第一篇：數(shù)據(jù)挖掘在體育教學(xué)中的應(yīng)用的價(jià)值

數(shù)據(jù)挖掘在體育教學(xué)中的應(yīng)用的價(jià)值

摘 要：進(jìn)入21世紀(jì)以來(lái)，體育領(lǐng)域無(wú)論是運(yùn)動(dòng)訓(xùn)練、臨場(chǎng)比賽，或是學(xué)校體育、體育管理、體育產(chǎn)業(yè)以及全民健身、國(guó)民體質(zhì)調(diào)研與優(yōu)化等，無(wú)不與大量數(shù)據(jù)緊密聯(lián)系。面對(duì)大量的數(shù)據(jù)，原來(lái)的數(shù)據(jù)庫(kù)管理方式和數(shù)據(jù)統(tǒng)計(jì)方法已經(jīng)逐漸不能適應(yīng)國(guó)家提出的“健康體育”、體育競(jìng)技人才梯隊(duì)建設(shè)和體育產(chǎn)業(yè)發(fā)展的需要。而數(shù)據(jù)挖掘技術(shù)正好能滿足這一需求，數(shù)據(jù)挖掘技術(shù)將有力地推動(dòng)體育統(tǒng)計(jì)學(xué)向前發(fā)展。數(shù)據(jù)挖掘技術(shù)可以幫助我們從這些浩瀚的數(shù)據(jù)中深入尋找到各種因素的相互聯(lián)系，發(fā)現(xiàn)體質(zhì)健康數(shù)據(jù)、體育產(chǎn)業(yè)數(shù)據(jù)、運(yùn)動(dòng)訓(xùn)練和競(jìng)賽數(shù)據(jù)、體育教學(xué)數(shù)據(jù)等方面一些有價(jià)值的規(guī)律。因此，在實(shí)踐過(guò)程中，如何應(yīng)用數(shù)據(jù)挖掘技術(shù)對(duì)體育數(shù)據(jù)進(jìn)行信息化管理和深層分析，是當(dāng)前體育科研人員所要研究的一項(xiàng)重要課題，因此本課題具有重要意義。

關(guān)鍵詞：數(shù)據(jù)挖掘 體育教學(xué) 教學(xué)評(píng)價(jià)

一、體育教學(xué)中的數(shù)據(jù)挖掘技術(shù)研究

近年來(lái)，國(guó)民體質(zhì)監(jiān)測(cè)、體育教學(xué)訓(xùn)練、競(jìng)技、管理數(shù)據(jù)劇增。體育數(shù)據(jù)如同礦藏一樣，只有通過(guò)挖掘和提煉才能變成可用的財(cái)富。下面就體育教學(xué)領(lǐng)域中使用的數(shù)據(jù)挖掘技術(shù)做簡(jiǎn)要闡述。

1.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是體育教學(xué)中使用頻率最多，范圍最廣的數(shù)據(jù)挖掘技術(shù)之一，也可以被廣泛地應(yīng)用于國(guó)內(nèi)外教育教學(xué)的決策分析中。運(yùn)用關(guān)聯(lián)規(guī)則的方法可以判定哪一種教學(xué)方法適合某類學(xué)生或某門課程，從而方便教師進(jìn)行教學(xué)方法的選擇，使得分層次教學(xué)能夠在實(shí)踐中得到更進(jìn)一步的應(yīng)用和實(shí)施。

2.分類

分類算法中應(yīng)用得最多的是決策樹(shù)算法。決策樹(shù)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)算法。決策樹(shù)主要用于對(duì)離散數(shù)據(jù)進(jìn)行分類，在教學(xué)方面則能夠用來(lái)對(duì)學(xué)生課程的選修、畢業(yè)課題的選擇、就業(yè)等方面進(jìn)行分析指導(dǎo)。

3.聚類分析

所有物體彼此之間都是相類似的，但又和其他分組里的物體是不同的。在基于教育的數(shù)據(jù)挖掘中，聚類分析已經(jīng)被用于根據(jù)學(xué)生的行為對(duì)學(xué)生進(jìn)行分組。例如聚類分析可以用來(lái)區(qū)分在非活躍的學(xué)生中表現(xiàn)較活躍的學(xué)生。

4.預(yù)測(cè)

預(yù)測(cè)是應(yīng)用于模型的連續(xù)價(jià)值函數(shù)，也就是預(yù)測(cè)未知數(shù)據(jù)和缺失的值。在這個(gè)模型中，我們可以推導(dǎo)出許多組合數(shù)據(jù)的其他一些方面的數(shù)據(jù)?；诮逃臄?shù)據(jù)挖掘預(yù)測(cè)可以用來(lái)檢測(cè)學(xué)生的行為，預(yù)測(cè)與了解學(xué)生的學(xué)習(xí)成果。

5.Web數(shù)據(jù)挖掘

利用 Web 日志挖掘技術(shù)進(jìn)行實(shí)例分析，找出訪問(wèn)頻度較高的知識(shí)點(diǎn)網(wǎng)頁(yè)，確定學(xué)生的興趣點(diǎn)及知識(shí)點(diǎn)中的難點(diǎn)所在。在此基礎(chǔ)上，幫助教育者調(diào)整教學(xué)策略，改善網(wǎng)絡(luò)教學(xué)效果。

二、數(shù)據(jù)挖掘在體育教學(xué)中的應(yīng)用研究

數(shù)據(jù)挖掘在體育教學(xué)領(lǐng)域中具有非常廣泛的應(yīng)用前景，以下本文詳細(xì)從體育教學(xué)訓(xùn)練、教學(xué)評(píng)價(jià)和教學(xué)管理三個(gè)方面來(lái)詳細(xì)闡述數(shù)據(jù)挖掘在體育教學(xué)中的應(yīng)用。

1.數(shù)據(jù)挖掘在體育教學(xué)訓(xùn)練中的應(yīng)用研究

數(shù)據(jù)挖掘在體育教學(xué)訓(xùn)練中的應(yīng)用主要表現(xiàn)為對(duì)體育教材的選擇、體育教學(xué)方法的選擇、學(xué)生特征挖掘和對(duì)學(xué)生體質(zhì)狀況的預(yù)測(cè)等。

1.1體育教材的選擇

隨著科學(xué)技術(shù)的快速發(fā)展，我國(guó)體育教學(xué)教材由紙質(zhì)化向電子化轉(zhuǎn)變趨勢(shì)明顯。通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)體育教材的合理歸類、檢索、處理，建立知識(shí)體系結(jié)構(gòu)，為體育教材進(jìn)行體育教材的選擇提供參考。

1.2教學(xué)方法的選擇

教師在教學(xué)過(guò)程中可以采用多種教學(xué)方法來(lái)完成教學(xué)任務(wù)，比如講授法、討論法、實(shí)驗(yàn)法、計(jì)算機(jī)輔助教學(xué)法、參觀法、調(diào)查法、實(shí)習(xí)法等。在通常情況下，可以采取一種或幾種方法進(jìn)行。

1.3學(xué)生特征的挖掘

在體育教學(xué)中，可以采用聚類分析來(lái)幫助教師分析學(xué)生初始知識(shí)體系、當(dāng)前知識(shí)體系、和目標(biāo)知識(shí)體系，深刻提交學(xué)生的生理、心理和社會(huì)特征，以便幫助學(xué)習(xí)修正個(gè)人學(xué)習(xí)行為、提高學(xué)習(xí)能力、完善個(gè)人人格，促進(jìn)學(xué)生各方面素質(zhì)的全面協(xié)調(diào)發(fā)展。

2.數(shù)據(jù)挖掘在體育教學(xué)評(píng)價(jià)中的應(yīng)用研究

數(shù)據(jù)挖掘技術(shù)在體育教學(xué)評(píng)價(jià)中的應(yīng)用，主要體現(xiàn)在學(xué)習(xí)評(píng)價(jià)、課程考核及教學(xué)管理評(píng)價(jià)三個(gè)方面：

2.1學(xué)生學(xué)習(xí)評(píng)價(jià)

對(duì)學(xué)生的學(xué)習(xí)評(píng)價(jià)是體育教師的主要教學(xué)工作之一，科學(xué)、合理地評(píng)定學(xué)生的學(xué)習(xí)行為，應(yīng)針對(duì)學(xué)生的日常學(xué)習(xí)行為、獎(jiǎng)懲記錄等方面的信息，利用數(shù)據(jù)挖掘工具進(jìn)行分析處理，得到對(duì)學(xué)生客觀公正的評(píng)價(jià)，這樣不僅對(duì)學(xué)生起到信息反饋和激發(fā)學(xué)習(xí)動(dòng)機(jī)的作用，而且是考查學(xué)生個(gè)別差異，便于因材施教的途徑。

2.2課程考核評(píng)價(jià)

在當(dāng)前我國(guó)應(yīng)試教育制度下，考試不僅是衡量學(xué)生學(xué)習(xí)工作量、學(xué)習(xí)能力的好壞，也是知道學(xué)生學(xué)習(xí)和培養(yǎng)終身體育觀的內(nèi)在動(dòng)力。因此，在收集和整理學(xué)生理論知識(shí)、運(yùn)動(dòng)技能和體育素養(yǎng)等各項(xiàng)成績(jī)的基礎(chǔ)上，采用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)和抽取隱藏在數(shù)據(jù)額背后的知識(shí)和規(guī)律，針對(duì)考試內(nèi)容的難易程度、考試方法的公平程度和考試標(biāo)準(zhǔn)的合理程度等進(jìn)行預(yù)測(cè)和及時(shí)調(diào)整，以更好地體現(xiàn)體育教學(xué)考試在檢驗(yàn)教學(xué)效果、提高教學(xué)質(zhì)量等方面所起到的重要作用。

2.3教學(xué)管理評(píng)價(jià)

利用數(shù)據(jù)挖掘技術(shù)中的DEA系統(tǒng)分析方法可以對(duì)體育教學(xué)的決策單元做出評(píng)價(jià)，評(píng)估體育教學(xué)管理工作的有效性、決策單元管理政策的科學(xué)性和訓(xùn)練管理的有效性等，從而指導(dǎo)教學(xué)管理單位采取相應(yīng)的措施來(lái)提高體育教學(xué)及訓(xùn)練管理工作水平。

3.數(shù)據(jù)挖掘在體育教學(xué)管理中的應(yīng)用研究

3.1輔助考試

傳統(tǒng)的體育考核方式將期末成績(jī)作為評(píng)價(jià)標(biāo)準(zhǔn)，這對(duì)學(xué)習(xí)者而言往往是片面的、不公平的，利用數(shù)據(jù)挖掘可以對(duì)學(xué)生平時(shí)學(xué)習(xí)狀況進(jìn)行綜合分析，從而對(duì)其進(jìn)行全面的具有針對(duì)性的評(píng)價(jià)。

