摘要：隨着科學技術的不斷髮展，計算機的使用也愈來愈廣泛，他已經發展到各個行業，現如今保險行業也就相應的業務引進了計算機業務系統，而在20xx年8月，我國也出台了《國務院關於加快發展現代保險服務業的若干意見》這一舉措的有效實施，從政策上為保險行業的快速發展提供相應了保障。而如何在這些被積累下來的寶貴數據中，分析挖掘出新的商機及財富，就成為了我國當前保險行業發展的重要突破口。本篇文章就從數據挖掘技術的應用方面、概念、必要性，以及方法手段進行了深入探討與分析其對財產保險應用的意義。
關鍵詞：數據挖掘技術；財產保險；應用；分析
在最近幾年中，我國對於保險行業給予了高度的關注與重視並出台了許多與之相對應的相關政策，這些政策的發行對於我國的保險行業帶來的極大程度的發展空間。而我國的保險行業也開始了轉型，正在從粗放型經營向集約化經營管理進行過度，最明顯的改變就是之前只注重新客户的開發而忘記顧忌老客户的需求與發展，但是現在是同時注重新老客户的需求與發展，從根本上實現“兩手抓”的政策，所以這種新的形式背景下，計算機中保險行業所留的數據就成為極為重要的挖掘資源。
一、解析數據挖掘技術在財產保險分析中的應用
（一）提升財險客户服務能力
對於任何一個公司來説沒有客户所有的產品經營都是紙上談兵，這對於服務行業的財產保險公司更是如此，所以對此所以財產保險行業就面臨着轉型升級的事情財產行業的轉型就意味着面臨着面向客户的服務質量的提升。在現如今的經濟情況下，保險消費者對於保險行業知識的瞭解日益增加，保險意識也是越發的加強。客户對於保險行業也出現了個性化與差異化的需求。從這裏就要求保險公司通過數據挖掘技術對客户的需求進行更深一層的分析與探索，通過探究與分析的結果明確而客户的需要，併為有更高需求的客户提供更適合他的保險產品，從而提高業務服務水平，吸引更多的優質客源，來增強市場的競爭力。例如，在對客户進行細分的時候，可以通過數據挖掘技術中的“二八定律”，對客户進行細分。通過細分得出結果，參照數據根據每個客户羣體的風險偏好、特點以及需求為他們量身定製適合他們自身的新產品，並制定對應適合的費照新差旅費管理辦法正確規範填寫市內交通補助、伙食補助、城市間交通費、和住宿費金額。並填寫上合計金額，不得出現多報的行為，從而提高差旅費報銷工作的質量。
（二）風險管理和合規經營
每個保險公司的生命底線就是合規經營以及對風險的管理，所以每個保險公司必須在運營生產中嚴格的遵守國家的法律法規，不許做出違反法律底線的事情，而風險管理對於保險公司來説具有兩層含義，其實並不簡單，一方面是需要對於企業自身的風險進行管理；另一方面是對於客户所帶來的風險進行管理。對於保險公司來説這兩方面的風險是相互作用、相輔相成的，第一個方面的風險管理出現問題後者的風險管理就會成為空談，反之第二方面的風險管理沒有得到很好的管理，極大可能會引起前者管理出現問題。而恰恰數據挖掘技術的應用，就可以為財產保險企業規避風險起到很大的幫助。保險公司可以以計算機為使用的工具，通過數據挖掘的技術，可以對數據內大量的信息進行查找並比對分析，高效的識別出在計算機內不符合正常業務邏輯的數據，這樣管理者就可以及時就這些風險數據和業務漏洞進行監測與管控，以減少違法亂紀的事情發生，逐步消除或減少隱藏的風險。保障保險業健康有序的發展，為市場經濟持續健康的進一步發展保駕護航。
（三）開發新產品
新的保險產品的開發對於增強保險公司的公司收益、內容、滿足消費者的需求以及競爭力等方面起着重要的作用，這也是經營保險公司的首要內容。新產品的開發是指保險公司針對當前市場的需求、想要達到的效果與自身情況相結合的產物，而在原有的產品上加以重新的組合與設計的創造與改良，來滿足市場的需求，進而提高公司自身的競爭力的過程與行為。後者自不必説，基於我國財產保險公司數據庫信息方面已經積累了很多，而後通過對信息的數據進行發掘，使實現新產品的開發成為可能。譬如，通過數據挖掘技術，我們可以使用現有產品進行進一步的完善、修正或者拆分、組合的，使其變成一全新的保險產品，他會更接近客户的需求，滿足客户的真實所需，同時也能夠增加市場的銷量，增強市場競爭力。