浅谈数据挖掘系统设计技术与应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇浅谈数据挖掘系统设计技术与应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：数据挖掘技术作为商业智能中最为高端和最具有商业价值的一项技术，同时交叉着多种学科，包括统计学、数据库、模式识别、机器学习以及人工智能等，并且当下这一技术正处在不断地成熟过程之中，海量的进行数据搜集，多处理器计算机以及数据挖掘算法等日益成熟，数据挖掘技术处在高速的发展之中，无疑可以称为21世纪中商业领域内具有相当核心竞争力的产业技术之一。因此，探讨数据挖掘技术系统设计技术以及其在各行各业应用的价值十分重大。

关键词：数据挖掘 系统设计技术 应用

数据挖掘技术不断发展在很大程度上解决了数据库技术等一些零碎技术中存在的不足，人们可以更加便捷的聊到数据中所包含的信息，更容易获得具有价值的信息，整体来说，数据挖掘技术能够将一些看似分散的数据进行提炼，最终得到一条条具有价值的信息。关于对数据挖掘技术的探讨分析，在国内外都有所涉及，研究它的具体应用更是在很大程度上体现了它的价值所在，随着数据挖掘技术的不断发展、更新、进步、成熟，势必会使得企业管理者得到更多商务智能。

1、 数据挖掘系统设计技术

1.1 数据挖掘

数据挖掘顾名思义就是在大量、无序、模糊并且随机、有噪声的数据中进行数据的挖掘和提炼，进而选取出人们感兴趣的但是隐含在其中、事先未知并且属于潜在有用的信息和知识。一般说来，通过数据挖掘技术所得出的信息和知识都有着雷同的表现形式，即规则、规律、模式以及概念等。数据挖掘是数据挖掘系统中最为主要的一种技术，它几乎可以称为整个系统的核心体系。通常传统的查询以及报表处理都不会将事件和数据做出较为深入的研究，事件数据发生的原因和过程并不能具体入微的表现出来，仅仅表现出了事件的结果。然而，数据挖掘技术就将这一内容表现了出来，并且十分具体细致，深入的了解到了事件的发生原因，同时还带有一定程度的置信度来预测未来，对于决策行为来说，起到了一定的支持作用。

1.2 数据库

数据挖掘系统中关于数据库的逻辑结构与设计也是相当重要的，将数据库的概念结构进行设计之后，就可以将数据库概念的结构再进行转化，最终成为数据挖掘中数据库系统所支持的一种实际的数据模型，通俗来讲也就是数据库的逻辑结构。鉴于数据库对于数据挖掘系统来说是最为基础的有力数据来源，因此，在数据挖掘系统设计以及应用的探讨分析中，研究数据库技术的价值和意义也同样极为重大。

1.3 数据挖掘的过程

数据挖掘系统进行数据挖掘工作时，通常必须要按照一定的流程和步骤来进行，整体来说都是大同小异的，必须具备的操作过程同时包括着数据准备、执行数据挖掘算法以及表达结果等几个阶段，如果更为具体细致的进行划分的话，可以分为这样的几个过程：理解并且定义需要解决的问题-进行必要的数据搜集和抽取-进行数据净化-进行数据引擎-进行算法引擎-应用并且运行数据的挖掘算法-对运行结果进行评估判断-对数据以及问题做出最后的精化-最后使用挖掘结果。在整个数据挖掘的过程中，上述的九个步骤要不断反复的进行，数次之后，才能得到最终的结果。理解并且定义需要解决的问题是我们解决任何问题都要经过的步骤，数据挖掘同一般意义的分析还略有不同，它要求必须深刻的透彻的很好地理解问题，即便如此，最终还是有可能得到行不通的结果;之后搜集和抽取数据时，因为所针对的搜集以及抽取输的对象不同，因此需要根据实际情况做出具体的判断，并且同时会应用到多种抽取方法，譬如随机抽样、机械抽样等;净化和理解数据则要求花费精力和时间分析处理已经搜集到的数据库;数据引擎以及算法引擎顾名思义，需要科学的进行选取;之后进行数据挖掘算法，这一过程可以恰当的采取一些数学算法作为辅助;再对结果进行评估、重新精化，反复多次整个数据的挖掘过程，目的就是使得数据挖掘技术将其所挖掘的算法能够得到不断地求精以及深化，最终就可以对挖掘到的数据进行使用了。

