1、试述网络经济下数据挖掘在工商管理中的应用摘要：通过阐述数据挖掘的内涵，深入分析了经济用户管理与数据挖掘的关系，详细研究了数据挖掘在工商管理（经济用户管理）中的应用，以资业内人士借鉴参考。 关键词：网络经济；数据挖掘；工商管理 中图分类号：C37 文献标识码： A 文章编号： 引言 随着网络经济的发展，企业的产品越来越趋向于同质化，仅仅依靠产品本身很难在日趋激烈的竞争中取胜，所以愈来愈多的先进企业将重点从“以产品为中心”向“以经济用户为中心”的新型商业模式转移，经济用户管理也就应运而生。这种经济用户管理的模式可以为企业决策和经营打造科学的管理系统。有效整合企业在经营生产中存储的海量的经济用户的相
2、关资料，认真分析用户购买意向和记录，清晰汇总经济用户反馈信息，有助于节约企业成本，提升经营水平。 对数据深入研究、理性分析、科学挖掘潜藏其中的有效情报，可以改善企业和经济用户的经济关系，发挥工商管理的科学理念和新兴技术的有效结合，实现经济用户管理的功能和目标。对经济数据进行收集、整理、存储、分析、研究、归类和建模处理，可以推动企业的经营决策和科学生产。数据挖掘在经济用户管理中有着广阔的应用前景。 1 数据挖掘的内涵 1.1 概念 数据挖掘(Data Mining,DM), 又称数据库中的知识发现(Knowledge Discovery inDatabase,KDD), 是指从大型数据库或数据仓
3、库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式, 采用 DM 技术可以从大量的数据中提取出这些有用信息, 分析数据以预测未来, 为企业经营决策、市场策划提供依据。它是数据库研究中的一个很有应用价值的新领域, 融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。 1.2 常用分析方法 数据挖掘综合了多种技术, 如神经网络、决策树、遗传算法、最近邻算法、规则推理、粗糙集理论、模糊理论等。目前, 常用的数据挖掘方法有: 关联分析、序列模式分析、分类分析、聚类分析、偏差分析等。1.2.1 关联研究分析: 发现大量数据中项集之间有趣的关联或相关联系, 从而为某些决策提供必要支持
4、。它是数据库中存在的一类重要的、可被发现的知识, 被广泛应用于决策支持系统。 1.2.2 序列模式研究分析: 指通过时间序列搜索出重复发生概率较高的模式。它是用已知的数据预测未来的值。但这些数据的区别是变量所处时间的不同。例如, 今天银行调整利率, 明天股市变化。 1.2.3 分类研究分析: 找出一组能够描述数据集合典型特征的模型(或函数), 以便能够分类识别未知数据的归属或类别。常用的典型分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。 1.2.4 聚类研究分析:把一组个体按相似性归成若干类型, 使同一类别之内的相似性尽可能大, 而类别之间的相似性尽可能小。聚类增强了人们对
5、客观现实的认识, 是概念描述和偏差分析的先决条件。 1.2.5 偏差研究分析: 从数据库中找出异常情况。检验的基本方法即寻找观察结果与参照之间的差别。 2 经济用户管理与数据挖掘的基本理论 经济用户管理是指对企业和经济用户之间的交互活动进行管理的过程。它是企业为了提高核心竞争力，通过改进对经济用户的服务水平，提高经济用户满意度和忠诚度所树立起来的以经济用户为核心的经营理念; 是通过开展系统化的理论研究，优化企业组织体系和业务流程，实施于企业的市场营销、销售、服务、技术支持等与经济用户相关的领域，旨在改善企业与经济用户之间关系的新型机制; 也是企业通过技术投资，建立能搜集、跟踪和分析经济用户信息