就以原有的普通財產保險為例子，在保險有效期內未出現任何對客户的產才造成損失的情況下，客户所繳納的保險費用是不予以退還的，在財產保險的有效期過後，客户所繳納的保險費是由保險公司所擁有的。這樣的保險產品是不被大多數客户所看好與接受的，即使有客户在第一次購買了此保險，但之後是不會在對本產品進行第二次的投資的。而現在通過數據挖掘的技術，保險公司可以根據對客户信息的瞭解進行分析，保險公司推出了一款新的家庭財產兩全保險保險，這是一種全新的保險類別。全新的家庭財產保險，他所需要交納的是保險儲備金，比如每份保險金額為50000元的家庭財產兩全保險，則保險儲金為5000元，投保人必須根據保險金額一次性交納保險儲備金，保險人可以將保險儲備金的利息作為保險費。在保險期滿後，無論是不是在保險期內發生賠付的情況，保險公司都會將保險人的全部的保險儲金如數退還。自從出現了這種投保方式，客户的接受度得到了大大的提高，全新的家庭財產保險，一方面使保險人保險中得到了應得的利益，另一方面投保人的財產也得到了保險，從而在市場的銷售份額上面也得到了迅速提升。
二、保險業數據挖掘技術及應用的必要性
（一）保險業數據挖掘技術的含義
什麼是保險行業的數據挖掘技術，就是從客户管理的角度出發，針對保險行業數據庫系統內大量的保險單，對客户的信用數據進行屬性變量提取，進而採用自動化或半自動化等多種挖掘技巧和方法來對客户的數據進行分析，找到潛在的有價值的信息。
（二）數據挖掘的過程及方法
數據挖掘是一個跨越多種學科的交叉技術，主要的用途是利用各種數據為商業上存在的問題提供切實可行的方法與數據。數據挖掘的過程有以下幾個步驟：業務理解→數據準備→數據理解→構建模型→測試設計→做出評價→實施應用。在數據挖掘方面有三個常用的方法：DM、SEMMA以及CRISP等分析方法。同時我們需要根據實際情況來運用數據挖掘技術，選擇最適當的方法，要想將數據挖掘技術達到最佳的效果必須針對具體的流程做出相應的調節。
（三）保險行業應用數據挖掘技術的必要性
在保險行業的運營中，常常會出現一下的幾個問題：例如，細分客户的問題：對於不同的社會收入階層、不同年齡段、不同的行業的客户，該怎麼樣去確定其的保險金額呢？客户的成長問題：如何把握時機對客户進行交叉銷售；險種關聯分析問題：在對購買某種保險的客户進行分析與探查，觀察其是否在同一時間購買另一種保險產品，客户的獲取問題：如何在付出最小的成本獲得最有價值的客户的挽留及索賠優化的問題：如何對索賠受理的過程進行優化，挽留住有價值的投保人。保險公司在完成數據的彙總後，所獲取的業務及大量客户信息，不過是對公司當前所處的市場環境、企業經營情況及客户基本資料的記錄及反映。而進行數據集中的信息系統，也只能是對數據庫中的這部分數據進行簡單的操作處理，並不能從中發現並提取這些數據中藴含的具有深層次價值的信息。所以，如若想在決策層面給出解決答案，是不可能實現的。而如果採用數據挖掘技術來對數據庫中所存在的大量的數據進行高水平而深層次的分析，就能夠為實現保險公司的決策及科學經營提供切實可行的依據，因此此技術的出現從而得到了許多保險公司的應用與重視。
三、結論
我國經濟的發展正在向新常態的方向進行轉變，而我國財產保險市場的競爭也日益激烈。為了面對這些挑戰，各個保險公司都復出了努力在積極的面向轉型，由傳統的粗放式經營向集約化經營的方式進行過度，面向客户的營銷模式也是在這之中產生出來的。在這種轉型過度的過程中，財產保險公司對於數據挖掘技術進行充分的利用，使公司的風險管理能力、產品創新能力經營能力、盈利能力、客户服務能力、和業務發展潛力都得到了全面的大幅度提升。在對我國經濟建設的繁榮以及促進財產保險公司自身的長遠發展，都做出了不可磨滅的貢獻，也是對國家的號召積極的響應，進而對市場經濟持續發展也做出了不少的貢獻。
參考文獻：
[1]高文文。數據挖掘技術在財產保險分析中的應用[D]。河北科技大學，20xx.
[2]楊杉，何躍。數據倉庫和數據挖掘技術在保險公司中的應用[J]。計算機技術與發展，20xx.
[3]葛春燕。數據挖掘技術在保險公司客户評估中的應用研究[J]。軟件，20xx.
[4]陳慶文。數據挖掘在財產保險公司應用研究——以人保財險公司為例[D]。對外經濟貿易大學，20xx.
