摘要：本文通过大数据技术的应用能够从海量的数据信息中挖掘出有价值的信息，并实现对信息发展趋势的预测。在进行数据挖掘时，主要从数据清理、数据集成以及数据选择等方面进行。为了加强大数据技术在电商平台中的应用，促进电商平台更好的发展，需要从用户画像探究与差异化服务、信用评估及消费者管理、联系智能设施，推荐个性化应用方案三个方面进行。

关键词：大数据技术;电商平台;数据挖掘

随着现代社会发展步伐的不断加快，社会整体经济水平进一步提升，移动智能终端设备、无线传感器等设备被广泛应用，这些设施无时无刻都在产生海量的数据，于此同时物联网、互联网等又对这些数据进行收集和转发，互联网服务全天不停歇的对这些庞大的数据信息进行处理与交互。大数据时代，通过对海量数据资源进行挖掘，发现其中的价值和规律，对其充分利用就能够实现利益的增长，换言之数据即价值。相关研究数据表明，当企业对数据资源的利用率增加5%，就能够为企业带来大约18%的利润增长，企业的技术开发方式也从应用驱动方式发展为数据驱动方式。大数据在现代社会中的影响力越来越大，已经成为了众多领域共同研究的目标，在电商平台建设中的作用也越来越显著。

大数据概念涵盖了技术与商业两个方面，从技术角度来看，基于Hadoop集群的分布式存储以及计算机系统，实现了数据储存以及计算水平可以满足高量级数据需求;从商业角度来看，依托于大数据核心技术探索电子商务运营过程中出现的结构化以及半结构化数据，挖掘出数据信息的隐藏价值，寻找出其中的规律，为企业决策的制定提供支持，也能够促进精准营销、差异化服务的发展，优化电商平台盈利体系[1]。

1 大数据技术

大数据应用的根本目的不仅仅是为了实现高量级数据信息的计算，而是希望从庞大的数据资源中提取出有价值的信息。数据提取与挖掘是指从庞大数据资源中提取出有应用价值的数据信息的有趣过程。通常情况下，在进行数据挖掘时，选取的数据源主要为数据仓库、Web等[2]。其中，数据仓库是专门为数据提取和挖掘提供服务的，实际上是一个面向主题的、集成化程度高的、时刻变化的、稳定性好的數据集合，进而在管理人员制定决策过程中给予很好的帮助。从本质上来看，可以将数据库系统划分为两个部分，即联机数据处理（OLTP）系统以及联机分析处理（OLAP）系统，两种系统在面向对象、用途、内容、设计、视图以及访问模式等方面都具有明显的不同[3]，具体如表1所示。值得注意的是，数据库应用的是联机数据处理系统，数据仓库应用的是联机分析处理系统。

上述部分对数据挖掘的概念进行了讲解，接下来将重点阐述数据挖掘的主要流程。

1.1 数据挖掘主要流程

数据挖掘是实现从庞大数据信息中提取出有价值信息的系统性过程。要实现对数据信息的挖掘，一般需要经过数据清理、数据集成以及数据选择等途径，数据挖掘的具体工作流程如图1所示。

在数据挖掘过程中，数据清理的主要作用是为了降低噪声以及消除不相同的区域;数据集成是将各种类型不相同的数据源整合起来;数据选择是依照具体的要求从庞大数据信息中选择目标数据;数据转化及离散化是依托于汇总等操作方法，完成对数据的统一性以及离散性操作，使得所有的数据信息都转化成适宜数据挖掘的格式[4]。一般来说，主要基于最大最小、z-score等手段实现数据资源的统一化，之后依托于直方图、概念分层等方式完成对数据资源的离散化处理[5]。模式发现主要是通过数据分析算法开展数据提取与分析操作，并从中获取各个数据资源之间的关系模式。当下主流的模式涵盖了频繁模式、聚类分析以及离散点分析等。模式评估实际上是对模式发现的衡量，是利用实际的数据信息来查看发现模式的准确性，评估模式推理能否达到规定的标准。知识发现是指在完成模式评估以后，从中获得的知识。

1.2 数据分析方法

在进行数据挖掘操作时，模式发现是最为关键的一个环节，在面对各种类型的模式时应当要选择与之相匹配的数据分析算法。现阶段，应用较为常见的数据挖掘方式主要有频繁模式、关联与相关性挖掘模式，在这种模式下一般使用的主流算法是Apriori算法[6]。分类与回归模式的操作对象是已经明确类别的数据集，并从其中探索到数据类型划分的特征模型，并确保该模型可以很好的预测未知数据目标的类别。当下主要采用的分类方式有决策树、遗传算法以及神经网络等。聚类分析方法中需要进行分析的所有数据目标，初始时期并没有任何的分类标记，之后依托于聚类算法实现数据信息的分类。在进行数据分组过程中，需要严格按照类内最大相似度、类间最小相似度的原则进行[7]。如图2所示为聚类分析示意图，基于两点之间的欧式距离为聚类标准，将各点自动划分成三个部分。

