信息时代下的数据挖掘

杨俊

湖北省电子信息产品质量监督检验院 湖北 武汉 430000

摘要：数据挖掘技术是当前我国社会发展下信息技术创新的一种体现，信息时代数据挖掘十分重要，文章通过对数据挖掘技术进行分析，探讨信息时代数据挖掘技术应用情况。

关键词：数据挖掘；挖掘技术；大数据；信息时代

引言

数据是各行各业持续发展的关键内容,传统数据处理技术缺乏有效性和时效性,而且处理内容有限,无法满足现当今大数据分散性、树木多、非结构性等。现代化大数据处理需要处理复杂且庞大的数据输入和输出问题,还要有相应的数据存储能力。为了满足大数据处理高效、稳定、安全的需求,出现了数据挖掘技术,它能够有效解决人们在数据处理中遇到的复杂、多面的难题。

1信息时代背景下数据挖掘相关概述

1.1数据挖掘的概念

数据挖掘技术顾名思义，需要在大量且繁杂的数据中挖掘出具有价值的数据信息。就一般情况来说，数据挖掘主要应用在文本数据以及图像数据中，作为分析、整理或者预测风险的基础技术手段，数据挖掘技术能够在海量的信息数据中精确寻找到目标数据内容。当然，面对不同的应用领域，数据挖掘技术也需要根据实际情况做好具体的分析，还需要配合不同场景情况以及需求进行合理升级、转型应用。

1.2数据挖掘的主要任务

在目前的技术目标中，数据挖掘技术主要包含监督学习、关联分析、聚类分析、异常数据检测等任务。其中在监督学习过程中，主要是对数据的总体情况进行识别与分析，通过对数据库中已知的数据样本的大小和类型来预测出所需要新的样本的相关信息。关联分析主要是通过检索工作将数据之间的相似情况快速地找出来，进而分析出数据与数据之间的关联性。聚类分析指的是对于一些具有相似性的数据找到它们内部的一些共性规律及特征，并且按照特征进行划分，将这些数据源划分为若干个数据群。而异常检测也是数据挖掘技术中一项关键的任务，在数据挖掘的过程中往往会建立一个数据样本，将挖掘得到的数据与该样本中的正确数据进行比对，从而找出挖掘数据中存在的异常数据，提高数据挖掘结果的准确性。

2数据挖掘技术的应用

首先，数据挖掘可以降低数据处理难度。由于信息在大数据背景下有数量庞大、繁杂等特点,一条信息链含有较多的信息,导致数据处理工作难度较大,而数据挖掘技术能够根据信息链中信息的关联性、相近性对数据进行匹配处理,有利于提高数据的准确性,降低了数据处理的难度,使数据挖掘技术的价值充分发挥。其次，运用预测模型法有利于解决非线性相关的数据问题。预测模型法是在大数据背景下筛选信息,对重要的信息进行挑选。数据挖掘技术能够为数据库中一些缺少相关性、数据样本较少的数据体系提出相应的解决方法,可以使用向量机处理数据,并且其计算过程都会直接储存到数据库中,有利于解决非线性相关的数据问题。另外，数据挖掘技术能够对数据进行区块划分,并且定义数据属性。数据挖掘技术依据已经定义属性的数据信息按照同一属性进行区块划分,有助于管理人员发现其中存在的无效信息区块,并对其进行管理,从而提高数据信息的价值。

3信息时代的数据挖掘实践分析

3.1医学

目前来说，医学领域对于数据挖掘技术的应用场景比较多，尤其是一线医务人员每天需要面临大量患者的情况下，医疗工作者难免会由于工作压力产生疲劳感，利用数据挖掘技术不仅能够对患者病情进行多方面的症状匹配对比，也能够处理一些简单的图像分析工作，缓解医疗工作者的工作压力。利用大数据分析技术不仅能够提升医疗行业的服务水平，还能够总结出该地域易感的高发病症，通过多元化的考察分析，研究导致该病症问题的核心因素，从而有效减少病症患者人数，能够根据不同季节规律制定相应的人员值班计划。另外，需要医疗人员注意的问题是，过度依赖大数据及数据挖掘技术也不利于医疗领域快速发展，只有在不断提升自身专业能力并合理应用数据挖掘技术的同时，才能够不断推动医疗服务行业的稳定发展与进步。

3.2数据运用管理

用户为了满足自身对有价值数据的管理,往往会有针对性地对数据进行收集,有时候还需要对新的有价值的数据进行购买,并通过云计算等服务的模式对数据进行管理。用户可以运用数据挖掘技术,借助云计算技术等平台,高效、精准地锁定和提取所需数据,积极开展数据的开发和利用。其次,用户之间也可以对相关数据进行分享和交易,以满足和方便其他用户。在数据管理过程中,可以运用数据挖掘分类聚类功能、分析预测功能和虚列模式编辑功能,对用户数据进行合理分类、分组,通过数据内在联系和规律进行科学预测,实现数据优化,为用户提供精准服务。在数据处理的过程中,由于数据内在属性和外在形式均未受到影响,数据还可以循环利用。

3.3金融

在金融行业产生的数据较多,可以对客户的消费数据进行分析和处理,将客户信息反应给金融企业,有利于为分散的客户群体提供定制化服务。数据挖掘技术在金融行业有着突出的应用,例如,第三方支付、P2P网络借贷、供应链金融、互联网金融等。其中,对于第三方支付来说,由于它的使用十分方便,适合在多种场所使用,因此,这种支付方式与交易者之间的联系十分紧密。当相关数据累积到一定程度,就可以提供更多的增值服务,从而提高企业的利润。例如,蚂蚁花呗借助于大数据分析人们的网购状况、支付习惯和信用度等方面,根据用户近期的消费状况，为其设定不同的消费额度。

3.4教育

数据挖掘技术还可以应用在教育环境改良方面，在校园环境之外为教师和学生营造良好的网络教育环境。尤其是关于资源配置方面，一些学生可能在家长的安排下，接触到线上课程，对于学生的自主学习教师应当给予合适的肯定与表扬，但是一些家长可能由于本身的专业辨别能力有限，并不能在海量的教育资源中找到合适的学习资料。针对该问题，作为课程教师以及相关的从业人员，可以利用大数据挖掘技术，为学生寻找、匹配一些合适的数据信息，利用信息整合、筛选等方式，为学生筛选出适合学生当前学习水平的习题资料以及相关的课外阅读资源。

3.5商业用途

数据挖掘技术在商业市场的用途相对比较广泛，一些企业或者公司为了提升企业和品牌的核心竞争力，利用数据挖掘处理技术处理客户信息，首先在客户数据库中提取众多目标信息类型，然后结合不同的公式算法分析出适合企业未来的商业发展目标，根据用户的接受程度与营销业绩进行相应的技术创新与管理改革，在有效提升企业业绩的同时，拓展市场影响力。

结语

综上所述，大数据是信息化时代进入智能化新阶段的基础，信息化背景下数据挖掘的价值体现需要多种技术的协同来推动。通过构建基于大数据的信息管理系统，提高数据挖掘技术对资源数据的利用效率，实现数据的快速处理和快速传递，丰富数据资源利用价值，转变传统数据的处理方式，创新数据挖掘技术，最终推动我国信息技术全面发展。

参考文献

[1]孙福利.大数据时代的数据挖掘技术与应用[J].电子技术与软件工程,2018,123(1):180.

[2]刘铭,吕丹,安永灿.大数据时代下数据挖掘技术的应用[J].科技导报,2018,(9).

[3]周凌.浅析大数据时代的数据挖掘技术与应用[J].中小企业管理与科技,2018,540(05):189-190.