如何理解《數(shù)據(jù)挖掘》課程的應(yīng)用

宋萬清

摘 要：數(shù)據(jù)挖掘是當今大數(shù)據(jù)應(yīng)用研究中的重要理論知識部分。如何理解數(shù)據(jù)挖掘算法中的工程應(yīng)用背景，對理解講授數(shù)據(jù)挖掘課程極其重要。本文詮釋了理論算法與實際應(yīng)用的關(guān)系，并對數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域做了相關(guān)介紹，開拓學(xué)生對課程的由淺入深的理解。

關(guān)鍵詞：數(shù)據(jù)挖掘；決策支持；關(guān)聯(lián)規(guī)則；發(fā)展趨勢

1 在商務(wù)領(lǐng)域的應(yīng)用

數(shù)據(jù)挖掘在商務(wù)領(lǐng)域的應(yīng)用包括：庫存及物流管理、數(shù)據(jù)庫營銷、客戶群體劃分、背景分析、交叉銷售、客戶流失性分析等。美國運通公司（American Express）有一個用于記錄信用卡業(yè)務(wù)的數(shù)據(jù)庫，數(shù)據(jù)量達到54億字符，并仍在隨著業(yè)務(wù)進展不斷更新。運通公司對這些數(shù)據(jù)進行挖掘，在此基礎(chǔ)上制定了“關(guān)聯(lián)結(jié)算（Relation Ship Billing）優(yōu)惠”的促銷策略，即如果一個顧客在一個商店用運通卡購買一套時裝，那么在同一個商店再買一雙鞋，就可以得到比較大的折扣。這種策略取得了極大的成功，實現(xiàn)了商店銷售量和運通卡使用率的雙雙增長。

農(nóng)夫山泉通過定期采集純進水的生產(chǎn)、運輸、銷售、財務(wù)等環(huán)節(jié)的場景數(shù)據(jù)，每月收到約3 TB的數(shù)據(jù)，其中不乏圖像、視頻、音頻等非結(jié)構(gòu)化數(shù)據(jù)，通過對這些數(shù)據(jù)的挖掘，實時制定生產(chǎn)、運輸、銷售的精準管理策略，取得了巨大的成功，近年銷售額連續(xù)以30%～40%的速度增長。

亞馬遜（Amazon）在業(yè)內(nèi)率先使用了大數(shù)據(jù)、人工智能和云技術(shù)進行倉儲物流的管理。創(chuàng)新性地推出預(yù)測性調(diào)撥、跨區(qū)域配送、跨國境配送等服務(wù)。京東的JIMI客服機器人通過大數(shù)據(jù)挖掘來判斷用戶需求，還具備一定的學(xué)習(xí)能力，在售前咨詢方面，在部分品類上的回答滿意度已經(jīng)超過了人工客服；同時在采銷系統(tǒng)上利用數(shù)據(jù)挖掘?qū)崿F(xiàn)智能補貨，效率提高近50%，通過用戶和小區(qū)的需求畫像實現(xiàn)智能推薦和C2B（Consumer to Business）。

2015年8月，阿里巴巴與蘇寧戰(zhàn)略合作，實現(xiàn)線上與線下聯(lián)合，利用大數(shù)據(jù)、物聯(lián)網(wǎng)、移動應(yīng)用、金融支付等手段打造了O2O（Online to Offline）的新模式，充分發(fā)揮了阿里巴巴強大的線上體系和蘇寧線下門店的互補優(yōu)勢。

2 在醫(yī)療和醫(yī)學(xué)方面的應(yīng)用

人體是一個復(fù)雜的系統(tǒng)，人的生老病死有著復(fù)雜的內(nèi)在規(guī)律，盡管目前分子生物學(xué)和醫(yī)學(xué)高度發(fā)展，人類對這些復(fù)雜規(guī)律的了解仍然是冰山一角。總部位于美國的Tute Genomics公司通過基因測序服務(wù)收集了大量的受試者基因和健康信息，建立了一個大型基因數(shù)據(jù)庫，他們以云技術(shù)為依托，結(jié)合全世界的基因組學(xué)信息，解碼患者基因信息，為基于基因組學(xué)的精密醫(yī)療提供相應(yīng)數(shù)據(jù)與決策。

斯坦福大學(xué)醫(yī)學(xué)院的Lloyd Minor教授與其同事們從不同資源中獲取了大量數(shù)據(jù)，包括電子醫(yī)療記錄、全基因組序列、保險和醫(yī)藥記錄、可穿戴式傳感器和社會環(huán)境數(shù)據(jù)，建立了一個名為“和你一樣的病人”的數(shù)據(jù)庫系統(tǒng)，通過數(shù)據(jù)挖掘，醫(yī)生和研究人員可更好地預(yù)測個人患特定疾病的概率，有針對性地制定對早期檢查和預(yù)防的方案。