3.2科研選題

科研選題是廣大體育教學(xué)和研究者普遍面臨的棘手問(wèn)題。本研究認(rèn)為廣大體育教學(xué)工作者和研究者可以利用數(shù)據(jù)挖掘技術(shù)根據(jù)純數(shù)據(jù)間的關(guān)聯(lián)性挖掘出潛在、容易被忽視的規(guī)則作為潛在的課題研究題項(xiàng)。如運(yùn)用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則方法在研究學(xué)生體質(zhì)的數(shù)據(jù)，挖掘出發(fā)掘出握力與平衡能力的關(guān)系、肺活量與握力間的關(guān)系后作為科研選題加以研究驗(yàn)證。

三、結(jié)語(yǔ)

總之，數(shù)據(jù)挖掘的興起，為體育統(tǒng)計(jì)學(xué)與體育信息技術(shù)的結(jié)合帶來(lái)良好的契機(jī)，數(shù)據(jù)挖掘技術(shù)將成為繼數(shù)學(xué)、計(jì)算機(jī)科學(xué)之后，又一推動(dòng)體育統(tǒng)計(jì)學(xué)發(fā)展的強(qiáng)大工具。但相比于數(shù)據(jù)挖掘技術(shù)在其他領(lǐng)域的應(yīng)用程度而言，數(shù)據(jù)挖掘在體育教學(xué)領(lǐng)域的研究雖取得了一定的成果，但仍還有很多工作要做。

第二篇：數(shù)據(jù)挖掘在房地產(chǎn)營(yíng)銷中的應(yīng)用

文章摘要：信息資源的分析、整合在房地產(chǎn)行業(yè)的競(jìng)爭(zhēng)中起著越來(lái)越重要的作用。數(shù)據(jù)挖掘作為一種系統(tǒng)地檢查和理解大量數(shù)據(jù)的工具，能有效地幫助房地產(chǎn)企業(yè)從不斷積累與更新的數(shù)據(jù)中提取有價(jià)值的信息。因此，數(shù)據(jù)挖掘被引入到房地產(chǎn)市場(chǎng)研究領(lǐng)域，并日益受到重視。本文從數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)中的市場(chǎng)研究?jī)r(jià)值入手，分析了數(shù)據(jù)挖掘在房地產(chǎn)市場(chǎng)研究尤其是客戶信息中的應(yīng)用，并加以舉例說(shuō)明。關(guān)鍵詞：數(shù)據(jù)挖掘 關(guān)聯(lián)分析 分類

一、房地產(chǎn)行業(yè)需要數(shù)據(jù)挖掘技術(shù)的支持

隨著房地產(chǎn)行業(yè)競(jìng)爭(zhēng)的加劇，房地產(chǎn)企業(yè)要想在競(jìng)爭(zhēng)中制勝，必然需要充分的信息支持和準(zhǔn)確的市場(chǎng)判斷。房地產(chǎn)行業(yè)擁有大量的數(shù)據(jù)積累，包括行業(yè)信息、經(jīng)濟(jì)環(huán)境信息、客戶信息等。這些數(shù)據(jù)是房地產(chǎn)企業(yè)市場(chǎng)運(yùn)作的重要參考。面對(duì)快速增長(zhǎng)的海量數(shù)據(jù)收集，企業(yè)需要有力的數(shù)據(jù)分析工具將“豐富的數(shù)據(jù)”轉(zhuǎn)換成“有價(jià)值的知識(shí)”，否則大量的數(shù)據(jù)將成為“數(shù)據(jù)豐富，但信息貧乏”的“數(shù)據(jù)墳?zāi)埂薄?/p>

數(shù)據(jù)挖掘（Data Mining）是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在關(guān)聯(lián)、模式，做出預(yù)測(cè)性分析的有效工具，它是現(xiàn)有的一些人工智能、統(tǒng)計(jì)學(xué)等技術(shù)在數(shù)據(jù)庫(kù)領(lǐng)域中的應(yīng)用。應(yīng)用數(shù)據(jù)挖掘有助于發(fā)現(xiàn)業(yè)務(wù)發(fā)展的趨勢(shì)，揭示已知的事實(shí)，預(yù)測(cè)未知的結(jié)果，并幫助企業(yè)分析出解決問(wèn)題所需要的關(guān)鍵因素，使企業(yè)處于更有利的競(jìng)爭(zhēng)位置。

二、數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用

1．?dāng)?shù)據(jù)挖掘的概念

對(duì)于企業(yè)的海量信息存儲(chǔ)，數(shù)據(jù)挖掘是一種系統(tǒng)地檢查和理解大量數(shù)據(jù)的工具。數(shù)據(jù)挖掘根據(jù)預(yù)定義的商業(yè)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行探索和分析，揭示其中隱含的商業(yè)規(guī)律，并進(jìn)一步生成相應(yīng)的分析、預(yù)測(cè)模型。

數(shù)據(jù)挖掘發(fā)現(xiàn)的是以前未知的、可理解的、可執(zhí)行的信息，所以也被稱為“知識(shí)發(fā)現(xiàn)”(Knowledge Discovery in Databases)。與統(tǒng)計(jì)分析技術(shù)相比，數(shù)據(jù)挖掘技術(shù)能很好地和數(shù)據(jù)庫(kù)技術(shù)相結(jié)合，而且數(shù)據(jù)挖掘工具用以發(fā)現(xiàn)數(shù)據(jù)中隱含的商業(yè)規(guī)律的方法已不局限于統(tǒng)計(jì)技術(shù)，還包括神經(jīng)網(wǎng)絡(luò)、遺傳算法、自組織圖、神經(jīng)模糊系統(tǒng)等統(tǒng)計(jì)學(xué)科以外的方法。數(shù)據(jù)挖掘發(fā)現(xiàn)的“知識(shí)”一方面可以用于構(gòu)建預(yù)測(cè)模型，另一方面可以被用于豐富統(tǒng)計(jì)分析師的背景知識(shí)，再被統(tǒng)計(jì)分析師應(yīng)用到數(shù)據(jù)分析中。

數(shù)據(jù)挖掘任務(wù)一般可以分兩類：描述和預(yù)測(cè)。描述性挖掘任務(wù)刻劃數(shù)據(jù)庫(kù)中數(shù)據(jù)的一般特性。預(yù)測(cè)性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測(cè)。具體來(lái)講，數(shù)據(jù)挖掘主要用于解決以下幾種不同事情：

（1）關(guān)聯(lián)分析（Association analysis），是尋找屬性間的相關(guān)性。兩種常用的技術(shù)是關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是尋找在同一事件中出現(xiàn)的不同項(xiàng)的相關(guān)性，比如某個(gè)住宅項(xiàng)目的目標(biāo)客戶對(duì)該項(xiàng)目各方面評(píng)價(jià)之間的相關(guān)性序列分析尋找的是事件之間時(shí)間上的相關(guān)性，如對(duì)股票漲跌、房地產(chǎn)周期的分析。

（2）分類（Classification）和預(yù)測(cè)（Prediction）。分類根據(jù)某種標(biāo)準(zhǔn)將數(shù)據(jù)庫(kù)記錄分類到許多預(yù)先定義好的類別中。例如，將房地產(chǎn)企業(yè)客戶根據(jù)消費(fèi)決策模式進(jìn)行分類；同時(shí)可以建立預(yù)測(cè)模型，給定潛在客戶的收入、職業(yè)、家庭構(gòu)成等個(gè)人屬性，預(yù)測(cè)他們?cè)谫?gòu)房支出；如將房地產(chǎn)企業(yè)客戶分為潛在客戶、購(gòu)買者和實(shí)際客戶。分類系統(tǒng)可以產(chǎn)生這樣的規(guī)則：“如果客戶可以并且愿意承擔(dān)每月2000元的月供，計(jì)劃在1年內(nèi)在某地區(qū)買房，那么他/她是一個(gè)潛在客戶；如果客戶至少進(jìn)行過(guò)一次業(yè)務(wù)訪問(wèn)，那么他/她是一個(gè)購(gòu)買者?！?/p>

（3）聚類（Clustering）是把整個(gè)數(shù)據(jù)庫(kù)分成不同的群組。它的目的是要群與群之間差別明顯，而同一群之間的數(shù)據(jù)盡量相似。聚類與分類不同：分類之前已經(jīng)知道要把數(shù)據(jù)分成哪幾類，每個(gè)類的性質(zhì)是什么；聚類則恰恰相反。

（4）演變分析（evolution analysis）描述行為隨時(shí)間變化的對(duì)象的規(guī)律或趨勢(shì)，并對(duì)其建模。例如，結(jié)合人口構(gòu)成變動(dòng)趨勢(shì)、教育水平發(fā)展趨勢(shì)、社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)進(jìn)行房地產(chǎn)消費(fèi)趨向的分析。

（5）描述和可視化（Description and Visualization），對(duì)數(shù)據(jù)進(jìn)行歸約、概化或圖形描述等。例如，通過(guò)空間聚集和近似計(jì)算對(duì)一些具體的地理位置概化聚類，形成對(duì)某區(qū)域的形象化描述。

2．?dāng)?shù)據(jù)挖掘的市場(chǎng)研究?jī)r(jià)值

數(shù)據(jù)挖掘技術(shù)在商業(yè)上實(shí)際應(yīng)用十分豐富。應(yīng)用數(shù)據(jù)挖掘技術(shù)，可以幫助房地產(chǎn)行業(yè)找出有價(jià)值的信息，十分有助于企業(yè)發(fā)現(xiàn)商機(jī)、制定開(kāi)發(fā)計(jì)劃與營(yíng)銷策略。對(duì)于房地產(chǎn)市場(chǎng)研究，數(shù)據(jù)挖掘可以應(yīng)用于宏觀經(jīng)濟(jì)形勢(shì)研究、市場(chǎng)發(fā)展趨勢(shì)研究、樓盤供應(yīng)研究、競(jìng)爭(zhēng)對(duì)手研究、客戶研究。包括但不局限于以下幾個(gè)方面：

（1）宏觀經(jīng)濟(jì)形勢(shì)研究——1）房地產(chǎn)周期時(shí)序分析中的相似搜索：可找出已有房地產(chǎn)周期數(shù)據(jù)庫(kù)中與給定查詢序列最接近的數(shù)據(jù)序列。比較識(shí)別兩個(gè)相似時(shí)間段間數(shù)據(jù)系列的主要差異，對(duì)房地產(chǎn)市場(chǎng)的宏觀分析很有參考價(jià)值。2）宏觀經(jīng)濟(jì)形勢(shì)研究——房地產(chǎn)周期一般性因素關(guān)聯(lián)分析：一般而言，房地產(chǎn)周期是影響不動(dòng)產(chǎn)收益的一系列因素組成的總體概念。各因素均會(huì)對(duì)總體房地產(chǎn)周期起決定作用。關(guān)聯(lián)分析方法可用于幫助發(fā)現(xiàn)各因素和房地產(chǎn)周期間的交叉與聯(lián)系。