網絡的發展帶動了電子商務市場的繁華，大量的商品、信息在現有的網絡平台上患上以交易，大大簡化了傳統的交易方式，節儉了時間，提高了效力，但電子市場繁華違後暗藏的問題，同樣成為人們關注的焦點，凸起表現在海量信息的有效應用上，如何更為有效的管理應用潛伏信息，使他們的最大功效患上以施展，成為人們現在鑽研的重點，數據發掘技術的發生，在必定程度上解決了這個問題，但它也存在着問題，需要不斷改善。
數據發掘（Data Mining）就是從大量的、不完整的、有噪聲的、隱約的、隨機的原始數據中，提取隱含在其中的、人們事前不知道的、但又是潛伏有用的信息以及知識的進程。或者者説是從數據庫中發現有用的知識（KDD），並進行數據分析、數據融會（Data Fusion）和決策支撐的進程。數據發掘是1門廣義的交叉學科，它匯聚了不同領域的鑽研者，特別是數據庫、人工智能、數理統計、可視化、並行計算等方面的學者以及工程技術人員。
數據發掘技術在電子商務的利用
一 找到潛伏客户
在對於 Web 的客户走訪信息的發掘中， 應用分類技術可以在Internet 上找到未來的潛伏客户。使用者可以先對於已經經存在的走訪者依據其行動進行分類，並依此分析老客户的1些公共屬性， 抉擇他們分類的癥結屬性及互相間瓜葛。對於於1個新的走訪者， 通過在Web 上的分類發現， 辨認出這個客户與已經經分類的老客户的1些公共的描寫， 從而對於這個新客户進行正確的分類。然後從它的分類判斷這個新客户是有益可圖的客户羣仍是無利可圖的客户羣，抉擇是不是要把這個新客户作為潛伏的客户來對於待。客户的類型肯定後， 可以對於客户動態地展現 Web 頁面， 頁面的內容取決於客户與銷售商提供的產品以及服務之間的關聯。若為潛伏客户， 就能夠向這個客户展現1些特殊的、個性化的頁面內容。
二 實現客户駐留
在電子商務中， 傳統客户與銷售商之間的空間距離已經經不存在， 在 Internet 上， 每一1個銷售商對於於客户來講都是1樣的， 那末使客户在自己的銷售站點上駐留更長的時間， 對於銷售商來講則是1個挑戰。為了使客户在自己的網站上駐留更長的時間， 就應當全面掌握客户的閲讀行動， 知道客户的興致及需求所在， 並依據需求動態地向客户做頁面舉薦， 調劑 Web 頁面， 提供獨有的1些商品信息以及廣告， 以使客户滿意， 從而延長客户在自己的網站上的駐留的時間。
三 改良站點的設計
數據發掘技術可提高站點的效力， Web 設計者再也不完整依託專家的定性指點來設計網站， 而是依據走訪者的信息特徵來修改以及設計網站結構以及外觀。站點上頁面內容的支配以及連接就如超級市場中物品的貨架左右1樣， 把擁有必定支撐度以及信任度的相干聯的物品擺放在1起有助於銷售。網站儘量做到讓客户等閒地走訪到想走訪的頁面， 給客户留下好的印象， 增添下次走訪的機率。
四 進行市場預測
通過 Web 數據發掘， 企業可以分析顧客的將來行動， 容易評測市場投資回報率， 患上到可靠的市場反饋信息。不但大大降低公司的運營本錢， 而且便於經營決策的制訂。
數據發掘在利用中面臨的問題
一數據發掘分析變量的選擇
數據發掘的基本問題就在於數據的數量以及維數，數據結構顯的無比繁雜，數據分析變量即是在數據發掘中技術利用中發生的，選擇適合的分析變量，將提高數據發掘的效力，尤其合用於電子商務中大量商品和用户信息的處理。
針對於這1問題，咱們完整可以用分類的法子，分析出不同信息的屬性和呈現頻率進而抽象出變量，運用到所選模型中，進行分析。
二數據抽取的法子的選擇
數據抽取的目的是對於數據進行濃縮，給出它的緊湊描寫，如乞降值、平均值、方差值、等統計值、或者者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數據泛化的角度來討論數據總結。數據泛化是1種把最原始、最基本的信息數據從低層次抽象到高層次上的進程。可採取多維數據分析法子以及面向屬性的歸納法子。
在電子商務流動中，採取維數據分析法子進行數據抽取，他針對於的是電子商務流動中的客户數據倉庫。在數據分析中時常要用到諸如乞降、共計、平均、最大、最小等彙集操作，這種操作的計算量尤其大，可把彙集操作結果預先計算並存儲起來，以便用於決策支撐系統使用
三數據趨勢的。預測
數據是海量的，那末數據中就會隱含必定的變化趨勢，在電子商務中對於數據趨勢的預測尤為首要，尤其是對於客户信息和商品信息公道的預測，有益於企業有效的決策，取得更多地利潤。但如何對於這1趨勢做出公道的預測，現在尚無統1標準可尋，而且在進行數據發掘進程中大量數據構成文本後格式的非標準化，也給數據的有效發掘帶來了難題。
