———调整：
对数据
进行探索后，有了初步的了解，就
必须对数据进行增减，选择，转
化，量化，保证有效进行
D-EBIJ98
———建模：
应用分
析软件工具，建立模型，进行预
测。
D$E&MM9AA
———评价：
评价数
据挖掘结果的有效性和可靠性。
表
0常用数据挖掘工具及其比较
图
0数据挖掘技术实施步骤流程图
知识丛林
0!
统计与决策
!
""#
年
$
月（下）
摘要：
本文对数据挖掘技术进行了回顾，介绍了目前在数据挖掘中常用的方法和工具，列举了
它的一些应用，指出了数据挖掘中存在的一些问题。
关键词：
数据挖掘；数据仓库；统计技术；
%&%’（）
；
%*%%’+,-.-/01/-
中图分类号：
234
文献标识码：
&
文章编号：
5""!
6#784
（
!
""#
）
"$6"5!
!
6"3
数据挖掘技术及其应用现状
王斌会
（暨南大学经济学院，广州
$5"#3!
）
!
数据挖掘的含义、功能和内容
数据挖掘的历史虽然较短，但从
!
"
世纪
9"
年代以来，
它的发展速度很快，加之它是多学科综合的产物，目前还没
有一个完整的定义，提出了多种数据挖掘的定义，例如：
%&%
研究所（
5994
）：
“在大量相关数据基础之上进行数
据探索和建立相关模型的先进方法”。
:
;<=
（
5999
）：
“使用模式识别技术、统计和数学技术，
在大量的数据中发现有意义的新关系、模式和趋势的过程”。
>
-0<,
（
!
"""
）：
“数据挖掘就是在大型数据库中寻找
有意义、有价值信息的过程”。
我们认为：
数据挖掘就是从海量的数据中挖掘出可能有
潜在价值的信息的技术，用以支持决策，可以为企业带来利
益，或者为科学研究寻找突破口。
现今资料流通量之巨大已到了令人咂舌地步，就实际限
制而言，便遇到了诸如巨量的记录，高维的资料，这些都增加
了传统分析技术上的困难，搜集到的资料仅有
$@
至
5"@
用
来分析，以及资料搜集过程中并不探讨特性等问题，这就让
我们不得不利用
A<0<）1/1/B
技术。
数据挖掘综合了各个学科技术，有很多的功能，当前的
主要功能如下：
（
5
）分类：
按照分析对象的属性、特征，建立不同的组类
来描述事物。
（
!
）聚类：
识别出分析对内在的规则，按照这些规则把对
象分成若干类。
（
3
）关联规则和序列模式的发现：
关联是某种事物发生
时其他事物会发生的这样一种联系。
（
7
）预测：
把握分析对象发展规律，对未来的趋势作出预
见。
（
$
）偏差的检测：
对分析对象的少数的、极端的特例的描
述，揭示内在的原因。
内在因素，减小以后经营的风险。
需要注意的是：
数据挖掘的各项功能并不是独立存在
的，在数据挖掘中互相联系，发挥着作用。
从统计角度看，统计数据挖掘的主要内容包括：
!
时间
序列数据库的挖掘；
"
截面数据库的挖掘；
#
统计信息数据
库的挖掘；
$
统计普查数据库的挖掘；
%
抽样调查数据库的
挖掘；
&C-D
统计资源数据库的挖掘。
当然，还有各种企业和
公司的经营数据资料的挖掘。
"
数据挖掘的方法及工具
数据挖掘通过对数据的总结、分类、聚类、关联等分析，
实现对数据内在结构特征的理解和对未知数据的预测。
作为
一门处理数据的新兴技术，数据挖掘有许多新特征。
首先，数
据挖掘面对的是海量的数据，这也是数据挖掘产生的原因。
其次，数据可能是不完全的、有噪声的、随机的，有复杂的数
据结构，维数大。
最后，数据挖掘是许多学科的交叉，运用了
统计学，计算机，数学等学科的技术。
以下是常见和应用最广
泛的算法和模型：
（
5
）传统统计方法：
!
抽样技术：
我们面对的是海量的
数据，对所有的数据进行分析是不可能的也是没有必要的，
这就要求在理论的指导下进行合理的抽样。
"
多元统计分
析：
由于数据结构复杂、维数高，必不可少的要用到诸如因子
分析，聚类分析等方法。
#
统计预测方法，如回归分析，时间
序列分析等。
（
!
）可视化技术：
用图表等方式把数据特征直观地表述
出来，如直方图、散点图、三维曲面图等都需要可视化方法。
可视化技术面对的一个难题是高维数据的可视化。
（
3
）联机分析处理（
EF&*
）：
EF&*
是一种联机的多维数
据分析方法。
联机体现在分析过程需要用户积极参与，并动
态地提出分析要求，选择分析算法，实现对数据由浅至深的
探索性分析；多维体现在它将数据库中的各种属性看作是描
述数据属性的“维”。
（
7
）决策树：
利用一系列规则划分，建立树状图，可用于
基金项目：
广东省自然科学基金项目
G"7"5"79"H
知识丛林
5!
!
!
数据挖掘应用现状
数据挖掘所要处理的问题，就是在庞大的数据库中找出
有价值的隐藏事件，并且加以分析，获取有意义的信息，归纳
出有用的结构，作为企业进行决策的依据。
因而其应用非常
广泛，只要该企业有分析价值与需求的数据库，皆可利用
%&’&’（
工具进行有目的的发掘分析。
常见的应用案例多发生
在零售业、制造业、财务金融保险、通讯及医疗服务，例如：
）*+
在营销方面的应用：
如客户关系管理（
-%
）的系统
分析；不同商品在每个分店的销售趋势分析，使购买趋势、时
令特点和定价策略一目了然；零售商也可从顾客购买商品中
发现一定的关系，提供打折购物券等，提高销售额。
）!
