电子商务中数据挖掘技术的运用

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了一篇电子商务中数据挖掘技术的运用范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

电子商务中数据挖掘技术的运用:电子商务数据挖掘论文

1数据挖掘过程

在电子商务进行应用的数据挖掘技术的实现过程大致要划分为三个不同的阶段：第一部分对需要挖掘的数据信息的准备阶段，第二部分对数据信息的挖掘阶段，第三部分的主要任务是对数据挖掘的结果进行解释与评价.

1.1数据信息的准备准备部分又可以分成数据的选取、数据信息的预处理.对数据进行选取的主要目的就是对操作对象进行确定，即是对目标数据进行确定，所谓的目标数据是在经过对用户的需要进行细致分析之后，对最有可能得到有利用价值的信息的那些从数据库中抽取出来的数据.获取到这些数据以后需要进行预处理，主要包含数据的去噪、计算缺值数据的推导、数据类型的转换，数据类型转换举个例子来说比如把连续型数据转化成离散数据，以方便进行符号的归纳.

1.2挖掘过程数据信息的挖掘阶段是在上一步的基础之上，即在目标数据已经确定，并且已经完成了初始化的基础之上，需要确定数据挖掘的目的与挖掘的类型.在对挖掘任务的目标确定之后，要根据数据挖掘的知识类型选取合适的数据挖掘方法，最终完成数据挖掘具体操作即采用特定的数据挖掘方法从数据仓库中抽取所需的挖掘目标.

1.3挖掘结果的解释和评价数据挖掘的结果的解释和评价是在完成数据挖掘阶段之后对发现的知识，进行评估，对于冗余或者无关的知识要进行删除；对于获得的知识不符合用户的要求的要进行重新的挖掘.与此同时，因为数据挖掘需要面临用户，所以，在得到目标知识以后还需要对所挖掘的知识附加相关解释，来用一种便于用户理解的方式供用户使用.综上所述，整个数据信息的挖掘在实际情况下是一个不断地循环与反复的过程，所以要对所挖掘出来的知识不断求精和深化，最终要获得用户所需要的结果.

2电子商务中数据挖掘的特点

由于电子商务自身的某些独特的特点，同其他的应用于普通商业领域中的数据挖掘相比，应用于电子商务的数据挖掘具有如下几个特点：（1）应用于电子商务的数据挖掘的最终目的主要表现在企业与客户之间的关系管理方面，电子商务利用因特网的技术能够使企业和客户之间的关系处理变得更加方便.所以，其主要的功能是怎样使企业采用这些频繁的交流信息，快速的掌握客户的趋向、改善与客户交流情况或者获取交流方向等；（2）电子商务本身就是一个信息化程度比较高的系统，其自身累积的数据信息会存放在电子商务数据库内，用户可以比较便捷地得到这些信息，所以对于电子商务的数据挖掘的数据信息的准备阶段的相关工作就变得相对容易；（3）电子商务领域的数据挖掘的主要目标一般是使电子商务系统得到有效的改进.例如为客户提供个性化页面、把用户比较感兴趣的信息展现在网站首页或得到哪一些商品比较受到客户的欢迎等.

