数据挖掘技术在商务智能中的运用

前言：想要写出一篇引人入胜的文章？我们特意为您整理了数据挖掘技术在商务智能中的运用范文，希望能给你带来灵感和参考，敬请阅读。

摘要：随着信息技术的迅猛发展，人们已经进入信息时代，信息的类别和数量不断增多，这在一定程度上加大了企业决策的难度，导致很多企业无法紧跟时展步伐。在信息时代，企业管理者必须具备信息处理能力，能够从大量信息中筛选出有价值的信息，并转换为商业信息。在新形势下，基于本体的数据挖掘技术被广泛应用于商务智能中，该技术可以实现信息的自动化处理，满足企业管理和发展需求。

关键词：本体数据挖掘技术商务智能

数据挖掘技术属于全新数据处理技术，在商务智能中的作用不可小视，受到越来越多人的关注。如今，企业的数量不断增多，企业的规模也在不断扩大，大量信息的处理必定会浪费很多时间，影响工作效率。在新形势下，数据挖掘技术的应用可以帮助企业进行决策，而且能够预测企业未来的发展方向和趋势，推动企业发展。

1本体和数据挖掘技术分析

本体实际上在最早属于哲学概念，但是随着社会的不断进步，本体有了全新的含义。在商务智能领域，本体实际上就是数字模型和资源的结合，可以更加形象生动的说明多个概念之间的关系。相比而言，本体的约束力非常强，能够实现数据的自动化集成。本体思想在商务智能中的应用能够使知识对象描述更加具体，明确知识关系的属性和特点，在短时间内找到所需要的信息，避免浪费时间，降低数据分析成本。数据挖掘技术是社会进步的重要体现，数据挖掘技术实际上就是从大量模糊不清的信息中挖掘出真正有价值的数据信息。数据挖掘需要经过以下几个过程：一是信息收集，二是数据集成，三是数据规约，四是数据清理，五是数据变换，六是数据挖掘，七是模拟评估，八是知识表示。数据挖掘主要完成以下任务：一是关联数据分析，二是聚类分析，三是分类，四是预测，五是时序模式，六是偏差分析等。如今，各个企业业务范围不断扩大，业务类别也在不断增多，这也就导致数据量的不断增多，数据挖掘技术的应用不仅可以提高工作效率，还可以更好的保证工作质量。如今，数据库技术快速发展，数据库系统不断完善，数据库中有大量信息等待处理。数据挖掘技术的应用能够帮助企业管理者找到极易忽视的重要信息，增强企业的风险意识，提高企业管理者的预见能力。

2商务智能

商务智能在1989年被首次提出，商务智能由以下几个部分组成：一是数据仓库，二是查询报表，三是数据分析，四是数据挖掘，五是数据备份，六是数据恢复等。商务智能是把以下技术结合在一起：一是机器学习，二是模拟识别，三是数据库，四是统计学，五是信息技术。商务智能包括以下数据流程：一是数据获取，二是数据管理，三是数据分析，四是信息展现。其中，数据获取包括：一是数据采集，二是数据筛选，三是数据整理，四是数据转换，五是数据存储。数据管理包括：一是数据存储组织，二是数据维护，三是数据分发，四是数据安全，五是数据提取，六是数据清晰。数据分析主要利用信息技术对数据进行汇总和研究，最终找到数据所隐藏的内容和知识。信息展现是商务智能的最后一个流程，也就是把汇总的信息呈现在企业管理者眼前，为企业管理者决策提供依据和支持。

3本体数据挖掘技术在商务智能中的应用原理

在应用数据挖掘技术之前，企业需要了解用户的实际需求，并根据用户的需求来挖掘数据信息，提高数据挖掘效率。数据挖掘技术的应用可以从大量信息中去除掉错误的或者是多余的信息，筛选出有价值的信息，并把这些信息转换成企业需要的信息。数据挖掘技术主要通过建立数据模型来筛选信息。但是，从数据挖掘技术应用现状来看，该技术在应用过程中还存在一些问题，体现在以下几点：一是数据挖掘模型不统一，这就导致该技术对相同数据的描述存在差异，影响企业管理者的认识和理解。二是缺乏统一的数据储存形式。三是知识的查全率比较低，相互关联的知识缺乏上下支持。

4基于本体的数据挖掘技术在商务智能中的实际应用

4.1数据挖掘技术与商务智能系统相结合

如今，企业业务量不断增多，数据库内的信息量快速增加，导致数据理解和数据产出之间出现差距，需要运用数据挖掘技术来解决现存的问题。新时期，数据挖掘技术的应用范围不断扩大，该技术具有一定的预见性，能够从大量数据中挖掘出比较隐蔽的信息，并及时反馈给企业管理者，推动企业发展。企业在发展的过程中，要想发挥出数据库内数据的作用，就必须把数据挖掘技术和商务智能系统结合在一起，通过分类的方法来对数据进行汇总，归类。数据挖掘技术的应用简化了数据处理程序，缩短了数据处理的时间。虽然数据挖掘技术被广泛应用于商务智能中，但是很多因素会影响数据挖掘，进而影响整个商务智能系统的运行状态。对此，企业必须从本体出发，在本体的基础上进行数据挖掘。数据挖掘分为以下几种：一是低层次数据挖掘，二是高层次数据挖掘。其中，高层次数据挖掘具有一定的优势，体现在以下几个方面：一是高层次数据挖掘能够更加明确数据分类，并对数据进行分析和总结。当然，高层次数据挖掘不是独立存在的，需要建立在低层次数据挖掘基础之上，并发挥出其独特的作用。二是高层次数据挖掘方法更加丰富，数据挖掘的规则会相应减少。