大數(shù)據(jù)在醫(yī)療領(lǐng)域的另一個應(yīng)用是利用電子病歷數(shù)據(jù)庫、互聯(lián)網(wǎng)大數(shù)據(jù)、社交媒體數(shù)據(jù)以及衛(wèi)生部門專有的各種病疫數(shù)據(jù)庫實時開展公共衛(wèi)生監(jiān)測，包括流行病監(jiān)測、傳染病監(jiān)測、慢性非傳染性疾病及相關(guān)危險因素監(jiān)測、出生缺陷監(jiān)測、食品安全風(fēng)險監(jiān)測等。

3 在銀行和保險行業(yè)的應(yīng)用

風(fēng)險管理是商業(yè)銀行經(jīng)營管理的重要內(nèi)容，對互聯(lián)網(wǎng)金融企業(yè)尤其如此。阿里巴巴旗下的浙江網(wǎng)商銀行通過對海量客戶數(shù)據(jù)的挖掘?qū)崿F(xiàn)對貸款申請人的信用評估；芝麻信用通過海量的網(wǎng)絡(luò)交易數(shù)據(jù)分析對用戶進行信用評估和風(fēng)險控制。

在保險行業(yè)，大數(shù)據(jù)挖掘分析將成為風(fēng)險評估與定價的重要手段，如美國前進保險公司（Progressive）利用車聯(lián)網(wǎng)設(shè)備，收集駕駛時間、地點、速度、急剎車等駕駛數(shù)據(jù)，來判斷駕駛行為中存在的風(fēng)險，設(shè)計“從用”的個性化UBI 車險產(chǎn)品；英國保險公司英杰華集團（Aviva）運用網(wǎng)絡(luò)數(shù)據(jù)挖掘幫助該公司識別出申請者的潛在健康隱患及風(fēng)險，為保費設(shè)定提供支持。

4 在社交媒體行業(yè)的應(yīng)用

Facebook每天產(chǎn)生100億條消息、45億次“喜歡”按鈕點擊和3.5億張新圖片，通過對這些數(shù)據(jù)的挖掘分析可獲得用戶的位置、朋友、喜好等信息，F(xiàn)acebook一方面利用這些信息影響用戶行為，如提供標注建議等，另一方面還向合作伙伴推出話題數(shù)據(jù)（Topic Data），這些話題數(shù)據(jù)可以向市場營銷人員反應(yīng)大眾對于品牌、事件、活動和主題的反應(yīng)，市場營銷人員可以據(jù)此有選擇地調(diào)整他們在該平臺及其他渠道中的營銷方式。

騰訊每天接入5千億條數(shù)據(jù)，覆蓋移動設(shè)備數(shù)達7.7億臺，通過對這些數(shù)據(jù)的挖掘分析可實現(xiàn)對用戶的行為特點、偏好、消費能力等的精準定位，并以此為基礎(chǔ)實現(xiàn)精準廣告投放、精準移動推送、手機游戲精細化運營的業(yè)務(wù)。

YouTube是Google旗下的一個視頻交流網(wǎng)站，是目前世界上最大的視頻交流網(wǎng)站，在全球有超過10億注冊用戶，每天收到用戶上傳的視頻接近1 000萬個，用戶要從如此龐大的視頻數(shù)據(jù)庫中找到自己感興趣的視頻猶如大海撈針，為了增加用戶體驗，Google利用深度神經(jīng)網(wǎng)絡(luò)挖掘視頻語義特征，改進搜索推薦算法，實現(xiàn)了目前世界上最強大的推薦系統(tǒng)。

5 結(jié)論

綜上，數(shù)據(jù)挖掘涵蓋多種理論和技術(shù)，成為一個熱門的研究課題，這說明數(shù)據(jù)挖掘的理論、技術(shù)及應(yīng)用都具有重要的意義，在未來還會涉及更多的領(lǐng)域。但數(shù)據(jù)挖掘作為一個分析方法和工具，還需要專業(yè)人員根據(jù)具體情況，結(jié)合相關(guān)行業(yè)的大環(huán)境以及國家的政策法規(guī)等進行綜合分析后，才能得到正確及專業(yè)的數(shù)據(jù)挖掘信息。而在教學(xué)領(lǐng)域，對深入分析數(shù)據(jù)挖掘、應(yīng)用數(shù)據(jù)挖掘技術(shù)將是我們未來努力的方向。

參考文獻

[1][美]Jiawei Han，Micheline Kamber（譯者：范明，孟小峰）.數(shù)據(jù)挖掘概念與技術(shù) [M]，北京：機械工業(yè)出版社，2007-6-1.

[2]毛國君.數(shù)據(jù)挖掘原理與算法（第二版）[M].北京：清華大學(xué)出版社，2007-12-1.

[3][美]Pang-Ning Tan ， [美]Michael Steinbach （譯者： 范明 ，范宏）.數(shù)據(jù)挖掘?qū)д?[M].北京：人民郵電出版社，2010-12-10

[4][美]Jiawei Han ，[加]Micheline Kamber ，[加]Jian Pei .Data Mining，Concepts and Techniques [M].北京：機械工業(yè)出版社，2012-3.

[5][美] Michael Milton（譯者：李芳）.深入淺出數(shù)據(jù)分析 [M]，北京：電子工業(yè)出版社，2011-4.