3电子商务中的数据挖掘运用

首先要讲的是关联规则在电子商务中的运用，利用比较通俗的语言来讲，从一个事件的发生与否方面进行解释，所谓的关联规则法在大量的事件发生或者不发生的条件下，对这些事件中的任意两个或者多个事件提取出来，通过一定的统计分析算法，最终确定两个或者多个事件的发生与否是否存在着某种关系，而这种可能存在的管理，我们称之为关联规则.列举一个有趣的故事，就是在一个超市里面，店家把小孩的尿布同啤酒放到了一起，来供购买者进行购买，结果是二者的销量都提升了一倍，其实这就是因为二者之间有着某种潜在联系，店家通过数据挖掘的方法发现的这个规则，并对这一关联规则进行了实际的运用，从中得到了益处.同样在电子商务中通过数据挖掘得到关联规则，有着类似的意义.其次在电子商务中数据挖掘聚类分析方法的应用.在大量数据仓库中，数据与数据之间，往往会有某些性质的类型相似，同样也会有某些性质或者特点相异，我们把这些性质或者特点称为观察指标，聚类分析就是对于某一个特点指标而言，把指标相差不多的数据划分为同一个类型，若相差较大则要划分为不同的类型、这种操作的主要意义就是将具有某种特定的相似特性的客户或者数据分成一个类.在电子商务活动中，这一方法的应用主要集中在市场细分的工作之中.分类分析系统的建立以生物的遗传算法为基础，属于其中的自学习的一种，它一般会包含三个子系统，第一个是以串规则为基础的并行生成子系统、第二个是规则评价子系统.第三个是遗传算法子系统.分类分析可以说是电子商务中运用到数据挖掘最多的一种挖掘方式.主要原因就是在于其能够形成一种预测模型能够对一些营销方式或者其他的一些商业措施做出正确的预测.

4数据挖掘在电子商务中的应用

更高效的利用企业现有资源以及开发新资源是当代企业发展的关键.电子商务通过采用数据挖掘的技术，能够更加及时和正确的获得企业当前所有资源的具体使用情况，而且通过数据挖掘的技术可以分析以往的各种企业数据，比如说企业财务数据、企业库存数据或者企业交易数据，能够较为及时的发现企业资源过度消耗的主要问题所在，或者能够得到各种商务活动的投入与产出的比例，来为企业领导进行经营决策提供有力的根据[6].另外在企业的经营过程中，人们不断推崇“以客户为中心”的经营理念，在这一趋势下，如何正确快速的分析和了解客户的需求已成为企业提高自身市场竞争力的一大课题.通过把数据挖掘应用到电子商务之中，能够使企业最准确的分析客户资源并最有效的利用企业客户资源，通过对已有客户行为进行相关性分析，可以形成潜在客户资源的预测模型.除此之外在企业经营过程中，利用数据挖掘可以解决另外一个严重影响了商业正常秩序的重要问题.即当前时区商务活动中的地下的信用状况问题，这一问题的严重程度已经引起了人们的广泛关注.在电子商务经营过程中，因为网上诈骗公司或者企业财务的现象屡见不鲜，信用危机已经成为影响其快速正常发展的一个重要因素.而通过在电子商务中采用数据挖掘技术实现对企业经营活动的跟踪，在此基础上实现企业的资产评估、利润收益分析以及发展潜力预测分析等，为电子商务在经营过程中提供了完善的安全保障体系，同时利用数据挖掘实现企业网上全程监控.另外通过实现基于数据挖掘的信用评估模型，可以在很大程度上进行防范或者化解信用风险，从而提高企业的信用度以及应对风险能力.

5结束语

电子商务是而今信息化时代进步的产物，在未来的几年内电子商务必将会成为商业中存在的主要运营模式.随着时间的积累，各种电子商务都会得到巨大的数据信息资源，这也是数据挖掘在电子商务中应用的基本条件.从另外一方面而言，随着数据挖掘在电子商务方面中的不断深入研究与发展，已经能够向电子商务系统提供必不可少的技术支持，促进了电子商务的发展与普及。

作者：张莉单位：合肥工业大学淮北职业技术学院

电子商务中数据挖掘技术的运用:数据挖掘技术在电子商务中应用

［摘要］电子商务的广泛应用使企业产生了大量的业务数据，按企业既定业务目标对这些数据进行数据挖掘可以帮助企业分析出完成任务所需的关键因素。文章介绍了数据挖掘技术，以实例分析了数据挖掘在电子商务中的应用，并介绍了在电子商务中如何应用数据挖掘技术。

［关键词］电子商务；数据挖掘；路径分析

随着Internet的普及,电子商务的兴起,人们的商务理念正在改变,电子商务的广泛应用使企业产生了大量的业务数据,如何更快、更好地利用各种有效的数据更好地开展电子商务,这是目前电子商务急需解决的问题。

