摘要：随着计算机科学和现代信息技术的不断发展，各行各业在发展的过程中加大了对数据的重视程度，通过对各种数据的收集、采集、积累和分析，使得数据被赋予了更多的经济价值和社会价值，大数据显示出了越来越重要的作用。在当前的大数据时代，如何做好数据的挖掘与数据的应用，是促进社会发展的关键。通过数据挖掘技术和应用，转变了传统的生活生产方式，极大推动了生产效率的提升。基于此，本文针对大数据和大数据时代的概念进行了概述，分析了数据挖掘应用的分析方法，在此基础上探讨了大数据时代数据的挖掘与应用。
关键词：大数据时代；数据挖掘；应用
当前社会高速发展，借助计算机技术使得信息流通速度更快，人与人之间的交流和交往越发密切，这使得人们的生活更加便利，大数据便是基于这样的时代背景而产生。随着云时代来临，大数据引起了人们更多的关注，大数据通常被用来形容为企业创造的大量非结构化或者半结构化的数据。2012年以来，大数据被越来越多的提及，展现了信息时代来临海量的数据，反映出了时代的特征。当前，数据开始迅速膨胀，在大数据体量在不断增长的过程中，数据也开始逐渐影响企业和社会的未来发展。因此，在大数据时代背景下针对数据进行挖掘和应用能够展现出更多的经济效益和社会价值。
1大数据以及大数据时代相关概述
（1）大数据相关概述。大数据早先是IT行业的专用术语，主要是指无法在一定时间和一定范围内使用常规软件工具进行捕捉、管理和处理的数据集合。为了更好处理这些数据，处理者需要一种新的管理模式，并且使之具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在大数据时代，大数据具有更多的战略意义，其战略意义不仅仅体现在庞大的数据信息中，还在于对这些数据进行专业化的处理，发掘出大数据的更多功用。从技术上来看，大数据和云计算一样，顾名思义大数据无法用单台处理设备对数据进行处理，需要借助分布式构架才能对海量的信息数据进行收集、分析和存储，最终为大数据的应用提供保障。在当前的大数据时代背景下，大数据的价值主要体现在以下几个方面。一是借助大数据能够对消费者所需要的产品或服务进行精准营销；二是借助大数据可以帮助小微企业进行服务转型，明确小微企业转型发展的方向；三是借助大数据，能够使企业在互联网的压力下进行转型时充分挖掘大数据的价值，为企业的进一步发展提供良好的参考依据。
（2）大数据时代相关概述。全球知名咨询公司麦肯锡咨询公司最早提出的“大数据”的概念。进入大数据时代以来，社会生活和生产发生着巨大变化。总体上来说，大数据时代互联网中的信息呈现出了全新的特征，这些特征表现在数据体量庞大，大数据的起始计量单位至少是P，如此庞大的数据，为数据赋予了更多的价值。其次，数据的类型繁多，包括网络日志、音视频、图片、地理位置等各种信息。再次，数据呈现出价值密度低的特点，随着互联网和信息技术的广泛应用，价值物联网的不断普及，信息感知无处不在海量的信息随时都在被收集，这些海量的信息需要经过处理才能得到相应的价值。最后，大数据时代的数据信息具有速度快和实效高的特点，这样的特征是大数据挖掘区别于传统数据挖掘的特征。
2数据挖掘技术的分析方法
（1）聚类。聚类分析是在数据处理的过程中，根据数据的类型将其划分为多个类似的组别。这样能够最大程度提高相同类型数据之间的关联性，再通过不同类型数据之间的关联性找到可用的数据集。通过这样的聚类方式，能够应用于客户群体、客户分类、背景分析等各个方面。从应用领域来看，数据挖掘的聚类方式被广泛应用于心理学、医学、销售等各个领域。
（2）分类以及事先推测。分类是根据数据类型的不同预先对数据库中的数据从数据形式、数据特点一一对应分类，结合不同的目的进行统计和划分。通过这样的方式能够根据不同类型的某一特点，反映出数据项目的需求。这种应用方式可以被应用于客户分类、客户特征、客户满意度调查、消费者消费行为的趋势预测等等。
