南陽(yáng)市中心醫(yī)院 孟維成

本文首先對(duì)大數(shù)據(jù)技術(shù)、大數(shù)據(jù)需求、數(shù)據(jù)挖掘技術(shù)相關(guān)概念簡(jiǎn)要敘述，然后從傳統(tǒng)方法、常用算法、軸線型數(shù)據(jù)挖掘法、環(huán)形數(shù)據(jù)挖掘法、決策樹(shù)數(shù)據(jù)挖掘法、可視化技術(shù)、數(shù)據(jù)聯(lián)機(jī)處理、決策樹(shù)與神經(jīng)網(wǎng)絡(luò)等方面闡述計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)技術(shù)。最后從市場(chǎng)、電信、金融、人事、檔案、安全、教育、開(kāi)發(fā)、科技等領(lǐng)域闡述計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的應(yīng)用方向。

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)極大地提高了人們的生活質(zhì)量，滿足了人們對(duì)物質(zhì)和精神需求，推動(dòng)了社會(huì)的進(jìn)步和發(fā)展。但是計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)也會(huì)對(duì)人們的生活帶來(lái)一定的困擾，人們的隱私安全在計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)下無(wú)法得到保障，因此計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)這把雙刃劍必須得到合理應(yīng)用。

1 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)概述

1.1 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)或稱(chēng)巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數(shù)據(jù)具有大量、高速、多樣、低價(jià)值密度、真實(shí)等特點(diǎn)，大數(shù)據(jù)技術(shù)可以掌握龐大的數(shù)據(jù)信息，并且對(duì)這些數(shù)據(jù)進(jìn)行專(zhuān)業(yè)化處理，最終實(shí)現(xiàn)數(shù)據(jù)增值盈利，信息化時(shí)代下大數(shù)據(jù)技術(shù)的重要性還會(huì)逐漸提高。

1.2 大數(shù)據(jù)需求

大數(shù)據(jù)需求必須以用戶為中心進(jìn)行分析，以企業(yè)用戶為例，企業(yè)必須通過(guò)市場(chǎng)挖掘潛在客戶，然后通過(guò)市場(chǎng)操作和商業(yè)談判獲取經(jīng)濟(jì)效益，大數(shù)據(jù)技術(shù)在企業(yè)中可以發(fā)揮出信息數(shù)據(jù)收集分析的作用。企業(yè)在市場(chǎng)操作和商業(yè)談判過(guò)程中必須對(duì)合作伙伴、競(jìng)爭(zhēng)對(duì)手、市場(chǎng)行業(yè)發(fā)展方向詳細(xì)了解才能作出正確決策，大數(shù)據(jù)技術(shù)可以在此過(guò)程中信息統(tǒng)計(jì)匯總的方式得到準(zhǔn)確調(diào)查結(jié)果。這樣企業(yè)管理人員才能對(duì)市場(chǎng)發(fā)展方向加深了解，最終企業(yè)才能研發(fā)出合適的產(chǎn)品，為企業(yè)創(chuàng)造更大經(jīng)濟(jì)效益。

1.3 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。數(shù)據(jù)挖掘技術(shù)可以將大量數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)，并將其廣泛用于商務(wù)管理、生產(chǎn)控制、市場(chǎng)分析、工程設(shè)計(jì)和科學(xué)探索等領(lǐng)域中。

2 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)技術(shù)

2.1 傳統(tǒng)方法

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)使用的傳統(tǒng)方法包括抽樣分析法、多元統(tǒng)計(jì)分析法、統(tǒng)計(jì)預(yù)測(cè)法等，抽樣分析法通過(guò)抽樣分析降低數(shù)據(jù)挖掘工作量，但是最終得到的數(shù)據(jù)分析結(jié)果與總體結(jié)果差異不大；多元統(tǒng)計(jì)分析法通過(guò)對(duì)復(fù)雜結(jié)構(gòu)和較高維數(shù)的因子和數(shù)據(jù)進(jìn)行分析，最終得到比較科學(xué)準(zhǔn)確的數(shù)據(jù)分析結(jié)果；統(tǒng)計(jì)預(yù)測(cè)法主要通過(guò)回歸分析和序列分析預(yù)測(cè)數(shù)據(jù)發(fā)展規(guī)律，為相關(guān)人員提供參考。

