大数据时代的数据挖掘技术.docx

大数据时代的数据挖掘技术.docx

《大数据时代的数据挖掘技术.docx》由会员分享，可在线阅读，更多相关《大数据时代的数据挖掘技术.docx（4页珍藏版）》请在冰点文库上搜索。

大数据时代的数据挖掘技术

【摘要】随着大数据时代的到来，在大数据观念不断提出的今天，加强数据大数据挖掘及时的应用已成为大势所趋。

那么在这一过程中，我们必须掌握大数据与数据挖掘的内涵，并对数据挖掘技术进行分析，从而明确大数据时代下数据挖掘技术的应用领域，促进各项数据的处理，提高大数据处理能力。

【关键词】大数据时代；数据挖掘技术；应用

大数据时代下的数据处理技术要求更高，所以要想确保数据处理成效得到提升，就必须切实加强数据挖掘技术的应用，才能更好地促进数据处理职能的转变，提高数据处理效率，以下就大数据时代下的数据挖掘技术做出如下分析。

1.大数据与数据挖掘的内涵分析

近年来，随着云计算和物联网概念的提出，信息技术得到了前所未有的发展，而大数据则是在此基础上对现代信息技术革命的又一次颠覆，所以大数据技术主要是从多种巨量的数据中快速的挖掘和获取有价值的信息技术，因而在云时代的今天，大数据技术已经被我们所关注，所以数据挖掘技术成为最为关键的技术。

尤其是在当前在日常信息关联和处理中越来越离不开数据挖掘技术和信息技术的支持。

大数据，而主要是对全球的数据量较大的一个概括，且每年的数据增长速度较快。

而数据挖掘，主要是从多种模糊而又随机、大量而又复杂且不规则的数据中，获得有用的信息知识，从数据库中抽丝剥茧、转换分析，从而掌握其潜在价值与规律[1]。

2.大数据时代下数据挖掘技术的核心-分析方法

数据挖掘的过程实际就是对数据进行分析和处理，所以其核心就在于数据的分析方法。

要想确保分析方法的科学性，就必须确保所采用算法的科学性和可靠性，获取数据潜在规律，并采取多元化的分析方法促进问题的解决和优化。

以下就几种常见的数据分析方法做出简要的说明。

一是归类法，主要是将没有指向和不确定且抽象的数据信息予以集中，并对集中后的数据实施分类整理和编辑处理，从而确保所形成的数据源具有特征一致、表现相同的特点，从而为加强对其的研究提供便利。

所以这一分析方法能有效的满足各种数据信息处理。

二是关联法，由于不同数据间存在的关联性较为隐蔽，采取人力往往难以找出其信息特征，所以需要预先结合信息关联的表现，对数据关联管理方案进行制定，从而完成基于某种目的的前提下对信息进行处理，所以其主要是在一些信息处理要求高和任务较为复杂的信息处理工作之中。

三是特征法，由于数据资源的应用范围较广，所以需要对其特征进行挖掘。

也就是采用某一种技术，将具有相同特征的数据进行集中。

例如采用人工神经网络技术时，主要是对大批量复杂的数据分析，对非常复杂的模式进行抽取或者对其趋势进行分析。

而采取遗传算法，则主要是对其他评估算法的适合度进行评估，并结合生物进化的原理，对信息数据的成长过程进行虚拟和假设，从而组建出半虚拟、半真实的信息资源。

再如可视化技术则是为数据挖掘提供辅助，采取多种方式对数据的挖掘进行指导和表达[3]。

3.大数据时代数据挖掘技术要点的分析

3.1数据挖掘技术流程分析

在数据挖掘过程中，其技术流程主要是以下几点：

首先做好数据准备工作，主要是在挖掘数据之前，就需要对目标数据进行准确的定位，在寻找和挖掘数据之前，必须知道自身所需的数据类型，才能避免数据挖掘的盲目性，在数据准备时，应根据系统的提示进行操作，在数据库中输入检索条件和目标，对数据信息资源进行分类和清理，以及编辑和预处理。

其次是在数据挖掘过程中，由于目标数据信息已经被预处理，所以就需要在挖掘处理过程中将其高效正确的应用到管理机制之中，因而数据挖掘的过程十分重要，所以必须加强对其的处理。

例如在数据挖掘中，我们可以结合数据挖掘目标要求，针对性的选取科学而又合适的计算和分析方法，对数据信息特征与应用价值等进行寻找和归纳。

当然，也可以结合程序应用的需要，对数据区域进行固定，并在固定的数据区域内分类的挖掘数据，从而得到更具深度和内涵以及价值的数据信息资源，并就挖掘到的数据结果进行分析和解释，从结果中将具有使用价值和意义的规律进行提取，并还原成便于理解的数据语言。

