大型电子商务网站的数据挖掘

发布时间：2020-01-28 23:07

【摘要】： 数据挖掘是近年来比较热门的技术,在各种行业中均得到了很大的发展,但是在电子商务的应用过程中,还没有得到长足的应用,本文根据一个虚构的电子商务网站进行了某些功能的数据挖掘,取得了一定的进展。 数据仓库和数据挖掘是两项不同的技术。数据仓库是区别于数据库的一种新的数据存储形式,它将数据库中的数据按决策需求进行重新组织,以多维空间结构形式存储数据。数据挖掘是从数据库中发现知识的核心技术,它是从人工智能的机器学习中发展起来的。虽然数据仓库和数据挖掘是两项不同的技术,但是它们又有共同之处,两者都是在数据库的基础上发展起来的,它们都是决策支持新技术。数据仓库利用综合数据得到宏观信息,利用历史数据进行预测;而数据挖掘是从数据库中挖掘知识,也用于决策分析。虽然数据仓库和数据挖掘支持决策分析的方式不同,但是它们完全可以结合起来,提高决策分析的能力。大量的数据仓库已经把数据挖掘技术作为它的前端分析工具,以提高数据仓库的决策分析能力。 面对激烈的竞争,目前流通企业为了保持持续实现盈利,迫切需要一个功能强大的信息化管理系统为其提供全面、及时、准备的分析数据,使管理层在最短时间内全面了解企业的运营情况,及时做出决策。通过数据挖掘模型,管理层能够及时对客户信息进行了解和分析,并及时做出决策,从而增加企业对客户的保持能力和获取能力。大型电子商务网站每天的交易信息是海量的,如何从交易信息中,将各种商品的信息有效的联系起来是非常重要的。同时,如何让很多潜在客户在浏览网页的过程中,成为注册用户,并且购买商品,也是非常重要的过程。 以前使用的传统报表系统列出的往往是表面上的数据信息,但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大,产品之间相互关联的程度如何?越是深层的规则,对于决策支持的价值越大,但是,也越难挖掘出来。因此,随着时代的发展,传统报表系统已经不能满足日益增长的业务需求了,企业期待着新的技术。数据分析和数据挖掘的时代正在来临。 实践证明,对一个大型电子商务网站来说,除了目前建立的数据仓库以外,更应实现统一、规范、海量数据信息的查询决策分析,这就可以利用基于决策树构建大型电子商务网站的数据挖掘模型来解决这难题,避免管理层在经营管理的决策中盲目判断,从而积极地面对和有效地解决这些问题。通过现代企业管理观念,通过对市场、客户关系的管理以及对知识的挖掘,促进企业的销售水平和服务质量,增加企业的收入,同时提高客户的满意度。 本文建立了一个虚构的电子商务网站www.e-commerce.com,建立了此网站的数据库系统,。使用Microsoft决策树创建OLAP数据挖掘模型,并根据挖掘的结果实现部分功能。 整个数据仓库的模型分为以下几个部分: 数据获取:主要用于从源数据库中获取销售数据、客户数据、产品数据和时常数据等,并进行清洁、传输,将它加到数据仓库数据库中。 数据管理与多维建模:建立以客户、产品和销售为主题的多维数据模型,及时地刷新数据仓库以反映数据源的变化,并将数据仓库中的数据作转储。在每个更新周期内,重建或全面刷新集成后的数据仓库是不现实的,必须进行渐增的更新,即在增加新的数据到数据仓库中时,必须保护已有的数据。 分析处理:进行指标分析、多维数据分析和数据挖掘。重要内容有客户分析、销售分析等。 信息服务:主要包括经营建议、个性化服务和信息咨询等功能。 在实施数据挖掘的过程中,几乎都需要用户参与,要完全实现挖掘过程的自动化,到目前来说还是不现实的。比如在数据获取这个部分,需要用户选择数据库、选择数据表、选择用于挖掘的属性、如何对属性值进行处理等。 随着挖掘建模过程的进行,数据从数据源(一般数据库、表或者普通文件)流向结果模式,并且数据流总是在朝简单、有用的方向发生变化。 整个数据挖掘的过程实现了以下功能 (1).通过客户的信息,重新对对客户的忠诚度进行了定义,并推出了新的折扣方案,使得客户的满意度和忠诚度提高。 (2)通过客户信息,分析了客户整体的购买意向与购买兴趣,使得广告和商品推荐更加有效率。 (3)通过已经分析出来的客户属性,对整体的客户应经分析和预测。 通过对网站的数据挖掘,我们可以得出以下结论 (1)数据挖掘可以迅速的识别顾客行为,从而制定网站决策。 (2)数据挖掘可以体现广告的效果,及时调整广告策略。 (3)数据挖掘可以改进网站的整体的设计。
【图文】：

