论文部分内容阅读
[摘 要] 电子商务的广泛应用使企业产生了大量的业务数据,按商业既定业务目标,对这些数据进行数据挖掘,可帮助企业分析出完成任务所需的关键因索。文章结合DM技术的主要功能,分析了DM技术在电子商务中的应用。
[关键词] DM技术 零售业 电子商务
电子商务的迅速发展让企业面临很多问题,其中所有企业面临的一个共同问题是:企业数据量非常大,而其中真正有价值的信息非常少。怎样才能从大量的数据中经过分析,获得有利于商业运作,提高竞争力的信息,成为亟待解决的问题。对于这些问题,传统的数据分析工具无法满足人们的需求。因此,数据挖掘技术(DM技术)应运而生。
一、DM技术与电子商务
DM是Data Mining的缩写,又叫数据挖掘,是从海量数据中,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的数据有多种来源,包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择,具体的选择方式与任务相关。挖掘的结果需要进行评价,才能最终成为有用的信息。
电子商务是现代信息技术和现代商业技术的结合体。联合国经济合作和发展组织认为电子商务是发生在开放网络上的包含企业之间、企业和消费者之间的商业交易。广义上讲,电子商务就是指利用计算机网络进行的商务活动,其实质是一套完整的网络商务经营思想及管理信息系统。狭义的电子商务,是指利用国际互联网进行交易的一种方式,主要指信息服务、交易和支付。
在选择一种数据挖掘技术时应根据电子商务的特点来决定采用哪种数据挖掘形式比较合适,只有正确选择数据挖掘工具,才能真正发挥数据挖掘的功能,使企业在激烈的市场竞争中做出正确的决策,使企业保持竞争优势。
二、DM功能
数据挖掘通过预测未来趋势及行为,做出基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识,主要有以下几个基本功能:
1.自动预测趋势和行为。数据挖掘自动在大型数据库中寻找预测性信息,以往需要进行大量手工分析的问题,如今可以迅速直接由数据本身得出结论。一个典型的例子是市场预测问题,数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户,其它可预测的问题包括预报破产以及认定对指定事件最可能作出反应的群体。
2.关联分析。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性,就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数,即使知道也是不确定的,因此关联分析生成的规则带有可信度。
3.聚类分析。聚类,就是将数据划分为若干个“簇”,使“簇”之间的距离尽可能的大,“簇”之内的距离尽可能的小。在市场研究领域,聚类分析是市场细分、寻找不同目标市场及其人员特征非常简单而又非常有效的方法。聚类分析可以对变量进行聚类,也可以对样本进行聚类。聚类时,可以把变量按距离远近分成若干类,通过变量与变量的连接状况,揭示在同一类别中不同变量或样本的远近程度。
通过以上几种数据分析的方法可以有效地对电子商务中的信息进行分析,从而更有效地开展电子商务。
三、DM技术在电子商务零售业中的应用
电子商务零售业是DM技术的主要应用领域,这是因为零售业积累了大量的销售数据,顾客购买历史记录,货物进出等数据。其数据量在不断地迅速膨胀。零售数据挖掘有助于识别顾客购买行为,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度。DM技术在电子商务零售业中的应用主要体现在以下几个方面:
1.基于数据挖掘的数据仓库的设计与构造:由于零售数据覆盖面广(包括销售、顾客、职员等),所以有许多设计数据仓库的方式。所包含的细节级别可以变化很大。由于数据仓库的主要用途是支持数据分析和数据挖掘,预先的一些数据挖掘例子的结果可作为设计和开发数据仓库结构的参考依据。
2.销售、顾客、产品、时间和地区的多维分析:考虑到顾客的需求,产品的销售,趋势和时尚,以及日用品的质量、价格等,零售业需要的是适时的信息。因此提供强有力的多维分析和可视化工具是十分重要的一件事情,这包括提供根据数据分析的需要构造复杂的数据立方体。
3.促销活动的有效性分析:零售业经常通过广告、优惠券等方式搞促销活动,以促销产品并吸引新老顾客。认真分析促销活动的有效性,有助于提高企业利润。多维分析可满足这方面分析的要求,方法是通过比较促销期间的销售量和交易数量与促销活动前后的有关情况。此外,关联分析可以找出哪些商品可能随降价商品被购买,特别是促销活动前后的销售相比。
4.顾客忠诚度分析:通过顾客荣誉卡信息,可以记录下一个顾客的购买序列。顾客的忠诚和购买趋势可以按系统的方式加以分析。由同一顾客在不同时期购买的商品可以分组为序列。序列模式挖掘可用于分析顾客的消费或忠诚的变化,据此对价格和商品的花样加以调整,以便留住老客户,吸引新顾客。
目前,DM技术正以前所未有的速度发展,在未来越来越激烈的市场竞争中,拥有DM技术必将比别人获得更快速的反应,赢得更多的商业机会。现在世界上的主要数据库厂商纷纷开始把数据挖掘功能集成到自己的产品中,加快DM技术的发展。我国在这一领域正处在研究开发阶段,加快研究数据挖掘技术,并将其应用于电子商务中,应用到更多行业中,势必会有更好的商業机会和更广阔的应用前景。
参考文献:
[1]闫 伟 张 浩 陆剑峰:聚类分析理论研究及在流程企业中的应用[J].计算机工程,2006,32(17)
[2]张云涛 龚 玲:数据挖掘原理与技术[M].北京电子工业出版社,2004