2.2 常用算法

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)常用算法包括回歸算法、分類(lèi)算法、聚類(lèi)分析、神經(jīng)網(wǎng)絡(luò)方法、關(guān)聯(lián)規(guī)則和Web數(shù)據(jù)挖掘，這些算法具有高效性、優(yōu)越性和全面性，能夠使用當(dāng)前計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的各個(gè)應(yīng)用方向?；貧w算法主要分析數(shù)據(jù)之間的規(guī)則或者相似性；分類(lèi)算法主要根據(jù)數(shù)據(jù)屬性之間的不同之處對(duì)其進(jìn)行分類(lèi)；聚類(lèi)分析主要根據(jù)數(shù)據(jù)屬性之間的相似處對(duì)其進(jìn)行分類(lèi)；神經(jīng)網(wǎng)絡(luò)方法通過(guò)集中測(cè)試對(duì)數(shù)據(jù)進(jìn)行處理；關(guān)聯(lián)規(guī)則通過(guò)數(shù)據(jù)之間的聯(lián)系進(jìn)行數(shù)據(jù)處理；Web數(shù)據(jù)挖掘通過(guò)網(wǎng)頁(yè)收集各類(lèi)數(shù)據(jù)。

2.3 軸線型數(shù)據(jù)挖掘法

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)中，軸線型數(shù)據(jù)挖掘法指的是按照軸線總結(jié)數(shù)據(jù)挖掘信息輸入、信息處理、信息研究、信息輸出各個(gè)流程，其中信息輸入在軸線型數(shù)據(jù)挖掘法中作為起點(diǎn)，信息輸出在軸線型數(shù)據(jù)挖掘法中作為終點(diǎn)，從起點(diǎn)到終點(diǎn)即可完成數(shù)據(jù)挖掘。軸線型數(shù)據(jù)挖掘法的優(yōu)點(diǎn)是時(shí)效性強(qiáng)、技術(shù)原理簡(jiǎn)單、操作便捷，但是該技術(shù)沒(méi)有對(duì)挖掘的數(shù)據(jù)進(jìn)行分類(lèi)，因此數(shù)據(jù)挖掘時(shí)間過(guò)長(zhǎng)是該方法的缺點(diǎn)，總體來(lái)說(shuō)軸線型數(shù)據(jù)挖掘法在開(kāi)發(fā)中的應(yīng)用比較普遍。

2.4 環(huán)形數(shù)據(jù)挖掘法

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)中，環(huán)形數(shù)據(jù)挖掘法指的是將信息輸入、信息處理、信息研究、信息輸出各個(gè)數(shù)據(jù)挖掘流程與實(shí)時(shí)操作聯(lián)系起來(lái)，將每個(gè)數(shù)據(jù)挖掘流程分別打造成不同的數(shù)據(jù)挖掘閉環(huán)，最終信息輸出流程可以得到相對(duì)精準(zhǔn)的信息數(shù)據(jù)。環(huán)形數(shù)據(jù)挖掘法的優(yōu)點(diǎn)是持續(xù)性強(qiáng)、目標(biāo)性強(qiáng)、數(shù)據(jù)挖掘效率高，但是該方法的環(huán)形數(shù)據(jù)挖掘流程相對(duì)于軸線型數(shù)據(jù)挖掘流程來(lái)說(shuō)更加復(fù)雜，因此該方法的缺點(diǎn)是對(duì)開(kāi)發(fā)技術(shù)人員的要求較高且實(shí)際應(yīng)用可行性低。

2.5 決策樹(shù)數(shù)據(jù)挖掘法

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)中，決策樹(shù)數(shù)據(jù)挖掘法指的是按照決策樹(shù)統(tǒng)計(jì)分類(lèi)方法對(duì)體量龐大的數(shù)據(jù)進(jìn)行挖掘，該方法中包括了對(duì)其他計(jì)算統(tǒng)計(jì)方法的應(yīng)用，否則無(wú)法得到科學(xué)準(zhǔn)確的分類(lèi)結(jié)果。決策樹(shù)數(shù)據(jù)挖掘法的優(yōu)點(diǎn)是可以處理體量龐大的數(shù)據(jù)，而且能夠直接利用統(tǒng)計(jì)方法對(duì)數(shù)據(jù)進(jìn)行挖掘和分類(lèi)，數(shù)據(jù)挖掘的目標(biāo)性比較強(qiáng)，但是該技術(shù)對(duì)計(jì)算機(jī)技術(shù)的依賴性比較強(qiáng)，目前計(jì)算機(jī)技術(shù)仍然在不斷發(fā)展，未來(lái)該技術(shù)仍然較大進(jìn)步和發(fā)展空間。