（2）市場(chǎng)發(fā)展趨勢(shì)研究——1）銷售量的增長(zhǎng)與人均可支配收入的回歸分析；2）個(gè)人購(gòu)買與集團(tuán)購(gòu)買房地產(chǎn)比重的擬合與分析；3）對(duì)房地產(chǎn)銷售波動(dòng)率的回歸分析。通過(guò)對(duì)市場(chǎng)總體狀況、市場(chǎng)占有率、發(fā)展水平等動(dòng)態(tài)的分析、總結(jié)和評(píng)價(jià)，及時(shí)獲得準(zhǔn)確數(shù)據(jù)，輔助經(jīng)營(yíng)決策。

（3）樓盤供應(yīng)研究——地理發(fā)展空間的多維分析：綜合人口住房條件及分布、土地利用現(xiàn)狀及政府規(guī)劃、交通現(xiàn)狀分布信息，通過(guò)聚集及層次化描述，發(fā)掘區(qū)域內(nèi)需建立的高檔別墅、高、中、低檔公寓的數(shù)量及各自的地理位置和發(fā)展計(jì)劃。

（4）客戶研究——客戶信息的多維關(guān)聯(lián)和序列模式分析：關(guān)聯(lián)分析可在客戶信息中發(fā)現(xiàn)客戶的消費(fèi)行為模式，幫助營(yíng)銷人員找出影響消費(fèi)者的機(jī)會(huì)與方式。

目前，專業(yè)市場(chǎng)研究公司對(duì)房地產(chǎn)行業(yè)的調(diào)研主要集中在客戶需求分析方面，并積累了一定的經(jīng)驗(yàn)，因此，本文主要探討房地產(chǎn)客戶信息的數(shù)據(jù)挖掘。

3．?dāng)?shù)據(jù)挖掘在房地產(chǎn)客戶研究中有著廣泛的應(yīng)用

房地產(chǎn)行業(yè)的客戶信息有許多特點(diǎn)，如下圖所示，一方面房地產(chǎn)行業(yè)面對(duì)的客戶群廣泛，而且客戶的特征描述的結(jié)構(gòu)復(fù)雜，另一方面房地產(chǎn)客戶需求的層次不一，且易受外界因素影響，具有多層次性和多變性。

對(duì)于復(fù)雜、多樣而且擅變的客戶信息，房地產(chǎn)行業(yè)客戶信息的數(shù)據(jù)挖掘有助于識(shí)別客戶購(gòu)買行為，發(fā)現(xiàn)客戶購(gòu)買模式和趨勢(shì)。從而，幫助房地產(chǎn)企業(yè)改進(jìn)服務(wù)質(zhì)量，取得更好的客戶關(guān)系和滿意程度，設(shè)計(jì)更好的營(yíng)銷方案，減少商業(yè)成本。根據(jù)已有的數(shù)據(jù)挖掘經(jīng)驗(yàn)，數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用可以歸納成以下幾個(gè)方面：

4．明確商業(yè)目標(biāo)

三、如何在房地產(chǎn)行業(yè)應(yīng)用數(shù)據(jù)挖掘技術(shù)

應(yīng)用數(shù)據(jù)挖掘的首要任務(wù)就是明確需要達(dá)到什么樣的商業(yè)目標(biāo)，并描述出需要解決的問(wèn)題。目標(biāo)的描述應(yīng)該細(xì)化、清楚，以便于選擇合適的挖掘方法，也方便檢測(cè)數(shù)據(jù)挖掘效果，判斷建立的模型的有效性。例如，下列目標(biāo)是大而空的目標(biāo)：獲得客戶行為的了解；在數(shù)據(jù)中發(fā)現(xiàn)有用的模型；發(fā)現(xiàn)一些有意思得東西。而另外一些目標(biāo)有較強(qiáng)操作性：發(fā)現(xiàn)哪些客戶不受某種促銷手段的影響；找出項(xiàng)目封頂時(shí)哪類客戶成交率增加。

5．?dāng)?shù)據(jù)準(zhǔn)備

基于數(shù)據(jù)挖掘的商業(yè)目標(biāo)，提取所需要的數(shù)據(jù)。為了保證數(shù)據(jù)的質(zhì)量，除了對(duì)數(shù)據(jù)進(jìn)行必要地檢查和修正外，還需要考慮不同源之間數(shù)據(jù)的一致性問(wèn)題。

如果數(shù)據(jù)集包含過(guò)多的字段，需采用一定的方法找到對(duì)模型輸出影響最大的字段，適當(dāng)?shù)臏p少輸入的字段。常用的方法包括：“描述型數(shù)據(jù)挖掘”、連結(jié)分析等。

很多變量如果組合起來(lái)（加、減、比率等）會(huì)比這些變量自身影響力更大。一些變量如果擴(kuò)大它的范圍會(huì)成為一個(gè)非常好的預(yù)測(cè)變量，比如用一段時(shí)間內(nèi)收入變化情況代替一個(gè)單一的收入數(shù)據(jù)。因此，在數(shù)據(jù)準(zhǔn)備階段需考慮是否創(chuàng)建一些新的變量。

處理缺失數(shù)據(jù)也是數(shù)據(jù)準(zhǔn)備階段的一個(gè)重要工作。有些缺值本身就非常有意義。例如：富有的顧客會(huì)忽略“收入”，或者不在乎價(jià)格的影響。

6．建立模型

建立模型是一個(gè)反復(fù)的過(guò)程。首先需要選擇適合解決當(dāng)前問(wèn)題的模型。對(duì)模型的選擇過(guò)程可能會(huì)啟發(fā)對(duì)數(shù)據(jù)的理解并加以修改，甚至改變最初對(duì)問(wèn)題的定義。

一旦選擇了模型的類型及應(yīng)用的方法，所選擇的模型將決定對(duì)數(shù)據(jù)的預(yù)處理工作。例如，神經(jīng)網(wǎng)絡(luò)需要做數(shù)據(jù)轉(zhuǎn)換，有些數(shù)據(jù)挖掘工具可能對(duì)輸入數(shù)據(jù)的格式有特定的限制等。

接下來(lái)是建立模型的工作。對(duì)于通過(guò)數(shù)據(jù)挖掘建立的模型需要有一定的數(shù)據(jù)來(lái)測(cè)試和驗(yàn)證。對(duì)于預(yù)測(cè)性任務(wù)，需通過(guò)反復(fù)的測(cè)試、驗(yàn)證、訓(xùn)練，才能不斷提高模型的準(zhǔn)確率。

大部分?jǐn)?shù)據(jù)挖掘模型不是專為解決某個(gè)問(wèn)題而特制的，模型之間也并不相互排斥。不能說(shuō)一個(gè)問(wèn)題一定要采用某種模型，別的就不行。例如：Cart決策樹(shù)算法、神經(jīng)網(wǎng)絡(luò)既可以用于建立分類樹(shù)，也可建立回歸樹(shù)。

7．輸出結(jié)果的評(píng)價(jià)和解釋

模型建立好之后，必須評(píng)價(jià)其結(jié)果，解釋其價(jià)值。在實(shí)際應(yīng)用中，模型的準(zhǔn)確率會(huì)隨著應(yīng)用數(shù)據(jù)的不同發(fā)生變化。但準(zhǔn)確度自身并不一定是選擇模型的正確評(píng)價(jià)方法。對(duì)輸出結(jié)果的理解需要進(jìn)一步了解錯(cuò)誤的類型和由此帶來(lái)的相關(guān)費(fèi)用的多少。如果模型每個(gè)不同的預(yù)測(cè)錯(cuò)誤所需付出的代價(jià)（費(fèi)用）也不同的話，代價(jià)最小的模型（而不一定是錯(cuò)誤率最小的模型）將是較好的選擇。

直接在現(xiàn)實(shí)世界中測(cè)試模型很重要。先在小范圍內(nèi)應(yīng)用，取得測(cè)試數(shù)據(jù)，覺(jué)得滿意后再向大范圍推廣。

8．實(shí)施

模型在建立并經(jīng)驗(yàn)證之后，可以有兩種主要的使用方法。一種是提供給分析人員做參考，由他通過(guò)查看和分析這個(gè)模型輸出，并做出解釋和方案建議；另一種是把模型應(yīng)用到不同的數(shù)據(jù)集上。模型可以用來(lái)標(biāo)示一個(gè)事例的類別，給一類客戶打分等，還可以用模型在數(shù)據(jù)庫(kù)中選擇符合特定要求的記錄，以用其他工具做進(jìn)一步分析。

在應(yīng)用模型之后，還要不斷監(jiān)控模型的效果。即使模型的運(yùn)用很成功，也不能放棄監(jiān)控。因?yàn)槭挛镌诓粩喟l(fā)展變化，很可能過(guò)一段時(shí)間之后，隨著購(gòu)買方式、消費(fèi)觀點(diǎn)的變化，模型就不再起作用。因此隨著模型使用時(shí)間的增加，要不斷的對(duì)模型做重新測(cè)試，有時(shí)甚至需要更新建立模型。

四、應(yīng)用舉例：基于客戶分類的關(guān)聯(lián)分析

1．商業(yè)目標(biāo)

為了更詳盡地了解客戶的消費(fèi)決策，本案例設(shè)計(jì)的問(wèn)題是：“給客戶分類，并了解不同類的客戶有什么特點(diǎn)？”針對(duì)此類問(wèn)題挖掘出的結(jié)果可以被用于預(yù)測(cè)性分析，例如預(yù)測(cè)客戶最傾向于做出哪種購(gòu)買行為。２．?dāng)?shù)據(jù)準(zhǔn)備

本案例中采用某一時(shí)點(diǎn)上的房地產(chǎn)消費(fèi)者需求抽樣調(diào)查，取出描述消費(fèi)者個(gè)人屬性和消費(fèi)特點(diǎn)的字段。

３．建立模型

（1）對(duì)數(shù)據(jù)進(jìn)行分類

本案例中由購(gòu)房者選擇最多五個(gè)自己在購(gòu)房決策過(guò)程中比較看重的因素，并以總評(píng)分100分為前提給出每個(gè)因素的看重程度的評(píng)分。