一、数据挖掘技术

20世纪90年代以来，随着信息技术和数据库技术的迅猛发展，人们可以非常方便地获取和存储大量的数据。面对大规模的海量的数据，传统的数据分析工具（如管理信息系统）只能进行一些表层的处理（如查询、统计等），而不能获得数据之间的内在关系和隐含的信息。为了摆脱“数据丰富，知识贫乏”的困境，人们迫切需要一种能够智能地自动地把数据转换成有用信息和知识的技术和工具，这种对强有力数据分析工具的迫切需求使得数据挖掘技术应运而生。人们认识到数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将为公司创造很多潜在的利润。这种从海量数据库中挖掘信息的技术，就称之为数据挖掘。数据挖掘一般有以下四类主要任务：

（一）数据总结

数据挖掘能够将数据库中的有关数据从较低的个体层次抽象总结到较高的总体层次上，从而实现对原始基本数据的总体把握。

（二）分类

分析数据的各种属性，并找出数据的属性模型，确定哪些数据属于哪些组。这样我们就可以利用该模型来分析已有数据，并预测新数据将属于哪一个组。

（三）关联分析

数据库中的数据一般都存在着关联关系，也就是说，两个或多个变量的取值之间存在某种规律性。通过挖掘数据派生关联规则，可以了解客户的行为。

（四）聚类

聚类分析是按照某种相近程度度量方法，将用户数据分成一系列有意义的子集合。每一个集合中的数据性质相近，不同集合之间的数据性质相差较大。

数据挖掘的特点和性质对于企业而言,有助于发现其企业业务发展的趋势,揭示已知的事实,预测未知的结果,并帮助企业分析出完成任务所需的关键因素,以达到增加收入,降低成本,使企业处于更有利的竞争位置的目的。

二、数据挖掘在电子商务中的作用

数据挖掘技术源于商业的直接需求,因此它在各种商业领域都存在广泛的使用价值。电子商务是商业领域的一种新兴商务模式，是指利用电子信息技术开展一切商务活动。当电子商务在企业中得到应用时,企业信息系统将产生大量数据,这些海量数据使数据挖掘有了丰富的数据基础,同时高性能计算机和高传输速率网络的使用也给数据挖掘技术提供了坚实的保障。因此数据挖掘技术在电子商务活动中有了更大的用武之地。下面介绍数据挖掘在以下电子商务几个方面的作用:

（一）客户细分

随着“以客户为中心”的经营理念的不断深入人心,分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。通过对电子商务系统收集的交易数据进行分析,可以按各种客户指标(如自然属性、收入贡献、交易额、价值度等)对客户分类,然后确定不同类型客户的行为模式,以便采取相应的营销措施,促使企业利润的最大化。

（二）客户获得

利用数据挖掘可以有效地获得客户。比如通过数据挖掘可以发现购买某种商品的消费者是男性还是女性,学历、收入如何,有什么爱好,是什么职业等等。甚至可以发现不同的人在购买该种商品的相关商品后多长时间有可能购买该种商品,以及什么样的人会购买什么型号的该种商品等等。也许很多因素表面上看起来和购买该种商品不存在任何联系,但数据挖掘的结果却证明它们之间有联系。在采用了数据挖掘后,针对目标客户发送的广告的有效性和回应率将得到大幅度的提高,推销的成本将大大降低。

（三）客户保持

数据挖掘可以把你大量的客户分成不同的类,在每个类里的客户拥有相似的属性,而不同类里的客户的属性也不同。你完全可以做到给不同类的客户提供完全不同的服务来提高客户的满意度。数据挖掘还可以发现具有哪些特征的客户有可能流失,这样挽留客户的措施将具有针对性,挽留客户的费用将下降。