（3）关联分析。自然界中的事物具有一定得联系，借助这一特征在数据挖掘的过程中借助不同数据之间的联系区别，能够更好查找数据集合与对象集合之间的因果结构。这样的数据挖掘技术能够应用于交易数据中不同商品的关联性，从而进一步避免商品交易过程中可能会出现的各种问题。或者借助这一方式，寻找市场对消费产生的各种影响，帮助企业不断改良自身的产品，不断优化自身的服务，使之达到利益的最大化。
（4）特征分析方法。特征分析方法是在数据库内部的其中一组数据中提取关键数据，通过对关键数据的分析显示出整个数据的特点。这样的方式能够减轻数据处理和分析人员的工作压力和内容，使得数据分析和处理工作更加高效。对于企业来说，建筑特征分析方法能够在数据挖掘时，借助分析过的数据找到出现问题的原因，能够使企业开发出更多的消费者，也能够使企业更好留住客户。
3数据挖掘技术的应用
（1）应用于市场营销领域。从大数据支撑的特点以及社会发展经济的形势来看，市场营销领域是大数据应用最广最多的领域。在实际运用的过程中借助大数据挖掘技术能够帮助企业分析不同消费者和不同客户的消费习惯和特点，在此基础上能够预测消费者的消费行为，以这样的方式对消费者进行精准营销从而提高企业的商品销售业绩。除此之外，在市场营销的过程中还能根据消费者的不同需求，为消费者推送精准的内容，以此增强商品对于消费者的吸引力，从而获取更多的客源。同时，通过优化自身的售后服务或者其他服务，能够帮助相关企业维持稳定和长期的客户资源，使企业能够在激烈的市场环境中处于良好的竞争地位。当前，大数据挖掘技术的应用领域，在市场营销方面不仅仅被应用于商品销售和超市购物等等，已经开始普及到各个金融领域之中。在银行业、保险业、电子商务领军、电信零售等各个行业中都可以借助数据挖掘技术收取消费者信息分析消费者行为，使得本行业能够拥有更多的潜在客户，从而为企业带来更多的经济效益。
（2）应用于科学研究领域。在科学研究领域中，需要通过大量的实验进行论证，这样才能加快科研成果的转化。在实际运用的过程中，由于实验涉及大量的数据，还要对这些数据找出相关的规律最终形成事实，而在这些数据挖掘的过程中需要借助一定的算法才能更好进行数据收集和整理。基于这样的科学研究领域特点，利用大数据挖掘技术，能够找出科学研究产生1大数据技术的应用背景目前的大数据技术包含了基于数据收集、数据储存、数据清洁、数据挖掘和基于数据模型等。其中，数据收集主要应该包括两个部分。一方面，使用网络爬虫这一手段把出现在网络和移动设备上的各类信息都收集了起来，并且有效地对这些信息加以了管理。另一方面，使用不同类型的传感器，收集各种行业的数据。数据存储就是按照系统规定的形态来收集所需要的数据，例如物理和实测信息。显而易见，互联网技术取得了很大的进步并且仍在进步当中，这就导致了在世界范围内的数据量已经增加到很庞大的地步，我们的生活的变化可以用天翻地覆来形容。目前大数据处理方法常用的大数据技术有Spark、Hadoop以及MapReduce。大数据技术在分析数据集背后隐藏的信息时，通过机器学习等方式带来了很大的商业价值。大数据技术有很大的作用，目前的大数据技术包含了基于数据收集、数据储存、数据清洁、数据挖掘和基于数据模型等。其中，数据收集主要应该包括两个部分。一方面，使用网络爬虫这一手段把出现在网络和移动设备上的各类信息都收集了起来，并且有效地对这些信息加以了管理。另一方面，传感器的使用，尤其是在各种传感器类型的发展下，对不同行业内数据的收集起到了正向的促进作用。在对数据存储工作时，大数据的发展可以在庞大的数据内按照系统所规定的方式收集需要的大量数据，比如对物理和实测信息的收集。数据清洗所指的是对收集到的缺陷数据进行筛选及相应处理工作的过程，通过这点来保证结构的完整性。数据挖掘工作是以机器学习的方式，智能化挖掘数据中能分析得来的隐藏信息。而对于数据模型使用工作则是根据收集到的数据建立起智能模型并进行各种各样的预测。随着大数据技术的发展和进步，其在各行业的应用也愈发广泛。例如，根据大数据技术对信息进行采集和分析而建立起的银行信用卡诈骗检测模型来预防诈骗犯罪行为，同时大数据技术在财务风险评估和基因信息分析等方面也有重要的应用。
作者:迎梅 单位:呼和浩特民族学院