6、的系统，创造并使用先进的信息技术、软硬件，以及优化的管理方法和解决方案的总和。 3 数据挖掘在工商管理（经济用户管理）中的应用 在经济用户管理过程中, 经济用户生命周期对企业来说非常重要, 因为它直接关系到企业的经济用户收益和经济用户利润, 一方面经济用户生命周期提供了经济用户信息来源, 另一方面经济用户生命周期使得企业明确了为满足经济用户需求应注重的方面。经济用户生命周期为数据挖掘在经济用户管理中的应用提供了基础, 数据挖掘是建立在数据仓库之上的, 通过各种先进的信息技术和数理统计方法挖掘数据仓库中的潜在的、有价值的经济用户信息, 通过运用数据挖掘, 企业能把大量的经济用户记录变成系统的经济
7、用户信息, 提供给决策者, 这样不仅解决了企业进行决策时遇到的信息匮乏, 也充分发挥了企业实施经济用户管理的效用。 3.1 经济用户分析。经济用户管理系统主要是面向经济用户,因此对经济用户数据的分析是极为重要的, 通过对经济用户数据的分析, 发现经济用户需求, 调整企业战略并实施相应的措施。经济用户分析主要有几个方面: 3.1.1 购买频率, 通过对经济用户购买频率的分析, 企业实施相应的营销活动, 可以利用诸如促销、折扣和优惠等手段来刺激消费者的消费欲望; 3.1.2 近期消费, 通过对经济用户最近消费时间的分析, 可以及时发现经济用户流失的原因, 从而采取相应的措施; 3.1.3 经济用户
8、忠诚度分析, 通过对经济用户交易资料的记录和分析, 可以采用序列模式来预测消费者的忠诚度, 并据此来调整企业的生产和提供的服务, 提高经济用户的忠诚度并吸引新经济用户; 3.1.3 经济用户购买相关性研究,是充分挖掘营销信息，把握经济用户的商业相关性，针对经济用户的购买趋势，加以点对点推广和营销，提高产品的销售率，缩短销售周期。 3.2 异常偏离分析。企业在对经济用户数据进行分析时, 有可能发现异常数据或者无法解释的现象发生, 企业应对此应高度关注, 一般的做法是通过使用数据挖掘的各种先进技术, 如决策树、神经网络、聚类等来及时分析这些异常情况, 使企业能作出快速的反应, 并针对处理的结果及时
9、调整企业的营销决策。 3.3 趋势分析和预测。数据挖掘的工具为经济用户需求趋势预测提供了有效的手段, 常用的工具是时间序列分析、系统力学和神经网络。这些工具能为企业提供科学、有效的趋势分析, 并用于企业的生产和营销决策。具体内容包括: 评价产品销售状况, 企业通过分析经济用户数据库中记录每一位消费者的交易信息, 可以针对不同的产品、不同的区域采取不同的销售策略, 实现盈利最大化; 预测销售状况, 通过准确的预测, 发现隐藏的信息, 是把握市场动向, 满足经济用户需求, 调整生产结构和营销方法, 从而使企业在激烈的市场竞争中立于不败之地。 3.4 成功的市场营销必须依赖于对经济用户的了解，每一次
10、营销活动都应该具有针对性，进行个性化营销，这样才能降低营销成本，提高用户响应率。企业利用数据挖掘的聚类分析技术可以对大量经济用户信息进行分析和处理，根据经济用户的消费心理、消费习惯、偏好程度、购买频率、收入水平等因素提供差异化营销策略。亚马逊网上书店就是利用畅通的互联网同时采用先进的经济用户管理系统软件来进行“一对一营销”的。面对数以万计的用户，亚马逊网上书店具有“惊人的记忆力”和“高度的智力” ，从而与客户建立了广泛的“一对一”的学习型关系，这使得该书店的客户保有率持续升高。 3.5 销售管理。销售管理自动化是经济用户管理成长最快的部分, 销售人员与潜在经济用户的互动行为、将潜在的经济用户发
11、展成真正经济用户并提高其忠诚度是使企业盈利的核心因素。通过这种模式，利用数据挖掘有效分析和跟踪市场活动，促进销售人员抢抓机遇提高销量，帮助企业决策者随时了解市场趋势。 4 结束语 基于数据挖掘技术的经济用户管理系统，能更好的利用经济用户信息，快速有效的获得有规律、有价值的知识，使企业实现高效的管理和经营。数据挖掘技术在经济用户管理中的应用研究已经取得了许多成果，企业越来越意识到经济用户管理的重要地位，数据挖掘技术也取得了蓬勃发展。但是许多研究依然只停留在理论阶段，缺乏实践，许多理论需要在实践中检验和完善。 参考文献： 1 王康.关于数据挖掘技术在经济统计中的应用.财经界(学术版).2011.05 2 陈春江.浅谈经济分析中数据挖掘的方法.时代金融.2012.05 3 乔赛.网络营销中数据挖掘的应用研究.中国商贸.2012.7