2 大数据技术在电商平台的应用

伴随着云计算、物联网技术的飞速发展，大数据在电商平台上的应用越来越深入、越来越广泛，电商企业的发展方式逐渐从以往依靠产品类型多种多样、产品数量大、用户基数积累等转变到数据驱动，这也成为了现代电商企业业绩增长的重要途径。通常情况下，大数据在电商领域的应用主要体现在以下几个方面，分别是用户画像探究、精准营销、差异化服务以及互联网金融等。

2.1 用户画像探究与差异化服务

用户画像探究是电商平台面向消费者开展数据分析与数据应用最直接、最有效的方法，主流的画像分析项目涵盖了消费者的消费行为及需求画像、消费者消费习惯画像、消费者方位画像。消费者在各个电商平台上进行浏览商品信息时，会产生大量的数据信息，可以对消费者的这些信息进行分析，从而构建出各种用户画像，比如说消费者在首次登陆注册账号填写的各项信息、商品购买记录、历史浏览记录、方位信息、支付方式以及银行账号信息等，同时更加构建各种用户画像对消费者进行分类，为不同类别、不同层次的消费者提供差异化服务。比如说，针对中年消费群体，这部分人有着较强的原始积累，一般资金比较充足、消费能力比较高，再根据消费者的具体情况为其推送相对应的基金、黄金等理财产品。

2.2 信用评估及消费者管理

在电商平台上无时无刻不在产生大量的数据信息，这些海量的数据中包含了大量的消费者个人信息，利用大数据分析技术，结合构建的各种用户画像，可以将消费者按照特定原则划分为两个类别，分别是一般消费者群以及重要消费者群，同时对各个群的用户进行信誉度评估，构建信誉度等级。此外，依托于消费者管理，对各个消费者建立正确的认知，并以此为基础为消费者提供高效、有用的产品与服务[8]。比如说通过大数据分析技术，能够得知许多消费者在购买基金理财产品以后，还有很大概率会购买保险产品，为此，电商平台可以对这部分消费者的消费行为、習惯以及特征进行提取和分析，为其提供与之相匹配的差异化的产品方案。

2.3 联系智能设施，推荐个性化应用方案

现如今，物联网、移动智能终端设备快速发展，智能家居、智慧城市以及智慧校园建设等持续进行，能够在此基础上为消费者提供个性化的应用方案。比如说在国家电网电商平台上，能够依托物联网、智能家居对消费者的用电习惯、用电时间段以及用电总量等进行记录，将这些数据信息导入到大数据平台上，实现数据信息的共享，进行用电费用计算以及消费者画像分析，同时根据每个消费者的用电情况，为消费者推荐适宜的用电方案，既能够降低消费者用电成本，也可以缓解供电压力。此外，依托于移动智能终端设备、智能电表等都能够加强消费者与企业、消费者与消费者之间的数据信息交互。

3 结语

电商大数据是一个具有海量数据资源的产业平台，通过对交易数据以及各种数据信息进行分析和提取，必然能够为其它关联产业带来新的发展机遇，将来大数据技术的进一步应用也会推动企业向更高层次发展。在基于大数据为企业和消费者带来便利的同时，也需要加强企业与消费者的信息安全，避免信息被不法分子所窃取，确保信息管理的安全性与高效性。

参考文献

[1]徐国虎，孙凌.基于大数据技术的线上线下电商用户数据挖掘流程分析[J].中国集体经济，2012 （30）：187-188.

[2]于志涛，韦文杰.大数据时代传统出版企业与电商平台的融合策略研究 以青岛出版集团为例[J].科技与出版，2015 （09）：29-32.

[3]李家华.基于大数据的人工智能跨境电商导购平台信息个性化推荐算法[J].科学技术与工程，2019，19 （14）：280-285.

[4]邓志超.基于大数据的跨境电商平台选品分析策略[J].特区经济，2019 （06）：135-137.

[5]陈文行.大数据背景下电商平台信息分享策略研究[J].商业经济研究，2019 （01）：83-85.

[6]谢海英，赵娇洁.大数据背景下我国跨境电商发展创新路径研究[J].价值工程，2019，38 （32）：145-146.

[7]吴闽真，大数据时代我国跨境电商发展现状及路径创新[J].科技经济导刊，2019，27 （36）：232.

[8]莫川川.大数据技术在跨境电商领域中的应用研究[J].湖北开放职业学院学报，2020，33 （01）：120-121+12 6.

作者简介

王秋实（1984-），湖北省老河口市人。硕士学位，讲师，工程师。研究方向为职业教育管理、计算机应用。