案例得到的抽樣數(shù)據(jù)顯示，盡管地理位置是影響一個(gè)房地產(chǎn)項(xiàng)目定位的重要因素，人們對(duì)地理位置的看重程度仍有較大的差異。因此，以客戶對(duì)地理位置的關(guān)注程度為分類標(biāo)準(zhǔn)，構(gòu)建了一個(gè)簡(jiǎn)單的決策樹(shù)。決策樹(shù)中根據(jù)購(gòu)房者對(duì)地理位置的看重程度，將購(gòu)房者分為：地理位置決定型、地理位置重要參考型、地理位置參考型、地理位置不重要型、地理位置無(wú)關(guān)型五種類型。下表是應(yīng)用決策樹(shù)得到的客戶分類結(jié)果。從各客戶群評(píng)分的均值和標(biāo)準(zhǔn)差可以看出，各客戶群具有較好的組內(nèi)相似性和組間差異性，說(shuō)明所構(gòu)建的決策樹(shù)的分類結(jié)果比較理想，可用于進(jìn)一步的分析。

（2）關(guān)聯(lián)分析運(yùn)用關(guān)聯(lián)分析的目的是尋找數(shù)據(jù)庫(kù)中值的相關(guān)性。本例采用基于興趣度的關(guān)聯(lián)規(guī)則挖掘算法，挖掘每類客戶不同屬性間的相關(guān)性。經(jīng)過(guò)挖掘，發(fā)現(xiàn)一些值得深入探討的關(guān)聯(lián)，見(jiàn)下表：

注：a)支持率反映了關(guān)聯(lián)是否是普遍存在的規(guī)律。例如：支持率=5%，表示在1000個(gè)客戶中有50個(gè)客戶符合關(guān)聯(lián)規(guī)則描述。

b)可信度反映了關(guān)聯(lián)規(guī)則前提成立的條件下結(jié)果成例的概率。本例中，可信度=15%可以解釋為，對(duì)應(yīng)的客戶群中有15個(gè)人符合關(guān)聯(lián)規(guī)則的描述。

c)興趣度反映了關(guān)聯(lián)規(guī)則中元素的關(guān)系的密切程度。興趣度越大于1說(shuō)明該規(guī)則中的元素的關(guān)系越密切，該規(guī)則的實(shí)際利用價(jià)值越大。

d)最小支持度閾值、最小可信度和最小興趣度的閾值可以由用戶和領(lǐng)域?qū)＜以O(shè)定。此例中以支持度>3.5%，可信度>15%，興趣度>2為閾值。

上表中列出的關(guān)聯(lián)規(guī)則均有較高的支持率、可信度和興趣度。為了更加準(zhǔn)確地挖掘關(guān)聯(lián)規(guī)則。對(duì)挖掘出的關(guān)聯(lián)規(guī)則更換因果關(guān)系，形成新的關(guān)聯(lián)規(guī)則與之進(jìn)行對(duì)比。如下例：

關(guān)聯(lián)規(guī)則A1：地理位置無(wú)關(guān)型客戶＝≥重視物業(yè)管理

支持率=9.7% 可信度=30.3% 興趣度=2.4與

關(guān)聯(lián)規(guī)則B1：重視物業(yè)管理 ＝≥地理位置無(wú)關(guān)型客戶

支持率=9.7% 可信度=76.9% 興趣度=2.4

對(duì)比兩個(gè)關(guān)聯(lián)規(guī)則將發(fā)現(xiàn)，“重視物業(yè)管理的人不關(guān)心地理位置”的可能性（76.9%）高于“不關(guān)心地理位置的人重視物業(yè)管理”的可能性（30.3%）。說(shuō)明關(guān)聯(lián)規(guī)則B1：重視物業(yè)管理＝≥地理位置無(wú)關(guān)型客戶是一條更有意義的關(guān)聯(lián)規(guī)則。

其他被發(fā)掘的關(guān)聯(lián)也可以通過(guò)類似的比較，進(jìn)行深一步的挖掘。在此不再全部做出詳細(xì)分析。從本例挖掘出的信息可以看到，如果僅依賴于已有行業(yè)經(jīng)驗(yàn)進(jìn)行統(tǒng)計(jì)分析，往往會(huì)因?yàn)榉治鋈藛T的主觀性或者數(shù)據(jù)量太大難以實(shí)施而存在信息提取的局限性。而通過(guò)數(shù)據(jù)挖掘得到的信息，一方面能彌補(bǔ)直接應(yīng)用統(tǒng)計(jì)分析時(shí)的局限性，開(kāi)拓分析人員的思維，豐富分析人員的行業(yè)背景知識(shí)；另一方面可以通過(guò)反復(fù)的驗(yàn)證、機(jī)器學(xué)習(xí)建立模型，直接成為分析人員的分析、預(yù)測(cè)的工具。

需要說(shuō)明：

a)本案例的目的在于說(shuō)明數(shù)據(jù)挖掘算法的應(yīng)用價(jià)值，得到的結(jié)果僅供參考，并不作為定論，而且數(shù)據(jù)挖掘的結(jié)果需要由行業(yè)內(nèi)的商業(yè)分析人員判斷：是否真的具有意義，是否有進(jìn)一步分析、探討的價(jià)值。也就是說(shuō)數(shù)據(jù)挖掘作為信息提取的工具，其輸出是決策分析的參考，不能代替行業(yè)內(nèi)商業(yè)分析人員的分析工作。

b)案例中的數(shù)據(jù)挖掘作為方法應(yīng)用的探討，如要生成一個(gè)可操作的模型工具還需足夠的數(shù)據(jù)集支持進(jìn)行測(cè)試、驗(yàn)證、訓(xùn)練才能不斷提高模型的準(zhǔn)確率。

c)本案例中解決問(wèn)題的方法不是唯一的，可能應(yīng)用其他的分類手段、分類標(biāo)準(zhǔn)能得到更好的結(jié)果。具體方法的應(yīng)用要取決于實(shí)施人員的建模能力、行業(yè)經(jīng)驗(yàn)。也就是說(shuō)，數(shù)據(jù)挖掘?qū)θ藛T有較高的要求。數(shù)據(jù)挖掘的人員不僅要有良好的統(tǒng)計(jì)概念、建模能力，還要懂得基本的商業(yè)和行業(yè)概念。

五、房地產(chǎn)行業(yè)數(shù)據(jù)挖掘的應(yīng)用前景

隨著IT/Internet等新技術(shù)發(fā)展，市場(chǎng)研究在房地產(chǎn)行業(yè)的應(yīng)用已經(jīng)不再局限于數(shù)據(jù)采集和簡(jiǎn)單的歸納、數(shù)據(jù)分析。更高的決策服務(wù)是建立在更大量的“數(shù)據(jù)——信息——知識(shí)”的基礎(chǔ)上的，因此數(shù)據(jù)挖掘、商業(yè)智能等概念與技術(shù)的引入促進(jìn)了數(shù)據(jù)挖掘在房地產(chǎn)行業(yè)的應(yīng)用。與此同時(shí)，隨著房地產(chǎn)企業(yè)數(shù)據(jù)挖掘應(yīng)用的深入，數(shù)據(jù)、數(shù)據(jù)挖掘的任務(wù)和數(shù)據(jù)挖掘方法的多樣性將給數(shù)據(jù)挖掘提出了許多挑戰(zhàn)性的課題。例如：

1、應(yīng)用地理信息系統(tǒng)(GIS)尋求數(shù)據(jù)挖掘過(guò)程中的可視化方法，使得知識(shí)發(fā)現(xiàn)的過(guò)程能夠被用戶理解，也便于在知識(shí)發(fā)現(xiàn)過(guò)程中的人機(jī)交互。

2、web挖掘：由于web上存在大量信息，隨著web的發(fā)展，有關(guān)web內(nèi)容挖掘、web日志挖掘等網(wǎng)絡(luò)上的數(shù)據(jù)挖掘?qū)⒊蔀閿?shù)據(jù)挖掘中一個(gè)最為重要和繁榮的應(yīng)用領(lǐng)域。房地產(chǎn)公司的企業(yè)形象宣傳、營(yíng)銷、客戶維護(hù)等工作都將離不開(kāi)網(wǎng)絡(luò)，也必然將需要web挖掘數(shù)據(jù)支持。

第三篇：關(guān)于數(shù)據(jù)挖掘在出口退稅中的應(yīng)用

關(guān)于數(shù)據(jù)挖掘在出口退稅中的應(yīng)用引言

出口貨物退（免）稅，簡(jiǎn)稱 出口退稅，其基本含義是一個(gè)國(guó)家或地區(qū)對(duì)已報(bào)送離境的出口貨物，由稅務(wù)機(jī)關(guān)將其在出口前的生產(chǎn)和流通的各環(huán)節(jié)已經(jīng)繳納的國(guó)內(nèi)產(chǎn)品稅、增值稅、營(yíng)業(yè)稅和特別消費(fèi)稅等間接稅稅款退還給出口企業(yè)的一項(xiàng)稅收制度。出口退稅 主要是通過(guò)退還出口貨物的國(guó)內(nèi)已納稅款來(lái)平衡國(guó)內(nèi)產(chǎn)品的稅收負(fù)擔(dān)，使本國(guó)產(chǎn)品以不含稅成本進(jìn)入國(guó)際市場(chǎng)，與國(guó)外產(chǎn)品在同等條件下進(jìn)行競(jìng)爭(zhēng)，從而增強(qiáng)競(jìng)爭(zhēng)能力，擴(kuò)大出口創(chuàng)匯[1]。

我國(guó)從1985年開(kāi)始，全面地實(shí)行了 出口退稅 政策，并從1995年開(kāi)始全面實(shí)行電子化管理，它是全國(guó)稅務(wù)系統(tǒng)第一個(gè)全面推廣應(yīng)用的稅收管理軟件，是金關(guān)工程和金稅工程的一個(gè)子系統(tǒng)，在強(qiáng)化出口退稅管理，提高出口退稅工作效率，防范和打擊騙稅上發(fā)揮了巨大的作用[2]。但是，目前的出口退稅電子化管理只完成了出口退稅業(yè)務(wù)的電子化操作，還未在決策的電子化方面取得較大進(jìn)展。經(jīng)過(guò)十多年的發(fā)展，積累了大量涉稅信息，如何將這些“歷史的、靜態(tài)的”數(shù)據(jù)變成動(dòng)態(tài)的、具有分析決策性質(zhì)的信息已成為當(dāng)前急需研究的課題[3]，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)使這種應(yīng)用成為現(xiàn)實(shí)。出口退稅數(shù)據(jù)挖掘的目的和基本方法

