。一個通用的定義是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中提取人們感興趣的知識，這些知識是隱諱的、事先未知的、潛在有用的信息。

常用的數據挖掘方法有：（1）關聯分析。即從給定的數據集中發現頻繁出現的項集模式知識。例如，某商場通過關聯分析，可以找出若干個客戶在本商場購買商品時，哪些商品被購置率較高，進而可以發現數據庫中不同商品的聯系，進而反映客戶的購買習慣。（2）序列模式分析。它與關聯分析相似，其目的也是為了控制挖掘出的數據間的聯系。但序列模式分析的側重點在于分析數據間的前后（因果）關系。例如，可以通過分析客戶在購買A商品后，必定（或大部分情況下）隨著購買B商品，來發現客戶潛在的購買模式。（3）分類分析。是找出一組能夠描述數據集合典型特征的模型，以便能夠分類識別未知數據的歸屬或類別。例如，銀行可以根據客戶的債務水平、收入水平和工作情況，可對給定用戶進行信用風險分析。（4）聚類分析。是從給定的數據集中搜索數據對象之間所存在的有價值聯系。在商業上，聚類可以通過顧客數據將顧客信息分組，并對顧客的購買模式進行描述，找出他們的特征，制定針對性的營銷方案。（5）孤立點分析。孤立點是數據庫中與數據的一般模式不一致的數據對象，它可能是收集數據的設備出現故障、人為輸入時的輸入錯誤等。孤立點分析就是專門挖掘這些特殊信息的方法。例如，銀行可以利用孤立點分析發現信用卡詐騙，電信部門可以利用孤立點分析發現電話盜用等。

三、數據挖掘在客戶關系管理中的應用

1.進行客戶分類

客戶分類是將大量的客戶分成不同的類別，在每一類別里的客戶具有相似的屬性，而不同類別里的客戶的屬性不同。數據挖掘可以幫助企業進行客戶分類，針對不同類別的客戶，提供個性化的服務來提高客戶的滿意度，提高現有客戶的價值。細致而可行的客戶分類對企業的經營策略有很大益處。例如，保險公司在長期的保險服務中，積累了很多的數據信息，包括對客戶的服務歷史、對客戶的銷售歷史和收入，以及客戶的人口統計學資料和生活方式等。保險公司必須將這些眾多的信息資源綜合起來，以便在數據庫里建立起一個完整的客戶背景。在客戶背景信息中，大批客戶可能在保險種類、保險年份和保險金額上具有極高的相似性，因而形成了具有共性的客戶群體。經過數據挖掘的聚類分析，可以發現他們的共性，掌握他們的保險理念，提供有針對性的服務，提高保險公司的綜合服務水平，并可以降低業務服務成本，取得更高的收益。

2.進行客戶識別和保留

(1)在CRM中,首先應識別潛在客戶,然后將他們轉化為客戶

這時可以采用DM中的分類方法。首先是通過對數據庫中各數據進行分析，從而建立一個描述已知數據集類別或概念的模型，然后對每一個測試樣本，用其已知的類別與學習所獲模型的預測類別做比較，如果一個學習所獲模型的準確率經測試被認可，就可以用這個模型對未來對象進行分類。例如，圖書發行公司利用顧客郵件地址數據庫，給潛在顧客發送用于促銷的新書宣傳冊。該數據庫內容有客戶情況的描述，包括年齡、收入、職業、閱讀偏好、訂購習慣、購書資金、計劃等屬性的描述，顧客被分類為“是”或“否”會成為購買書籍的顧客。當新顧客的信息被輸入到數據庫中時，就對該新顧客的購買傾向進行分類，以決定是否給該顧客發送相應書籍的宣傳手冊。

(2)在客戶保留中的應用

客戶識別是獲取新客戶的過程，而客戶保留則是留住老顧客、防止客戶流失的過程。對企業來說，獲取一個新顧客的成本要比保留一個老顧客的成本高。在保留客戶的過程中，非常重要的一個工作就是要找出顧客流失的原因。例如，某專科學校的招生人數在逐漸減少，那么就要找出減少的原因，經過廣泛的搜集信息，發現原因在于本學校對技能培訓不夠重視，學生只能學到書本知識，沒有實際的技能，在就業市場上找工作很難。針對這種情況，學校應果斷的抽取資金，購買先進的、有針對性的實驗實訓設備，同時修改教學計劃，加大實驗實訓課時和考核力度，培訓相關專業的教師。

(3)對客戶忠誠度進行分析

客戶的忠誠意味著客戶不斷地購買公司的產品或服務。數據挖掘在客戶忠誠度分析中主要是對客戶持久性、牢固性和穩定性進行分析。比如大型超市通過會員的消費信息，如最近一次消費、消費頻率、消費金額三個指標對數據進行分析,可以預測出顧客忠誠度的變化，據此對價格、商品的種類以及銷售策略加以調整和更新，以便留住老顧客，吸引新顧客。