2.6 可視化技術(shù)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)極大地提高了可視化技術(shù)的應(yīng)用效果，可視化技術(shù)可以通過(guò)圖表等更加直觀的方式將數(shù)據(jù)特征完全展現(xiàn)出來(lái)，給人帶來(lái)更加強(qiáng)烈的視覺(jué)感受。而計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)本身無(wú)法將數(shù)據(jù)特征展現(xiàn)出來(lái)，只有將該技術(shù)與可視化技術(shù)相結(jié)合，才能提高可視化技術(shù)和計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的效率，進(jìn)而充分展現(xiàn)二者的優(yōu)勢(shì)，因此可視化技術(shù)在計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)中的使用比較常見(jiàn)。

2.7 數(shù)據(jù)聯(lián)機(jī)處理

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以極大地提高數(shù)據(jù)信息處理效率，當(dāng)數(shù)據(jù)挖掘過(guò)程中遇到體量龐大的數(shù)據(jù)時(shí)往往效率不如人意，此時(shí)可以通過(guò)數(shù)據(jù)聯(lián)機(jī)處理充分將計(jì)算機(jī)的數(shù)據(jù)處理能力利用起來(lái)，以達(dá)到提高整個(gè)數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)效率的目的。正常情況下，只有計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)體量龐大時(shí)才會(huì)采用該種方法，該方法的使用對(duì)計(jì)算機(jī)的協(xié)同性具有較高要求，因此數(shù)據(jù)聯(lián)機(jī)處理并不會(huì)對(duì)數(shù)據(jù)處理效果造成負(fù)面影響。

2.8 決策樹(shù)與神經(jīng)網(wǎng)絡(luò)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)可以將決策樹(shù)與神經(jīng)網(wǎng)絡(luò)算法共合使用，決策樹(shù)是一種數(shù)據(jù)整合和分類(lèi)的高效統(tǒng)計(jì)方法，神經(jīng)網(wǎng)絡(luò)可以通過(guò)輸入層、隱藏層和輸出層得到較為科學(xué)準(zhǔn)確的數(shù)據(jù)，決策樹(shù)與神經(jīng)網(wǎng)絡(luò)下計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以通過(guò)分析數(shù)據(jù)屬性與數(shù)據(jù)值之間的映射關(guān)系，憑借決策樹(shù)的分類(lèi)優(yōu)勢(shì)實(shí)現(xiàn)數(shù)據(jù)的單一輸出。目前該技術(shù)在計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)開(kāi)發(fā)中比較常見(jiàn)，研究人員可以通過(guò)決策樹(shù)與神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析。

3 計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的應(yīng)用方向

3.1 統(tǒng)計(jì)分析技術(shù)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在市場(chǎng)領(lǐng)域中可以使用常用傳統(tǒng)方法中的抽樣分析法和多元統(tǒng)計(jì)分析法，基于以上兩種計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)可以分別對(duì)用戶的搜索行為、連續(xù)訪問(wèn)網(wǎng)頁(yè)行為、交易行為進(jìn)行分析，然后根據(jù)數(shù)據(jù)統(tǒng)計(jì)結(jié)果即可分析出用戶的購(gòu)物需求，最后根據(jù)環(huán)形數(shù)據(jù)挖掘法不斷為用戶推薦商品數(shù)據(jù)，直到用戶完成交易。在信息化時(shí)代下，企業(yè)經(jīng)營(yíng)管理面臨的風(fēng)險(xiǎn)比較大，如果企業(yè)不能與時(shí)俱進(jìn)提高計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)效果，則在市場(chǎng)競(jìng)爭(zhēng)中必然處于不利地位。

3.2 信息識(shí)別技術(shù)

