摘要：主要通過對數據挖掘技術的探討，對職教多年累積的教學數據運用分類、決策樹、關聯規則等技術進行分析，從分析的結果中發現有價值的數據模式，科學合理地實現教學評估，讓教學管理者能夠從中發現教學活動中存在的主要問題以便及時改進，進而輔助管理者決策做好教學管理。
關鍵詞：教學評估；數據挖掘；教學評估體系；層次分析法
1概述
近年來國家對中等職業教育的發展高度重視，在政策扶持與職教工作者的努力下，職業教育獲得了蓬勃的發展。如何提高教學質量、培養合格的高技術人才成為職教工作者研究的課題。各種調查研究結果表明：加強師資隊伍的建設，強化教師教學評估對教學質量的提高尤為重要。
所謂教學評估，就是運用系統科學的方法對教學活動或教育行為的價值、效果作出科學的判斷過程。教學評估方式要靈活多樣，要多途徑、多方位、多形式的發揮評估的導學作用，以鼓勵評估為主，充分發揮評估的激勵功能，促進教學的健康發展。
在中等職業學校多年的教育教學工作中積累了大量的教務管理數據、教師檔案數據等，怎樣從龐雜大量的數據中挖掘出有效提高教學質量的關鍵因素是個難題。數據挖掘技術卻可以從人工智能的角度很好地解決這一課題。通過數據挖掘技術，得到隱藏在教學數據背後的有用信息，在一定程度上為教學部門提供決策支持信息促使更好地開展教學工作，提高教學質量和教學管理水平，使之能在功能上更加清晰地認識教師教與學生學的關係及促進教育教學改革。
2數據挖掘技術
2.1數據挖掘的含義
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘應該更正確地命名為“從數據中挖掘知識”。即數據挖掘是對巨大的數據集進行尋找和分析的計算機輔助處理過程，在這一過程中顯現先前未曾發現的模式，然後從這些數據中發掘某些內涵信息，包括描述過去和預測未來趨勢的信息。人工智能領域習慣稱知識發現，而數據庫領域習慣將其稱為數據挖掘。
2.2數據挖掘的基本過程
數據挖掘過程包括對問題的理解和提出、數據收集、數據處理、數據變換、數據挖掘、模式評估、知識表示等過程，以上的過程不是一次完成的，其中某些步驟或者全過程可能要反覆進行。對問題的理解和提出在開始數據挖掘之前，最基礎的工作就是理解數據和實際的業務問題，在這個基礎之上提出問題，對目標作出明確的定義。
2.3數據挖掘常用的算法
2.3.1分類分析方法：是通過分析訓練集中的數據，為每個類別做出準確的描述或建立分析模型或挖掘出分類規則，以便以後利用這個分類規則對其它數據庫中的記錄進行分類的方法。2.3.2決策樹算法：是一種常用於分類、預測模型的算法，它通過將大量數據有目的的分類，從而找到一些有價值的、潛在的信息。它的主要優點是描述簡單，分類速度快，特別適合大規模的數據處理。2.3.3聚類算法：聚類分析處理的數據對象的類是未知的。聚類分析就是將對象集合分組為由類似的對象組成的多個簇的過程。在同一個簇內的對象之間具有較高的相似度，而不同簇內的對象差別較大。2.3.4關聯規則算法：側重於確定數據中不同領域之間的關係，即尋找給定數據集中的有趣聯繫。提取描述數據庫中數據項之間所存在的潛在關係的規則，找出滿足給定支持度和置信度閾值的多個域之間的依賴關係。
在以上各種算法的研究中，比較有影響的是關聯規則算法。
3教學評估體系
評價指標體系是教學評估的基礎和依據，對評估起着導向作用，因此制定一個科學全面的評價指標體系就成為改革、完善評價的首要目標。評價指標應以指導教學實踐為目的，通過評價使教師明確教學過程中應該肯定的和需要改進的地方；以及給出設計評價指標的導向問題。
