文/彭秦晋

大数据时代推动了各领域的快速发展，在发展过程中会形成海量数据，对这些数据加以分析非常重要，能够有效促进各行业的快速发展，大数据分析技术主要是对各领域的数据进行收集及存储，根据各行业的发展需求，对这些数据进行科学有效的分析，从而提高数据价值，提高对数据的利用率，是行业进一步发展的需要，通过数据挖掘可以在海量数据中快速的筛选出具有价值的数据，在各领域的发展进程中发挥信息技术的重要作用，当前的数据分析通常应用数据挖掘技术，在具体的领域中采用的数据分析，通常会与一些算法相互结合，例如在生物学领域会与遗传算法进行结合，可以在很大程度上提高数据挖掘的效率，确保数据的科学性、完整性及准确性，大数据分析有效的方法之一就是数据挖掘，可以有效提高信息技术应用于数据挖掘的重要作用。

1 简析数据分析方法

在大数据时的数据复杂、丰富多样并且数量庞大，对其分析难度较大，在互联网时代，企业也获得了很大的发展，在此过程中数据的生成量巨大，必须对这些数据采用科学的方法进行分析，确保数据分析的科学性、准确性，从而提高数据利用率，充分发挥数据价值，促进企业进一步发展。大数据分析主要包括数据容量，数据格式及数据速率三方面，大数据分析的方式诸多，必须根据具体的数据类型，选择合理的、科学的分析方法，对实现数据分析的高效性具有重要作用，HDFS是指分布式文件系统，主要应用于存储容量大的数据，目前企业发展过程中形成数据容量大，传统数据存储形式对现代数据存储已经不适用，目前数据存储方法广泛采用云存储方式，云存储具有容量大的特点，能够满足现代数据存储的需要。HDFS主要组成由客户端模块、数据储存模块及原数据管理模块三部分组成，其应用广泛，主要应用于商业化硬件设备中，具有稳定性高、出错率低的优势。HDFS在商业群体的应用中为数据的安全性提供了可靠的保障，在商业中涉及的很多数据都具有保密性，因此提高数据的安全性能对于企业而言非常重要，能够满足现代化数据分析的需求。HTTP指的是分布式计算，主要是确保程序接口的稳定性及可靠性并提供数据运动。分布式文件系统，主要应用于出错率较高的群体，其通常采用的处理方法是继续运用，从而可以确保数据的连续性。分布式计算式计算器计算方法中比较常见的一种方式，能够确保计算的高效性及准确性，是现代大数据分析中广泛应用的计算方式，能够有效减少用户对设备的维修及维护费用，从而提高用户的经济效益。大数据分析中产生的设备维修及维护非常常见，大数据分析必须依赖现代设备的应用，数据分析必须有计算机硬件的支撑，这些都是进行大数据分析的根本，分布式计算的应用可以有效减少用户的设备维修维护费用的投入，所以分布式计算广泛应用于大数据分析中。

2 简析数据挖掘的方法

数据分析中普遍应用数据挖掘技术，在海量数据中筛选具有利用价值的数据，不仅可以分析具有规律性的数据，也可以分析无规律的数据，计算机等各大领域普遍应用数据挖掘技术对数据进行提炼，从而充分发挥数据价值，数据挖掘的方式有很多类型，用户可以根据需要的数据分析选择合理的挖掘方式，也可以采用多种数据结合的方法进行数据挖掘，可以将各种数据挖掘的优点进行结合，数据挖掘方法包括分类法、Web数据挖掘法及回归分析法这三种，每种数据挖掘方式都具有自身的优势，用户必须根据实际的数据分析的需求对数据挖掘方式合理的选择。分类法是指根据大量数据的不同特点进行分类，将不同性质的数据分成不同的种类，从而把数据库中的具有不同特点的数据分类到指定的规定类型中，在需要利用数据时方便数据的调取，例如，现在的淘宝店店主普遍使用这种方法对用户的购买记录进行分类，从而可以准确的向用户推荐合适的商品，达到提高店铺销量的目的。分类法主要应用于具有规律性的数据中，这种类型的数据分类比较容易，采取分类法可以更好的实现数据挖掘的效果。回归分析法可以将海量数据的数据信息的特性展现出来，并且通过函数将相关数据的不同联系进行表达以及数据信息的特性，这种分析方法通常应用于挖掘数据的预测及数据之间的关联。回归分析法通常应用于具有一定关联的数据之间，通过科学的方法对数据进行有效挖掘，可以找出数据的特征，实现数据挖掘的科学性、有效性，从而实现数据挖掘的高效性。