(4)對客戶盈利能力分析和預測

對于一個企業而言，如果不知道客戶的價值，就很難做出合適的市場策略。不同的客戶對于企業而言，其價值是不同的。研究表明，一個企業的80%的利潤是由只占客戶總數的20%的客戶創造的，這部分客戶就是有價值的優質客戶。為了弄清誰才是有價值的客戶，就需要按照客戶的創利能力來劃分客戶，進而改進客戶關系管理。數據挖掘技術可以用來分析和預測不同市場活動情況下客戶盈利能力的變化，幫助企業制定合適的市場策略。商業銀行一般會利用數據挖掘技術對客戶的資料進行分析，找出對提高企業盈利能力最重要的客戶，進而進行針對性的服務和營銷。

(5)交叉銷售和增量銷售

交叉銷售是促使客戶購買尚未使用的產品和服務的營銷手段，目的是可以拓寬企業和客戶間的關系。增量銷售是促使客戶將現有產品和服務升級的銷售活動，目的在于增強企業和客戶的關系。這兩種銷售都是建立在雙贏的基礎上的，客戶因得到更多更好符合其需求的服務而獲益，公司也因銷售增長而獲益。數據挖掘可以采用關聯性模型或預測性模型來預測什么時間會發生什么事件，判斷哪些客戶對交叉銷售和增量銷售很有意向，以達到交叉銷售和增量銷售的目的。例如，保險公司的交叉營銷策略：保險公司對已經購買某險種的客戶推薦其它保險產品和服務。這種策略成功的關鍵是要確保推銷的保險險種是用戶所感興趣的，否則會造成用戶的反感。

四、客戶關系管理應用數據挖掘的步驟

1.需求分析

只有確定需求，才有分析和預測的目標，然后才能提取數據、選擇方法，因此，需求分析是數據挖掘的基礎條件。數據挖掘的實施過程也是圍繞著這個目標進行的。在確定用戶的需求后,應該明確所要解決的問題屬于哪種應用類型,是屬于關聯分析、分類、聚類及預測，還是其他應用。應對現有資源如已有的歷史數據進行評估，確定是否能夠通過數據挖掘技術來解決用戶的需求，然后將進一步確定數據挖掘的目標和制定數據挖掘的計劃。

2.建立數據庫

這是數據挖掘中非常重要也非常復雜的一步。首先,要進行數據收集和集成，其次,要對數據進行描述和整合。數據主要有四個方面的來源：客戶信息、客戶行為、生產系統和其他相關數據。這些數據通過抽取、轉換和裝載，形成數據倉庫，并通過OLAP和報表，將客戶的整體行為結果分析等數據傳遞給數據庫用戶。

3.選擇合適的數據挖掘工具

如果從上一步的分析中發現，所要解決的問題能用數據挖掘比較好地完成，那么需要做的第三步就是選擇合適的數據挖掘技術與方法。將所要解決的問題轉化成一系列數據挖掘的任務。數據挖掘主要有五種任務：分類，估值預測，關聯規則，聚集，描述。前三種屬于直接的數據挖掘。在直接數據挖掘中，目標是應用可得到的數據建立模型，用其它可得到的數據來描述感興趣的變量。后兩種屬于間接數據挖掘。在間接數據挖掘中，沒有單一的目標變量，目標是在所有變量中發現某些聯系。

4.建立模型

建立模型是選擇合適的方法和算法對數據進行分析，得到一個數據挖掘模型的過程。一個好的模型沒必要與已有數據完全相符，但模型對未來的數據應有較好的預測。需要仔細考察不同的模型以判斷哪個模型對所需解決的問題最有用。如決策樹模型、聚類模型都是分類模型，它們將一個事件或對象歸類。回歸是通過具有已知值的變量來預測其它變量的值。時間序列是用變量過去的值來預測未來的值。這一步是數據挖掘的核心環節。建立模型是一個反復進行的過程，它需要不斷地改進或更換算法以尋找對目標分析作用最明顯的模型，最后得到一個最合理、最適用的模型。

5.模型評估

為了驗證模型的有效性、可信性和可用性，從而選擇最優的模型，需要對模型進行評估。我們可以將數據中的一部分用于模型評估，來測試模型的準確性，模型是否容易被理解模型的運行速度、輸入結果的速度、實現代價、復雜度等。模型的建立和檢驗是一個反復的過程，通過這個階段階段的工作，能使數據以用戶能理解的方式出現，直至找到最優或較優的模型。

6.部署和應用

將數據挖掘的知識歸檔和報告給需要的群體，根據數據挖掘發現的知識采取必要的行動，以及消除與先前知識可能存在的沖突，并將挖掘的知識應用于應用系統。在模型的應用過程中，也需要不斷地對模型進行評估和檢驗，并做出適當的調整，以使模型適應不斷變化的環境。

參考文獻:

[1]羅納德．S．史威福特．客戶關系管理[M]．楊東龍譯．北京：中國經濟出版社，2002 [2]馬剛:客戶關系管理[M]大連：東北財經大學出版社，2008 [3]朱美珍:以數據挖掘提升客戶關系管理[J]．高科技產業技術與創新管理，2006，（27）[4]顧桂芳何世友:數據挖掘在客戶關系管理中的應用研究[J].企業管理，2007，（7）[5]蘇紅瀾:數據挖掘技術在客戶關系管理中的應用[J]．成都教育學院學報，2004（8）[6]李雄飛李軍:數據挖掘與知識發現[M].北京：高等教育出版社, 2005

第五篇：在現代檔案信息管理系統中引入數據挖掘技術論文

計算機技術的不斷發展，信息技術不斷加強，在社會新的發展趨勢下，以往的傳統管理模式落后于現代化發展的管理水平。為了創新檔案管理的模式，提高檔案管理的質量，在現代檔案信息管理系統中引入數據挖掘技術。

1、信息挖掘技術

1.1數據挖掘技術概述

數據挖掘技術是一種基于統計學、人工智能等等技術基礎上，能夠自動分析原有數據，從而做出歸納整理，并對其潛在的模式進行挖掘的決策支持過程，簡單來說就是從一系列復雜的數據中提取人們需要的潛在性信息。

1.2數據挖掘技術的方法

二十世紀末，計算機挖掘技術產生。其一般用到的方法有：

（1）孤立點分析。孤立點分析法主要用于對于特殊信息的挖掘。

（2）聚類分析。聚類分析方法是在指定的對象中，對其價值聯系進行搜索。

（3）分類分析。分類分析就是找出具有一定特點的數據，對需要解讀的數據進行識別。

（4）關聯性分析。關聯性分析方法是對指定數據中出現頻繁的數據進行挖掘。

（5）序列分析。與關聯性分析法一樣，由數據之間內在的聯系得出潛在的關聯。

1.3計算機挖掘技術的形式分析

計算機挖掘技術在使用過程中，收集到的數據不同，數據收集的方法也就不同。在對數據挖掘技術進行形式分析的時候，主要用到：分類形式、粗糙集形式、相關規則形式。

2、計算機數據挖掘技術在檔案信息管理

系統中的應用計算機挖掘技術，能夠將隱藏的信息挖掘出來并進行總結和利用，運用到檔案管理中來，在充分發揮挖掘技術作用的同時，極大的提高了檔案數據的利用價值。數據挖掘技術在檔案管理系統中，一般用到的方法為：

2.1收集法

該方法在對數據庫中的數據進行分析的基礎上，建立對已知數據詳細描述的概念模型。然后將每個測試的樣本與此模型進行比較，若有一個模型在測試中被認可，就可以以此模型對管理的對象分類。例如，檔案管理員就某事向客戶進行問卷調查并將答案輸入到數據庫中。在該數據庫中，對客戶的回答進行具體屬性描述，當有新的回答內容輸入的時候，系統會自動對該客戶需求分類，在減輕管理員工作壓力的同時，提高了檔案管理的效率。

2.2保留法

該方法是防止老客戶檔案丟失并將客戶留住的過程。對于任何一個企業來說，發展一個新的客戶的成本要遠遠高于留住一個來客戶的成本。在客戶保留的過程中，對客戶檔案流失原因的分析至關重要，因此，采用挖掘技術對其進行分析是必要的。

2.3分類法

通過計算機挖掘技術對檔案進行分類，按照不同的性質進行系統的劃分，將所有相似或相通的檔案進行整理，在人們需要的時候，能夠快速的被提取出來，提高了檢索的效率和分類的專業性。

3、檔案管理引入計算機挖掘技術的必要性

計算機挖掘技術的應用，對檔案管理方式的不斷完善有著極其重要的意義，其重要性主要體現在：

3.1對檔案的保護更全面

一部分具有歷史意義的檔案，隨著保存的時間不斷增加，其年代感加強，意義和價值增大。相應的，利用的頻率會隨著利用的價值增加，也更容易被損壞從而導致檔案信息壽命折損，此外，管理不當造成泄密，使檔案失去了原本的利用價值，這種存在于檔案管理和利用之間的矛盾，使得檔案管理面臨著巨大的難題。挖掘技術的運用，緩解了這種矛盾，在檔案管理工作中具有重要的意義。

3.2提升檔案管理的質量

在檔案信息管理系統中引入計算機挖掘技術，使得檔案信息管理打破了傳統的模式，通過挖掘技術，對管理的模式有了極大的創新，工作人員以往繁重的工作壓力得到釋放，時間和精力更加豐富，在對檔案管理的細節方面也就更加注意，同時也加快了對檔案的數據信息進行處理的速度，提升檔案管理的整體質量。

4、結語

綜上所述，計算機數據挖掘技術涉及的內容很廣，對挖掘技術的運用，使得各行各業的發展水平得到了很大的提高，推動社會經濟的發展，帶動社會發展模式的創新。在檔案管理中使用計算機挖掘技術，使得檔案信息保存的方法及安全性有了很大的提高。同時，也需要檔案信息管理人員在進行檔案信息管理的時候，能合理利用計算機信息挖掘技術，在提高工作效率的同時，促進管理模式的不斷創新，以適應時代發展的要求。