3.1教學評估體系的構建方法
層次分析法（簡稱AHP法）是美國運籌學家T·L·Saaty教授在20世紀70年代初期提出的一種簡便、靈活而又實用的多準則決策的系統分析方法，其原理是把一個複雜問題分解、轉化為定量分析的方法。它需要建立關於系統屬性的各因素多級遞階結構，然後對每一層次上的因素逐一進行比較，得到判斷矩陣，通過計算判斷矩陣的特徵值和特徵向量，得到其關於上一層因素的相對權重，並可自上而下地用上一層次因素的相對權重加權求和，求出各層次因素關於系統整體屬性（總目標層）的綜合重要度。
3.2構建教學評估指標體系的作用
3.2.1構建的教學評估指標，作為挖掘庫選擇教學信息屬性的依據。
3.2.2通過AHP方法，能篩選出用來評價教學質量的相關重要屬性，從而入選為挖掘庫字段，這樣就減去了挖掘庫中對於挖掘目標來説影響較小的屬性，進而大大減少了挖掘的工作量，提高挖掘效率。3.2.3通過構建教學評估指標，減少了挖掘對象的字段，從而避免因挖掘字段過多，導致建立的決策樹過大，出現過度擬合挖掘對象，進而造成挖掘規則不具有很好的評價效果的現象。3.2.4提高教學質量評估實施工作的效率。
4數據挖掘在教學評估中的應用
4.1學習效果評價學習評價是教育工作者的重要職責之一。評價學生的學習情況，既對學生起到信息反饋和激發學習動機的作用，又是檢查課程計劃、教學程序以至教學目的的手段，也是考查學生個別差異、便於因材施教的途徑。評價要遵循“評價內容要全面、評價方式要多元化、評價次數要多次化，注重自評與互評的有機結合”的原則。利用數據挖掘工具，對教師業務檔案數據庫、行為記錄數據庫、獎勵處罰數據庫等進行分析處理，可以即時得到教師教學的評價結果，對教學過程出現的問題進行及時指正。
另外，這種系統還能夠克服教師主觀評價的不公正、不客觀的弱點，減輕教師的工作量。
4.2課堂教學評價
課堂教學評價不僅對教學起着調節、控制、指導和推動作用，而且有很強的導向性，是學校教學管理的重要組成部分，是評價教學工作成績的主要手段。實現對任課教師及教學組織工作效果做出評價，但是更重要的目的是總結優秀的教學經驗，為教學質量的穩定提高制定科學的規範。學校每學期都要搞課堂教學評價調查，積累了大量的數據。利用數據挖掘技術，從教學評價數據中進行數據挖掘，將關聯規則應用於教師教學評估系統中，探討教學效果的好壞與老師的年齡、職稱、學歷之間的聯繫；確定教師的教學內容的範圍和深度是否合適，選擇的教學媒體是否適合所選的教學內容和教學對象；講解的時間是否恰到好處；教學策略是否得當等。從而可以及時地將挖掘出的規則信息反饋給教師。管理部門據此能合理配置班級的上課教師，使學生能夠較好地保持良好的學習態度，從而為教學部門提供了決策支持信息，促使教學工作更好地開展。
結束語
數據挖掘作為一種工具，其技術日趨成熟，在許多領域取得了廣泛的應用。在教育領域裏，隨着數據的不斷累積，把數據挖掘技術應用到教學評價系統中，讓領導者能夠從中發現教師教學活動中的主要問題，以便及時改進，進而輔助領導決策做好學校管理，提高學校管理能力和水平，同時通過建立有效的教學激勵機制來達到提高教學質量的目的。這一研究對發展中的職業教育教學管理提出了很好的建議，為教學管理工作的計算機輔助決策增添了新的內容。將數據挖掘技術應用於中職教學評估，設計開發一套行之有效的課堂教學評價系統，是下一步要做的工作，必將有力推動職業教育的快速發展。
題目：大數據挖掘在智遊應用中的探究