電信企業(yè)可以基于環(huán)形數(shù)據(jù)挖掘法對(duì)客戶欺詐進(jìn)行識(shí)別、對(duì)客戶流失進(jìn)行預(yù)測(cè)、對(duì)客戶進(jìn)行細(xì)分、輔助完成交叉捆綁銷(xiāo)售?？蛻羝墼p識(shí)別需要先基于用戶屬性信息、企業(yè)服務(wù)內(nèi)容、客戶消費(fèi)數(shù)據(jù)等信息構(gòu)建欺詐關(guān)聯(lián)模型，通過(guò)量化欺詐及時(shí)發(fā)現(xiàn)惡意欠費(fèi)的客戶；客戶流失預(yù)測(cè)需要根據(jù)用戶的歷史行為數(shù)據(jù)構(gòu)建忠誠(chéng)度評(píng)估模型，判斷用戶是否會(huì)轉(zhuǎn)投其他電信運(yùn)營(yíng)商；客戶細(xì)分需要通過(guò)對(duì)用戶地位、使用率、使用場(chǎng)合、忠誠(chéng)度、購(gòu)買(mǎi)態(tài)度等信息進(jìn)行挖掘，進(jìn)而進(jìn)行針對(duì)性營(yíng)銷(xiāo)；交叉捆綁銷(xiāo)售可以對(duì)用戶的消費(fèi)特征進(jìn)行提取，如果用戶消費(fèi)特征與其他套餐重合，則可以對(duì)該客戶推銷(xiāo)對(duì)應(yīng)套餐。

3.3 聚類(lèi)分析技術(shù)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域可以采用常用算法中的回歸算法、分類(lèi)算法、聚類(lèi)分析、神經(jīng)網(wǎng)絡(luò)方法對(duì)目標(biāo)市場(chǎng)客戶進(jìn)行分類(lèi)與聚類(lèi)分析，然后通過(guò)數(shù)據(jù)處理轉(zhuǎn)換以及人工智能數(shù)據(jù)挖掘得到該用戶的金融產(chǎn)品使用頻率信息，最后根據(jù)忠誠(chéng)度模型判斷用戶是否會(huì)流失，若用戶存在流失可能則需要通過(guò)特征提取尋找相似的用戶進(jìn)行替代。除此之外，金融領(lǐng)域還可與基于多維數(shù)據(jù)分析和數(shù)據(jù)挖掘設(shè)計(jì)技術(shù)構(gòu)造金融數(shù)據(jù)庫(kù)，對(duì)負(fù)債和收入等數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)特征、數(shù)據(jù)立方體進(jìn)行孤立點(diǎn)分析，推動(dòng)金融數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)造。

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在人事領(lǐng)域可以為人才匹配合適的崗位，首先各類(lèi)招聘軟件企業(yè)可以基于環(huán)形數(shù)據(jù)挖掘法不斷提取各個(gè)企業(yè)崗位的特征和人才檔案關(guān)鍵詞，然后不斷使用聚類(lèi)和分類(lèi)算法對(duì)人才和崗位進(jìn)行匹配，若始終無(wú)法匹配成功則對(duì)其他關(guān)鍵詞特征再次提煉，直到人才和崗位匹配成功，最后將人事信息儲(chǔ)存到數(shù)據(jù)庫(kù)。如果該網(wǎng)站發(fā)現(xiàn)該人事簡(jiǎn)歷再次啟用，則重新提煉檔案關(guān)鍵詞，持續(xù)利用決策樹(shù)與神經(jīng)網(wǎng)絡(luò)算法為其推薦更加優(yōu)質(zhì)的企業(yè)崗位信息。

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在開(kāi)發(fā)領(lǐng)域可以基于抽樣分析法和多元統(tǒng)計(jì)分析法分析開(kāi)發(fā)系統(tǒng)所需要的功能，然后確定開(kāi)發(fā)系統(tǒng)的框架、算法、數(shù)據(jù)庫(kù)架構(gòu)技術(shù)，若采用神經(jīng)網(wǎng)絡(luò)架構(gòu)則可以將開(kāi)發(fā)系統(tǒng)分為輸入層、隱藏層和輸出層，最后基于網(wǎng)絡(luò)神經(jīng)算法和決策樹(shù)算法構(gòu)建開(kāi)發(fā)系統(tǒng)數(shù)據(jù)庫(kù)，這樣根據(jù)提取的特征即可分別實(shí)現(xiàn)開(kāi)發(fā)系統(tǒng)的各個(gè)功能。