現(xiàn)行的出口退稅電子化管理主要是通過(guò)出口企業(yè)把申報(bào)退稅的信息通過(guò)出口退稅申報(bào)系統(tǒng)錄入計(jì)算機(jī)并生成申報(bào)數(shù)據(jù)，然后再經(jīng)過(guò)出口退稅審核系統(tǒng)把企業(yè)申報(bào)的出口退稅憑證的電子信息與稅務(wù)機(jī)關(guān)接收到的其他部門（征稅機(jī)關(guān)、海關(guān) 和外管）傳來(lái)的憑證信息進(jìn)行比對(duì)，以達(dá)到審核出口退稅憑證的合法性和真實(shí)性的目的，進(jìn)而根據(jù)比對(duì)審核通過(guò)的數(shù)據(jù)進(jìn)行退稅?？梢钥闯?，目前的出口退稅電子化管理只側(cè)重了出口退稅的 單證 信息的計(jì)算機(jī)審核，而對(duì)于挖掘?qū)徍送ㄟ^(guò)的 單證 信息和各部門傳遞來(lái)的電子信息的價(jià)值方面存在著很大的不足。隨著金稅二期網(wǎng)絡(luò)建設(shè)的推動(dòng)，各省現(xiàn)已基本實(shí)現(xiàn)了出口退稅數(shù)據(jù)的省級(jí)大集中[4]，這些數(shù)據(jù)都是各出口退稅部門在日常的業(yè)務(wù)審核中積累下來(lái)的數(shù)據(jù)，十分寶貴，如何充分發(fā)揮其應(yīng)有的作用，已成為人們研究的熱點(diǎn)。1

數(shù)據(jù)挖掘的目的就是分析出口企業(yè)的出口退稅數(shù)據(jù)，挖掘這些數(shù)據(jù)與經(jīng)濟(jì)的內(nèi)在聯(lián)系，全面掌握本地區(qū)出口退稅的產(chǎn)品結(jié)構(gòu)、出口的貿(mào)易方式、出口產(chǎn)品的地區(qū)差異等，對(duì)于調(diào)整一個(gè)地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展方向以及制定經(jīng)濟(jì)發(fā)展戰(zhàn)略有著重要的參考價(jià)值；對(duì)于稅務(wù)機(jī)關(guān)掌握出口企業(yè)的實(shí)際生產(chǎn)出口情況，培養(yǎng)稅源，打擊偷稅漏稅和防范出口騙稅等方面有著重要的意義。

對(duì)于出口退稅部門在日常的業(yè)務(wù)審核中積累下來(lái)的數(shù)據(jù)進(jìn)行挖掘，主要是指在了解和掌握具體納稅人生產(chǎn)經(jīng)營(yíng)情況和財(cái)務(wù)數(shù)據(jù)的基礎(chǔ)上，對(duì)納稅人的稅收經(jīng)濟(jì)關(guān)系和稅收繳納狀況進(jìn)行客觀評(píng)價(jià)和說(shuō)明的分析，主要是通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行縱橫比較分析和邏輯關(guān)系稽核來(lái)進(jìn)行挖掘，以指導(dǎo)稅收管理工作。

1)橫向比較分析

橫向比較分析是指同一指標(biāo)在不同個(gè)體、單位、地區(qū)之間的比較分析。橫向比較分析最典型的分析例子就是同業(yè)稅負(fù)分析。受市場(chǎng)均衡作用的影響，同一產(chǎn)品在生產(chǎn)技術(shù)工藝、原材料能源消耗方面有相近之處，適用稅收政策有統(tǒng)一的要求，因此反映生產(chǎn)成本費(fèi)用方面的指標(biāo)有相同的規(guī)律特征?？偨Y(jié)這種規(guī)律特征，以此檢驗(yàn)個(gè)體數(shù)據(jù)指標(biāo)的表現(xiàn)，找出差異較大的個(gè)體予以預(yù)警。

2)縱向比較分析

縱向比較分析或歷史數(shù)據(jù)分析是指同一個(gè)體的同一指標(biāo)在不同歷史時(shí)期的數(shù)據(jù)比較分析。常用的分析方法有趨勢(shì)分析和變動(dòng)率分析。分析的理論依據(jù)是大多情況下企業(yè)的生產(chǎn)經(jīng)營(yíng)是處于一種相對(duì)平穩(wěn)的狀態(tài)，不會(huì)出現(xiàn)突然的波動(dòng)或大起大落現(xiàn)象。因此，如果企業(yè)生產(chǎn)能力沒(méi)有作大的調(diào)整，一般情況下企業(yè)各個(gè)時(shí)期的數(shù)據(jù)指標(biāo)彼此接近，不會(huì)出現(xiàn)大的差異。如果出現(xiàn)較大差異，應(yīng)引起主管部門的注意，及時(shí)進(jìn)行相關(guān)的納稅評(píng)估。

3)數(shù)據(jù)邏輯關(guān)系稽核

受會(huì)計(jì)核算原理的約束和稅收制度規(guī)定的制約，反映納稅人生產(chǎn)經(jīng)營(yíng)情況和財(cái)務(wù)狀況的眾多數(shù)據(jù)指標(biāo)之間存在非常嚴(yán)謹(jǐn)?shù)?、相互依存的邏輯關(guān)系。這種邏輯關(guān)系決定了企業(yè)的納稅申報(bào)數(shù)據(jù)必須滿足企業(yè)財(cái)務(wù)數(shù)據(jù)相關(guān)性的特定要求，檢查這些數(shù)據(jù)邏輯關(guān)系是否吻合，可以鑒別企業(yè)申報(bào)數(shù)據(jù)的真實(shí)性和合理性，從而發(fā)現(xiàn)稅收問(wèn)題，堵塞征管漏洞。出口退稅數(shù)據(jù)挖掘的功能

數(shù)據(jù)挖掘通過(guò)預(yù)測(cè)未來(lái)趨勢(shì)及行為，做出前攝的、基于知識(shí)的決策。數(shù)據(jù)挖掘的目標(biāo)是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱含的、有意義的知識(shí)，主要有以下五類功能：

1)趨勢(shì)預(yù)測(cè)

數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。出口退稅數(shù)據(jù)挖掘的預(yù)測(cè)趨勢(shì)是對(duì)納稅人特定稅收指標(biāo)、經(jīng)濟(jì)指標(biāo)或稅收經(jīng)濟(jì)關(guān)系指標(biāo)一段時(shí)期走勢(shì)和趨向的分析和推斷，了解和掌握稅收經(jīng)濟(jì)的發(fā)展趨勢(shì)，有利于判斷未來(lái)出口退稅形勢(shì)的好壞，使出口退稅做到心中有數(shù)。

趨勢(shì)預(yù)測(cè)的兩個(gè)基本要求是說(shuō)明特定指標(biāo)的發(fā)展方向和變化幅度，基礎(chǔ)分析技術(shù)是時(shí)間序列分析技術(shù)，常用說(shuō)明指標(biāo)有變動(dòng)率和平均變化速度等。

2)關(guān)聯(lián)分析

數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。

在出口退稅評(píng)估工作中，可以利用企業(yè)財(cái)務(wù)報(bào)表、納稅申報(bào)表和出口退稅匯總表等各項(xiàng)數(shù)據(jù)指標(biāo)之間的相互邏輯關(guān)系進(jìn)行核算檢查，對(duì)于不滿足應(yīng)有邏輯計(jì)算關(guān)系的內(nèi)容，即認(rèn)為破壞了會(huì)計(jì)核算或稅款計(jì)征關(guān)系，均應(yīng)視為異常做進(jìn)一步的深入分析。由于企業(yè)財(cái)務(wù)指標(biāo)和出口退稅申報(bào)數(shù)據(jù)有上百條之多，所以與此相關(guān)的邏輯計(jì)算關(guān)系也會(huì)在此基礎(chǔ)上更為豐富和復(fù)雜，只有通過(guò)關(guān)聯(lián)分析，才有可能在出口退稅申報(bào)環(huán)節(jié)實(shí)現(xiàn)實(shí)時(shí)的出口退稅評(píng)估工作。

3)聚類分析

聚類分析是數(shù)理統(tǒng)計(jì)的一個(gè)分支，是運(yùn)用事物本身所具有的某種數(shù)據(jù)特征，遵循“物以類聚”規(guī)律進(jìn)行數(shù)據(jù)處理，為事物的分類管理提供數(shù)據(jù)支持的一種分析方法。借用這種方法開(kāi)展稅收分析，可將具有某種稅收共同特征的事物聚集在一起，使我們更清楚地認(rèn)識(shí)稅收征管工作的分類特征。

聚類分析的基本原理是根據(jù)數(shù)據(jù)指標(biāo)差異的絕對(duì)距離進(jìn)行分類，結(jié)合矩陣分析技術(shù)，可以進(jìn)行多指標(biāo)的綜合特征分析，為復(fù)雜事物的分類提供了一種可行的分析方法。聚類分析的關(guān)鍵是找到一組關(guān)系密切的相關(guān)指標(biāo)，如退稅增長(zhǎng)、稅源增長(zhǎng)、退稅變化彈性和出口影響等，均可以利用這一分析技術(shù)進(jìn)行綜合分析和技術(shù)處理。

4)差異分析

數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些差異很有意義。差異包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。

差異分析的基本方法是測(cè)算不同樣本同一指標(biāo)的差異程度。差異分析的關(guān)鍵是建立評(píng)價(jià)差異的標(biāo)準(zhǔn)，有了標(biāo)準(zhǔn)才能說(shuō)明差異的影響程度。表示差異程度可以用絕對(duì)值，也可以建立參照系用相對(duì)值。應(yīng)用差異分析開(kāi)展微觀稅收分析的典型分析案例就是同業(yè)稅負(fù)分析模型。應(yīng)用同業(yè)稅負(fù)分析模型可以測(cè)算出各項(xiàng)相關(guān)指標(biāo)的客觀水平和樣本離散狀況，以此為標(biāo)準(zhǔn)比對(duì)個(gè)別檢驗(yàn)樣本的具體數(shù)值，超出差異允許界限的即為預(yù)警對(duì)象。

5)波動(dòng)分析

波動(dòng)分析是描述稅收事物運(yùn)行變化平穩(wěn)性的分析。稅收事物的運(yùn)行受經(jīng)濟(jì)變化影響、稅收制度規(guī)定的約束和現(xiàn)有征管環(huán)境制約有其自身客觀的規(guī)律。在經(jīng)濟(jì)

運(yùn)行相對(duì)平穩(wěn)、稅制不變的條件下，稅收事物運(yùn)行平穩(wěn)與否，直接反映稅收征管情況的影響作用。因此，開(kāi)展波動(dòng)分析，一定程度上可以了解和說(shuō)明退稅管理的表現(xiàn)，反映退稅管理是否能按稅源的發(fā)展變化規(guī)律同步開(kāi)展，監(jiān)督退稅管理的執(zhí)行情況。出口退稅數(shù)據(jù)挖掘的實(shí)現(xiàn)

出口退稅數(shù)據(jù)挖掘應(yīng)用系統(tǒng)由三部分組成：第一部分是由用戶數(shù)據(jù)源到中央數(shù)據(jù)庫(kù)的ETL過(guò)程;第二部分是根據(jù)出口退稅業(yè)務(wù)模型建立業(yè)務(wù)智能分析模型;第三部分是面向稅收管理人員進(jìn)行數(shù)據(jù)的發(fā)布和多維分析工作?；窘Y(jié)構(gòu)如圖1所示。