（四）交叉销售

交叉销售可以使企业比较容易地得到关于客户的丰富的信息,而这些大量的数据对于数据挖掘的准确性来说是有很大帮助的。在企业所掌握的客户信息,尤其是以前购买行为的信息中,可能正包含着这个客户决定他下一个购买行为的关键,甚至决定因素。这个时候数据挖掘的作用就会体现出来,它可以帮助企业寻找到这些影响他购买行为的因素。

（五）个性服务

当客户在电子商务网站注册时,客户将会看到带有客户姓名的欢迎词。根据客户的订单纪录,系统可以向客户显示那些可能引起客户特殊兴趣的新商品。当客户注意到一件特殊的商品时,系统会建议一些在购买中可以增加的其他商品。普通的产品目录手册常常简单地按类型对商品进行分组,以简化客户挑选商品的步骤。然而对于在线商店,商品分组可能是完全不同的,它常常以针对客户的商品补充条目为基础。不仅考虑客户看到的条目,而且还考虑客户购物篮中的商品。使用数据挖掘技术可以使推荐更加个性化。

（六）资源优化

节约成本是企业盈利的关键。通过分析历史的财务数据、库存数据和交易数据,可以发现企业资源消耗的关键点和主要活动的投入产出比例,从而为企业资源优化配置提供决策依据,例如降低库存、提高库存周转率、提高资金使用率等。

（七）异常事件的确定

在许多商业领域中,异常事件具有显著的商业价值,如客户流失、银行的信用卡欺诈、电信中移动话费拖欠等。通过数据挖掘中的奇异点分析可以迅速准确地甄别这些异常事件。

由此可见数据挖掘在电子商务中有着重要的作用。在生活中采用数据挖掘的成功的例子很多。例如总部位于美国阿肯色州的WalMart零售商的“尿布与啤酒”的故事。WalMart拥有世界上最大的数据仓库系统，它利用数据挖掘工具对数据仓库中的原始交易数据进行分析，得到了一个意外发现：跟尿布一起购买最多的商品竟然是啤酒。如果不是借助于数据仓库和数据挖掘，商家决不可能发现这个隐藏在背后的事实：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。有了这个发现后，超市调整了货架的摆放，把尿布和啤酒放在一起，明显增加了销售额。

三、电子商务中如何应用数据挖掘技术

数据挖掘在电子商务中有广泛的应用。那么在电子商务中是如何应用数据挖掘技术的？

首先，从挖掘过程说，对在线访问客户数据的挖掘主要有两部分：一部分是客户访问信息的挖掘,另一部分是客户登记信息的挖掘。面对大量的访问日志,首先要做的就是对数据进行清洗,即预处理,把无关的数据,不重要的数据等处理掉;接着对数据进行事务识别,通过对事务进行划分后,就可以根据具体的分析需求选择模式发现的技术,如路径分析、兴趣关联规则、聚类等。通过模式分析,找到有用的信息,再通过联机分析(OLAP)的验证,结合客户登记信息,找出有价值的市场信息,或发现潜在的市场。

其次，挖掘方法主要有以下几种：

1.路径分析

路径分析是一种找寻频繁访问路径的方法,它通过对Web服务器的日志文件中客户访问站点的访问次数分析,挖掘出频繁访问路径。例如:一客户从某一站点访问到某一感兴趣的页面后就会经常访问该页面,通过路径分析确定频繁访问路径，可以了解客户对哪些页面感兴趣，（下转第78页）（上接第80页）从而更好地改进设计，为客户服务。

2.兴趣关联规则

当客户访问某一网页时,一般会通过兴趣词条找出相关的兴趣网页通过链接继续访问,这种关联产生的数据如果能够按照某种策略进行挖掘分析,统计出客户访问某些页面及兴趣关联页面的比率,就可以很好地组织站点,实施有效的市场策略。

3.聚类分析

聚类分析是电子商务中很重要的一个方面,通过分组聚类出具有相似浏览行为的客户,并分析客户的共同特征,更好地帮助电子商务的用户了解自己的客户,向客户提供更合适的服务。如通过对众多的浏览“camera”网页的客户分析,发现在该网页上经常花一段时间浏览的客户,再通过对这部分客户的登记资料分析,知道这些客户是潜在要买相机的客户群体。就可以调整“camera”网页的内容和风格,以适应客户的需要。