針對於這1問題的發生，咱們在電子商務中可以利用聚類分析的法子，把擁有類似閲讀模式的用户集中起來，對於其進行詳細的分析，從而提供更合適、更令用户滿意的服務。聚類分析法子的優勢在於便於用户在查看日誌時對於商品及客户信息有全面及清晰的把握，便於開發以及執行未來的市場戰略，包含自動給1個特定的顧客聚類發送銷售郵件，為1個顧客聚類動態地扭轉1個特殊的站點等，這不管對於客户以及銷售商來講都是成心義。
四數據模型的可靠性
數據模型包含概念數據模型、邏輯數據模型、物理模型。數據發掘的模型目前也有多種，包含採集模型、處理模型及其他模型，但不管哪一種模型都不是很成熟存在缺點，對於數據模型不同採取不同的方式利用。可能發生不同的結果，乃至差異很大，因而這就觸及到數據可靠性的問題。數據的可靠性對於於電子商務來講尤為首要作用。
針對於這1問題，咱們要保障數據在發掘進程中的可靠性，保證它的準確性與實時性，進而使其在最後的結果中的準確度到達最高，同時在利用模型進程中要儘可能全面的分析問題，防止片面，而且分析結果要由多人進行評價，從而最大限度的保證數據的可靠性。
五數據發掘觸及到數據的私有性以及安全性
大量的數據存在着私有性與安全性的問題，尤其是電子商務中的各種信息，這就給數據發掘造成為了必定的阻礙，如何解決這1問題成了技術在利用中的癥結。
為此相干人員在進行數據發掘進程中必定要遵照職業道德，保障信息的祕要性。
六數據發掘結果的不肯定性
數據發掘結果擁有不肯定性的特徵，由於發掘的目的不同所以最後發掘的結果自然也會千差萬別，以因而這就需要咱們與所要發掘的目的相結合，做出公道判斷，患上出企業所需要的信息，便於企業的決策選擇。進而到達提高企業經濟效益，取得更多利潤的目的。
數據發掘可以發現1些潛伏的用户，對於於電子商務來講是1個不可或者缺的技術支撐，數據發掘的勝利請求使用者對於指望解決問題的領域有深入的瞭解，數據發掘技術在必定程度上解決了電子商務信息不能有效應用的問題，但它在運用進程中呈現的問題也亟待人們去解決。相信數據發掘技術的改良將推動電子商務的深刻發展。
參考文獻：
[一]胡迎鬆，寧海霞。 1種新型的Web發掘數據採集模型[J]。計算機工程與科學，二00七
[二] 章寒雁，楊瑞珍。數據發掘技術在電子商務中的鑽研與利用[J]。計算機與網絡，二00七
[三]董德民。 面向電子商務的Web使用發掘及其利用鑽研[J]。中國管理信息化，二00六
[四] 尹中強。電子商務中的 Web 數據發掘技術利用[J]。計算機與信息技術，二00七
隨着互聯網技術的快速發展，學術研究環境較以前更加開放，對傳統的科技出版業提出了開放性、互動性和快速性的要求； 因此，以信息技術為基礎的現代數字化出版方式對傳統的科技出版業產生着深刻的影響。為了順應這一趨勢，不少科技期刊都進行了數字化建設，構建了符合自身情況、基於互聯網B /S 結構的稿件處理系統。
以中華醫學會雜誌社為代表的部分科技期刊出版集團均開發使用了發行系統、廣告登記系統、在線銷售系統以及站。這些系統雖然積累了大量的原始用户業務數據； 但從工作系統來看，由於數據本身只屬於編輯部的業務數據，因此一旦相關業務工作進行完畢，將很少再對這些數據進行分析使用。
隨着目前人工智能和機器學習技術的發展，研究人員發現利用最新的數據挖掘方法可以對原始用户業務數據進行有效分析和學習，找出其中數據背後隱含的內在規律。這些有價值的規律和寶貴的經驗將對後續科技期刊經營等工作提供巨大的幫助。
姚偉欣等指出，從STM 期刊出版平台的技術發展來看，利用數據存取、數據管理、關聯數據分析、海量數據分析等數據挖掘技術將為科技期刊的出版和發行提供有力的幫助。通過使用數據挖掘（ data mining） 等各種數據處理技術，人們可以很方便地從大量不完全且含有噪聲或相對模糊的實際數據中，提取隱藏在其中有價值的信息，從而對後續科技期刊出版工作起到重要的知識發現和決策支持的作用。
1 數據挖掘在科技期刊中應用的現狀
傳統的數據庫對數據的處理功能包括增、刪、改、查等。這些技術均無法發現數據內在的關聯和規則，更無法根據現有數據對未來發展的趨勢進行預測。現有數據挖掘的任務可以分為對數據模型進行分類或預測、數據總結、數據聚類、關聯規則發現、序列模式發現、依賴關係發現、異常或例外點檢測以及趨勢發現等，但目前國內科技期刊行業利用數據挖掘方法進行大規模數據處理仍處在起步階段。張品純等對中國科協所屬的科技期刊出版單位的現狀進行分析後發現，中國科協科技期刊出版單位多為單刊獨立經營，單位的規模較小、實力較弱，多數出版單位不具備市場主體地位。這樣就導致國內大部分科技期刊既沒有能力進行數據挖掘，也沒有相應的數據資源準備。以數據挖掘技術應用於期刊網站為例，為了進行深入的數據分析，期刊經營人員需要找到稿件與讀者之間、讀者羣體之間隱藏的內在聯繫。目前，數據挖掘的基本步驟為: 1) 明確數據挖掘的對象與目標；2) 確定數據源； 3) 建立數據模型； 4) 建立數據倉庫； 5)數據挖掘分析； 6) 對象與目標的數據應用和反饋。
