文/陳宇展

1 大數(shù)據(jù)分析挖掘系統(tǒng)主要組成部分

大數(shù)據(jù)分析挖掘系統(tǒng)的主要組成部分，包括知識庫數(shù)據(jù)庫模式評估以及服務(wù)器等4 個主要組成部分，通過這4 個部分才能夠在海量無序的數(shù)據(jù)以及信息當中選擇出最為有效的信息，同時根據(jù)決策的方向而制定出一個較為有效的參考方案，其中在大數(shù)據(jù)分析挖掘技術(shù)內(nèi)容當中，數(shù)據(jù)庫主要的作為依托的對象，負責收集所需要的數(shù)據(jù)，同時對涉及到數(shù)據(jù)進行儲存以及進一步的分析，以及綜合從而更好的幫助決策者進行決策以及分析，而服務(wù)器則主要的提供相應(yīng)幫助有關(guān)數(shù)據(jù)的分析以及綜合，同時還能夠根據(jù)用戶發(fā)出的指令，對于信息進行提取，在進行數(shù)據(jù)的收集以及胎兒過程當中，主要來使用了知識庫，從而對于所需要的多個數(shù)據(jù)以及信息進行分析歸納以及整合而進行模式評估則是需要根據(jù)搜尋者之前所搜尋的，判斷出其大致的興趣之后進行度量而完成整個數(shù)據(jù)的尋找以及整合處理，從而確定出具體的評定參數(shù)。

2 關(guān)于大數(shù)據(jù)分析挖掘技術(shù)的概述

數(shù)據(jù)分析技術(shù)者就是對于如今已有的數(shù)據(jù)挖掘以及積極學(xué)習(xí)技術(shù)不斷的進行改進，并且開發(fā)出一種新型的對數(shù)據(jù)進行挖掘的技術(shù)。比如說可以通過特殊組挖掘圖形挖掘以及數(shù)據(jù)網(wǎng)絡(luò)挖掘的方式達到這一目的，從而突破原有的數(shù)據(jù)連接以及相似連接的數(shù)據(jù)融合技術(shù)針對于用戶的網(wǎng)絡(luò)行為以及興趣，還有情感語義進行分析，等通過對于有關(guān)的領(lǐng)域進行研究，更進一步的改進數(shù)據(jù)挖掘技術(shù)，從而能夠在大量的模糊不完整以及隨機的數(shù)據(jù)網(wǎng)絡(luò)中提取出自己所需要的，但是隱藏極深，雖然說在廣大數(shù)據(jù)當中，這些信息以及知識始終處于隱藏狀態(tài)，并不能直觀的感受到，但是這也是一種潛在的信息，以及只是具有了一定的利用價值而在進行大數(shù)據(jù)分析挖掘過程當中所使用的技術(shù)可以有多種的分類方法再進行數(shù)據(jù)的過程當中可以通過數(shù)據(jù)匯總以及聚集等，在進行規(guī)則的關(guān)聯(lián)之后，通過建設(shè)出數(shù)據(jù)模型等，從而出現(xiàn)異常狀態(tài)時，及時的發(fā)現(xiàn)并進行解決。

而在數(shù)據(jù)挖掘的過程當中，分析從數(shù)據(jù)庫當中所提取出來的數(shù)據(jù)，從而進一步的分析數(shù)據(jù)挖掘的主要目標之后通過etl 來進一步的分析挖掘算法，具體寬度之后對于數(shù)據(jù)進行挖掘，而在傳統(tǒng)意義上常用的數(shù)據(jù)挖掘軟件，只能夠處理三個計算機當中的小型數(shù)據(jù)，正因為這一局限性想要進一步的分析以及挖掘大規(guī)模的數(shù)據(jù)，就需要使用抽樣的方法，盡可能的使得最終所獲取的數(shù)據(jù)具備有準確性。

3 大數(shù)據(jù)分析挖掘技術(shù)在決策過程當中的具體應(yīng)用

3.1 在教育行業(yè)過程當中的應(yīng)用

大數(shù)據(jù)分析挖掘技術(shù)不僅僅能夠應(yīng)用于交通運輸系統(tǒng)以及企業(yè)的財務(wù)系統(tǒng)當中，其在教育系統(tǒng)當中也發(fā)揮著重要的作用。如今我國加重了對高等教育事業(yè)的發(fā)展力度，為了學(xué)生能夠自主的成長以及承載勝利的一個較為輕松并且自由的環(huán)境，但是在輕松所有環(huán)境的背后，也給學(xué)校的管理工作帶來了較大的困難，在如期重大高校都設(shè)置了學(xué)生卡管理系統(tǒng)，對于學(xué)生的日常簽到、宿舍住宿、飲食以及門禁等都通過校園卡來收集數(shù)據(jù)，判斷學(xué)生是否遵從學(xué)校規(guī)章制度，而通過對于校園卡打卡情況判斷數(shù)據(jù)的傳輸，將大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于其中，而構(gòu)建出大學(xué)生網(wǎng)絡(luò)數(shù)據(jù)中心以及大數(shù)據(jù)挖掘平臺，從而更好的完成教育管理工作。