數(shù)據(jù)的ETL(Extract-Transform-Load，數(shù)據(jù)抽取、轉(zhuǎn)換、裝載)過(guò)程采用微軟的SSIS(SQL Server Integration Services)來(lái)完成數(shù)據(jù)預(yù)處理階段對(duì)于原始數(shù)據(jù)的轉(zhuǎn)換、清洗加載過(guò)程;中央數(shù)據(jù)庫(kù)采用微軟的SQL Server 2005，SQL Server 2005除了提供一個(gè)安全、可靠和高效的數(shù)據(jù)管理平臺(tái)之外，它還是一個(gè)企業(yè)級(jí)數(shù)據(jù)整合平臺(tái)，通過(guò)SSIS提供了構(gòu)建企業(yè)級(jí)ETL應(yīng)用程序所需的功能和性能，是一個(gè)集成的商業(yè)智能平臺(tái)，通過(guò)Analysis Services提供了統(tǒng)一和集成的商業(yè)數(shù)據(jù)視圖，可被用做所有傳統(tǒng)報(bào)表、OLAP分析、關(guān)鍵績(jī)效指標(biāo)(KPI)記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。

SQL Server 2005分析服務(wù)提供了數(shù)據(jù)挖掘服務(wù)，支持集成其它個(gè)人或者企業(yè)的DM算法，并且將DM算法集成的復(fù)雜度不斷降低，它主要是基于OLE DB for DM規(guī)范，使用靈活。開(kāi)發(fā)人員能夠利用數(shù)據(jù)挖掘功能開(kāi)發(fā)應(yīng)用程序，其數(shù)據(jù)挖掘語(yǔ)言非常類似于SQL，數(shù)據(jù)挖掘供應(yīng)者是一個(gè)開(kāi)放系統(tǒng)，因?yàn)樗荗LE DB的一個(gè)部件，數(shù)據(jù)挖掘服務(wù)能夠通過(guò)DSO(Decision Support Object)、或ADO可包含在任何用戶應(yīng)用程序中。將DM算法無(wú)縫集成到SQL Server的分析服務(wù)中，利用集成的DM算法來(lái)構(gòu)建數(shù)據(jù)挖掘解決方案是一種理想的方式。

在SQL Server 2005數(shù)據(jù)挖掘平臺(tái)中，創(chuàng)建關(guān)系型挖掘模型的語(yǔ)法如下：

Create mining model()using

它類似于建立一個(gè)關(guān)系表，其中包括輸入、預(yù)測(cè)屬性，每一個(gè)模型與一個(gè)數(shù)據(jù)挖掘算法相關(guān)聯(lián)。

多維數(shù)據(jù)分析工具和報(bào)表工具使用統(tǒng)一空間模型UDM(Unified Dimensional Model)，利用UDM中對(duì)業(yè)務(wù)實(shí)體的友好描述、等級(jí)導(dǎo)航、多視角、自動(dòng)平滑 翻譯 為本機(jī)語(yǔ)言等功能，可以實(shí)現(xiàn)出口退稅數(shù)據(jù)挖掘過(guò)程中所得到的結(jié)果集的友好展示。結(jié)束語(yǔ)

隨著數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的發(fā)展，數(shù)據(jù)挖掘會(huì)越來(lái)越發(fā)揮其獨(dú)到的分析優(yōu)勢(shì)，特別是將挖掘出的新知識(shí)通過(guò)用基于OLAP的決策支持系統(tǒng)加以驗(yàn)證、結(jié)合，可以更好地為決策者服務(wù)。出口退稅管理的電子化系統(tǒng)已經(jīng)積累了大量的業(yè)務(wù)數(shù)據(jù)，可以為數(shù)據(jù)挖掘提供大量數(shù)據(jù)，數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)在收稅管理具有廣闊的應(yīng)用前景。

第四篇：數(shù)據(jù)挖掘在企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用

數(shù)據(jù)挖掘在企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用

摘要：本文主要概述了數(shù)據(jù)挖掘技術(shù)的發(fā)展歷史和研究現(xiàn)狀。并將數(shù)據(jù)挖掘技術(shù)在企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用狀況分別從國(guó)內(nèi)和國(guó)外兩方面作了介紹。同時(shí)對(duì)數(shù)據(jù)挖掘技術(shù)在企業(yè)競(jìng)爭(zhēng)中的應(yīng)用的相關(guān)經(jīng)典理論與最新理論作了簡(jiǎn)要的介紹。

關(guān)鍵詞: 數(shù)據(jù)挖掘；企業(yè)競(jìng)爭(zhēng)情報(bào);知識(shí)發(fā)現(xiàn)

中圖分類號(hào): TP39

21.引言

數(shù)據(jù)挖掘也稱知識(shí)發(fā)現(xiàn)。數(shù)據(jù)挖掘是一門不斷發(fā)展的綜合交叉學(xué)科，興起于20世紀(jì)80年代末，是當(dāng)前計(jì)算機(jī)行業(yè)最熱門的研究領(lǐng)域之一。數(shù)據(jù)挖掘理論匯聚了數(shù)據(jù)庫(kù)、可視化、并行計(jì)算等方面的技術(shù)，集統(tǒng)計(jì)學(xué)、人工智能、模式識(shí)別、計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)等多門學(xué)科理論知識(shí)為一體。數(shù)據(jù)挖掘技術(shù)從本質(zhì)上來(lái)說(shuō)是一種新的商業(yè)信息處理技術(shù)。[1]從商業(yè)角度看，數(shù)據(jù)挖掘技術(shù)就是按企業(yè)的既定的業(yè)務(wù)目標(biāo)，對(duì)大量的企業(yè)數(shù)據(jù)進(jìn)行深層次分析以揭示隱藏的，未知的規(guī)律并將其模型化，從而支持商業(yè)決策活動(dòng)。[2]

2.研究歷史

2.1 國(guó)外歷史

從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)（KDD）一詞首次出現(xiàn)在1989年舉行的第十一屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上。到目前為止，由美國(guó)人工智能協(xié)會(huì)主辦的KDD國(guó)際研討會(huì)已經(jīng)召開(kāi)了8次，規(guī)模由原來(lái)的專題討論會(huì)發(fā)展到國(guó)際學(xué)術(shù)大會(huì)，研究重點(diǎn)也逐漸從發(fā)現(xiàn)方法轉(zhuǎn)向系統(tǒng)應(yīng)用，注重多種發(fā)現(xiàn)策略和技術(shù)的集成，以及多種學(xué)科之間的相互滲透。1999年，亞太地區(qū)在北京召開(kāi)的第三屆PAKDD會(huì)議收到158篇論文，空前熱烈。IEEE的Knowledge and Data Engineering會(huì)刊率先在1993年出版了KDD技術(shù)?？?。并行計(jì)算、計(jì)算機(jī)網(wǎng)絡(luò)和信息工程等其他領(lǐng)域的國(guó)際學(xué)會(huì)、學(xué)刊也把數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)列為專題和?？懻?，甚至到了膾炙人口的程度。[3]

2.2 國(guó)內(nèi)歷史

與國(guó)外相比，國(guó)內(nèi)對(duì)DMKD的研究稍晚，沒(méi)有形成整體力量。1993年國(guó)家自然科學(xué)基金首次支持我們對(duì)該領(lǐng)域的研究項(xiàng)目。[4]目前，國(guó)內(nèi)的許多科研單位和高等院校競(jìng)相開(kāi)展知識(shí)發(fā)現(xiàn)的基礎(chǔ)理論及其應(yīng)用研究，這些單位包括清華大學(xué)、中科院計(jì)算技術(shù)研究所、空軍第三研究所、海軍裝備論證中心等。其中，北京系統(tǒng)工程研究所對(duì)模糊方法在知識(shí)發(fā)現(xiàn)中的應(yīng)用進(jìn)行了較深入的研究，北京大學(xué)也在開(kāi)展對(duì)數(shù)據(jù)立方體代數(shù)的研究，華中理工大學(xué)、復(fù)旦大學(xué)、浙江大學(xué)、中國(guó)科技大學(xué)、中科院數(shù)學(xué)研究所、吉林大學(xué)等單位開(kāi)展了對(duì)關(guān)聯(lián)規(guī)則開(kāi)采算法的優(yōu)化和改造；南京大學(xué)、四川聯(lián)合大學(xué)和上海交通大學(xué)等單位探討、研究了非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)發(fā)現(xiàn)以及Web數(shù)據(jù)挖掘。[5]

2.3 重要理論

1997年，Mannila對(duì)當(dāng)時(shí)流行的數(shù)據(jù)挖掘理論的理論框架給出了綜述。[6]結(jié)合最新的研究成果，有下面一些重要的理論。

模式發(fā)現(xiàn)架構(gòu)理論，規(guī)則發(fā)現(xiàn)架構(gòu)理論，基于概率與統(tǒng)計(jì)理論，微觀經(jīng)濟(jì)學(xué)觀點(diǎn)理論，基于數(shù)據(jù)壓縮的理論，基于歸納數(shù)據(jù)庫(kù)理論，可視化數(shù)據(jù)挖掘理論。這些經(jīng)典的理論直到今天還是研究的熱門。而且也不能算是完善的理論。畢竟數(shù)據(jù)挖掘的概念的提出不過(guò)幾十年。Piatetsky-Shapiro說(shuō)數(shù)據(jù)挖掘技術(shù)在被廣泛應(yīng)用之前，仍然有許多“鴻溝”要跨越，即所謂Chasm階段。[7]

3． 研究現(xiàn)狀

3.1國(guó)外研究與應(yīng)用現(xiàn)狀

最近，Gartner Group的一次高級(jí)技術(shù)調(diào)查將數(shù)據(jù)挖掘和人工智能列為“未來(lái)三到五年內(nèi)將對(duì)工業(yè)產(chǎn)生深遠(yuǎn)影響的五大關(guān)鍵技術(shù)”之首，并且還將并行處理體系和數(shù)據(jù)挖掘列為未來(lái)五年內(nèi)投資焦點(diǎn)的十大新興技術(shù)前兩位。根據(jù)最近Gartner的HPC研究表明，“隨著數(shù)據(jù)捕獲、傳輸和存儲(chǔ)技術(shù)的快速發(fā)展，大型系統(tǒng)用戶將更多地需要采用新技術(shù)來(lái)挖掘市場(chǎng)以外的價(jià)值，采用更為廣闊的并行處理系統(tǒng)來(lái)創(chuàng)建新的商業(yè)增長(zhǎng)點(diǎn)。”[8]

