从数据治理
到数据挖掘
2012年，美国一名男子闯入他家附近的一家零售连锁超市塔吉特内抗议：你们竟然给我17岁的女儿发婴儿尿片和童车优惠券。店铺经理立刻向来者承认错误，但是该经理并不知道这一行为是总公司运行数据挖掘和个性化推荐的结果。一个月后，这位父亲前来道歉，因为这时他知道自己的女儿的确怀孕了。塔吉特比这位父亲知道自己女儿怀孕足足早了一个月。事实上，塔吉特的“读心术”是基于数据挖掘所做的用户行为分析的结果，经过分析之后，系统对用户进行了个性化推荐，以至于他们有把握给客户提供的商品是他们所喜欢和需要的。
数据挖掘（Data Mining，DM），是从大量的、有噪声的、不完全的、模糊和随机的数据中，提取出隐含在其中的、人们事先不知道的、具有潜在利用价值的信息和知识的过程。这个定义包括几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求放之四海皆准的知识，仅支持特定的发现问题。所提取到的知识的表示形式可以是概念、规律、规则与模式等。数据挖掘能够对将来的趋势和行为进行预测，从而帮助决策者做出科学和合理的决策。比如，通过对公司数据库系统的分析，数据挖掘可以回答诸如“哪些客户最有可能购买我们公司的什么产品？”“客户有哪些常见的消费模式和消费习惯？”等类似问题。
数据挖掘应用场景
01 金融
金融的精准营销、智慧运营、风控管理等都是数据挖掘应用的典型场景。以银行为例，他们存储了大量的客户交易信息，可对客户的收入水平、消费习惯、购买物品等指标进行挖掘分析，找出客户的潜在需求；结合对各个理财产品交叉分析，找出关联性较强的产品，从而对客户进行有针对性的关联营销，提高产品销售业绩。根据客户基本属性特征、交易特征、理财产品使用等数据，利用决策树算法构造客户流失预警模型，在客户还未流失前进行挽留，稳定客户。利用知识图谱技术通过分析客户交易记录实现反欺诈预警，进而保障客户财产安全。
02 制造
物联网的快速发展，为智能制造发展带来更多创新可能。在制造领域，数据挖掘技术可以在生产、装配、质检、维修等多个环节来帮助企业解决传统管理与技术难以解决的问题。基于产品生产工艺流程和缺陷分析，找出生产过程影响生产质量的因素，从而通过重点改进相关环节及工艺，来提高企业的生产效率，保障产品质量。通过设备故障数据分析，发现影响设备故障的因素，提前进行故障预测，实现预测性设备检修维护。以及最优的设备装备方案、最佳产品生产工艺参数组合、产品质量分析与问题追溯——数据挖掘已经深入到生产制造的各个环节，是制造行业智能化转型的核心基础支撑。
03 政务
基于智慧交通、智慧政务、智慧旅游、智慧戒毒……等多领域数据分析与挖掘技术应用的智慧城市建设，已经成为当今时代的主题。政府在城市规划中，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持，强化城市管理服务的科学性和前瞻性; 在交通管理方面，通过对道路交通信息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，为城市交通的良性运转提供科学的决策依据。通过对近年来各地的降雨、气温、土壤状况和历年农作物产量的综合分析，可以预测农产品的生产趋势，指导政府进行激励措施、农作物存储和农业服务政策的制定。大数据时代下的电子政务具备海量繁复的数据资源,而数据挖掘则是提升数据利用价值,为舆情管控、业务创新提供支撑的核心所在。
各行各业都将迈入大数据时代，数据挖掘则是各行各业提升效率的重要增长点，也将是下一个重要的发展机遇。同时数据挖掘是一个交叉学科，涉及数据库技术、人工智能、数理统计、机器学习、模式识别、高性能计算、知识工程、神经网络、信息检索、信息的可视化等众多领域，对我们提出了许多新的要求。
数据挖掘与数据治理也是密不可分的，高质量的数据才能产生高质量的数据分析结果。菲斐科技在戒毒、民族宗教、水利等行业的数据治理已经有了丰富的积累，这将是进行数据挖掘的一个优势。从数据治理到数据挖掘也会面临一些新的挑战，相信斐菲的技术人员能够解决这些新挑战，依托数据治理发展数据挖掘，通过数据挖掘促进数据治理，使菲斐数据能力踏上新台阶。
—END—
扫码关注我们
菲斐科技
www.flyfee.net