房庭栋

摘要：传统意义上的知识获取往往是知识工程师从专家的经验和既有信息体系中进行进一步的分析、筛选、比较、综合提取所需信息。然而，由于知识工程师所拥有知识储备量的局限性，所获得知识的可信度应该有所降低。目前，传统的知识获取技术对庞大的数据量无能为力，数据挖掘技术得以迅速兴起并指导众多实践环节。

关键词：数据挖掘技术;分类方法;应用

前言

近年来，随着我国进入大数据时代，互联网技术被广泛应用到我国各个行业领域，对提高我国人民的工作效率及工作质量起到了较好的积极作用，能够有效提高各种数据信息的利用率，为个人及组织的发展提供有利支持。通过对数据挖掘技术进行分析，探究大数据时代背景下数据挖掘技术的应用，有利于提出一些可靠的参考依据，使相关工作人员能够更好地运用这一技术，在提高工作效率的同时，降低人力成本，为我国社会长远发展提供可靠的技术支持。

1数据挖掘技术分析

1.1数据挖掘

作为一种现代化的技术，数据挖掘技术在各个行业领域体现出较高的应用价值，能够在第一时间掌握相关产品的使用情况，对海量的数据信息进行优化，以此提高数据信息的利用效率，为企业重要决策提供可靠的参考依据。根据以往数据挖掘技术的发展情况来看，这一技术已经发展到能够从模糊、复杂的数据中找出有用信息，所以在技术方面提出的要求较高，想要发挥这一技术的作用，就必须要重视对互联网技术的运用。

1.2聚类分析

就当前情况来看，聚类分析法在数据挖掘中的应用效果较好，可以对比较抽象、理解难度较高的事物进行形象化的分组，之后按照不同的性质对其进行分析。与传统技术相比，这一方法可以快速完成海量数据的划分处理，将其中有价值的信息找出来。同时，聚类分析包括了模糊聚类和硬聚类这两种分类方式，其中模糊聚类可以对模糊数据进行划分，实现对数据信息的有效分类;而硬聚类是一种比较贴合数据信息的分类方式。虽然以上两种数据信息的分类方式存在一定区别，但是能够起到同样的效果，可以实现对数据信息的有效划分。

1.3特征性数据分析

作为数据挖掘中比较常用的一种方式，特征性数据分析就是按照不同的特征对数据信息进行分析，将其中有价值的信息找出来。与其他技术相比，特征性数据分析法体现出较好的便捷性，在大部分数据分析中都有着较好的应用效果，是当前相关人员的重点研究内容之一。对于特征性数据分析法的应用，可以采用各种各样的方法，比如选择可视化技术来进行数据的挖掘和搜集，将数据挖掘技术的功能效用充分发挥出来;比如利用遗传基因算法来进行数据分析，实现对海量数据的选择和重组;比如利用人工神经网络来进行数据收集，通过在数据终端完成神经网络的建立，实现对有用信息的快速搜集。

2数据挖掘技术的实践应用场景

数据挖掘技术已经应用于许多领域，如学校、银行、电信、股票市场、保险、运输、零售等领域得到了广泛应用。

2.1在电信行业中的应用

在信息化时代背景下，电信行业的发展速度不断加快，在带来更多经济效益的同时，也出现了各种各样的问题，想要满足用户的实际需求，就必须要提高自身的服务水平，帮助用户解决问题。一般在电信技术的服务过程中，对数据的需求量较大，整个技术服务过程很容易受到数据流的冲击，以致电信技术的服务质量无法得到保障，难以解决技术服务中存在的问题。面对这种情况，需要借助数据挖掘技术来提高数据处理效率，实现对电信数据的有效分析，将其中的规律找出来，结合用户提供的信息对技术服务进行改进，使电信技术的服务质量得以有效提升。

2.2在制造行业中的应用

随着我国社会经济的快速发展，我国人民的生活水平逐渐提升，在选购各种生活产品的时候，提出了更高的质量要求，这就需要制造行业对数据挖掘技术进行有效应用，以此保证产品质量，充分满足我国人民的生活需求。具体来讲，在应用数据挖掘技术进行制造活动的时候，能够对整个生产过程进行实时监管，便于及时找出产品生产中存在的問题，结合相关数据信息对其进行处理。通过对产品生产过程的数据信息进行收集和分析，能够为往后的产品生产活动提供可靠的参考依据，帮助企业解决产品生产中存在的问题，在提高企业生产效率的同时，降低生产成本，为企业带来更高的经济效益。

2.3数据挖掘技术在高校中的应用

随着招生规模的扩大，高校学生人数已经达到数万，甚至数十万的规模。考试成绩的统计和分析已经达到数十万的数据，除了学习成绩还有很多数据需要进行分类。传统的学习结果分析方法不能完全满足需求。为此，引入数据挖掘技术，找出影响学生成绩的真正原因，并制定相应的优化方案和措施，提高教育教学质量。

2.4科研领域

在科研领域中有许多信息，比如中国知网数据库中拥有很多有价值的信息，包括科研文章、期刊以及论文等，这既需要对其进行及时的分类，将同类文章放在一起。同时在数据挖掘技术应用中信息重复等也是需要考虑的问题，要保证获取的信息不重复，还要保证信息的准确性。因此在在科研领域中数据挖掘技术占据着非常重要的地位，开展严谨科研实验的时候，因为实验涉及的数据比较多，且对实验数据进行处理时会产生各种各样的数据，此时要想确保数据处理的准确性和简洁性，会选用数据挖掘技术对数据进行处理，从而就能很大程度提高实验的精准度，保障实验结果。

2.5数据挖掘技术在金融企业中的应用

（1）数据挖掘技术广泛应用于证券业。数据挖掘技术作为一种分析和决策辅助工具，越来越受到国内证券公司的重视。

（2）数据挖掘技术也应用于银行业。数据挖掘可以从大量的银行交易历史记录中发现或挖掘出数据背后关联更深、更详细的方面。

（3）数据挖掘技术也应用于保险业。保险福利的确定：被保险人的分类有助于确定保险福利的适当金额。通过数据挖掘，保险赔付机构可以得到如何确定不同行业、年龄和社会水平的人的保险福利。它还可以同时进行风险相关性分析：如，进一步结合数据挖掘技术购买了一种保险的人是否同时购买了另一种保险，进而预测哪些客户将可能再次购买新保险，为销售行为提供依据。

2.6数据挖掘技术在零售企业中的应用

从超市销售管理系统、客户信息管理等操作数据中，我们可以收集商品销售信息、客户信息、库存信息以及其他信息。大量数据从各种应用系统中收集，根据不同的条件分类，并存储在数据仓库中，允许经理、分析师、采购人员、市场人员和客户访问数据。数据挖掘工具用于分析数据，并为管理者提供高效的科学决策工具。

结束语

数据挖掘技术是一个发展非常迅速的领域。本文概述了数据挖掘的定义、目标、相关领域和一般方法。21世纪是信息时代的社会。“信息不仅是一种资源，也是一种财富”。利用所提供的众多公开数据信息，充分进行数据挖掘，将为数据库的应用和人类文明的新时代开辟广阔的前景。

参考文献：

[1]吴琛.数据挖掘技术在互联网领域的应用研究[J/OL].电脑知识与技术，2019（36）[2019-11-21].https：//doi.org/10.14004/j.cnki.ckt.20191114.001.

[2]康力升，莫沂锦.基于决策树的有机农产品消费偏好应用研究[J].中国市场，2019（32）：127-128.

[3]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊，2012，27（06）：647-657.