摘要：大數據和智遊都是當下的熱點， 沒有大數據的智遊無從談“智慧”， 數據挖掘是大數據應用於智遊的核心， 文章探究了在智遊應用中， 目前大數據挖掘存在的幾個問題。
關鍵詞：大數據； 智遊； 數據挖掘；
1引言
隨着人民生活水平的進一步提高， 旅遊消費的需求進一步上升， 在雲計算、互聯網、物聯網以及移動智能終端等信息通訊技術的飛速發展下， 智遊應運而生。大數據作為當下的熱點已經成了智遊發展的有力支撐， 沒有大數據提供的有利信息， 智遊無法變得“智慧”。
2大數據與智遊
旅遊業是信息密、綜合性強、信息依存度高的產業[1]， 這讓其與大數據自然產生了交匯。2010年， 江蘇省鎮江市首先提出“智遊”的概念， 雖然至今國內外對於智遊還沒有一個統一的學術定義， 但在與大數據相關的描述中， 有學者從大數據挖掘在智遊中的作用出發， 把智遊描述為:通過充分收集和管理所有類型和來源的旅遊數據， 並深入挖掘這些數據的潛在重要價值信息， 然後利用這些信息為相關部門或對象提供服務[2]。這一定義充分肯定了在發展智遊中， 大數據挖掘所起的至關重要的作用， 指出了在智遊的過程中， 數據的收集、儲存、管理都是為數據挖掘服務， 智遊最終所需要的是利用挖掘所得的有用信息。
3大數據挖掘在智遊中存在的問題
2011年， 我國提出用十年時間基本實現智遊的目標[3]， 過去幾年， 國家旅遊局的相關動作均為了實現這一目標。但是， 在藉助大數據推動智遊的可持續性發展中， 大數據所產生的價值卻亟待提高， 原因之一就是在收集、儲存了大量數據後， 對它們深入挖掘不夠， 沒有發掘出數據更多的價值。
3.1 信息化建設
智遊的發展離不開移動網絡、物聯網、雲平台。隨着大數據的不斷髮展， 國內許多景區已經實現Wi-Fi覆蓋， 部分景區也已實現人與人、人與物、人與景點之間的實時互動， 多省市已建有旅遊產業監測平台或旅遊大數據中心以及數據可視化平台， 從中進行數據統計、行為分析、監控預警、服務質量監督等。通過這些平台， 已基本能掌握跟遊客和景點相關的數據， 可以實現更好旅遊監控、產業宏觀監控， 對該地的旅遊管理和推廣都能發揮重要作用。
但從智慧化的發展來看， 我國的信息化建設還需加強。雖然通訊網絡已基本能保證， 但是大部分景區還無法實現對景區全面、透徹、及時的感知， 更為困難的是對平台的建設。在數據共享平台的建設上， 除了必備的硬件設施， 大數據實驗平台還涉及大量部門， 如政府管理部門、氣象部門、交通、電子商務、旅行社、旅遊網站等。如此多的部門相關聯， 要想建立一個完整全面的大數據實驗平台， 難度可想而知。
3.2 大數據挖掘方法
大數據時代缺的不是數據， 而是方法。大數據在旅遊行業的應用前景非常廣闊， 但是面對大量的數據， 不懂如何收集有用的數據、不懂如何對數據進行挖掘和利用， 那麼“大數據”猶如礦山之中的廢石。旅遊行業所涉及的結構化與非結構化數據， 通過雲計算技術， 對數據的收集、存儲都較為容易， 但對數據的挖掘分析則還在不斷探索中。大數據的挖掘常用的方法有關聯分析， 相似度分析， 距離分析， 聚類分析等等， 這些方法從不同的角度對數據進行挖掘。其中， 相關性分析方法通過關聯多個數據來源， 挖掘數據價值。但針對旅遊數據， 採用這些方法挖掘數據的價值信息， 難度也很大， 因為旅遊數據中宂餘數據很多， 數據存在形式很複雜。在旅遊非結構化數據中， 一張圖片、一個天氣變化、一次輿情評價等都將會對遊客的旅行計劃帶來影響。對這些數據完全挖掘分析， 對遊客“行前、行中、行後”大數據的實時性挖掘都是很大的挑戰。
3.3 數據安全