2 期刊數據的資源整合
編輯部從稿件系統、發行系統、廣告系統、站等各個系統中將相關數據進行清洗、轉換和整理，然後加載到數據倉庫中。進一步，根據業務應用的範圍和緊密度，建立相關數據集市。期刊數據資源的整合過程從數據體系上可分為數據採集層、數據存儲處理層和數據展現層。
要獲得能夠適合企業內部多部門均可使用、挖掘和分析的數據，可以從業務的關聯性分析數據的準確性、一致性、有效性和數據的內在關聯性。
3 期刊數據的信息挖掘
信息挖掘為了從不同種類和形式的業務進行抽取、變換、集成數據，最後將其存儲到數據倉庫，並要對數據的質量進行維護和管理。數據挖掘可以有效地識別讀者的閲讀行為，發現讀者的閲讀模式和趨勢，對網站改進服務質量、取得更好的用户黏稠度和滿意度、提高科技期刊經營能力有着重要的意義。作為一個分析推薦系統，我們將所分析的統計結果存儲於服務器中，在用户或決策者需要查詢時，只需輸入要找尋的用户信息，系統將從數據庫中抽取其個人信息，並處理返回到上網時間分佈、興趣點所在、適配業務及他對於哪些業務是有價值客户，甚至包括他在什麼時段對哪類信息更感興趣等。只有這些信息才是我們的使用對象所看重和需要的。
網站結構挖掘是挖掘網站中潛在的鏈接結構模式。通過分析一個網頁的鏈接、鏈接數量以及鏈接對象，建立網站自身的鏈接結構模式。在此過程中，如果發現某一頁面被較多鏈接所指向，則説明該頁面信息是有價值的，值得期刊工作人員做更深層次的挖掘。網站結構挖掘在具體應用時採用的結構和技術各不相同； 但主要過程均包括預處理、模式發現和模式分析3 部分。為了反映讀者興趣取向，就需要對數據庫中的數據按用户進行抽樣分析，得到興趣點的統計結果，而個人的興趣分析也可基於此思路進行。下面以《中華醫學雜誌》為例做一介紹。
預處理預處理是網站結構挖掘最關鍵的一個環節，其處理得到的數據質量直接關係到使用數據挖掘和模式分析方法進行分析的結果。預處理步驟包括數據清洗、用户識別、會話識別、路徑補充和事件識別。以《中華醫學雜誌》網站www. nmjc. net. cn 的日誌分析為例。首先給出一條已有的Log，其內容為“20xx-03-04 12: 13: 47 W3SVC80003692 172. 22. 4. 3GET /index. asp-80-123. 185. 247. 49Mozilla /5. 0 +（ Windows + NT + 6. 1; + WOW64 ） + AppleWebKit /537. 36 + （ KHTML，+ like + Gecko） + Chrome /28. 0.1500. 95 + Safari /537. 36 + SE + 2. X + MetaSr + 1. 0200 0 0”。從Log 的內容，工作人員可以得到相關信息，如用户IP、用户訪問頁面事件、用户訪問的頁面、用户請求的方法、返回HTTP 狀態以及用户瀏覽的上一頁面等內容。
由於服務器同時部署了多個編輯部網站，這就要求工作人員必須對得到的訪問www. nmjc. net. cn 日誌，去除由爬蟲軟件產生的記錄。這些記錄一般都會在日誌結尾包含“Spider”的字樣。同時，還需要去除不是由GET 請求產生的日誌以及請求資源不是頁面類型的日誌。最後，工作人員還需要去除訪問錯誤的請求，可以根據日誌中請求的狀態進行判斷。一般認為，請求狀態在（ 200， 300） 範圍內是訪問正確的日誌，其他如403、400 和500 等都是訪問錯誤的日誌。用户識別可以根據用户的IP 地址和用户的系統信息來完成。只有在IP 地址和系統信息都完全一致的情況下，才識別為一個用户。會話識別是利用面向時間的探索法，根據超時技術來識別一個用户的多次會話。如果用户在一段時間內沒有任何操作，則認為會話結束。用户在規定時間後重新訪問，則被認為不屬於此次會話，而是下次會話的開始。
利用WebLogExplore 分析日誌、用户和網頁信息在獲得了有效的日誌數據後，工作人員可以利用一些有效數據挖掘算法進行模式發現。目前，主要的數據挖掘方法有統計分析、關聯規則、分類、聚類以及序列模式等技術。本文主要討論利用Apriori 算法來發現科技期刊日誌數據中的關聯規則。本質上數據挖掘不是用來驗證某個假定的模式的正確性，而是在數據庫中自己尋找模型，本質是一個歸納的過程。支持度（ Support） 的公式定義為: Support （ A≥B） = P（ A ∪B） 。支持度可以用於度量事件A 與B 同時出現的概率。如果事件A 與B 同時出現的概率較小，説明事件A 與B 的關係不大； 如果事件A 與B 同時出現非常頻繁，則説明事件A 與B 總是相關的。置信度（ Confidence） 的公式定義為: Confidence（ A≥B） = P（ A | B） 。置信度揭示了事件A 出現時，事件B 是否也會出現或有多大概率出現。如果置信度為100%，則事件A 必然會導致事件B 出現。置信度太低，説明事件A 的出現與事件B 是否出現關係不大。