通过以上几种数据分析的方法可以有效地对电子商务中的信息进行分析，从而更有效地开展电子商务。

目前，数据挖掘技术正以前所未有的速度发展，并且扩大着用户群体，在未来越来越激烈的市场竞争中，拥有数据挖掘技术必将比别人获得更快速的反应，赢得更多的商业机会。现在世界上的主要数据库厂商纷纷开始把数据挖掘功能集成到自己的产品中，加快数据挖掘技术的发展。我国在这一领域正处在研究开发阶段,加快研究数据挖掘技术，并把它应用于电子商务中，应用到更多行业中，势必会有更好的商业机会和更光明的前景。

电子商务中数据挖掘技术的运用:电子商务发展与数据挖掘技术应用

摘要：本文从浙江电子商务发展概况出发，介绍了数据挖掘技术，分析了数据挖掘技术在浙江电子商务中应用的可行性。

关键词：数据挖掘；浙江；电子商务

当前，电子商务正在全国范围内迅猛发展，随着国务院《关于积极推进“互联网+”行动的指导意见》、《关于大力发展电子商务加快培育经济新动力的意见》等一系列的政策落地，“农村电商、跨境电商、行业电商”等多种电商模式迎来了重要发展机遇。浙江的电子商务起步早、发展快、创新性强，在全国电商市场里名列前茅，已经成为浙江经济发展重要的增长极，产生了巨大的经济效应和社会效应。

1浙江电子商务发展概况

1.1电商服务发达

2015年浙江省实现网络零售额7610.62亿元，同比增长49.9%，总量居全国第二位，超额完成“十二五”规划目标。网络零售额与社会消费品零售总额比值达38%，远远高于全国约15%的水平。各类电子商务市场主体蓬勃发展，拥有各类活跃网店100多万家，天猫网店近2.5万家，跨境电商经营主体近4万个，电商服务企业3000家左右，其中规模以上电子商务服务企业约1000家；建有电商产业基地204个；电子商务带动直接就业超过200万人。

1.2线上线下高度融合

浙江是制造业大省，也是电子商务大省。成熟的市场环境，促成线上线下的高度融合。以金华为例，线下有“义乌小商品市场”、“永康五金市场”等国内乃至国际一流的行业市场，依托这些实体市场的突出优势，着力打造“义乌购”、“尚五金”等线上平台，构建线上线下高度融合的市场环境。

2数据挖掘技术初探

2.1数据挖掘简介

数据挖掘技术起源于20世纪80年代，它是从数据库海量数据中提取使用者所感兴趣的知识、数据和规律，进行深入的分析，提取隐含在其中的、潜在有用的信息，为使用者提供决策支持。从电子商务的角度来看，它的主要作用是从电子商务活动中抽取大量数据，进行转让、分析和模式化处理，从中获得能帮助电子商务企业决策的关键信息，即从电子商务大量业务数据中寻找隐含的商机或者新的商业模式。

2.2数据挖掘在电子商务领域的应用

在电商商务活动的过程中，电商企业积累了大量的销售记录、浏览记录、消费和服务记录等数据，随着电子商务不断发展，相关数据不断的膨胀扩大，在堆积如山的数据中包含着许多待提取的有用知识，这些有用知识进行挖掘是非常有意义的。数据挖掘有助于电商企业识别客户购买行为，发现客户的购买模式及趋势，便于电商企业改进销售模式、提高服务质量，提高客户的用户体验。并且，可以根据海量数据分析，提高货品销售比率，优化物流和分销策略，进一步降低成本。1）分析客户的购买行为和习惯。例如“男性客户购买尿不湿的同时会购买啤酒”，“该女性客户对化妆品和护肤品的品牌偏好”，“某客户偏好折扣商品”，这些信息虽然看起来微不足道，却非常有用，电商企业可以根据客户购买行为和习惯向客户推送他们偏好的信息。2）分析电商企业的商品构成。将各类商品按盈利水平和销售情况进行分类，挖掘同类商品的共同特征，提取有用信息。帮助企业决策市场定位、商品定价等问题。3）数据挖掘还可以帮助企业进行销售商品预测、商品价格分析等，在浙江线上线下高度融合的市场环境下，电商企业可以挖掘商品价格、销售和物流信息的关联，合理安排线上线下商品销售模式，提高企业运营效率，降低销售成本。