2017年， 數據安全事件屢見不鮮， 伴着大數據而來的數據安全問題日益凸顯出來。在大數據時代， 無處不在的數據收集技術使我們的個人信息在所關聯的數據中心留下痕跡， 如何保證這些信息被合法合理使用， 讓數據“可用不可見”[4]， 這是亟待解決的問題。同時， 在大數據資源的開放性和共享性下， 個人隱私和公民權益受到嚴重威脅。這一矛盾的存在使數據共享程度與數據挖掘程度成反比。此外， 經過大數據技術的分析、挖掘， 個人隱私更易被發現和暴露， 從而可能引發一系列社會問題。
大數據背景下的旅遊數據當然也避免不了數據的安全問題。如果遊客“吃、住、行、遊、娛、購”的數據被放入數據庫， 被完全共享、挖掘、分析， 那遊客的人身財產安全將會受到嚴重影響， 最終降低旅遊體驗。所以， 數據的安全管理是進行大數據挖掘的前提。
3.4 大數據人才
大數據背景下的智遊離不開人才的創新活動及技術支持， 然而與專業相銜接的大數據人才培養未能及時跟上行業需求， 加之創新型人才的外流， 以及數據統計未來3~5年大數據行業將面臨全球性的人才荒， 國內智遊的構建還缺乏大量人才。
4解決思路
在信息化建設上， 加大政府投入， 加強基礎設施建設， 整合結構化數據， 抓取非結構化數據， 打通各數據壁壘， 建設旅遊大數據實驗平台；在挖掘方法上， 對旅遊大數據實時性數據的挖掘應該被放在重要位置；在數據安全上， 從加強大數據安全立法、監管執法及強化技術手段建設等幾個方面着手， 提升大數據環境下數據安全保護水平。加強人才的培養與引進， 加強產學研合作， 培養智遊大數據人才。
參考文獻
[1]翁凱。大數據在智遊中的應用研究[J]。信 息技術， 2015, 24:86-87.
[2]樑昌勇， 馬銀超， 路彩虹。大數據挖掘， 智遊的核心[J]。開發研究， 2015, 5 (180) :134-139.
[3]張建濤， 王洋， 劉力剛。大數據背景下智遊應用模型體系構建[J]。企業經濟， 2017, 5 (441) :116-123.
[4]王竹欣， 陳湉。保障大數據， 從哪裏入手？[N]。人民郵電究， 2017-11-30.
摘要：數據挖掘是一種特殊的數據分析過程，其不僅在功能上具有多樣性，同時還具有着自動化、智能化處理以及抽象化分析判斷的特點，對於計算機犯罪案件中的信息取證有着非常大的幫助。本文結合數據挖掘技術的概念與功能，對其在計算機犯罪取證中的應用進行了分析。
關鍵詞：數據挖掘技術；計算機；犯罪取證
隨着信息技術與互聯網的不斷普及，計算機犯罪案件變得越來越多，同時由於計算機犯罪的隱蔽性、複雜性特點，案件偵破工作也具有着相當的難度，而數據挖掘技術不僅能夠對計算機犯罪案件中的原始數據進行分析並提取出有效信息，同時還能夠實現與其他案件的對比，而這些對於計算機犯罪案件的偵破都是十分有利的。
1數據挖掘技術的功能與應用分析
1.1數據挖掘技術的概念
數據挖掘技術是針對當前信息時代下海量的網絡數據信息而言的，簡單來説，就是從大量的、不完全的、有噪聲的、模糊的隨機數據中對潛在的有效知識進行自動提取，從而為判斷決策提供有利的信息支持。同時，從數據挖掘所能夠的得到的知識來看，主要可以分為廣義型知識、分類型知識、關聯性知識、預測性知識以及離型知識幾種。
1.2數據挖掘技術的功能