對所有的科技期刊日誌數據進行預處理後，利用WebLogExplore 軟件可得到日誌彙總表。表中存儲了所有用户訪問網站頁面的詳細信息，工作人員可將其導入數據庫中。以查看到所選擇用户訪問期刊頁面的詳細信息。
同樣，在WebLogExplore 軟件中選擇感興趣的頁面，可以查看所有用户訪問該頁面的統計信息，如該頁面的訪問用户數量等。工作人員可以對用户訪問排名較高的頁面進行進一步的模式分析。
步驟1: 將圖2 日誌信息彙總表中的數據導入數據庫中，建立日誌總表。
步驟2: 在數據庫中建立一個新表命名為tj。
步驟3: 通過查詢程序得到日誌總表中每一個用户訪問的頁面，同時做distinct 處理。
步驟4: 將查詢得到的用户訪問頁面記錄進行判斷。如果用户訪問過排名前20 位的某個頁面，則在數據庫中寫入true，否則寫入false。依次循環判斷寫入數據庫中。
步驟5: 統計每個訪問排名靠前頁面的支持度，設置一維項目集的最小閥值（ 10%） 。
步驟6: 統計大於一維閥值的頁面，寫入數組，並對數組內部頁面進行兩兩組合，統計每個組合2 個頁面值均為true 時的二維項目集的支持度。
步驟7: 設置二維項目集支持度的閥值，依次統計三維項目集支持度和置信度（ A≥B） ，即當A 頁面為true 時，統計B 頁面為true 的數量，除以A 為true 的數量。設置相應的置信度閥值，找到訪問排名靠前頁面之間較強的關聯規則。
4 數據挖掘技術應用的意義
1) 對頻繁訪問的用户，可以使用用户識別技術分析此用户的歷史訪問記錄，得到他經常訪問的頁面。當該用户再次登錄系統時，可以對其進行個性化提示或推薦。這樣，既方便用户使用，也可將系統做得更加友好。很多OA 期刊網站，不具備歷史瀏覽記錄的功能； 但瀏覽記錄對用户來講其實十分重要，隱含了用户對文章的篩選過程，所以對用户經常訪問的頁面需要進行優化展示，不能僅僅提供鏈接地址，需要將文章題名、作者、關鍵詞等信息以列表的方式予以顯示。
2) 由數據挖掘技術而產生的頻繁項目集的分析，可以對網站的結構進行改進。支持度很高的頁面，説明該頁面的用户訪問量大。為了方便用户以及吸引更多的讀者，可以將這些頁面放置在更容易被訪問的位置，科技期刊的網站內容一般以年、卷、期的形式展示。用户如果想查看某一篇影響因子很高的文章，也必須通過年卷期的方式來查看，非常不方便而且頁面友好性不高。通過數據挖掘的分析，編輯部可以把經常被訪問或者高影響因子的文章放在首頁展示。
3) 對由數據挖掘技術產生的頻繁項目集的分析，可以發現用户的關注熱點。若某些頁面或項目被用户頻繁訪問，則可以用這些數據對用户進行分析。一般來説科技期刊的讀者，每個人的專業和研究方向都是不同的，編輯部可以通過數據挖掘技術來判斷讀者的研究方向和感興趣的熱點，對每一個用户進行有針對性的內容推送和消息發送。
4) 網站管理者可以根據在不同時間內頻繁項目集的變化情況對科技期刊網站進行有針對性的調整，比如加入更多關於該熱點的主題資源。目前大多數科技期刊網站首頁的內容，均為編輯部工作人員後台添加、置頂、高亮來吸引用户的； 通過數據挖掘技術，完全可以擯棄這種展示方式。編輯部網站的用户訪問哪些頁面頻繁，系統便會自動將這些頁面的文章推向首頁，不需要編輯部的人工干預，整個網站實現自動化運行。
5 後記
本文重點討論了數據挖掘技術與科技期刊網站頁面之間的關係。其實我們還可以從很多方面進行數據挖掘，比如可以對網站的用户和內容進行數據挖掘，通過分析可以為後期的期刊經營做好鋪墊。
有一點很重要，沒有一種數據挖掘的分析方法可以應付所有的需求。對於某一種問題，數據本身的特性會影響你的選擇，需要用到許多不同的數據挖掘方法以及技術從數據中找到最佳的模型。
在目前深化文化體制改革，推動社會主義文化大發展、大繁榮的政治形勢下，利用數據挖掘技術從中進行提取、分析和應用，能有效地幫助企業瞭解客户、改進系統、制訂合理的市場策略、提高企業的銷售水平和利潤。通過利用數據挖掘技術準確定位優質客户，向客户提供更精確、更有價值的個性化服務。這將成為未來科技期刊經營十分重要的突破點和增長點。
摘要：在電子商務中運用數據挖掘技術，對服務器上的日誌數據、用户信息和訪問鏈接信息進行數據挖掘，有效瞭解客户的購買慾望，從而調整電子商務平台，最終實現利益更大化。本文旨在瞭解電子商務中的數據源有哪些，發掘數據挖掘在電子商務中的具體作用，從而為數據挖掘的具體設計奠定基礎。
關鍵詞：數據挖掘電子商務數據源
一、電子商務中數據挖掘的數據源
