大数据时代下数据挖掘技术的概念、应用与发展趋势分析

hwyzw

    郭伟伟  吴文臣  隋亮

    摘要：大数据时代背景之下，各行各业都受到了大数据的影响。在数据应用方面有了极大便利，在数据共享方面也有了极大便利。数据的价值在大数据时代极为重要，它不再仅仅是数字和额度，而是一种非物质的产物。数据挖掘技术在大数据时代被广泛应用于各个行业。本文首先从数据挖掘技术的概念开始，接着分析几种常见的数据挖掘技术，之后提出数据挖掘技术在各领域的实际应用，期望能给相关人员提供参考。

    关键词：大数据;数据挖掘;技术;应用

    中图分类号为 TP311，文献标识码是 A，文章编号为 1007 - 9416（2020）08 - 0103 - 03

    大数据技术可以对数据进行集优化处理和数据管理。然而，在实际的数据操作中，存在数据搜索不精准等问题，这会影响用户对数据的使用。数据挖掘技术的出现，有效地解决了这个问题，它能保证数据搜索的精准性，并且还可以对数据进行必要的编辑处理。大数据时代，数据挖掘技术在各领域得到了广泛应用，为推动社会进步发展贡献巨大。基于此，加强对大数据时代数据挖掘技术与应用的研究具有现实意义。

    1 数据挖掘技术概述

    数据挖掘主要是对具有较强随意性和模糊性质的数据进行处理，能够把不是十分精确的数据进行深度挖掘。数据挖掘的过程较为复杂，并且存在多种数据挖掘方法。不同挖掘方法在数据处理中的相关步骤大致相同：其一，要对待挖掘数据的特点、形式等进行前提判断，同时分析这些数据是否具有挖掘的意义；其二，需确定数据的衡量标准，挑选恰当的标准，把残余数据清理掉；其三，进行深度挖掘，最终获得数据挖掘的结果。

    目前，数据挖掘在各领域都发挥了重要作用。它可以实现对行业所需数据的精准定位，把其中的实用数据挖掘出来。同时，它还能对数据信息进行深度挖掘，依据数据进行市场预测，从而做出更合理的判断。利用数据挖掘技术，从大数据库里提取出有用信息，这种技术具备一定的判定功能。通过对数据中变量进行动态分析，能够客观地判定数据。并且可以根据数据情况，将挖掘对象的特征描绘出来。

    2 数据挖掘技术方法

    现阶段，随着科学技术的发展，数据挖掘技术方法呈现出了不同的类型，这样就能更好地适应更多行业的发展需求。大数据是一个海量的数据资源库，若要利用数据挖掘技术实现精准分析，就必须根据实际情况选择具有针对性的数据挖掘技术。

    2.1 聚类分析法

    聚类分析法是对不同类型数据进行归类处理的方法，它能整理零碎的数据信息，提升数据信息的条理性。聚类与分类不同，并非简单地对数据进行分类，在数据对象不清晰时，它会寻找数据组中具有价值意义的信息[2]。聚类分析法的缺点较为明显。它无法精准地进行数据分类。正因如此，目前聚类分析法仅仅在数据识别以及心理学等领域中得到运用。

    2.2 关联分析法

    根据相关理论可知，任何事物之间都存在关联性，这是数据的一个基本特征。为了从海量数据库中提取出有用信息，就必须能够探索出数据与数据之间的规律。关联分析法就是在这样的背景下产生的。它利用数据之间的关联性进行数据挖掘，通过诸多具有关联的数据，最终找到想要的数据，并对这些数据进行辨别处理，最后将其运用到行业分析中。

    2.3 特征分析法

    我国产业发展中，数据类型在不断增多，同时数据量一直呈现增多的态势。面对这些数据量庞大、结构复杂且种类繁多的数据，需要依据其特征进行分类。此过程中要借助先进的计算机设备，对数据进行虚拟分类，接着根据所需数据的特征，对已分类数据进行深度挖掘，最终获得想要的数据结果。

    科学技术不断发展，数据挖掘方法会日益丰富，并且会发挥更为重要的作用。

    3 大数据时代数据挖掘技术的具体应用

    现如今，数据挖掘技术已经广泛应用于不同领域。因为它能适应各行业，能够对市场进行精准预测，所以对促进企业发展、提高生产效益具有重要意义。

    3.1 在科研领域的应用

    在科学研究过程中，要以大量数据作为基础。数据对于科研领域有着重要作用，像原始资料数据、实验数据等，这些数据都与科研工作的成败息息相关。不仅要分析数据之间的关系，还要对数据进行统计学分析。在科研领域中能够利用数据挖掘技术，以科研项目所提供的数据为基础，对所需数据进行深度挖掘，从而快速列出所需数据，这样就能为科研工作人员提供必要的参考。

    3.2 在电信领域的应用

    在计算机互联网的发展历程里，电信产业开始兴起并且不断发展，它已然成为人们日常生活里不可或缺的一部分。电信企业在发展过程中，必须运用海量数据，这样才能给用户提供更优质的服务。电信数据通常具有较强的综合性特征，要是受到限制，就会对服务质量产生严重影响[3]。利用数据挖掘技术，对相关数据进行条理化处理，以便更全面地了解和记录用户信息，同时也能记录服务过程中出现的各种问题。利用数据挖掘能够为电信企业提供精准的用户信息，这对电信企业的优化和高效运行提供了便利。