根據數據挖掘技術所能夠提取的不同類型知識，數據挖掘技術也可以在此基礎上進行功能分類，如關聯分析、聚類分析、孤立點分析、時間序列分析以及分類預測等都是數據挖掘技術的重要功能之一，而其中又以關聯分析與分類預測最為主要。大量的數據中存在着多個項集，各個項集之間的取值往往存在着一定的規律性，而關聯分析則正是利用這一點，對各項集之間的關聯關係進行挖掘，找到數據間隱藏的關聯網，主要算法有FP-Growth算法、Apriori算法等。在計算機犯罪取證中，可以先對犯罪案件中的特徵與行為進行深度的挖掘，從而明確其中所存在的聯繫，同時，在獲得審計數據後，就可以對其中的審計信息進行整理並中存入到數據庫中進行再次分析，從而達到案件樹立的效果，這樣，就能夠清晰的判斷出案件中的行為是否具有犯罪特徵[1]。而分類分析則是對現有數據進行分類整理，以明確所獲得數據中的相關性的一種數據挖掘功能。在分類分析的過程中，已知數據會被分為不同的數據組，並按照具體的數據屬性進行明確分類，之後再通過對分組中數據屬性的具體分析，最終就可以得到數據屬性模型。在計算機犯罪案件中，可以將按照這種數據分類、分析的方法得到案件的數據屬性模型，之後將這一數據屬性模型與其他案件的數據屬性模型進行對比，這樣就能夠判斷嫌疑人是否在作案動機、發生規律以及具體特徵等方面與其他案件模型相符，也就是説，一旦這一案件的數據模型屬性與其他案件的數據模型屬性大多相符，那麼這些數據就可以被確定為犯罪證據。此外，在不同案件間的共性與差異的基礎上，分類分析還可以實現對於未知數據信息或類似數據信息的有效預測，這對於計算機犯罪案件的處理也是很有幫助的。此外，數據挖掘分類預測功能的實現主要依賴決策樹、支持向量機、VSM、Logisitic迴歸、樸素貝葉斯等幾種，這些算法各有優劣，在實際應用中需要根據案件的實際情況進行選擇，例如支持向量機具有很高的分類正確率，因此適合用於特徵為線性不可分的案件，而決策樹更容易理解與解釋。
2數據挖掘技術在計算機犯罪取證中的具體應用思路
對於數據挖掘技術，目前的計算機犯罪取證工作並未形成一個明確而統一的應用步驟，因此，我們可以根據數據挖掘技術的特徵與具體功能，對數據挖掘技術在計算機犯罪取證中的應用提供一個較為可行的具體思路[2]。首先，當案件發生後，一般能夠獲取到海量的原始數據，面對這些數據，可以利用FP-Growth算法、Apriori算法等算法進行關聯分析，找到案件相關的潛在有用信息，如犯罪嫌疑人的犯罪動機、案發時間、作案嫌疑人的基本信息等等。在獲取這些基本信息後，雖然能夠對案件的基本特徵有一定的瞭解，但犯罪嫌疑人卻難以通過這些簡單的信息進行確定，因此還需利用決策樹、支持向量機等算法進行分類預測分析，通過對原始信息的準確分類，可以得到案件的犯罪行為模式（數據屬性模型），而通過與其他案件犯罪行為模式的對比，就能夠對犯罪嫌疑人的具體特徵進行進一步的預測，如經常活動的場所、行為習慣、分佈區域等，從而縮小犯罪嫌疑人的鎖定範圍，為案件偵破工作帶來巨大幫助。此外，在計算機犯罪案件處理完畢後，所建立的嫌疑人犯罪行為模式以及通過關聯分析、分類預測分析得到的案件信息仍具有着很高的利用價值，因此不僅需要將這些信息存入到專門的數據庫中，同時還要根據案件的結果對數據進行再次分析與修正，並做好犯罪行為模式的分類與標記工作，為之後的案件偵破工作提供更加豐富、詳細的數據參考。
3結束語
總而言之，數據挖掘技術自計算機犯罪取證中的應用是藉助以各種算法為基礎的關聯、分類預測功能來實現的，而隨着技術的不斷提升以及數據庫中的犯罪行為模式會不斷得到完善，在未來數據挖掘技術所能夠起到的作用也必將越來越大。
參考文獻
[1]李豔花。數據挖掘在計算機動態取證技術中的應用[J]。信息與電腦（理論版），20xx（02）：174-176.
