分享到:

靠数据挖掘抓住客户的心

某商场实行会员积分制度,依据会员的积分卡建立了CRM系统,会员可凭积分卡在购物时享受一定的折扣优惠,根据消费金额进行积分,同时每年还可获得一本商场内商户的打折优惠券。$$    会员卡搜集的资料主要是会员的个人信息,包括性别、联系方式、居住地址等,同时由于会员在消费时需刷卡才能积分并享受优惠,故所有会员的每一次消费信息包括花费金额、购买时间、所购商品名称、所购商品的促销折扣、享受的总折扣都有记录。但该商场仅将此资料作为积分兑奖的依据加以利用,同时对长时间未到店的用户进行短信促销推广,这样做实际仅利用了CRM数据库中很小的一部分信息,对于海量的会员购物细节信息并没有加以深度的利用。$$    在周边商场不断打折促销的压力下,该商场采用同样的折扣手段进行促销以吸引消费者,但效果不佳,商场的营业额出现了增长的停滞甚至下跌。商场面对困境决定对用户的数据进行深度的发掘,希望能够对商场的会员采取有针对性的促销措施,以避免客户的流失。$$  ...  (本文共3页) 阅读全文>>

《数字通信世界》2019年09期
数字通信世界

数据挖掘在计算机实验室管理系统中的应用

数据挖掘技术在计算机实验室管理系统中也发挥了巨大的作用,学生日常所开展的计算机实践课程包含有数据挖掘相应技术,计算机实验室管理人员也需要对数据挖掘技术进行具体应用从而加强对实验室的管理。1数据挖掘概念及方法数据挖掘即在大量随机性强的数据中提取潜在知识信息,将数据背后所隐含的真实内容提取出来。数据挖掘具有一定的交叉性,人们不仅要对数据进行具体应用,掌握数据的查询方法,还需要学会对数据具体内容进行挖掘,从而让挖掘出的数据信息对相应的政策提供具体的支撑。数据挖掘涉及的领域较为广泛,包括人工智能、数据库的建立、数据统计工作的开展,数据挖掘这一信息处理技术具有一定的前瞻性,涉及到数据库中的大量数据,包括数据的分析、数据的转换、数据的抽取、模型的处理等一系列工作,通过这一系列工作来挖掘出能为相关决策提供支持的关键性信息,因此,数据挖掘技术为数据库中关键信息的获取提供了技术支撑。数据挖掘方法主要有四种,一是神经网络法,即对人类的思维进行模拟,...  (本文共1页) 阅读全文>>

《福建信息技术教育》2005年01期
福建信息技术教育

数据挖掘技术简介

1.引言 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、 人们事先不知道的、但又是潜在有用的信息和知识的过程。它是一门涉及面很广的交叉学科,包括机器学 习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘技术包括三个主要部 分:算法和技术、数据、建模能力。 2.数据挖掘的分类 (1)根据数据挖掘的任务,可分为:分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序 列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。 (2)根据数据挖掘的对象,可分为如下若干种数据源:关系数据库、面向对象数据库、空间数据库、时态 数据库、文本数据源、多媒体数据女异质数据库、遗产(legacy)数据库,以及Web数据源。 (3)根据数据挖掘的方法,可粗分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方 法中,可细分为:回归分析(多元回归、自回归等...  (本文共3页) 阅读全文>>

《浙江现代教育技术》2004年03期
浙江现代教育技术

数据挖掘在教育信息化中的应用空间分析

随着信息社会的来临,大量信息在给人们带来方便的同时也带来了信息的消化、信息的辨识、信息的安全、信息形式的一致性等问题。人们开始考虑:如何才能不被信息淹没,而且从中及时发现有用的知识,提高信息利用率,最终避免“数据爆炸但知识贫乏”的现象。仁’〕这个任务就落在数据挖掘的身上。本文对教育信息化条件下,数据挖掘的应用空间进行分析,希望能为教育信息化建设提供有价值的参考。 一、数据挖掘及其技术 1.数据挖掘 数据挖掘(Data Mining)就是从大量的数据中,抽取出潜在的、有价值的知识(模型或规则)的过程,是一类深层次的数据分析方法。它是一门交叉学科,包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。数据挖掘技术包括三个主要部分:算法和技术;数据;建模能力。川 2.数据挖掘系统 一个完整的数据挖掘系统包括规则生成子系统和应用评估子系统两个部分。规则生成子系统主要完成根据数据仓库提供的历史数据,统计并产生相关...  (本文共3页) 阅读全文>>

《电子技术与软件工程》2018年23期
电子技术与软件工程

计算机数据挖掘在互联网行业中的应用

1互联网行业发展简介随着信息技术的迅猛发展,互联网的应用不再局限于某个部门某个行业,而是与传统行业产生深度融合,既从根本上改不了传统行业的经营方式和运转模式,而且根据时代需要发展出多种新型事物。互联网+传统行业逐渐成为当前我国社会经济发展的主要趋势,其中发展已经比较成熟的是网上购物等,此外网络金融、网络教学等行业也得到快速发展,其前景都是十分美好的。互联网与传统行业的结合不仅改变了各个传统行业的经营模式,也在很大程度上改变了人们的生活方式和思想观念。尤其是当前人们生活节奏不断加快,互联网的便利和快捷为众多网友喜爱。当前人们在互联网上不仅获取各种信息,而且通过互联网进行沟通交流,这不仅仅局限于个人生活方面,还包括工作等各个方面。人们利用互联网进行购物更是成为当前人们的主要生活方式。随着人们对互联网依赖性的加深,人们对于互联网的各种新的需要也不断发展出来。在这种背景下,在已有的互联网基础上进行科技创新和探索,从而开展新的互联网技术的...  (本文共1页) 阅读全文>>

《河南科技》2018年25期
河南科技

大数据下一种规则的快速挖掘技术研究

1研究背景随着信息技术的不断发展,数据逐渐渗透到当今每一个行业和业务职能领域,成为重要的生产因素。面对当前海量数据,如何准确有效地挖掘数据已经成为行业未来发展的趋势。关联规则的挖掘研究一直是数据挖掘领域的一个热门研究课题,现在已经被广泛地应用到各个领域。近年来,国内外研究主要集中在关联规则冗余修剪以减少关联规则的数量,减少不必要的挖掘。由此,本文致力于修剪冗余的关联规则,提高挖掘质量,并提出一种关联规则的修剪方法。首先,根据规则与数据的匹配度进行修剪,并计算数据与规则的平均匹配度,如果小于阈值,则修改规则,再根据机器学习中的相似性度量方法,在剩余的规则中选择兴趣度最优的数量关联规则,最后获得除去冗余规则后的关联规则。本文所采用的方法最大限度地缩短了修剪所需要的处理时间,生成了一个准确的最小关联规则集,并能与传统的关联规则挖掘方法保持相同的准确度,这使得冗余规则的修剪易于理解,可读性强。2关联规则的基本概念关联规则的定义[1]是这...  (本文共2页) 阅读全文>>