1、服務器日誌數據客户在訪問網站時，就會在服務器上產生相應的服務器數據，這些文件主要是日誌文件。而日誌文件又可分為Ser-vicelogs、Errorlogs、Cookielogs。其中Servicelogs文件格式是最常用的標準公用日誌文件格式，也是標準組合日誌文件格式。標準公用日誌文件的格式存儲關於客户連接的物理信息。標準組合日誌文件格式主要包含關於日誌文件元信息的指令，如版本號，會話監控開始和結束的日期等。在日誌文件中，Cookielogs日誌文件是很重要的日誌文件，是服務器為了自動追蹤網站訪問者，為單個客户瀏覽器生成日誌[1]。
2、客户登記信息
客户登記信息是指客户通過Web頁輸入的、並提交給服務器的相關用户信息，這些信息通常是關於用户的常用特徵。
在Web的數據挖掘中，客户登記信息需要和訪問日誌集成，以提高數據挖掘的準確度，使之能更進一步的瞭解客户。
頁面的超級鏈接
輔之以監視所有到達服務器的數據，提取其中的HTTP請求信息。此部分數據主要來自瀏覽者的點擊流，用於考察用户的行為表現。網絡底層信息監聽過濾指監聽整個網絡的所有信息流量，並根據信息源主機、目標主機、服務協議端口等信息過濾掉垃圾數據，然後進行進一步的處理，如關鍵字的搜索等，最終將用户感興趣的數據發送到給定的數據接受程序存儲到數據庫中進行分析統計。
二、Web數據挖掘在電子商務中的應用通過對數據源的原始積累、仔細分析，再利用數據發掘技術，最終達到為企業為用户服務的目的，而這些服務主要有以下幾種。
1、改進站點設計，提高客户訪問的興趣對客户來説，傳統客户與銷售商之間的空間距離在電子商務中已經不存在了，在Internet上，每一個銷售商對於客户來説都是一樣的，那麼如何使客户在自己的銷售站點上駐留更長的時間，對銷售商來説將是一個挑戰。為了使客户在自己的網站上駐留更長的時間，就應該對客户的訪問信息進行挖掘，通過挖掘就能知道客户的瀏覽行為，從而瞭解客户的興趣及需求所在，並根據需求動態地調整頁面，向客户展示一個特殊的頁面，提供特有的一些商品信息和廣告，以使客户能繼續保持對訪問站點的興趣。
2、發現潛在客户
在對web的客户訪問信息的挖掘中，利用分類技術可以在Internet上找到未來的潛在客户。獲得這些潛在的客户通常的市場策略是：先對已經存在的訪問者進行分類。對於一個新的訪問者，通過在Web上的分類發現，識別出這個客户與已經分類的老客户的一些公共的描述，從而對這個新客户進行正確的歸類。然後從它所屬類判斷這個新客户是否為潛在的購買者，決定是否要把這個新客户作為潛在的客户來對待。
客户的類型確定後，就可以對客户動態地展示Web頁面，頁面的內容取決於客户與銷售商提供的產品和服務之間的關聯。
對於一個新的客户，如果花了一段時間瀏覽市場站點，就可以把此客户作為潛在的客户並向這個客户展示一些特殊的頁面內容。
3、個性化服務
根據網站用户的訪問情況，為用户提供個性化信息服務，這是許多互聯網應用，尤其是互聯網信息服務或電子商務（網站）所追求的目標。根據用户的訪問行為和檔案向使用者進行動態的推薦，對許多應用都有很大的吸引力。Web日誌挖掘是一個能夠出色地完成這個目標的方式。通過Web數據挖掘，可以理解訪問者的動態行為，據此優化電子商務網站的經營模式。通過把所掌握的大量客户分成不同的類，對不同類的客户提供個性化服務來提高客户的滿意度，從而保住老客户；通過對具有相似瀏覽行為的客户進行分組，提取組中客户的共同特徵，從而實現客户的聚類，這可以幫助電子商務企業更好地瞭解客户的興趣、消費習慣和消費傾向，預測他們的需求，有針對性地向他們推薦特定的商品並實現交叉銷售，可以提高交易成功率和交易量，提高營銷效果。
例如全球最大中文購物網站淘寶網。當你購買一件商品後，淘寶網會自動提示你“購買過此商品的人也購買過……”類似的信息，這就是個性化服務的代表。
4、交易評價
現在幾乎每一個電子商務網站都增加了交易評價功能，交易評價功能主要就是為了降低交易中的信息不對稱問題。
電子商務交易平台設計了在線信譽評價系統，對買賣雙方的交易歷史及其評價進行記錄。在聲譽效應的影響下，賣家也更加重視買家的交易滿意度，並且也形成了為獲取好評減少差評而提高服務質量的良好風氣。交易中的不滿意（或者成為糾紛）是產生非好評（包括中評和差評）的直接原因。那麼，交易中一般會產生哪些交易糾紛，這些交易糾紛的存在會如何影響交易評價結果，這些問題的解決對賣家的經營具有重要的指導價值。
總結
數據挖掘是當今世界研究的熱門領域，其研究具有廣闊的應用前景和巨大的現實意義。藉助數據挖掘可以改進企業的電子商務平台，增加企業的經營業績，拓寬企業的經營思路，最終提高企業的競爭力。
參考文獻：
[1]。趙東東。電子商務中的web數據挖掘系統設計[J]。微計算機信息20xx,23（10-3）:168[2]。劉曄。Web數據挖掘在電子商務中的應用[J]。中國市場20xx,39（9）:178