對校園卡數(shù)據(jù)進行分析，通過數(shù)據(jù)統(tǒng)計、人工智能以及可視化等方式進一步的挖掘數(shù)據(jù)，同時在很多領(lǐng)域當中使用數(shù)據(jù)挖掘技術(shù)都有著不同的分類，其中所涉及到的算法，其中要注重部分為輸入、輸出以及處理三大部分，而對數(shù)據(jù)進行挖掘的方法可以分為統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)方法、數(shù)據(jù)庫方法以及機器學(xué)習(xí)方法等四大方法，而在所獲取的數(shù)據(jù)庫以及數(shù)據(jù)源當中包含著各種種類，因此在對于大學(xué)生日常行為以及生活習(xí)慣進行數(shù)據(jù)挖掘過程當中，針對于其針對對象也有了不同的理解，可以將數(shù)據(jù)挖掘當中的各項分析方法進行詳細的分類，因為數(shù)據(jù)庫分析方法在數(shù)據(jù)分析以及化解過程當中是中心步驟，而神經(jīng)網(wǎng)絡(luò)方法則通過構(gòu)建起神經(jīng)網(wǎng)絡(luò)，進一步的對信息進行挖掘。

對大學(xué)生使用校園卡通過對其日常簽到以及上網(wǎng)，還有宿舍出門等信息進行充分的挖掘以及分析，同時與學(xué)校當中的后勤及管理人員聯(lián)手，尋求相關(guān)的數(shù)據(jù)，而通過所設(shè)計出來的數(shù)據(jù)構(gòu)建其意見的模型，定期對數(shù)據(jù)進行分析整理及合并，從而做好大學(xué)生日常行為的有效管理，在學(xué)生出現(xiàn)失聯(lián)或者是離校的問題時，采取一定的預(yù)防措施及時發(fā)現(xiàn)，從而采取有關(guān)的措施及時應(yīng)對。如果在數(shù)據(jù)系統(tǒng)出現(xiàn)異常時，通過使用短信、微信以及QQ 信息等方式，將信息發(fā)到輔導(dǎo)員處，并且在警報系統(tǒng)當中備案，進一步的歸納以及整理學(xué)生失聯(lián)問題的成因，從而為輔導(dǎo)員針對于這一問題提供了有效的依據(jù)，也能夠在學(xué)生實踐過程當中發(fā)揮良好的意見功能，做好高效的管理工作。

在教育行業(yè)，使用大數(shù)據(jù)分析挖掘技術(shù)，能夠?qū)崿F(xiàn)教育資源向數(shù)據(jù)價值的最終轉(zhuǎn)變，從而更好的發(fā)揮數(shù)據(jù)挖掘的重要作用，從而使得教學(xué)領(lǐng)域當中的教學(xué)方式不斷的發(fā)生變革，并且不斷優(yōu)化課堂教學(xué)方式，獲取更高的教學(xué)效果，提高教學(xué)質(zhì)量。而通過對于教育過程當中所產(chǎn)生的大數(shù)據(jù)進行科學(xué)文化教育以及自適應(yīng)學(xué)習(xí)，從而闡明了大數(shù)據(jù)在教學(xué)領(lǐng)域當中具體應(yīng)用的重要意義，進一步的加快了教學(xué)領(lǐng)域當中大數(shù)據(jù)分析挖掘的進程，使得教學(xué)領(lǐng)域發(fā)生重大突破，然而由于大數(shù)據(jù)過程中存在了一定的技術(shù)缺陷以及人才缺失，這些問題可能會影響到大數(shù)據(jù)分析挖掘的廣泛應(yīng)用，延遲了教學(xué)領(lǐng)域發(fā)展的效果。因此就需要將數(shù)據(jù)挖掘結(jié)束以及教學(xué)大數(shù)據(jù)的應(yīng)用，保持著同一步伐進一步的提高最終的教學(xué)成果。

