前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數據挖掘技術在商務智能中的運用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：隨著信息技術的迅猛發展，人們已經進入信息時代，信息的類別和數量不斷增多，這在一定程度上加大了企業決策的難度，導致很多企業無法緊跟時展步伐。在信息時代，企業管理者必須具備信息處理能力，能夠從大量信息中篩選出有價值的信息，并轉換為商業信息。在新形勢下，基于本體的數據挖掘技術被廣泛應用于商務智能中，該技術可以實現信息的自動化處理，滿足企業管理和發展需求。

關鍵詞：本體數據挖掘技術商務智能

數據挖掘技術屬于全新數據處理技術，在商務智能中的作用不可小視，受到越來越多人的關注。如今，企業的數量不斷增多，企業的規模也在不斷擴大，大量信息的處理必定會浪費很多時間，影響工作效率。在新形勢下，數據挖掘技術的應用可以幫助企業進行決策，而且能夠預測企業未來的發展方向和趨勢，推動企業發展。

1本體和數據挖掘技術分析

本體實際上在最早屬于哲學概念，但是隨著社會的不斷進步，本體有了全新的含義。在商務智能領域，本體實際上就是數字模型和資源的結合，可以更加形象生動的說明多個概念之間的關系。相比而言，本體的約束力非常強，能夠實現數據的自動化集成。本體思想在商務智能中的應用能夠使知識對象描述更加具體，明確知識關系的屬性和特點，在短時間內找到所需要的信息，避免浪費時間，降低數據分析成本。數據挖掘技術是社會進步的重要體現，數據挖掘技術實際上就是從大量模糊不清的信息中挖掘出真正有價值的數據信息。數據挖掘需要經過以下幾個過程：一是信息收集，二是數據集成，三是數據規約，四是數據清理，五是數據變換，六是數據挖掘，七是模擬評估，八是知識表示。數據挖掘主要完成以下任務：一是關聯數據分析，二是聚類分析，三是分類，四是預測，五是時序模式，六是偏差分析等。如今，各個企業業務范圍不斷擴大，業務類別也在不斷增多，這也就導致數據量的不斷增多，數據挖掘技術的應用不僅可以提高工作效率，還可以更好的保證工作質量。如今，數據庫技術快速發展，數據庫系統不斷完善，數據庫中有大量信息等待處理。數據挖掘技術的應用能夠幫助企業管理者找到極易忽視的重要信息，增強企業的風險意識，提高企業管理者的預見能力。

2商務智能

商務智能在1989年被首次提出，商務智能由以下幾個部分組成：一是數據倉庫，二是查詢報表，三是數據分析，四是數據挖掘，五是數據備份，六是數據恢復等。商務智能是把以下技術結合在一起：一是機器學習，二是模擬識別，三是數據庫，四是統計學，五是信息技術。商務智能包括以下數據流程：一是數據獲取，二是數據管理，三是數據分析，四是信息展現。其中，數據獲取包括：一是數據采集，二是數據篩選，三是數據整理，四是數據轉換，五是數據存儲。數據管理包括：一是數據存儲組織，二是數據維護，三是數據分發，四是數據安全，五是數據提取，六是數據清晰。數據分析主要利用信息技術對數據進行匯總和研究，最終找到數據所隱藏的內容和知識。信息展現是商務智能的最后一個流程，也就是把匯總的信息呈現在企業管理者眼前，為企業管理者決策提供依據和支持。

3本體數據挖掘技術在商務智能中的應用原理

在應用數據挖掘技術之前，企業需要了解用戶的實際需求，并根據用戶的需求來挖掘數據信息，提高數據挖掘效率。數據挖掘技術的應用可以從大量信息中去除掉錯誤的或者是多余的信息，篩選出有價值的信息，并把這些信息轉換成企業需要的信息。數據挖掘技術主要通過建立數據模型來篩選信息。但是，從數據挖掘技術應用現狀來看，該技術在應用過程中還存在一些問題，體現在以下幾點：一是數據挖掘模型不統一，這就導致該技術對相同數據的描述存在差異，影響企業管理者的認識和理解。二是缺乏統一的數據儲存形式。三是知識的查全率比較低，相互關聯的知識缺乏上下支持。

4基于本體的數據挖掘技術在商務智能中的實際應用

4.1數據挖掘技術與商務智能系統相結合

如今，企業業務量不斷增多，數據庫內的信息量快速增加，導致數據理解和數據產出之間出現差距，需要運用數據挖掘技術來解決現存的問題。新時期，數據挖掘技術的應用范圍不斷擴大，該技術具有一定的預見性，能夠從大量數據中挖掘出比較隱蔽的信息，并及時反饋給企業管理者，推動企業發展。企業在發展的過程中，要想發揮出數據庫內數據的作用，就必須把數據挖掘技術和商務智能系統結合在一起，通過分類的方法來對數據進行匯總，歸類。數據挖掘技術的應用簡化了數據處理程序，縮短了數據處理的時間。雖然數據挖掘技術被廣泛應用于商務智能中，但是很多因素會影響數據挖掘，進而影響整個商務智能系統的運行狀態。對此，企業必須從本體出發，在本體的基礎上進行數據挖掘。數據挖掘分為以下幾種：一是低層次數據挖掘，二是高層次數據挖掘。其中，高層次數據挖掘具有一定的優勢，體現在以下幾個方面：一是高層次數據挖掘能夠更加明確數據分類，并對數據進行分析和總結。當然，高層次數據挖掘不是獨立存在的，需要建立在低層次數據挖掘基礎之上，并發揮出其獨特的作用。二是高層次數據挖掘方法更加豐富，數據挖掘的規則會相應減少。