據(jù)美國(guó)《幸?！冯s志統(tǒng)計(jì)，全球500強(qiáng)企業(yè)的前100名企業(yè)和美國(guó)95％的公司均擁有自己的競(jìng)爭(zhēng)情報(bào)系統(tǒng)，幫助企業(yè)根據(jù)競(jìng)爭(zhēng)環(huán)境和競(jìng)爭(zhēng)對(duì)手的各種變化，贏得競(jìng)爭(zhēng)的主動(dòng)權(quán)。根據(jù)美國(guó)未來(lái)集團(tuán)對(duì)世界500強(qiáng)企業(yè)的調(diào)查統(tǒng)計(jì)，競(jìng)爭(zhēng)情報(bào)對(duì)企業(yè)效益所作的貢獻(xiàn)占企業(yè)總效益的比率分別是：微軟為17％、摩托羅拉為11％、IBM為9％、寶潔為8％、通用電氣為7％、惠普為7％、可口可樂(lè)為5％、英特爾為5％。[9]

3.2國(guó)內(nèi)研究與應(yīng)用現(xiàn)狀

我國(guó)學(xué)者對(duì)競(jìng)爭(zhēng)情報(bào)的研究始于20世紀(jì)80年代末期。當(dāng)時(shí)，上?？萍记閳?bào)所的研究人員在國(guó)外進(jìn)修期間接觸到競(jìng)爭(zhēng)情報(bào)的概念，并將其引入到國(guó)內(nèi)，拉開(kāi)了我國(guó)競(jìng)爭(zhēng)情報(bào)研究的序幕。

1991—1994年，中國(guó)兵器工業(yè)情報(bào)研究所牽頭進(jìn)行了一項(xiàng)課題“情報(bào)研究的國(guó)內(nèi)外比較研究“，提出了把我國(guó)情報(bào)研究工作的重點(diǎn)轉(zhuǎn)向競(jìng)爭(zhēng)情報(bào)，推進(jìn)國(guó)家、集團(tuán)和企業(yè)的科技進(jìn)步，增強(qiáng)它們的競(jìng)爭(zhēng)力和提高產(chǎn)品與服務(wù)的市場(chǎng)占有率方面來(lái)的重要對(duì)策。1992年中期，上?？茖W(xué)技術(shù)情報(bào)研究所成立了“市場(chǎng)調(diào)研部”，開(kāi)始進(jìn)行競(jìng)爭(zhēng)情報(bào)實(shí)踐的探索。由該所負(fù)責(zé)的“上海轎車工業(yè)競(jìng)爭(zhēng)環(huán)境監(jiān)視系統(tǒng)”是國(guó)內(nèi)競(jìng)爭(zhēng)情報(bào)領(lǐng)域第一個(gè)由政府立項(xiàng)的研究課題，于1992年10月立項(xiàng)、1993年底結(jié)束。1994年9月，國(guó)家計(jì)委、國(guó)家科委、國(guó)防科工委、北京市政府等部門聯(lián)合召開(kāi)了“全國(guó)競(jìng)爭(zhēng)情報(bào)與企業(yè)發(fā)展研討會(huì)”。1 996年，北京市科委將競(jìng)爭(zhēng)情報(bào)軟科學(xué)納入“北京市工業(yè)振興計(jì)劃“中。作為四個(gè)示范工程之一，“北京市競(jìng)爭(zhēng)情報(bào)示范工程”由兵器信息研究所、航天信息研究所具體承擔(dān)。示范工程以中介組織與企業(yè)合作的方式開(kāi)展，在電子，電器、醫(yī)藥、化工、紡織和煙草等行業(yè)中選擇不同盈利狀況的企業(yè)，共計(jì)8個(gè)項(xiàng)目，主要研究競(jìng)爭(zhēng)情報(bào)系統(tǒng)(cis)的數(shù)據(jù)庫(kù)設(shè)計(jì)報(bào)系統(tǒng)、網(wǎng)絡(luò)設(shè)計(jì)等，至1999年10 月己完成了6個(gè)并通過(guò)驗(yàn)收。1999年年中，北京市科委決定成立“北京市競(jìng)爭(zhēng)情報(bào)咨詢服務(wù)中心”，以“北京市競(jìng)爭(zhēng)情報(bào)示范工程”的主要承擔(dān)單位航天信息研究所為依托單位，“在北京市企業(yè)開(kāi)展競(jìng)爭(zhēng)情報(bào)的推廣工作，培養(yǎng)一批競(jìng)爭(zhēng)情報(bào)研究專家，幫助企業(yè)開(kāi)展競(jìng)爭(zhēng)情報(bào)研究，建立符合企業(yè)實(shí)際的競(jìng)爭(zhēng)情報(bào)組織體系，為企業(yè)科學(xué)決策提供依據(jù)”。進(jìn)入2l世紀(jì)，我國(guó)的海爾、康佳、創(chuàng)維等大型企業(yè)集團(tuán)分別在美國(guó)、印度、墨西哥設(shè)立了其海外工廠，競(jìng)爭(zhēng)情報(bào)的應(yīng)用為他們開(kāi)拓海外市場(chǎng)起到事半功倍的作用。在國(guó)內(nèi)已經(jīng)有一些大中型企業(yè)開(kāi)始接受外部咨詢公司的服務(wù)，并著手建設(shè)自己的競(jìng)爭(zhēng)情報(bào)體系。包括醫(yī)藥行業(yè)的：三九醫(yī)藥、哈藥三廠、六廠、上海羅氏、西安楊森、同仁堂等；百貨行業(yè)的：西單商場(chǎng)、武漢中商；金融行業(yè)的：深圳發(fā)展銀行、上海浦發(fā)銀行、中國(guó)民生銀行等企業(yè)。2000年12月，由中國(guó)兵器工業(yè)第二一零研究所牽頭，北京大學(xué)信息管理系、中國(guó)科技信息研究所和北京牡丹電子集團(tuán)參與的一項(xiàng)國(guó)家自然科學(xué)基金會(huì)項(xiàng)目“企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)的模式和運(yùn)行機(jī)制研究”結(jié)題，在總結(jié)國(guó)內(nèi)外經(jīng)驗(yàn)的基礎(chǔ)上，構(gòu)造了由三個(gè)網(wǎng)絡(luò)、三個(gè)系統(tǒng)、一個(gè)中心、六大功能構(gòu)成的企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)，并給出了競(jìng)爭(zhēng)情報(bào)分析方法及其評(píng)價(jià)指標(biāo)，詳細(xì)介紹了競(jìng)爭(zhēng)對(duì)手跟蹤、關(guān)鍵成功因素分析、核心競(jìng)爭(zhēng)力分析和多點(diǎn)競(jìng)爭(zhēng)分析方法以及計(jì)算機(jī)技術(shù)在競(jìng)爭(zhēng)情報(bào)分析中的應(yīng)用。目前，國(guó)內(nèi)市場(chǎng)上已出現(xiàn)了專業(yè)的競(jìng)爭(zhēng)情報(bào)系統(tǒng)產(chǎn)品。2002年8月下旬，百度公司正式發(fā)布了業(yè)界首例企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)，據(jù)該公司的宣傳材料稱，名為e．CIS的百度企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)集情報(bào)計(jì)劃、采集、管理和服務(wù)為一體，能夠幫助企業(yè)對(duì)整體競(jìng)爭(zhēng)環(huán)境和競(jìng)爭(zhēng)對(duì)手進(jìn)行全面監(jiān)測(cè)，同時(shí)收集和分析商業(yè)競(jìng)爭(zhēng)中企業(yè)商業(yè)行為的優(yōu)勢(shì)、劣勢(shì)及潛在的機(jī)遇，可以由此使企業(yè)建立起·個(gè)強(qiáng)大的情報(bào)中心。競(jìng)爭(zhēng)情報(bào)系統(tǒng)正在以燎原之勢(shì)迅速發(fā)展。雖然競(jìng)爭(zhēng)情報(bào)工作在我國(guó)已有相當(dāng)程度的發(fā)展，企業(yè)界對(duì)競(jìng)爭(zhēng)情報(bào)的認(rèn)識(shí)正在逐漸深化，但是這項(xiàng)很有意義的工作還并沒(méi)有大范圍的推廣普及。據(jù)“企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)的模式和運(yùn)行機(jī)制研究”課題的一項(xiàng)以競(jìng)爭(zhēng)情報(bào)分會(huì)會(huì)員為樣本的調(diào)查顯示，在調(diào)查對(duì)象中，只有18．75％的企業(yè)擁有競(jìng)爭(zhēng)情報(bào)部門，并且已經(jīng)建立了正規(guī)化的工作流程與情報(bào)網(wǎng)絡(luò)。在27．78％的企業(yè)中，競(jìng)爭(zhēng)情報(bào)工作只具有圖書館功黥沒(méi)有建立正式的競(jìng)爭(zhēng)情報(bào)流程或網(wǎng)絡(luò)。而高達(dá)53．47％的企業(yè)處于正在建立正式的競(jìng)爭(zhēng)情報(bào)組織與網(wǎng)絡(luò)的發(fā)展過(guò)程中。但同時(shí)，競(jìng)爭(zhēng)情報(bào)流程己制度化，擁有世界范圍網(wǎng)絡(luò)，并具有相當(dāng)反應(yīng)能力的企業(yè)數(shù)則為零，這說(shuō)明我國(guó)多數(shù)企業(yè)競(jìng)爭(zhēng)情報(bào)工作尚處于發(fā)展中，我國(guó)競(jìng)爭(zhēng)情報(bào)事業(yè)的發(fā)展任重道遠(yuǎn)引。[10]

3.3目前的研究方向與重要理論

數(shù)據(jù)挖掘技術(shù)與特定商業(yè)的平滑問(wèn)題。商業(yè)邏輯有機(jī)地嵌入數(shù)據(jù)挖掘過(guò)程等關(guān)鍵問(wèn)題，將是數(shù)據(jù)挖掘技術(shù)研究和應(yīng)用的重要方向。數(shù)據(jù)挖掘技術(shù)與特定數(shù)據(jù)存儲(chǔ)類型的適應(yīng)問(wèn)題 不同的數(shù)據(jù)存儲(chǔ)方式會(huì)影響數(shù)據(jù)挖掘的具體實(shí)現(xiàn)機(jī)制，目標(biāo)定位，技術(shù)有效性等。大型數(shù)據(jù)的選擇與規(guī)格化問(wèn)題。數(shù)據(jù)挖掘技術(shù)是面向大型數(shù)據(jù)集的，而且源數(shù)據(jù)庫(kù)中的數(shù)據(jù)時(shí)動(dòng)態(tài)變化的，數(shù)據(jù)存在噪音，不確定性，信息丟失，信息冗余，數(shù)據(jù)分布稀疏等問(wèn)題，因此挖掘前的預(yù)處理工作是必須的。數(shù)據(jù)挖掘技術(shù)又是面向特定商業(yè)目標(biāo)的，大量的數(shù)據(jù)需要選擇性的利用，因此針對(duì)特定挖掘問(wèn)題進(jìn)行數(shù)據(jù)選擇，針對(duì)特定挖掘方法進(jìn)行數(shù)據(jù)規(guī)格化是無(wú)法回避的問(wèn)題。數(shù)據(jù)挖掘系統(tǒng)的架構(gòu)與交互式挖掘技術(shù)。數(shù)據(jù)挖掘語(yǔ)言與系統(tǒng)的可視化問(wèn)題。數(shù)據(jù)挖掘理論與算法研究。[11]