3结束语

浙江电子商务的快速发展，各类电商企业在这片土地上生根发芽，数量不断增多，市场竞争日趋激烈。有效的利用数据挖掘工具，挖掘隐含在海量数据中的有用信息，能够使企业做出正常的市场决策，保持有力的竞争优势，赢得消费者的青睐。随着信息技术的不断发展，数据挖掘的不断深入，电子商务数据挖掘的研究和应用必将取得长远的发展。

作者:陈丽燕 何士产 洪改艳 单位:上海财经大学浙江学院

电子商务中数据挖掘技术的运用:数据挖掘在电子商务中的应用

1数据挖掘的概念及其过程

1.1数据挖掘

数据挖掘，即在数据库中的信息发现，是指在大量的、不完整的、模糊的、有噪音的和随机的数据中，提取出潜在的、不为人知的、同时又是非常有用的知识和信息的过程。数据挖掘是一项应用技术广泛的交叉学科，它聚集了众多不同领域的知识，例如人工智能、可视化、数据库、数理统计等。从始至终数据挖掘技术都是面向应用领域，不仅是对于特定数据库的简单检索查询，还包括对数据的不同层面、不同角度的统计、分析、推理和综合，以此得到问题的求解，以及发现事件之间的联系，还有对未发生活动的预测。另外数据挖掘技术在存在大量数据积累的电子商务行业有着广泛的应用，是现代商务企业发展的不二选择。

1.2数据挖掘的过程

1.2.1数据预处理

在实际情况中，企业获得的数据具有不完整性、模糊性和冗余性，所以数据挖掘技术针对的不是已得到的数据，而是潜在的数据信息，并通过预处理技术获得简洁、准确的数据。预处理的工作分为三步，数据合并、数据选择和数据清洗。先将多个数据库和文件中的数据进行合并，然后选择适合分析的数据信息集合，最后剔除无关记录，并将各个文件转换成方便数据挖掘的格式。

1.2.2模式发现

这个阶段就是利用挖掘计算技术挖掘出有用的、潜在的、新颖的、可以理解的知识和信息。像关联分析、聚类分析、路径选择、序列分析等都可以用于Web的挖掘技术。

1.2.3模式分析

这个阶段是将模式发现中没有用的模式和规则过滤掉。通过技术分析，得到有效的结论。常用关联规则、序列等手段。

2数据挖掘技术的方法

2.1关联分析

所谓的关联分析，就是利用数据间相互关联的规则进行数据挖掘，为的是挖掘数据间潜在的联系规则。比如，在进行关联分析时，能发现类似哪些产品更受客户的欢迎、为什么、产品优势有哪些、有多少客户会再次购买等问题。

2.2序列模式分析

这个过程和第一个关联分析有些类似，但主要任务是发现数据间的前后顺序联系，比如在这段时间里，企业先销售出x产品，随后销售y产品，然后是z产品，所以就形成x-y-z的销售序列，出现频率较高，进而对其进行分析。序列模式分析工作方向是：在指定的交易数据库中，找出按照时间排布的交易集，发现其中的高频序列，从而进行下一个步骤。

2.3分类分析

假设有一个数据库和一组互相区别的标记，利用特殊标记数据库中的每一个数据，这样的数据库被叫做训练集或者实例数据库。分类分析就是利用分析标记数据库中的每一个数据，对每个类别建立分析模型或做出精准的描述或者挖掘出分析模型，然后利用分类模式对数据库中的数据进行分类分析。