4.2加强商务智能系统管理

要想真正发挥出数据挖掘技术的作用，企业必须加强对商务智能系统的管理，设置专门的管理人员，设置系统内部用户权限，只有拥有访问权限的用户才能进入商务智能系统，避免重要数据的丢失。当然，相同的用户可以有不同的身份，但是不同的身份所拥有的权限不同。商务智能系统可以为用户提供以下功能：一是日志管理，二是密码修改，而系统管理员可以验证每位用户的操作，保证操作的合理性。信息查询也是商务智能系统的功能之一，用户可以根据自己的需求来查询信息。商务智能系统管理员需要定期升级系统，这样才能保证系统内数据的完整性和时效性。商务智能系统具备数据交互能力，提高了数据资源的利用率，给合作者带来相应利益。新时期，企业对数据质量和反馈速度的要求不断提高，数据挖掘技术在商务智能系统中的应用恰好可以满足企业的需求，实现信息的流通和共享。事实上，数据挖掘还会涉及到隐私问题，比如一些用户通过访问医院的医疗记录来减少保险支出等。国家相关部门必须结合国内实际情况出台数据挖掘相关的管理办法和条例，把数据挖掘控制在合法的范围内。

4.3提升数据挖掘人员的专业性

数据挖掘不是一步完成的，需要分为多个步骤，不同的步骤需要不同的专业人员操作。目前，数据挖掘人员可以分为以下几类：一是业务分析人员，这部分人员必须熟悉企业的各项业务，而且能够根据业务项目来确定数据挖掘的对象和范围。二是数据分析人员，这部分人员不仅需要掌握数据分析技术，还需要掌握统计学知识，能够把企业的实际需求转化为数据挖掘内容。三是数据管理人员，这部分人员要掌握管理技能。数据挖掘需要技术和资金支持，通过反复操作来接近事物的本质，不断提出问题，解决问题，实现可视化操作。在数据挖掘的过程中，挖掘人员的专业性直接关系到数据挖掘的效率和质量。对此，数据挖掘人员必须不断完善自我，学习新知识和新技能，提升自身的专业性和综合素养。新时期，企业数据库往往包含以下数据：一是整合性数据，二是详细数据，三是汇总数据，四是历史数据，五是解释数据等，数据挖掘人员需要明确不同数据之间的联系和区别，合理构建数据挖掘模型。数据挖掘技术的应用不能盲目，需要遵循一定的规则，关联性规则包括以下阶段：一是数据挖掘人员需要先从大量原始数据中挖掘出数据项目组，二是分析数据项目组之间的关联性。

4.4丰富数据挖掘方法

事实上，数据挖掘方法比较多，主要分为以下几种：一是神经网络，二是遗传算法，三是决策树方法，四是粗集方法，五是统计分析法，六是模糊集方法。其中，神经网络实际上就是在挖掘数据之前建立神经网络模型，并对数据进行预测和模式识别。神经网络的适应性非常强，但是掌握难度比较大。遗传算法实际上就是利用遗传机理对数据进行挖掘，删掉多余的数据单元，从网络中找到数据挖掘的规则。决策树方法属于比较常见的数据挖掘方法，该方法就是从众多数据项目中利用变量决策来找出有价值的信息。粗集方法也是一种数学工具，利用集合理论，分析数据之间的关联性。粗集方法的操作比较简单，而且算法比较容易掌握，应用成本低。统计分析方法主要是利用数据的函数关系和相关关系来挖掘数据信息，统计出数据的最大值，平均值等，分析数据之间的差异性。模糊集方法对商务智能系统的要求比较高，系统越复杂，模糊性也就越强。虽然数据挖掘技术的种类比较多，但是数据挖掘人员需要结合商务智能系统和企业的实际情况来选择数据挖掘技术，真正发挥出数据挖掘技术的作用。

5结语

如今，数据挖掘技术被广泛应用于商务智能中，数据挖掘技术能够快速在大量原始数据中提取出有价值的信息，并对数据进行分类汇总，为企业管理者作出决策提供依据。如今，企业的规模不断扩大，企业的发展步伐不断加快，企业对数据处理速度和质量都提出了较高的要求，数据挖掘技术的应用可以满足企业的发展需求，推动企业的发展。但是，由于我国应用数据挖掘技术的时间比较短，还存在一定的缺陷，需要不断探索和完善，才能真正发挥出数据挖掘技术在商务智能中的作用。虽然数据挖掘技术的应用给企业发展带来便利，但是数据挖掘也会涉及到一定的隐私，需要国家相关部门加强监督和管理，把数据挖掘控制在合法的范围内。不同的企业对数据挖掘的需求不同，所选用的数据挖掘方法也会有所不同，这就要求数据挖掘人员具备丰富的实践经验，并不断提升自身的专业性，保证数据挖掘的合理性，为企业发展指明方向和目标，推动企业发展。

参考文献

[1]穆俊.基于本体的数据挖掘技术应用于商务智能中的实际应用[J].微型电脑应用,2014,30(12).

[2]何超.基于数据挖掘的企业竞争情报智能分析研究[D].武汉大学,2014.

[3]宋远芳.基于本体的数据挖掘技术在商务智能中的应用[J].计算机技术与发展,2009,19(1).

作者：黄飞 单位：对外经济贸易大学统计学院