3 大数据挖掘技术的决策分析应用

3.1 应用于高校学生管理中

大数据挖掘技术应用范围广阔，不但在企业财务系统及交通运输系统有用于有所应用，在高校的教学管理中也具有重要作用，近年来国家对高等教育事业高度关注，为大学生的学习成长及个人未来发展都创造了良好的环境，大学生的学习和生活都比较轻松自由，这也增加了高校的学生管理工作的难度，目前我国大多数高校都建设了“一卡通”的学生管理系统，通过一卡通可以完成学生上课签到、住宿、饮食及门禁的数据传输，所以可以通过应用数据挖掘技术对“一卡通”进行进一步的延伸与发展，建立起高等院校网络数据中心的数据交换平台，可以提高高校学生管理工作的效率。比如，可以通过大数据交换平台挖掘分析大学生群体的消费数据、校园上网数据、签到数据及出入寝室门禁的数据，并且通过校内的其他管理系统对相关数据进行联合抽取，从而建立起数据分析的预警模式，为这些数据定期的进行整理合并，从而有效的管理学生在校内的行动轨迹，可以很好的预防并及时地发现学生的失联现象，当数据系统对超出缺省值的信息进行预警时，可以及时的通过短信或电子邮件的多种方式传递给辅导员，并且在校内的学工系统中进行备案，可以归纳及整理学生失联问题的相关因素，可以为辅导员对学生动向的分析提供科学有效的依据，也可以充分的发挥预警性能，可以提高高效管理的效率及可靠性。

3.2 应用于财务系统决策中

大数据挖掘技术对财务系统的决策具有重要作用，目前的企业财务管理实现会计信息化，当前财务的基本工作都是在财务软件上完成，目前财务会计已经开始向管理会计进行转型，这是必然的趋势，是社会的不断发展中对企业财务管理的新要求，在财务系统应用大数据挖掘技术，在一定程度上提高了管理会计在企业财务方面的分析能力，对企业发展的重要决策具有重要的影响作用，比如说，在投资管理时可以通过数据挖掘技术对投资的外部环境及市场需求进行分析，可以对投资风险因素进行最大限度的识别，可以实现最大化的经济效益。筹资决策阶段，通过数据挖掘技术，对筹资的数据及导向进行研究分析，能够加强筹资的目的性，选择与筹资需求相契合的方式，从而最大程度的降低投资成本。企业的重要管理部门之一就是财务部门，在企业的发展与决策中都具有重要作用，大数据挖掘技术应用于财务系统可以很大程度的提高财务人员的分析能力，能够满足现代企业财务管理高速发展的需求，也是社会不断发展中，对现在企业财务管理的新要求。

3.3 应用于商场管理的

3.3.1 简析客户细分

客户细分指的是通过数据挖掘技术，根据商场消费群体的特定标准将其划分成不同的类型，每种类型的群体的消费习惯都相似，分类的参考标准主要是年龄、爱好、职业等，进行客户分类的主要目的是对客户的消费信息的全面掌握，同时对客户的消费习惯进行分析，找出客户群体的特性，从而实现价值客户的有效挖掘，可以制定具有针对性的销售策略，从而提高营销的效率。传统营销方式大多数都是通过派发传单对产品进行宣传，这种传统的宣传方式具有命中率低的劣势，目前无法满足营销需求。因此商场构建了具有针对性的数据挖掘系统，通过会员制的方法对客户信息进行采集，可以收集整理客户每次的消费内容，然后通过数据挖掘技术，对这些数据进行分析归纳，从而总结出这些消费群体的特征，然后按照消费喜好，在这些特定群体内推送辅精准内容，这种营销方式具有个性化的优势，在满足客户不同需求的同时，也实现了商场的人性化服务，可以提高商场的竞争能力，吸引更多的消费者。商场通常都采用会员制的式，推荐客户办理会员卡，对自己的信息进行登记可以凭借会员卡获得折扣，在每次的消费结账时，在会员账号中对这些数据信息进行汇总，当达到一定的数量时，商场就会通过数据挖掘技术，对这些数据进行针对性的分析，通过进一步的总结，对客户进行细化，然后在以后的经营中，商场就会对这些特定的消费群体，定期发送与更精准的内容，这样就可以实现营销活动的针对性，可以吸引大量消费者前来购物。