4.2加強商務智能系統管理

要想真正發揮出數據挖掘技術的作用，企業必須加強對商務智能系統的管理，設置專門的管理人員，設置系統內部用戶權限，只有擁有訪問權限的用戶才能進入商務智能系統，避免重要數據的丟失。當然，相同的用戶可以有不同的身份，但是不同的身份所擁有的權限不同。商務智能系統可以為用戶提供以下功能：一是日志管理，二是密碼修改，而系統管理員可以驗證每位用戶的操作，保證操作的合理性。信息查詢也是商務智能系統的功能之一，用戶可以根據自己的需求來查詢信息。商務智能系統管理員需要定期升級系統，這樣才能保證系統內數據的完整性和時效性。商務智能系統具備數據交互能力，提高了數據資源的利用率，給合作者帶來相應利益。新時期，企業對數據質量和反饋速度的要求不斷提高，數據挖掘技術在商務智能系統中的應用恰好可以滿足企業的需求，實現信息的流通和共享。事實上，數據挖掘還會涉及到隱私問題，比如一些用戶通過訪問醫院的醫療記錄來減少保險支出等。國家相關部門必須結合國內實際情況出臺數據挖掘相關的管理辦法和條例，把數據挖掘控制在合法的范圍內。

4.3提升數據挖掘人員的專業性

數據挖掘不是一步完成的，需要分為多個步驟，不同的步驟需要不同的專業人員操作。目前，數據挖掘人員可以分為以下幾類：一是業務分析人員，這部分人員必須熟悉企業的各項業務，而且能夠根據業務項目來確定數據挖掘的對象和范圍。二是數據分析人員，這部分人員不僅需要掌握數據分析技術，還需要掌握統計學知識，能夠把企業的實際需求轉化為數據挖掘內容。三是數據管理人員，這部分人員要掌握管理技能。數據挖掘需要技術和資金支持，通過反復操作來接近事物的本質，不斷提出問題，解決問題，實現可視化操作。在數據挖掘的過程中，挖掘人員的專業性直接關系到數據挖掘的效率和質量。對此，數據挖掘人員必須不斷完善自我，學習新知識和新技能，提升自身的專業性和綜合素養。新時期，企業數據庫往往包含以下數據：一是整合性數據，二是詳細數據，三是匯總數據，四是歷史數據，五是解釋數據等，數據挖掘人員需要明確不同數據之間的聯系和區別，合理構建數據挖掘模型。數據挖掘技術的應用不能盲目，需要遵循一定的規則，關聯性規則包括以下階段：一是數據挖掘人員需要先從大量原始數據中挖掘出數據項目組，二是分析數據項目組之間的關聯性。

4.4豐富數據挖掘方法

事實上，數據挖掘方法比較多，主要分為以下幾種：一是神經網絡，二是遺傳算法，三是決策樹方法，四是粗集方法，五是統計分析法，六是模糊集方法。其中，神經網絡實際上就是在挖掘數據之前建立神經網絡模型，并對數據進行預測和模式識別。神經網絡的適應性非常強，但是掌握難度比較大。遺傳算法實際上就是利用遺傳機理對數據進行挖掘，刪掉多余的數據單元，從網絡中找到數據挖掘的規則。決策樹方法屬于比較常見的數據挖掘方法，該方法就是從眾多數據項目中利用變量決策來找出有價值的信息。粗集方法也是一種數學工具，利用集合理論，分析數據之間的關聯性。粗集方法的操作比較簡單，而且算法比較容易掌握，應用成本低。統計分析方法主要是利用數據的函數關系和相關關系來挖掘數據信息，統計出數據的最大值，平均值等，分析數據之間的差異性。模糊集方法對商務智能系統的要求比較高，系統越復雜，模糊性也就越強。雖然數據挖掘技術的種類比較多，但是數據挖掘人員需要結合商務智能系統和企業的實際情況來選擇數據挖掘技術，真正發揮出數據挖掘技術的作用。

5結語

如今，數據挖掘技術被廣泛應用于商務智能中，數據挖掘技術能夠快速在大量原始數據中提取出有價值的信息，并對數據進行分類匯總，為企業管理者作出決策提供依據。如今，企業的規模不斷擴大，企業的發展步伐不斷加快，企業對數據處理速度和質量都提出了較高的要求，數據挖掘技術的應用可以滿足企業的發展需求，推動企業的發展。但是，由于我國應用數據挖掘技術的時間比較短，還存在一定的缺陷，需要不斷探索和完善，才能真正發揮出數據挖掘技術在商務智能中的作用。雖然數據挖掘技術的應用給企業發展帶來便利，但是數據挖掘也會涉及到一定的隱私，需要國家相關部門加強監督和管理，把數據挖掘控制在合法的范圍內。不同的企業對數據挖掘的需求不同，所選用的數據挖掘方法也會有所不同，這就要求數據挖掘人員具備豐富的實踐經驗，并不斷提升自身的專業性，保證數據挖掘的合理性，為企業發展指明方向和目標，推動企業發展。

參考文獻

[1]穆俊.基于本體的數據挖掘技術應用于商務智能中的實際應用[J].微型電腦應用,2014,30(12).

[2]何超.基于數據挖掘的企業競爭情報智能分析研究[D].武漢大學,2014.

[3]宋遠芳.基于本體的數據挖掘技術在商務智能中的應用[J].計算機技術與發展,2009,19(1).

作者：黃飛 單位：對外經濟貿易大學統計學院