作者:周永傑 單位:河南警察學院信息安全系
1數據挖掘技術和過程
1.1數據挖掘技術概述
發現的是用户感興趣的知識；發現的知識應當能夠被接受、理解和運用。也就是發現全部相對的知識，是具有特定前提與條件，面向既定領域的，同時還容易被用户接受。數據挖掘屬於一種新型的商業信息處理技術，其特點為抽取、轉化、分析商業數據庫中的大規模業務數據，從中獲得有價值的商業數據。簡單來説，其實數據挖掘是一種對數據進行深入分析的方法。因此，可以描述數據挖掘為：根據企業設定的工作目標，探索與分析企業大量數據，充分揭示隱藏的、未知的規律性，並且將其轉變為科學的方法。數據挖掘發現的最常見知識包括：
1.1.1廣義知識體現相同事物共同性質的知識，是指類別特點的概括描述知識。按照數據的微觀特點對其表徵的、具有普遍性的、極高概念層次的知識積極發現，是對數據的高度精煉與抽象。發現廣義知識的方法與技術有很多，例如數據立方體和歸約等。
1.1.2關聯知識體現一個事件與其他事件之間形成的關聯知識。假如兩項或者更多項之間形成關聯，則其中一項的屬性數值就能夠藉助其他屬性數值實行預測。
1.1.3分類知識體現相同事物共同特點的屬性知識與不同事物之間差異特點知識。
1.2數據挖掘過程
1.2.1明確業務對象對業務問題清楚定義，瞭解數據挖掘的第一步是數據挖掘目的。挖掘結果是無法預測的，但是研究的問題是可預見的，僅為了數據挖掘而數據挖掘一般會體現出盲目性，通常也不會獲得成功。基於用户特徵的電子商務數據挖掘研究劉芬（惠州商貿旅遊高級職業技術學校，廣東惠州516025）摘要：隨着互聯網的出現，全球範圍內電子商務正在迅速普及與發展，在這樣的環境下，電子商務數據挖掘技術應運而生。電子商務數據挖掘技術是近幾年來數據挖掘領域中的研究熱點，基於用户特徵的電子商務數據挖掘技術研究將會解決大量現實問題，為企業確定目標市場、完善決策、獲得最大競爭優勢，其應用前景廣闊，促使電子商務企業更具有競爭力。主要分析了電子商務內容、數據挖掘技術和過程、用户細分理論，以及基於用户特徵的電子商務數據挖掘。
1.2.2數據準備第一選擇數據：是按照用户的挖掘目標，對全部業務內外部數據信息積極搜索，從數據源中獲取和挖掘有關數據。第二預處理數據：加工選取的數據，具體對數據的完整性和一致性積極檢查，並且處理數據中的噪音，找出計算機丟失的數據，清除重複記錄，轉化數據類型等。假如數據倉庫是數據挖掘的對象，則在產生數據庫過程中已經形成了數據預處理。
1.2.3變換數據轉換數據為一個分析模型。這一分析模型是相對於挖掘算法構建的。構建一個與挖掘算法適合的分析模型是數據挖掘獲得成功的重點。可以利用投影數據庫的相關操作對數據維度有效降低，進一步減少數據挖掘過程中數據量，提升挖掘算法效率。
1.2.4挖掘數據挖掘獲得的經濟轉化的數據。除了對選擇科學挖掘算法積極完善之外，其餘全部工作都自行完成。整體挖掘過程都是相互的，也就是用户對某些挖掘參數能夠積極控制。
1.2.5評價挖掘結果這個過程劃分為兩個步驟：表達結果和評價結果。第一表達結果：用户能夠理解數據挖掘得到的模式，可以通過可視化數據促使用户對挖掘結果積極理解。第二評價結果：用户與機器對數據挖掘獲得的模式有效評價，對宂餘或者無關的模式及時刪除。假如用户不滿意挖掘模式，可以重新挑選數據和挖掘算法對挖掘過程科學執行，直到獲得用户滿意為止。
2用户細分理論