    3.3 在教育领域的应用

    新时期，在开展现代化教育工作时，较为关注学生的个人发展情况和学习情况。只有采用相关数据，才能准确反映学生的个人情况。在学校里，学生的成绩以及各科的学习都会产生数据。在教育领域运用数据挖掘技术，能够更精准地分析学生的各项素质。最终得出的分析结果，可以为教师的教学以及学校的管理工作提供参考，这对推动现代化教育教学工作的发展有着重要的意义[4]。

    3.4 在制造业领域的应用

    经济获得发展，我国人民的生活水平实现了质的提升。他们对产品的质量提出了更高要求，同时对产品的功能也提出了更高要求。在制造业领域，产品数据和消费者需求数据很关键。利用数据挖掘技术对产品数据进行分类整理，接着进行统计学分析，这样就能对比出产品的优点和缺点。依据数据结果对产品进行改良，一方面有利于提升产品生产的效率，另一方面也能确保产品更符合消费者需求，从而为制造商创造更大的经济效益，并且制造出更多优质的产品。制造业领域应用数据挖掘技术，这对制造业自身有着巨大的推动作用。 数据挖掘技术在制造业领域的应用，对制造业自身能起到巨大的推动效果。 制造业领域把数据挖掘技术应用起来，对制造业自身的推动是很大的。

    3.5 在医疗领域的应用

    新时期，医学逐渐变得发达。然而，要精准地进行疾病诊断，仍然是一项难度较大的工作。数据挖掘技术可以在疾病诊断方面提供重要的帮助，它能够提升相关检测的精准度，也能够降低医务工作者的劳动量，进而提升疾病诊治的效率，从疾病中拯救更多的患者。医院数据量在长期积累下变得十分庞大，它具有处理方式繁杂以及类型复杂等特点，传统数据处理方式无法发挥这些数据的价值[5]。而应用数据挖掘恰好可以解决这个问题，能为医生进行疾病诊断提供重要帮助。

    3.6 在计算机安全领域的应用

    数据挖掘技术可以帮助用户有效筛选和甄别网络中威胁计算机安全的软件、病毒等。一些不法分子会通过伪装，把病毒隐藏在软件里，普通杀毒软件难以顺利检测出来。利用数据挖掘技术能够轻易检测出恶意软件的行为模式，并且可以判断其利弊，这对净化网络环境、维护计算机网络用户安全有重要帮助。

    4 大数据时代下数据挖掘技术的发展

    发展到现在，各个行业都察觉到了数据挖掘技术在自身发展过程中所扮演的角色，并且对数据挖掘开发越来越重视。在大数据时代的背景之下，数据挖掘技术必须要取得进一步的发展，这样才能够更好地适应时代发展的需求。

    4.1 多媒体数据发展

    多媒体是包含文字、图片、音频、视频的集合媒体形式。在计算机网络发展过程中，它呈现出更加多元的形式，其数据类型更多，复杂程度也更高。为了能够对这些更加多元复杂的数据进行分析，传统的数据收集和分析技术已经无法满足需求，需要采用新型的数据挖掘技术，对多媒体数据进行即时精准的处理，以探求隐藏在数据下的真实信息。

    4.2 改进数据挖掘算法

    算法是数据挖掘技术中的关键部分。大数据使数据搜集变得更加便捷，同时也意味着数据量以几何倍数在增加。为了能够迅速处理海量的数据信息，就需要更精确的数据挖掘技术，需要对算法进行创新和改进，以提升数据挖掘技术的效率，促使其在更多的领域发挥更大的作用。

    4.3 与其他系统的集成

    在数据挖掘的实施过程里，不是仅需一种方法，很多时候需要多种计算模式一起使用，这样才能更及时地获取到有用信息。在运用数据挖掘技术时，应当秉持更加灵活的原则，与各个系统进行集成发展，以确保数据挖掘能发挥出更大的价值。

    5 结语

    在大数据时代背景下，可知数据的价值逐渐凸显。面对种类繁多且数量庞大的数据，传统的数据处理技术已无法满足需求。在此背景下，数据挖掘技术应运而生，且在各行各业广泛运用，如在教育、医疗领域，以及电信、科研、制造等领域，数据挖掘技术都发挥了重要作用。在市场经济发展的环境当中，数据的类型会持续不断地增多。所以，一定要大力加强对数据挖掘技术的开发工作，同时也要积极应用数据挖掘技术，以此来确保它能够为社会的进步以及发展贡献出更大的力量。

    参考文献

    李阳针对基于 Spark 的并行数据挖掘进行了研究并应用。该研究成果发表于《电子科技大学学报》2018 年第 14 卷第 8 期，页码为 69 - 70 。

    徐伟对基于大数据的数据挖掘技术和应用进行了分析。该成果发表在《安阳师范学院学报》2018 年第 20 卷第 8 期，页码为 117 - 118 。

    裴海平对数据挖掘技术在管理信息系统中的应用进行了浅谈。此内容发表于《科教导刊》2018 年第 24 卷第 2 期，页码为 119 至 120 页。

    王长林对大数据和数据挖掘技术在烟草行业的应用进行了分析。该成果发表于《现代信息科技》2018 年第 13 卷第 1 期，页码为 28 至 30 页。

    王娟对大数据时代数据挖掘在管理会计中的应用进行了探讨。此探讨发表于《现代商贸工业》2019 年第 16 卷第 2 期，该期页码为 87 - 88 页。