3.2 大數(shù)據(jù)分析挖掘技術(shù)運營與財務(wù)系統(tǒng)決策

在大數(shù)據(jù)背景之下，人們有著更為方便并且快捷的渠道獲取大量的數(shù)據(jù)，但是因為數(shù)據(jù)的量過于龐大，但是其中卻摻雜了大量的無用信息，因此人們迫切的需要尋求一種挖掘以及分析的方法，從而能夠在這段的時間之內(nèi)獲取自己所需要的大量的個性各異的數(shù)據(jù)，同時能夠根據(jù)自己的要求對數(shù)據(jù)進行分析以及篩選，最終獲取有一定參考以及利用價值的信息。而在這種情景之下，可以通過使用大數(shù)據(jù)分析挖掘技術(shù)，進一步的將大量的數(shù)據(jù)轉(zhuǎn)換為自己所需要的數(shù)據(jù)并且進行儲存，能夠從巨量的數(shù)據(jù)當中提取出自己需要的信息，并且構(gòu)建出一個智能分析體系，從而更好地進行算法的優(yōu)化以及數(shù)據(jù)模型的建設(shè)，使得數(shù)據(jù)挖掘技術(shù)應(yīng)用于財務(wù)系統(tǒng)當中。如今隨著信息化以及互聯(lián)網(wǎng)的快速發(fā)展，大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于各行各業(yè)當中，無論是事業(yè)單位教育部門還是行政單位當中，都構(gòu)建出了一個較為完備的電子化財務(wù)系統(tǒng)，從而使得對財務(wù)進行管理的效率得到了快速提升，進一步的解決掉財務(wù)決策的風(fēng)險，而如今隨著各種信息樹木逐漸增多并且趨于不確定性，財務(wù)部門的有關(guān)人員可以通過使用大數(shù)據(jù)分析挖掘技術(shù)對于各種信息進行挖掘，同時建立企業(yè)模型進行分析及整合為后續(xù)的決策提供較為精確的信息以及數(shù)據(jù)支撐。比如說需要對投資進行管理時，可以在投資之前就使用大數(shù)據(jù)分析挖掘技術(shù)，對于外部的市場環(huán)境以及整體的市場導(dǎo)向進行探究，從而尋求在投資過程當中可能出現(xiàn)風(fēng)險的種種因素，或者針對這些因素，制定出一個有效的符合如今市場經(jīng)濟的投資戰(zhàn)略，從而達到利潤最大化。同時在統(tǒng)籌決策的過程當中，也可以使用大數(shù)據(jù)分析挖掘技術(shù)，進一步的探究統(tǒng)籌的數(shù)據(jù)以及導(dǎo)向，從而盡快的達到最終的目的先去最合適的統(tǒng)籌方法，進一步的降低所投入的資金以及成本。

3.3 大數(shù)據(jù)中的算法分析

在大數(shù)據(jù)中，常見的算法分析有許多，具體為：

（1）分類分析。在分類分析中，企業(yè)能夠利用大數(shù)據(jù)技術(shù)將不同類別、不同層級的客戶進行分類，幫助企業(yè)獲取到不同的算法。

（2）回歸分析?；貧w分析是企業(yè)在大數(shù)據(jù)技術(shù)中應(yīng)用最多的數(shù)據(jù)技術(shù)之一，它能夠利用函數(shù)將相同數(shù)據(jù)表達的數(shù)據(jù)進行歸類處理，并反映出相同屬性之間的數(shù)據(jù)關(guān)系，為企業(yè)針對特定群體進行數(shù)據(jù)決策提供支持。

（3）關(guān)聯(lián)規(guī)則。在關(guān)聯(lián)規(guī)則中，大數(shù)據(jù)技術(shù)能夠為用戶推送其目前瀏覽的數(shù)據(jù)的相似數(shù)據(jù)，并逐步分析客戶的具體需求，將數(shù)據(jù)推送更加精準。

（4）神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法所應(yīng)用到的人工智能技術(shù)和AI 技術(shù)是我國的最新科技，也是大數(shù)據(jù)技術(shù)未來的發(fā)展方向，它能夠針對不全的、模糊的信息進行分析，并將數(shù)據(jù)進行分類以及分析，并幫助企業(yè)分析用戶的實際需求，在企業(yè)的實際決策中發(fā)揮了重要的作用。

4 結(jié)束語

從上文可以看出，在如今的信息化時代當中，想要使我國的各個行業(yè)領(lǐng)域不斷的向前發(fā)展，就需要應(yīng)用到大數(shù)據(jù)分析以及挖掘技術(shù)。從而能夠使得挖掘者從海量模糊不確定的信息當中挖掘出自己所需要具備有一定利用價值的信息，從而更好的為用戶下一步的決策提供充分有效的數(shù)據(jù)。保證通過使用信息化以及大數(shù)據(jù)分析挖掘技術(shù)，使得人類未來的生活朝著便捷、個性方便的方向發(fā)展。