4．結(jié)語(yǔ)

當(dāng)前商業(yè)競(jìng)爭(zhēng)異常激烈，企業(yè)迅速掌握有效的信息非常重要。數(shù)據(jù)挖掘技術(shù)在企業(yè)競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用使得企業(yè)從海量信息中徹底解放出來(lái)。當(dāng)前數(shù)據(jù)挖掘技術(shù)正在快速發(fā)展階段，它對(duì)企業(yè)方方面面的價(jià)值日漸凸顯。相關(guān)專業(yè)人士應(yīng)該充分關(guān)注當(dāng)前最新的發(fā)展理論。

參考文獻(xiàn)

[1] 毛國(guó)君，段立娟，王實(shí)，石云.數(shù)據(jù)挖掘原理與算法（第二版）[M].北京：清華大學(xué)出版社，2007.[2] 毛國(guó)君.數(shù)據(jù)挖掘的概念﹑系統(tǒng)結(jié)構(gòu)與方法[M].北京：清華大學(xué)出版社，2009.[3] 百度空間：數(shù)據(jù)挖掘[EB/OL].[2011-12-25]

[4] 洪家榮.空間數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的理論與方法[M].北京：人民郵電出版社，2001.[5]邵峰晶，于忠清．?dāng)?shù)據(jù)挖掘原理與算法[M]北京：中國(guó)水利水電出版社，2003．

[6] 陳敏.數(shù)據(jù)挖掘技術(shù)在商業(yè)中的應(yīng)用研究[M].上海：上海科學(xué)技術(shù)出版社，2005.[7]蘇新寧楊建林等．?dāng)?shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘[M]北京：清華大學(xué)出版社，2006：60—63．

[8] 百度百科：[EB/OL].[2011-12-25].[10]劉曉燕，單曉紅．?dāng)?shù)據(jù)挖掘在競(jìng)爭(zhēng)情報(bào)系統(tǒng)中的應(yīng)用[J]．管理學(xué)報(bào)，2009，2(2)：1 29—1 30

[11] 史忠植.知識(shí)發(fā)現(xiàn)[M].北京：清華大學(xué)出版社，2010.

第五篇：數(shù)據(jù)挖掘在培訓(xùn)管理中的應(yīng)用論文

1、引言

對(duì)很多培養(yǎng)機(jī)構(gòu)而言，目前急需解決的問(wèn)題主要有：如何根據(jù)不同成員需求設(shè)置合理的課程、如何通過(guò)教學(xué)方式提高成員學(xué)習(xí)積極性、如何提高成員培訓(xùn)效果、如何通過(guò)考核檢驗(yàn)成員學(xué)習(xí)成果等，都是培養(yǎng)機(jī)構(gòu)發(fā)展過(guò)程中必須面對(duì)的問(wèn)題。隨著我國(guó)信息化進(jìn)程的加快，一些培養(yǎng)機(jī)構(gòu)也開(kāi)始進(jìn)行信息化建設(shè)，通過(guò)信息系統(tǒng)對(duì)培訓(xùn)相關(guān)事宜進(jìn)行管理。但目前在針對(duì)培養(yǎng)機(jī)構(gòu)的信息系統(tǒng)中，所實(shí)現(xiàn)的功能和模塊是進(jìn)行簡(jiǎn)單的查詢、統(tǒng)計(jì)。在了解培訓(xùn)評(píng)估效果時(shí)，目前的信息系統(tǒng)中，學(xué)員通過(guò)系統(tǒng)對(duì)不同課程的教師進(jìn)行打分，系統(tǒng)自對(duì)進(jìn)行匯總、統(tǒng)計(jì)，得出教師評(píng)價(jià)。但這種匯總、統(tǒng)計(jì)是最簡(jiǎn)單的，對(duì)教師評(píng)價(jià)也缺乏全面性和深度。

2、數(shù)據(jù)挖掘在培訓(xùn)管理系統(tǒng)中的應(yīng)用

大數(shù)據(jù)時(shí)代下，數(shù)據(jù)信息呈現(xiàn)出海量特點(diǎn)。如何從海量、不完全的信息中尋找到真正有用的信息，是大數(shù)據(jù)時(shí)代中重要的問(wèn)題。由此便利用到數(shù)據(jù)挖掘，顧名思義，數(shù)據(jù)挖掘就是從眾多數(shù)據(jù)信息中尋找到有用、有價(jià)值的信息。大數(shù)據(jù)時(shí)代下，教育行業(yè)中，信息量也是海量的，要想提高教學(xué)質(zhì)量就需要運(yùn)用數(shù)據(jù)挖掘找尋到有用的教育信息，并運(yùn)用到實(shí)際教學(xué)中。信息系統(tǒng)通過(guò)一段實(shí)際應(yīng)用后，里面存儲(chǔ)了大量數(shù)據(jù)，相應(yīng)的，學(xué)習(xí)管理系統(tǒng)也是如此，里面蘊(yùn)含了大量數(shù)據(jù)信息。如在線課程等功能中藏有大量師生應(yīng)用過(guò)程中的數(shù)據(jù)資料。如圖1為數(shù)據(jù)挖掘在培訓(xùn)管理中的流程圖。

2.1初步探索

培訓(xùn)管理系統(tǒng)中一般具有數(shù)據(jù)統(tǒng)計(jì)功能，將相關(guān)事宜進(jìn)行統(tǒng)計(jì)。如網(wǎng)絡(luò)課程開(kāi)展過(guò)程中，數(shù)據(jù)挖掘在培訓(xùn)管理系統(tǒng)中的應(yīng)用文/張宏亮在大數(shù)據(jù)時(shí)代，如何使用現(xiàn)有的數(shù)據(jù)對(duì)學(xué)員進(jìn)行培訓(xùn)管理，從而提高培訓(xùn)效率是當(dāng)前培訓(xùn)管理中所面臨的問(wèn)題。本文分析了數(shù)據(jù)挖掘在培訓(xùn)管理中的應(yīng)用主要表現(xiàn)在初步探索、數(shù)據(jù)預(yù)處理以及數(shù)據(jù)挖掘過(guò)程。其中數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘是培訓(xùn)系統(tǒng)的核心功能。

2.2數(shù)據(jù)預(yù)期處理

數(shù)據(jù)預(yù)處理時(shí)，原始數(shù)據(jù)庫(kù)會(huì)發(fā)生轉(zhuǎn)變，以適應(yīng)數(shù)據(jù)挖掘、數(shù)據(jù)挖掘算法等的要求。在處理結(jié)構(gòu)化的數(shù)據(jù)時(shí)，數(shù)據(jù)預(yù)處理需要完成兩項(xiàng)任務(wù)，即消除數(shù)據(jù)缺陷現(xiàn)象的存在和為數(shù)據(jù)挖掘奠定良好基礎(chǔ)。數(shù)據(jù)處理是對(duì)現(xiàn)有的數(shù)據(jù)進(jìn)行前期處理，方便后期數(shù)據(jù)挖掘。如圖2為培訓(xùn)管理系統(tǒng)中數(shù)據(jù)預(yù)處理模塊。

2.3數(shù)據(jù)挖掘

WangJ開(kāi)發(fā)了一個(gè)將數(shù)據(jù)挖掘技術(shù)與基于模擬的培訓(xùn)相結(jié)合的混合框架，以提高培訓(xùn)評(píng)估的有效性。以信仰為基礎(chǔ)的學(xué)習(xí)概念，用于從知識(shí)/技能水平和信心水平的兩個(gè)維度來(lái)評(píng)估學(xué)員的學(xué)習(xí)成果。數(shù)據(jù)挖掘技術(shù)用于分析受訓(xùn)人員的個(gè)人資料和基于模擬的培訓(xùn)產(chǎn)生的數(shù)據(jù)，以評(píng)估學(xué)員的表現(xiàn)和學(xué)習(xí)行為。提出的方法論以臺(tái)灣基于模擬的步兵射擊訓(xùn)練的實(shí)例為例。結(jié)果表明，提出的方法可以準(zhǔn)確地評(píng)估學(xué)員的表現(xiàn)和學(xué)習(xí)行為，并且可以發(fā)現(xiàn)潛在的知識(shí)來(lái)提高學(xué)員的學(xué)習(xí)成果。BodeaCN使用數(shù)據(jù)挖掘技術(shù)進(jìn)行了培訓(xùn)學(xué)習(xí)管理，用于分析參加在線兩年制碩士學(xué)位課程項(xiàng)目管理的學(xué)生的表現(xiàn)。系統(tǒng)數(shù)據(jù)來(lái)源是收集學(xué)生意見(jiàn)的調(diào)查數(shù)據(jù)，學(xué)生記錄的操作數(shù)據(jù)和電子學(xué)習(xí)的平臺(tái)記錄的學(xué)生活動(dòng)數(shù)據(jù)。

3、總結(jié)

目前培訓(xùn)機(jī)構(gòu)在進(jìn)行教學(xué)評(píng)估時(shí)，所選擇的指標(biāo)都是參考其他機(jī)構(gòu)的，并沒(méi)有真正從自身實(shí)際出發(fā)進(jìn)行評(píng)估，因此教學(xué)評(píng)估時(shí)存在諸多問(wèn)題。其中最明顯的兩個(gè)問(wèn)題是：第一教學(xué)評(píng)估方式單一化嚴(yán)重，只以數(shù)字評(píng)估為主；第二評(píng)估時(shí)容易受各種主觀因素影響。

參考文獻(xiàn)

[1]菅志剛,金旭.數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究,2004,21(07):117-118.[2]王全旺,趙兵川.數(shù)據(jù)挖掘技術(shù)在Moodle課程管理系統(tǒng)中的應(yīng)用研究[J].電化教育研究,2011(11):69-73.[3]陳怡薇.數(shù)據(jù)挖掘技術(shù):教育培訓(xùn)管理新手段[J].石油化工管理干部學(xué)院學(xué)報(bào),2014(04):49-52.[4]肖明,陳嘉勇,栗文超.數(shù)據(jù)挖掘在學(xué)習(xí)管理系統(tǒng)中應(yīng)用的研究進(jìn)展綜述[J].現(xiàn)代教育技術(shù),2010,20(09):127-133.