最后是切实加强管理和计算等专业知识的应用，将数据挖掘技术实施中进行的总结和提取所获得的数据信息与评估结果在现实之中应用，从而对某个思想、决策是否正确和科学进行判断，最终体现出数据挖掘及时的应用价值。

3.2挖掘后的数据信息资源分析

若仅仅是通过环境和背景实现数据挖掘技术的升级转型，那么其在合理性和科学性方面势必会存在一定的欠缺，所以在形成网络信息化的环境时，我们应综合考虑社会经济的发展以及科技和文化因素带来的影响，以及其在未来发展中的变化趋势，这样才能更好地促进数据挖掘技术职能的转变，促进其最大化的满足其应用成效的发挥，也能有效的促进其职能作用的发挥。

这主要是因为数据信息资源在挖掘后，其自身的职能作用将变得更加丰富，所以在信息技术环节下的数据挖掘技术随着限定条件的变化，而将数据挖掘信息应用于技术管理和决策管理之中，从而更好地彰显企业在经济活动中的物质性质与价值变化趋势，并结合数据变化特点和具体的表现规律，从而将数据信息的基本要素、质量特点、管理要求等展示出来，所以其表现的形式十分丰富。

因而在数据挖掘之后的信息在职能范围和表现形式方式均得到了丰富和拓展，而这也在一定程度上体现了网络拟定目标服务具有较强的完整性，且属于特殊的个体物品，同时也是对传统数据挖掘技术的创新和发展，从而更好地满足当前大数据时代对信息进行数据化的处理，并对不同种类业务进行整合和优化，从而促进数据挖掘技术服务的一体化水平。

3.3大数据背景下的数据挖掘技术应注重信息失真的控制

数据挖掘技术的信息主要是源于大数据和社会，所以在当前数据挖掘技术需求不断加大的今天，为了更好地促进所挖掘数据信息的真实性，促进其个性化职能的发挥，必须在大数据背景下注重信息失真的控制，切实做好数据挖掘技术管理的各项工作。

这就需要考虑如何确保数据挖掘技术在大数据背景下的职能得到有效的发挥，尽可能地促进数据挖掘技术信息资源的升级和转型，以大数据背景为载体，促进整个业务和技术操作流程的一体化，从而更好地将所有数据资源的消耗和变化以及管理的科学性和有效性，这样我们就能及时的找到资源的消耗源头，从而更好地对数据资源的消耗效益进行评价，最终促进业务流程的优化，并结合大数据背景对数据挖掘技术的职能进行拓展，促进其外部信息与内部信息的合作，对数据挖掘技术信息的职能进行有效的控制，才能更好地促进信息失真的控制。

4.数据挖掘技术在不同行业中的应用

4.1市场营销行业中数据挖掘技术的应用

在数据挖掘技术方面应用最多的行业就属于市场营销行业了，这主要是因为数据挖掘能有效的解析消费者的消费行为和消费习惯，从而利用其将销售方式改进和优化，最终促进产品销量的提升。

与此同时，通过对购物消费行为的分析，掌握客户的忠诚度和消费意识等，从而针对性的改变营销策略，同时还能找到更多潜在的客户。

4.2制造业中数据挖掘技术的应用

在制造业中加强数据挖掘技术的应用，其目的就在于对产品质量进行检验。

具体的做法就是对所制造产品的数据进行研究，从而找出其存在的规则，并对其生产流程进行分析之后，对其生产的过程进行分析，从而更好地对生产质量的影响因素进行分析，并促进其效率的提升，最终提高企业的经济效益。

具体而言，主要就是对各种生产数据进行筛选，从而得出有用的数据和知识，再采取决策树算法进行统计决策，并从中选取正确决策，从而更好地对产品在市场中的流行程度，决定企业生产和转型的方向。

4.3教育行业中数据挖掘技术的应用

教育行业中加强数据挖掘技术的应用，主要是为了更好地对学习情况、教学评估和心里动向等数据进行分类和筛选，从而为学校的教学改革提供参考和支持。

比如为了更好地对教学质量进行评估，就需要对教学质量有关项目进行整合与存储，从而更好地促进其对教学质量的评估，而这一过程中，就需要采取数据挖掘技术对有关教学项目中的数据进行挖掘和处理，促进其应用成效的提升[3]。

5.结语

综上所述，在大数据背景下，数据挖掘技术已经在各行各业中得到了广泛的应用，所以为了更好地满足应用的需要，我们必须切实加强对其特点的分析，并结合实际需要，切实注重数据挖掘技术的应用，才能促进其应用成效的提升。

【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]欧阳柏成.大数据时代的数据挖掘技术探究[J].电脑知识与技术,2015,15:

3-4+9.

[3]孔志文.大数据时代的数据挖掘技术与应用[J].电子技术与软件工程,2015,23:

195.