[3]刘天元:商务智能技术在超市零售行业中的应用研究[D].硕士学位论文,吉林大学,2007
[关键词] DM技术 零售业 电子商务
电子商务的迅速发展让企业面临很多问题,其中所有企业面临的一个共同问题是:企业数据量非常大,而其中真正有价值的信息非常少。怎样才能从大量的数据中经过分析,获得有利于商业运作,提高竞争力的信息,成为亟待解决的问题。对于这些问题,传统的数据分析工具无法满足人们的需求。因此,数据挖掘技术(DM技术)应运而生。
一、DM技术与电子商务
DM是Data Mining的缩写,又叫数据挖掘,是从海量数据中,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的数据有多种来源,包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择,具体的选择方式与任务相关。挖掘的结果需要进行评价,才能最终成为有用的信息。
电子商务是现代信息技术和现代商业技术的结合体。联合国经济合作和发展组织认为电子商务是发生在开放网络上的包含企业之间、企业和消费者之间的商业交易。广义上讲,电子商务就是指利用计算机网络进行的商务活动,其实质是一套完整的网络商务经营思想及管理信息系统。狭义的电子商务,是指利用国际互联网进行交易的一种方式,主要指信息服务、交易和支付。
在选择一种数据挖掘技术时应根据电子商务的特点来决定采用哪种数据挖掘形式比较合适,只有正确选择数据挖掘工具,才能真正发挥数据挖掘的功能,使企业在激烈的市场竞争中做出正确的决策,使企业保持竞争优势。
二、DM功能
数据挖掘通过预测未来趋势及行为,做出基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识,主要有以下几个基本功能:
1.自动预测趋势和行为。数据挖掘自动在大型数据库中寻找预测性信息,以往需要进行大量手工分析的问题,如今可以迅速直接由数据本身得出结论。一个典型的例子是市场预测问题,数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户,其它可预测的问题包括预报破产以及认定对指定事件最可能作出反应的群体。
2.关联分析。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性,就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数,即使知道也是不确定的,因此关联分析生成的规则带有可信度。
3.聚类分析。聚类,就是将数据划分为若干个“簇”,使“簇”之间的距离尽可能的大,“簇”之内的距离尽可能的小。在市场研究领域,聚类分析是市场细分、寻找不同目标市场及其人员特征非常简单而又非常有效的方法。聚类分析可以对变量进行聚类,也可以对样本进行聚类。聚类时,可以把变量按距离远近分成若干类,通过变量与变量的连接状况,揭示在同一类别中不同变量或样本的远近程度。
通过以上几种数据分析的方法可以有效地对电子商务中的信息进行分析,从而更有效地开展电子商务。
三、DM技术在电子商务零售业中的应用
电子商务零售业是DM技术的主要应用领域,这是因为零售业积累了大量的销售数据,顾客购买历史记录,货物进出等数据。其数据量在不断地迅速膨胀。零售数据挖掘有助于识别顾客购买行为,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度。DM技术在电子商务零售业中的应用主要体现在以下几个方面:
1.基于数据挖掘的数据仓库的设计与构造:由于零售数据覆盖面广(包括销售、顾客、职员等),所以有许多设计数据仓库的方式。所包含的细节级别可以变化很大。由于数据仓库的主要用途是支持数据分析和数据挖掘,预先的一些数据挖掘例子的结果可作为设计和开发数据仓库结构的参考依据。
2.销售、顾客、产品、时间和地区的多维分析:考虑到顾客的需求,产品的销售,趋势和时尚,以及日用品的质量、价格等,零售业需要的是适时的信息。因此提供强有力的多维分析和可视化工具是十分重要的一件事情,这包括提供根据数据分析的需要构造复杂的数据立方体。
3.促销活动的有效性分析:零售业经常通过广告、优惠券等方式搞促销活动,以促销产品并吸引新老顾客。认真分析促销活动的有效性,有助于提高企业利润。多维分析可满足这方面分析的要求,方法是通过比较促销期间的销售量和交易数量与促销活动前后的有关情况。此外,关联分析可以找出哪些商品可能随降价商品被购买,特别是促销活动前后的销售相比。
4.顾客忠诚度分析:通过顾客荣誉卡信息,可以记录下一个顾客的购买序列。顾客的忠诚和购买趋势可以按系统的方式加以分析。由同一顾客在不同时期购买的商品可以分组为序列。序列模式挖掘可用于分析顾客的消费或忠诚的变化,据此对价格和商品的花样加以调整,以便留住老客户,吸引新顾客。
目前,DM技术正以前所未有的速度发展,在未来越来越激烈的市场竞争中,拥有DM技术必将比别人获得更快速的反应,赢得更多的商业机会。现在世界上的主要数据库厂商纷纷开始把数据挖掘功能集成到自己的产品中,加快DM技术的发展。我国在这一领域正处在研究开发阶段,加快研究数据挖掘技术,并将其应用于电子商务中,应用到更多行业中,势必会有更好的商業机会和更广阔的应用前景。
参考文献:
[1]闫 伟 张 浩 陆剑峰:聚类分析理论研究及在流程企业中的应用[J].计算机工程,2006,32(17)
[2]张云涛 龚 玲:数据挖掘原理与技术[M].北京电子工业出版社,2004
[3]刘天元:商务智能技术在超市零售行业中的应用研究[D].硕士学位论文,吉林大学,2007