+
在保险业中的应用：
对保险行业日益增长的各种查
询、统计和市场进行分析，有效利用数据来实现经营目标，预
测保险业的发展趋势。
保险公司可通过数据挖掘建立预测模
型，辨别出可能的欺诈行为，避免道德风险，减少成本，提高
利润。
）.+
在证券业的应用：
可处理客户分析，账户分析，证券
交易数据分析，非资金交易分析等多个业界关心的主题。
）/+
在银行领域的应用：
主要使银行了解自身的经营风
险，开发新产品，拓展新市场，实现科学管理及决策。
）$+
在制造业中，半导体的生产和测试中都产生大量的
数据，就必须对这些数据进行分析，找出存在的问题，提高质
量。
）#+
电子商务的作用越来越大，可以用数据挖掘对网站
进行分析，识别用户的行为模式，保留客户，提供个性化服
务，优化网站设计。
）0+
在税务领域的应用：
如查出应税未报者和瞒税漏税
者，并对其进行跟踪，也可对不同行业中纳税人的行为特征
进行描述，找出普遍规律，为税务征稽提供策略。
下面是一些公司运用数据挖掘的成功案例，显示了数据
挖掘的强大生命力：
美国
1234567896:
;4<
是世界上最大的汽车销售站点，每
天都会有大量的用户对网站上的信息点击，寻求信息，其运
用了
=1=
软件进行数据挖掘，每天对数据进行分析，找出用
户的访问模式，对产品的喜欢程度进行判断，并设特定服务
器，取得了成功。
-923969>
是世界著名的金融信息服务公司，其利用的数
据大都是外部的数据，这样数据的质量就是公司生存的关键
所在，必须从数据中检测出错误的成分。
-923969>
用
=?
==
的
数据挖掘工具
=?
==@,A9<9’3&’9
，建立数据挖掘模型，极大地
提高了错误的检测，保证了信息的正确和权威性。
B7>>CDE463
是世界最大的啤酒进出口商之一，在海外
F"
多个市场从事交易，每个星期传送
!
."""
份定单，这就需
要了解每个客户的习惯，如品牌的喜好等，
B7>>CDE463
用
GB%
的
G’99AA&（9’3%&’96
很好的解决了上述问题。
据
GH,
预测分析，从
*II0J!
""!
年，整个数据挖掘市场
将以平均每年
!
":
$K
的速度增长，到
!
""!
年将超过
!
I"
亿
美元，相信随着现代商业模式的进一步变革，数据挖掘应用
将成为企业获得竞争优势的有力武器。
"
数据挖掘中存在的问题
尽管数据挖掘有如此多的优点，但数据挖掘也面临着许
多的问题，这也为数据挖掘的未来的发展提供了更大的空
间。
（
*
）数据挖掘的基本问题就在于数据的数量和维数，数
据结构也因此显得非常复杂，如何进行探索，选择分析变量，
也就成为首先要解决的问题。
（
!
）面对如此大的数据，现有的统计方法等都遇到了问
题，我们直接的想法就是对数据进行抽样，那么怎么抽样，抽
取多大的样本，又怎样评价抽样的效果，这些都是值得研究
的难题。
（
.
）既然数据是海量的，那么数据中就会隐含一定的变
化趋势，在数据挖掘中也要对这个趋势做应有的考虑和评
价。
（
/
）各种不同的模型如何应用，其效果如何评价。
不同的
人对同样的数据进行挖掘，可能产生不同的结果，甚至差异
很大，这就涉及到可靠性的问题。
（
$
）当前互联网的发展迅速，如何进行互联网的数据挖
掘，还有文本、声音、图象等非标准数据的挖掘，都引起了极
大的兴趣。
（
#
）由于数据是如此的大，其中隐含的信息是非常丰富
的，挖掘出来的信息是否完全，是否还有对决策更加有利的
信息，这都不得而知了。
（
0
）数据挖掘涉及到数据也就碰到了数据的私有性和保
密性。
（
F
）数据挖掘的结果是不确定的，要和专业知识相结合
才能对其做出判断。
总之，数据挖掘只是一个工具和方法，不是万能的，它可
以发现一些潜在的用户，但是不会告诉你为什么，也不能保
证这些潜在的用户成为现实。
数据挖掘的成功要求对期望解
决问题的领域有深刻的了解，理解数据，了解其过程，才能对
数据挖掘的结果找出合理的解释。
例如曾经用数据挖掘找出
的啤酒与尿布的例子，如何去解释这种现象，是应该将两者
放在一起还是分开销售，这还需要对消费心理学有所研究才
能做出决定，而不是数据挖掘能力所及的了。
参考文献：
L*M李雪胜编译:
利用=1=系统进行数据挖掘LNM:
数理统计与管理O
*II0O）!
+:
L!
M郑之开O张广凡O邵惠鹤:
数据采掘和知识发现：
回顾和展望LNM:
信息
与控制
O*IIIO）$+:
L.M-4P963Q643R:
H737%&’&’（：
B2&A8&’（,4?
69’3&;9T7AA?
5-*III:
（责任编辑
@
李友平）
知识丛林
升级会员 