大数据背景下数据挖掘技术的应用研究分析

大数据背景下数据挖掘技术的应用研究分析

陈科星

南京模拟技术研究所   江苏南京   210000

摘要：在信息化时代，大数据在各行各业中的应用作用较为突出，是人们挖掘价值信息发现价值规律的重要工具，在大数据研究的过程中，在各项功能发挥中的优势较为重要，尤其是数据挖掘技术的应用更是创建了大数据的理论模式。基于此本文论述了大数据技术中数据挖掘技术的利用方法。

关键词：大数据背景；数据挖掘技术；技术应用

在大数据技术发展过程中利用数据挖掘技术时，需要把握各个数据之间的逻辑关系，并融入创新思维，深入地挖掘本身的价值信息，之后再做好风险管理和技术的编制，以此来优化数学应用数学当前的应用模式，再配合着完善的理论支持全面的调整大数据的应用体系，扩宽到不同的研究领域中，以此来提高大数据的利用效果。

一、数据挖掘技术的概述

数据挖掘技术在大数据中主要集中在数据信息挖掘的环节，数据挖掘是大数据应用中的重要组成部分，大数据中所包含的信息价值密度较低，需要配合着大数据挖掘技术获取有价值的信息，为各项管理活动的顺利进行提供重要的基础，同时也可以减少各种矛盾问题的发生，全面地提高整体的管理效果。在技术使用的过程中，要以数据挖掘技术为主要基础，构建更加专业化的大数据挖掘模式，并且融入到各个领域中，为科学研发和数据的整合提供重要的保障，同时也可以为商业决策奠定坚实的基础。因此在实际工作中需要加强对这一问题的有效分析，更新现有的技术应用模式，从而保证整体的数据整合效果。在数据挖掘中数学知识可以用于数据的处理环节，原始的数据在完整性和统一性方面有一定的欠缺，甚至是还会出现干扰因素，因此需要配合着数据挖掘技术来进行有效的处理，全面的保证各项操作准确性。在数据处理过程中要利用数学分析方法，例如描述法和相关性分析方法等等，多方面的反应不同变量之间的关系，之后再构建对应的数学模型探究对应的未知量，这样一来可以在数据逻辑性的基础上完善现有的数据处理模式，避免对后续数据管理造成较为严重的影响，使各项管理活动能够更加顺利地实施，增强整体的数据处理效果。在后续管理的过程中也可以利用回归分析方法进行数据的科学处理，例如要根据样本的数据来做好参数的评估，之后再构建对应的数据模型，除了以上这些方法之外，在数据处理中还包含了其他的数据理论，例如测度论方法，在实际处理时要利用数据挖掘技术做好数据的科学处理，例如在实际处理的过程中需要进行的是数据的降维处理，构建全新的单调测度来保证信息本身的完整性，进一步的创新当前的工作方案，从而使数据管理效果能够得以有效地强化，减少各种矛盾问题的发生。在实际处理的过程中，需要考虑数据挖掘本身的交叉性以及应用性，符合集成性的应用标准，以此来发挥数学方法本身的优势。例如，在数据挖掘中常用的方法包含了关联度分析方法和决策树法等等，要与数据挖掘技术为主要的基础构建全新的应用体系，例如其中包含了区间值算法和灰色关联分析等等，要建立对应的目标函数，做好各项信息的有效整合，共同的优化当前的工作方案，使数据处理效果能够得到全面的提高。

例如在企业大数据运用的过程中，需要配合着数据挖掘技术把握各个数据之间的逻辑关系，之后再按照企业数据处理的要求来获取对应的价值信息，以此来加快企业信息化建设的步伐。在数字基础建设的过程中，数学应用数学的作用非常的突出，能够把握各个数据之间的逻辑关系和逻辑理念，之后，再通过数据之间的相互整合加快信息共享的速度。这样一来不仅可以实现信息的快速传递，还有助于从数据分析角度入手，了解数据的特点以及各自的规律，以此来保证企业的高效精准发展促进企业发展水平的提升。数据挖掘技术如下：