1.4 数据挖掘系统总体设计与规划

数据挖掘系统将石化企业、网络所获得测试数据以及大型超市的数据作为基础，结合数据挖掘技术以及企业的ERP系统，对整个企业的工作进行智能的决策以及协同管理。企业的数据挖掘系统在系统开发的环境中，将大量的数据来源作为预处理的数据，无疑这些数据的来源是石化企业运行之后所产生的有用数据、网络之中作为测试之用的可靠数据以及大型超市之中后台的数据库之中产生的有价值的信息数据。这些预处理的数据是数据挖掘系统中最为重要的基础来源，经由PC机将这些已经明确了的数据库表结构设计出数据挖掘系统。从深层次来说，这一数据挖掘系统应用到主流的JAVA开发工具-eclipse，再通过结合JAVA开发语言以及已经实现了的数据挖掘算法进行开发最后形成，总之，这一结合体使得数据挖掘系统的移植功能得到了大幅的提高，并且同时极好的应用到了JAVA的跨平台性，将此系统移植到其他不同的操作平台上因此就成为轻而易举的操作。

2、 数据挖掘技术的相关应用

关于数据挖掘系统设计的应用，其总体的功能结构设计包含着销售模块、产品模块以及客户模块。单说产品模块，就包含着产品预测和产品预警等，其中所包含的数据更是数量庞大，类似年份、产品名或者销量、利润，或者是上月、本月销量、成本、库存等一系列数据，其中所包含的信息量极其庞杂，因此，应用到数据挖掘技术对于管理阶层来说，就起到了很大的智能管理作用。除上述之外，产品的销售模块、客户的购买周期或者其他产品的生产周期等多种多样的数据都成为数据库的一大组成部分。

数据挖掘系统的数据挖掘技术结合科学的应用到产品的销售、客户以及产品这三个模块之中，其中各部分的实现过程都十分充分的应用到了数据挖掘的算法，针对企业ERP的数据挖掘的相关实现方法，对于产品的销售、客户以及产品的数据挖掘来说都起到了相当重要的作用，十分科学有力的将其概念模型、逻辑模型以及物理模型的设计工作都很好地进行了表现。总而言之，在企业之中，其中的实际情况以及相关的测试数据进行有力的结合，实际的企业之中应用到这一系统，以期获得较好的测试结果，整体来说，数据挖掘技术在企业之中发挥了相当有力的作用。

3、 结语

总之，探讨分析数据挖掘系统设计技术以及相关应用会为企业管理者带来更多的商务智能，其中的很多过程都很直接地表现出了数据挖掘的技术。当然，各行各业数据量随着社会的发展进步也在不断的增加，从其中更为及时便捷准确的获取到有价值的信息，就必须加大对于数据挖掘系统的分析力度，对其中的数据挖掘技术以及数据库技术不断地进步、发展、更新，力求能够在最短的时间内解决掉当前数据挖掘技术中所存在问题，争取能够更好地使用数据挖掘技术，在各行各业的应用中广泛的展开，总之最终目的就是使得数据挖掘系统设计与其应用能够造福于各行各业，提供出最大限度的智能便利。

参考文献：

[1] 韩家炜，坎伯.数据挖掘-概念与技术[M].北京：机械工业出版社，2001，10.

[2] 王钰，苗夺谦，周育健.关于Rough Set理论与应用的综述[J].模式识别与人工智能，2012，（04）：337-344.

[3] JohnG H，Langley P.Static versus dynamic sampling for data mining[A].AAAI Press，Menlo Park，CA，2011，（10）：367-370.