用户細分是指按照不同用户的屬性劃分用户集合。目前學術界和企業界一般接受的是基於用户價值的細分理論，其不僅包含了用户為企業貢獻歷史利潤，還包含未來利潤，也就是在未來用户為企業可能帶來的利潤總和。基於用户價值的細分理論選擇客户當前價值與客户潛在價值兩個因素評價用户。用户當前價值是指截止到目前用户對企業貢獻的總體價值；用户潛在價值是指未來用户可能為企業創造的價值總和。每個因素還能夠劃分為兩個高低檔次，進一步產生一個二維的矩陣，把用户劃分為4組，價值用户、次價值用户、潛在價值用户、低價值用户。企業在推廣過程中根據不同用户應當形成對應的方法，投入不同的資源。很明顯對於企業來説價值用户最重要，被認為是企業的玉質用户；其次是次價值用户，被認為是金質用户，雖然數量有限，卻為企業創造了絕大部分的利潤；其他則是低價值用户，對企業來説價值最小，成為鉛質用户，另外一類則是潛在價值用户。雖然這兩類用户擁有較多的數量，但是為企業創造的價值有限，甚至很小。需要我們注意的是潛在價值用户利用再造用户關係，將來極有可能變成價值用户。從長期分析，潛在價值用户可以是企業的隱形財富，是企業獲得利潤的基礎。將採用數據挖掘方法對這4類用户特點有效挖掘。
3電子商務數據挖掘分析
3.1設計問卷
研究的關鍵是電子商務用户特徵的數據挖掘，具體包含了價值用户特徵、次價值用户特徵、潛在價值用户特徵，對電子商務用户的認知度、用户的需求度分析。問卷內容包括3部分：其一是為被調查者介紹電子商務的概念與背景；其二是具體調查被調查對象的個人信息，包含了性別、年齡、學歷、感情情況、職業、工作、生活地點、收入、上網購物經歷；其三是問卷主要部分，是對用户對電子商務的瞭解、需求、使用情況的指標設計。
3.2調查方式
本次調查的問卷主體是電腦上網的人羣，採用隨機抽象的方式進行網上訪問。一方面採用大眾聊天工具，利用電子郵件和留言的方式發放問卷，另一方面在大眾論壇上邀請其填寫問卷。
3.3數據挖掘和結果
（1）選擇數據挖掘的算法利用Clementine數據挖掘軟件，採用C5.O算法挖掘預處理之後數據。
（2）用户數據分析
1）電子商務用户認知度分析按照調查問卷的問題“您知道電子商務嗎？”得到對電子商務用户認知情況的統計，十分了解20.4%，瞭解30.1%，聽過但不瞭解具體使用方法40.3%，從未聽過8.9%。很多人僅聽過電子商務，但是並不清楚具體的功能與應用方法，甚至有一小部分人沒有聽過電子商務。對調查問卷問題“您聽過電子商務的渠道是什麼？”，大部分用户是利用網瞭解電子商務的，佔40.2%；僅有76人是利用紙質報刊雜誌上知道電子商務的並且對其進行應用；這也表明相較於網絡宣傳紙質媒體推廣電子商務的方法缺乏有效性。
2）電子商務用户需求用户希求具體是指使用產品服務人員對應用產品或服務形成的需求或者期望。按照問題“假如你曾經使用電子商務，你覺得其用途怎樣，假如沒有使用過，你覺得其對自己有用嗎？”得到了認為需要和十分需要的數據，覺得電子商務有用的用户為40.7%，不清楚是否對自己有用的用户為56.7%，認為不需要的僅有2.4%。
3）電子商務用户應用意願應用意願是指消費者對某一產品服務進行應用或者購買的一種心理慾望。按照問題“假如可以滿足你所關心的因素，未來你會繼續應用電子商務嗎？”獲得的數據可知，在滿足各種因素時，將來一年之內會應用電子商務的用户為78.2%，一定不會應用電子商務的用户為1.4%。表明用户形成了較為強烈的應用電子商務慾望，電子商務發展前景很好。基於用户特徵的電子商務數據研究，電子商務企業通過這一結果能夠更好地實行營銷和推廣，對潛在用户積極定位，提高用户體驗，積極挖掘用户價值。分析為企業準確營銷和推廣企業提供了一個有效的借鑑。
4結語
互聯網中數據是最寶貴的資源之一，大量數據中包含了很大的潛在價值，對這些數據深入挖掘對互聯網商務、企業推廣、傳播信息發揮了巨大的作用。近些年來，數據挖掘技術獲得了信息產業的極大重視，具體原因是出現了大量的數據，能夠廣泛應用，並且需要轉化數據成為有價值的信息知識。通過基於用户特徵的電子商務數據挖掘研究，促使電子商務獲得巨大發展機會，發現潛在用户，促使電子商務企業精準營銷。
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.
蒙田範文網