3.3.2 对客户信用进行分析

还可以在用户信息分析中应用挖掘技术，通过分析大量的历史数据，从而总结出客户的信用等级，根据这些信息采取具有针对性的营销方案，可以减少欺诈现象的发生。这项技术的应用能够在很大程度上降低投资风险，同时针对高信用的用户，提供更多便捷优惠服务，可以吸引客户及增加消费者的依赖性。人们的生活质量越来越高，消费水平也发生了翻天覆地的变化，大型商场的主要收益来源就是大型家电及高昂消费品的销售，为了吸引更多的客户，部分商品可以使用分期付款的方式，消费者只需缴纳首付，然后按月结算，就可以提前拥有商品。在增加销售量的同时，也可以为消费者提供人性化的服务，可以充分的发挥客户信息分析中应用数据挖掘技术的作用，是商场制定营销策略的基本依据，如果客户的信用度低，就可以拒绝提供分期服务，从而降低销售风险。

3.3.3 简析客户识别与保留

还可以在客户识别及保留中应用数据挖掘技术，在大型商场管理中，潜在价值客户流失的现象很常见，可以通过应用数据挖掘技术分析出孤立点，通过建立特定模型展开数据分析，对有流失倾向的价值客户快速定位，利于及时采取措施挽留客户。总的来说，数据挖掘技术应用于客户识别及保留的主要内容如下，

（1）识别潜在用户，通过识别潜在用户，可以挖掘价值消费者，吸引更多的客户，在实践应用过程中，通常是在数据库中进行分析比对，构建模糊概念及集合，然后根据测试样本对数据进行比较，就可以模拟消费者未来行为。比如商场对特定的消费群体发放宣传册，然后通过数据库对这些新顾客进行分类，对顾客后续的消费进行判断，并且根据这些总结，决定是否对其继续发放宣传手册。

（2）保留顾客是对以前客户的识别，是提高销售量的重要方法之一。除此之外，商场必须采取对策保留老顾客，要有效的防止老顾客流失。根据相关数据分析可知，保留老顾客的成本投入远低于获取新顾客的投入成本。因此，应用数据挖掘技术对这些数据进行具有针对性的分析，首先分析顾客流失原因。比如，在特定的时间段商场顾客数量明显减少时，通过收集数据进行分析，并总结流失原因，然后根据这些原因采取对策挽留顾客，还可以完善服务，为顾客提供更便捷人性化的服务，从而提高消费者的忠诚度，可以有效的实现防止客户流失的目标。

（3）分析客户的忠诚度对商场经营具有很大的影响作用，应用数据挖掘技术可以对客户的忠诚度进行有效分析，通常是对购物的稳定性、牢固性、持久性进行分析。比如，实际应用中商场对客户的相关会员信息进行分析，包括消费金额、消费的频率以及近期的消费时间的分析，将这些数据导入模型就可以预测出忠诚度的变化幅度，商场可以根据这些数据，对销售策略进行调整，比如商品的价格及种类调整，如此不但可以保留老顾客，提高忠诚度同时也可以吸引更多新客源，分析客户盈利能力。商场应用数据挖掘技术完善其商业模式通过模型化的分析，做出科学决策，当前数据挖掘技术是新型的商业信息技术，其效果明显，但是还需要不断的创新及研发。就能够通过现代化信息技术对大型商场的管理进行完善，客户的识别保留、忠诚度分析以及盈利能力的分析都是比较常见的方法。商场在后期的发展，还要根据自身的需求，开发具有针对性的应用，当然在应用的初级阶段，出现的问题较多，就需要进一步的改善，不仅要继续扩展挖掘数据挖掘技术的应用，同时能够有效提高企业发展。

4 结束语

综合而言，在信息化快速发展的时代，大数据挖掘技术及分析技术，在各领域都具有重要的作用，能够为用户提供精准的、具有价值的数据参考，从而为用户的科学决策提供理论依据，通过信息化技术及大数据技术的应用，提供更便捷人性化的服务。