图 2.1 OLAP 流程图户端应用程序也可与 Analysis Services 服务器建立连接。OLE DB forAP/DM 9.0 访问接口调用 8.0 访问接口，后者直接与 Analysis Services器进行通信，，如下图所示。

AnalysisServices通信示意图
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP311.13

【相似文献】

相关期刊论文 前10条

1 高阳;;中国数据挖掘研究进展[J];南京大学学报(自然科学版);2011年04期

2 陈瑛琦;扶晓;刘劲;;可视化数据挖掘技术[J];电脑编程技巧与维护;2011年14期

3 罗健萍;吴海;;数据挖掘技术中基于关联规则算法的研究[J];硅谷;2011年13期

4 蒋晖;陈允锋;;数据挖掘及其一种关联规则算法[J];计算机与数字工程;2011年06期

5 金育婵;;数据挖掘技术中基于关联规则算法的研究[J];科技传播;2011年12期

6 唐学军;;基于网格的运动训练数据挖掘研究[J];现代计算机(专业版);2011年10期

7 王娜敏;高艺博;;基于数据挖掘技术的入侵检测系统[J];电脑知识与技术;2011年21期

8 王海军;;数据挖掘提高企业决策分析[J];福建电脑;2011年06期

9 田伟;殷淑娥;;浅析数据挖掘[J];甘肃科技;2011年12期

10 白建伟;;数据挖掘技术在高校图书馆管理中的应用[J];山西青年管理干部学院学报;2011年02期

相关会议论文 前10条

1 马洪杰;曲晓飞;;数据挖掘技术和过程的特点[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

2 戈欣;吴晓芬;许建荣;;数据挖掘技术在放射科医疗管理中的潜在作用[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

3 魏元珍;杨沂凤;;数据挖掘技术及其在数字图书馆中的应用[A];网络信息资源的搜集与应用——全国高校社科信息资料研究会第十次年会论文集[C];2004年

4 肖健;沈彩霞;;浅谈数据挖掘技术现状[A];广西计算机学会2008年年会论文集[C];2008年

5 巩耀亮;邱晓东;孙丽君;李树强;;数据挖掘技术在企业竞争情报系统中的应用研究[A];信息时代——科技情报研究学术论文集（第三辑）[C];2008年

6 王洪锋;;数据挖掘在客户关系管理中的应用研究[A];河南省通信学会2005年学术年会论文集[C];2005年

7 姚小磊;彭清华;;数据挖掘技术在中医眼科应用的设想[A];中华中医药学会第七次眼科学术交流会论文汇编[C];2008年

8 张婧;;数据挖掘技术在进销存系统中的应用[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

9 杨利军;勾学荣;;数据挖掘在移动客户流失预测中的研究和应用[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

10 孙义明;曾继东;;数据挖掘技术及其应用[A];全国计算机安全学术交流会论文集（第二十二卷）[C];2007年

相关重要报纸文章 前10条

1 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年

2 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年

3 记者　吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年

4 首之;数据挖掘并不神秘[N];金融时报;2006年

5 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年

6 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年

7 山西银行学校 王林芳;数据挖掘在银行业务中的应用[N];山西科技报;2005年

8 徐扬;如何从数据中“挤出”效益[N];中国计算机报;2002年

9 任中华;财务数据挖掘六步走[N];中国计算机报;2007年

10 ;数据挖掘阻止银行客户流失[N];计算机世界;2007年

相关博士学位论文 前10条

1 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年

2 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年

3 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年

4 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年

5 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

6 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年

7 潘海天;数据挖掘技术在聚合过程建模与控制的应用研究[D];浙江大学;2003年

8 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

9 束志恒;化学化工数据挖掘技术的研究[D];浙江大学;2005年

10 孙蕾;医学图像智能挖掘关键技术研究[D];西北大学;2005年

相关硕士学位论文 前10条

1 赵林明;基于数据仓库的信用卡数据挖掘研究[D];山东科技大学;2005年

2 陈骏武;基于数据挖掘技术的电信客户关系管理研究[D];湖南大学;2005年

3 房静;面向CRM的数据挖掘在电力市场营销中的应用[D];天津大学;2004年

4 罗国甫;数据挖掘在银行客户经理考核系统中的应用[D];同济大学;2006年

5 王鑫;数据挖掘中聚类分析算法的研究[D];山东师范大学;2006年

6 袁明;基于网格的数据挖掘应用研究[D];西安电子科技大学;2007年

7 左红武;基于数据挖掘的房地产企业客户关系管理研究[D];昆明理工大学;2006年

8 田静;数据挖掘技术在防范住房信贷风险中的应用[D];贵州大学;2007年

9 柳迎春;电子商务环境下的顾客价值链挖掘[D];吉林大学;2007年

10 朱丽萍;一个支持商务智能的数据仓库系统的设计和实现[D];上海交通大学;2006年

本文编号：2574164