摘 要：高度開放的中國金融市場，特別是中國銀行業市場受到日趨激烈的國外銀行衝擊和挑戰，大多數銀行企業都在構建以客户為中心的客户關係管理體系，這一經營體系理念的構建，不僅僅能提高企業的知名度和顧客的滿意度，而且能提高企業的經濟效益。但是，隨着網絡技
關鍵詞：客户關係管理畢業論文
高度開放的中國金融市場，特別是中國銀行業市場受到日趨激烈的國外銀行衝擊和挑戰，大多數銀行企業都在構建以客户為中心的客户關係管理體系，這一經營體系理念的構建，不僅僅能提高企業的知名度和顧客的滿意度，而且能提高企業的經濟效益。但是，隨着網絡技術和信息技術的發展，客户關係管理如何能結合數據挖掘技術和數據倉庫技術，增強企業的核心競爭力已經成為企業亟待解決的問題。因為，企業的數據挖掘技術的運用能夠解決客户的矛盾，為客户設計獨立的、擁有個性化的數據產品和數據服務，能夠真正意義上以客户為核心，防範企業風險，創造企業財富。
關鍵詞：客户關係管理畢業論文
一、數據挖掘技術與客户關係管理兩者的聯繫
隨着時代的發展，銀行客户關係管理的發展已經越來越依賴數據挖掘技術，而數據挖掘技術是在數據倉庫技術的基礎上應運而生的，兩者有機的結合能夠收集和處理大量的客户數據，通過數據類型與數據特徵，進行整合，挖掘具有特殊意義的潛在客户和消費羣體，能夠觀察市場變化趨勢，這樣的技術在國外的銀行業的客户關係管理廣泛使用。而作為國內的銀行企業，受到國外銀行業市場的大幅度衝擊，顯得有些捉襟見肘，面對大量的數據與快速發展的互聯網金融體系的衝擊，銀行業缺乏數據分析和存儲功能，往往造成數據的流逝，特別是在數據的智能預測與客户關係管理還處於初步階段。我國的銀行業如何能更完善的建立客户關係管理體系與數據挖掘技術相互融合，這樣才能使得企業獲得更強的企業核心競爭力。
二、數據挖掘技術在企業客户關係管理實行中存在的問題
現今，我國的金融業發展存在着數據數量大，數據信息混亂等問題，無法結合客户關係管理的需要，建立統一而行之有效的數據歸納，並以客户為中心實行客户關係管理。
1、客户信息不健全
在如今的銀行企業，雖然已經實行實名制户籍管理制度，但由於實行的年頭比較短，特別是以前的數據匱乏。重點體現在，銀行的客户信息採集主要是姓名和身份證號碼，而對於客户的職業、學歷等相關信息一概不知，極大的影響了客户關係管理體系的構建。另外，數據還不能統一和兼容，每個系統都是獨立的系統，比如：信貸系統、儲蓄系統全部分離。這樣存在交叉、就不能掌握出到底擁有多少客户，特別是那些需要服務的目標客户，無法享受到銀行給予的高質量的優質服務。
2、數據集中帶來的差異化的憂慮
以客户為中心的客户關係管理體系，是建立在客户差異化服務的基礎上的，而作為銀行大多數以數據集中，全部有總行分配，這樣不僅不利於企業的差異化服務，給顧客提供優質得到個性化業務，同時，分行也很難對挖掘潛在客户和分析客户成分提供一手的數據，損失客户的利益，做到數據集中，往往是不明智的選擇。
3、經營管理存在弊端
從組織結構上，我國的銀行體系設置機構龐雜，管理人員與生產服務人員脱節現象極其普遍，管理人員不懂業務，只是一味的抓市場，而沒有有效的營銷手段，更別説以市場為導向，以客户為核心，建立客户關係管理體系。大多數的人完全是靠關係而非真正意義上靠能力，另外，業務流程繁瑣，不利於客户享受更多的星級待遇，這與數據發掘的運用背道而馳，很難體現出客户關係管理的價值。
三、數據挖掘技術在企業的應用和實施
如何能更好的利用數據挖掘技術與客户關係管理進行合理的搭配和結合是現今我們面臨的最大問題。所有我們對客户信息進行分析，利用模糊聚類分析方法對客户進行分類，通過建立個性化的信息服務體系，真正意義的提高客户的價值。
1、優化客户服務
以客户為中心提高服務質量是銀行發展的根源。要利用數據挖掘技術的優勢，發現信貸趨勢，及時掌握客户的需求，為客户提高網上服務，網上交易，網上查詢等功能，高度體現互聯網的作用，動態挖掘數據，通過智能化的信貸服務，拓寬銀行業務水平，保證客户的滿意度。
2、利用數據挖掘技術建立多渠道客户服務系統
利用數據挖掘技術整合銀行業務和營銷環節為客户提供綜合性的服務。採用不同的渠道實現信息共享，針對目標客户推薦銀行新產品，拓寬新領域，告別傳統的櫃枱服務體系，實行互聯網與櫃枱體系相結合的多渠道服務媒介體系。優化客户關係管理理念，推進營銷戰略的執行。提高企業的美譽度。
四、數據挖掘技術是銀行企業客户關係管理體系構建的基礎
隨着信息技術的不斷髮展，網絡技術的快速推進，客户關係管理體系要緊跟時代潮流，緊密圍繞客户為中心，利用信息優勢，自動獲取客户需求，打造出更多的個性化、差異化客户服務理念，使得為企業核心競爭能力得到真正意義的提高。
蒙田範文網