3.4 信息檢測(cè)技術(shù)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案領(lǐng)域?qū)?shù)據(jù)信息處理效率具有較高要求，因此可以基于數(shù)據(jù)聯(lián)機(jī)處理計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)提高對(duì)檔案的處理能力。檔案數(shù)據(jù)體量非常龐大，而且檔案數(shù)據(jù)量基本只增不減，因此必須采用數(shù)據(jù)聯(lián)機(jī)處理此類(lèi)協(xié)同性和處理效率都比較高的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)。但是檔案領(lǐng)域?qū)τ?jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的保密性也具有一定要求，因此檔案領(lǐng)域必須設(shè)置檢測(cè)模塊，利用檔案錄入計(jì)算機(jī)設(shè)備接口對(duì)檔案信息安全性進(jìn)行審計(jì)。其中涉及到檔案特征的提取，如果檔案特征與檔案數(shù)據(jù)庫(kù)中的病毒數(shù)據(jù)庫(kù)信息一致則會(huì)發(fā)出對(duì)應(yīng)警報(bào)。

3.5 病毒防御技術(shù)

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在安全領(lǐng)域可以用于網(wǎng)絡(luò)病毒防御，企業(yè)必須在利用計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)收集處理數(shù)據(jù)的同時(shí)，做好網(wǎng)絡(luò)病毒防御工作，防止企業(yè)自身關(guān)鍵數(shù)據(jù)泄露。技術(shù)人員可以基于軸線型數(shù)據(jù)挖掘法和環(huán)型數(shù)據(jù)挖掘法構(gòu)建病毒預(yù)防流程，首先使用嗅探器、解碼器對(duì)網(wǎng)絡(luò)信息數(shù)據(jù)進(jìn)行預(yù)處理，然后使用異常分析器對(duì)網(wǎng)絡(luò)信息數(shù)據(jù)是否安全進(jìn)行判斷，如果受到攻擊則記錄未知攻擊日志，并使用特征提取器提取病毒特征，最后完善規(guī)則庫(kù)對(duì)具備該特征的病毒進(jìn)行預(yù)防，若再次受到已知攻擊則發(fā)出報(bào)警信號(hào)。

3.6 數(shù)據(jù)預(yù)測(cè)模型

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在教育領(lǐng)域可以基于神經(jīng)網(wǎng)絡(luò)算法、決策樹(shù)、回歸分析、聚類(lèi)分析建立教育行業(yè)相關(guān)信息數(shù)據(jù)預(yù)測(cè)模型，對(duì)學(xué)生的學(xué)習(xí)成績(jī)變動(dòng)情況進(jìn)行統(tǒng)計(jì)。其中貝葉斯分類(lèi)和裁判分析也可以應(yīng)用其中，用于對(duì)學(xué)生特征的提取，有利于分析學(xué)生的心理狀態(tài)和消費(fèi)情況，學(xué)生選課系統(tǒng)可以作為分析學(xué)生專(zhuān)業(yè)方向?qū)I(yè)的依據(jù)，專(zhuān)業(yè)特征與學(xué)生行為特征一致時(shí)學(xué)生有很大可能選擇該專(zhuān)業(yè)課程。

計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在科技生產(chǎn)領(lǐng)域可以基于神經(jīng)網(wǎng)絡(luò)與決策樹(shù)算法提取科學(xué)技術(shù)的參數(shù)特征，然后基于各個(gè)精度參數(shù)構(gòu)建對(duì)應(yīng)數(shù)據(jù)庫(kù)，最后對(duì)生產(chǎn)出來(lái)的產(chǎn)品進(jìn)行精度檢測(cè)后將數(shù)據(jù)傳輸?shù)缴窠?jīng)網(wǎng)絡(luò)算法的輸入層，經(jīng)過(guò)與隱藏層中的數(shù)據(jù)參數(shù)進(jìn)行比對(duì)，最后即可在輸出層輸出精度參數(shù)是否符合要求的結(jié)論。除此之外，還可以通過(guò)該回歸算法、分類(lèi)算法、聚類(lèi)分析等計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)分析精度參數(shù)數(shù)據(jù)不符合要求的原因，這樣即可使用算法替代人工決策。

綜上所述，計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的重要性隨著社會(huì)的發(fā)展越來(lái)越高，各個(gè)行業(yè)、領(lǐng)域?qū)τ?jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的依賴性越來(lái)越強(qiáng)。因此，各個(gè)企業(yè)必須加強(qiáng)計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用，盡量利用該技術(shù)提高企業(yè)經(jīng)濟(jì)效益和市場(chǎng)競(jìng)爭(zhēng)力，讓企業(yè)決策管理水平得到增強(qiáng)，進(jìn)而促進(jìn)企業(yè)可持續(xù)發(fā)展。