2.4聚类分析

聚类分析所根据的分类规则主要取决于聚类分析工具。不同的聚类方法，对于同样的记录集合会有不同的划分结果。聚类分析针对的未分类的记录，而且所有记录适合分成几类，事先也不知情，然后依据一定的分类规则，分析记录数据，确定每一个数据所对应的类别。

3数据挖掘技术在电子商务中的应用

3.1优化企业资源

企业盈利的关键是节约成本，利用数据挖掘技术可以找到企业消耗资源的关键点和各种活动的投入与产出比例，进而为企业提供科学合理的调整方案，例如资源循环利用、降低库存等方法。通过数据挖掘技术，企业可以预先知道市场上的商业信息，使企业把握市场动态，创造更多的盈利。

3.2管理客户资料

俗话说知己知彼，百战不殆。对于企业来说，了解客户是至关重要的，比如客户是男是女、爱好是什么、职业是什么等，从而根据不同客户需求，改善网络结构，推出个性化网页，吸引更多的客户对本企业的关注。例如对电子商务网站的网站流量进行分析。人们在点击或者是访问某一个网站的同时，就将个人对网站内容的反馈信息反映了出来，用户点击了哪一个链接，在哪个网页中停留的时间最长，采用了哪个搜索的项目或者是总共使用的浏览时间等信息都会被保存在网站中，将这些信息保存下来，进行数据分析，能够有效的确定用户的访问特点以及产品特征，从而提高电子商务信息提供的精确性。

3.3评估商业信誉

一个企业若是没有良好的商业信誉做基础，一切都是空口说白话。所以建立有效的商业评估制度就成了重中之重。利用数据挖掘技术对企业营销进行追踪，开展资产评估、发展潜力预测以及利润收益分析，建立完善的安全系统，对企业商誉安全进行保障，可以有效的预防和解决信用风险，提高企业信誉度。例如，商品售卖出去，要进行科学有效的跟踪，了解客户用后体验，对客户使用产品情况进行追踪式分析，开展科学合理的资产评估，不断发展潜在用户体验，通过客户的反馈信息进行综合性分析，提高客户满意度，提高商家的信用。

3.4确定异常事件

在商业领域中，确定异常事件具有十分重要的商业价值。在企业经营时间里，经常会有异常事件发生，例如话费拖欠、客户流失、信用卡欺诈等，通过数据挖掘技术中的异常点分析可以十分准确快速地发现异常点，使企业及时修整系统，减少不必要损失。例如，当客户将商品加入购物车后，对没有付款的原因进行科学合理的分析，从而确定要催付的客户群体。这种催付的行为在一定程度上可能会打扰到客户，所以需要准确的分析其真正的原因。例如客户没有付款的主要原因为：遗忘、冲动消费不想买了、货比三家，发现更好地商品、支付发生故障等。这个时候就需要商家对号入座，确定是否要进行客户催付。这就需要数据挖掘技术发挥自身的优势，进行数据分析，提出相应的解决方案。在催付时间的选择上，根据数据挖掘技术的分析通常情况下理论上在第三天进行催付是最为合理的，因为在第二天有不少会自发付款的客户。同时还需要考虑到女性消费者冲动购物的习惯，过了这个冲动期就不容易再购买。所以实际上要在客户下单的第二天进行催付最为合理。在拟定催付内容的时候需要科学分析客户一天各个时间段的情绪变化，减少客户对商家的排斥与厌烦的心理。

4结语

随着网络技术的不断发展，电子商务已经成为现如今经济发展的主要方式。数据挖掘技术是电子商务发展的重要手段。利用数据挖掘可以帮助企业从大量的繁杂的数据中发现潜在的规律，找到有效的信息，以此指导企业调整经营策略，提高企业声誉，获得更有利的竞争能力。

作者:邢玉凤 单位:云南经济管理学院