图1:数据挖掘技术

二、大数据中数据挖掘的具体应用

（一）在数据分析中的利用

在数据分析中利用数据挖掘技术的作用较为突出，在实际实施的过程中可以借助大数据挖掘技术进行一定范围内数据的深入性分析，掌握数据的发展情况，并且可以参考对应的学术研究成果，优化数据挖掘技术的使用模式。与此同时也可以通过大数据分析制定各项管理模式，配合着数据挖掘的逻辑分析方法进行数据的专业化处理，同时还可以搜索更加科学的应对管理方案，从而使各项工作能够具备较强的科学性，避免对数据的应用造成较为严重的影响。此外也可以及时发现在各项管理活动中所存在的威胁因素，做好人为性和环境性因素的相互整合，之后再按照实际情况优化现有的工作模式，凸显大数据技术本身的利用效果。

例如在医院领域中融入大数据挖掘技术时，可以通过大数据挖掘系统进行全范围内患者病例的搜集和分析，同时也可以定期了解病情的发展情况，各个医疗机构也可以进行人类基因数据的有效分析，建立在数学模型之后，充分地发挥数据挖掘技术本身的优势，通过这样的研究方式能够根据患者特点进行对症下药，并且可以融入到医药产品的研发方面，利用数据挖掘技术中的思维方式和逻辑分析方法做好医疗卫生信息的专业化处理，同时也可以进行各项病情发展情况的精准性管理，找到符合病症的药品，全面地提高医疗卫生的综合发展实力，以此来凸显数据挖掘技术在大数据中的应用优势。因此在实际工作中需要充分地发挥这一技术本身的特点，创新现有的工作方案，使整体数据处理效果能够得到全面的提高。数据分析如下：

图2:数据分析

（二）在数据聚类中的利用

为了获取有价值的信息，了解各个数据之间的逻辑关系，在实际工作中需要充分地发挥数据挖掘技术本身的价值，创新大数据技术的应用方案，从而使整体管理效果能够得到全面的提高，构建更加完善的数据应用模式，提高整体的处理效果。在实际处理的过程中，要先进行数据的有效整合并且兼顾效果和效率，在最初数据挖掘中虽然含有一定的偏差或者是不一致性，但是可以通过后期的数据清理和集成选择全面的，保证数据的准确性以及全面性。在实际处理时，需要根据数据指标的特点，利用数据挖掘技术的方法筛选具有逻辑性的关键指标，同时还需要考虑统计学的相关原理，满足各项信息的整合要求，全面的创新现有的管理方案，使数据挖掘效果能够得到全面的提高。例如在实际工作中可以利用数据挖掘技术中的回归分析以及相关分析进行变量和数量之间的有效处理，之后再构建对应的数学模型，完成数学的预测，与此同时也可以进行单个数据的运算整合，构建出全新的数据运用体系之后，优化现有的工作方案，逐渐地整合对应的信息。值得注意的是，在数据挖掘时包含的内容较为复杂，因此要先根据数据的标准化进行类型的科学判定之后再建立对应的模糊关系，直接用于聚类分析，或者是聚类编网等等，以此来得到最终的聚类结果。另外还可以配合着数据挖掘应用中的决策树分析方法来确定最佳的数据整合值，之后再建立不同的活跃分支，全面的提高数据的整合效果。在大数据挖掘具体使用的过程中，需要按照不同类型的对象进行差异最大化的处理，之后再分为不同的组标定对应的特殊值，再利用数学应用方法计算出最佳的差异值，配合着数据挖掘的统计方法，做好各项信息的有效整理，全面的挖掘背后所蕴含的价值信息，全面的提高大数据技术的使用效果。

结束语：

数据挖掘技术在大数据中为重要组成部分，也是优化大数据功能的重要载体，因此在实际工作中需要根据大数据的发展现状更新现有的数据挖掘技术理论模块，解决在以往大数据技术使用中所存在的各项矛盾，突出与时俱进的工作思路，按照实际情况改进现有的数据挖掘研究理论，逐渐地完善大数据技术的使用体系，提高行业的发展水平。

参考文献：

[1]邵燕,陈守森,贾春朴,等.探究大数据时代的数据挖掘技术及应用[J].信息与电脑.2016,(10).118-119.

[2]欧阳柏成.大数据时代的数据挖掘技术探究[J].电脑知识与技术.2015,(15).3-4,9.

[3]温满华.刍议大数据时代数据挖掘技术在电力企业中的应用[J].现代国企研究.2015,(24).26.

[4]韩梦.企业财务报表分析中数据挖掘技术的整合运用研究[J].消费导刊.2019,(5):112-112.

[5]万晓燕,陈姗,刘汝元,等. 大数据背景下企业数据挖掘技术的应用研究[J]. 魅力中国,2017(11):183.