1引言

随着信息技术的发展，社会生产生活中充斥着大量的信息数据，大数据时代随之到来。数据挖掘技术作为数据处理分析的重点领域，能够通过对大量数据的科学分析，结合社会发展需求，进行针对性的数据挖掘，形成有效的数据分析结果，促进社会的科学发展。
2数据挖掘的研究现状

随着大数据时代的到来，信息技术和网络通信的普及，使得社会生产生活中充斥着大量的数据信息，对数据挖掘技术提出了极大的挑战。经济社会的发展需要对海量的数据进行深入的分析，按照实际需求，进行挖掘方向的科学选择，并对挖掘技术进行科学的创新和提升，使技术能够适应社会发展的要求。当前的数据挖掘技术的研究方向主要有一下几个方面：

（1）数据信息分类。根据实际需求，对数据的属性特点进行有效的提取，实现对数据的详细分类，为用户提供符合其要求的数据，数据分类技术在各个行业已经得到了广泛的应用，在服务行业，可以根据数据信息对用户进行合理的分类，进而提供定制化的服务，提升服务水平。

（2）数据聚类技术。通过对数据的科学分析，按照一定的规则，对数据进行有效的识别，将研究对象进行合理的分类，形成符合相关特征的对象的集合。例如在金融行业中，会对用户的信息进行有效的挖掘，形成风险级别的聚类，如高风险用户，实现对用户风险水平的有效区分，并设置相应的金融活动权限，提升对数据的利用效率。^[1]

（3）发掘数据之间的联动规律。通过对数据的分析，寻找不同数据间的关联，并对关联几率进行科学的计算。如对网络购物数据的分析，可以寻找出对用户对不同品类商品购物的联系，为用户提供合理的推荐，提升购物体验。同时，能够发现数据间的纵向联系，相关数据的变化会对其它数据产生一定的影响，如相关行业政策的发布，会在一定时间段内对相关行业股价形成影响。通过对数据关联性的挖掘，能够形成对相关数据出现或变化的科学判断。

（4）对数据的预测是数据挖掘技术的主要研究方向。在社会生产生活中，数据预测在环境检测、灾害预警、金融活动等各个领域得到广泛的应用。通过对历史数据的深入分析，形成对数据变化的科学预测，及时进行应对策略的制定。如在气象监测领域，可以通过对气象数据的分析，发现相应气象现象的数据变化规律，结合当前的数据，预测出未来一段时间具体的气象变化。
3数据挖掘主要方法

3.1神经网络法

神经网络法是指通过对人脑神经系统进行科学的模拟，形成数据挖掘模型，利用神经结构和运行机制对数据进行分析和处理，能够借助思维逻辑优势，对较为复杂的数据信息进行全面的分析，形成准确的预测，能够结合实际需求，进行处理权值的调整，使分析结果能够适用到不同的研究领域中。但是在模型运算的过程中，对数据处理过程不能进行有效的监管，不能处理相对复杂的变量信息，输出的结果也较为复杂。^[2]

3.2决策树法

决策树法是指对数据处理需求进行科学设计，从而构建不同的分类规则，形成类似树形结构的数据处理模型，能够对大量数据进行有效的分类处理，运算过程较为迅速，同时结合实际的处理需求，进行运算规则的设计，适用与对数据的分类处理。

3.3遗传算法

遗传算法是指利用自然界中的遗传过程进行数据的科学处理，根据实际处理需求，进行遗传变异、交叉等算法的运行，能够处理不同类型的数据，并能够进行多种运算的共同推进，提升数据处理效率。但是在运算过程中需要的参数过多，需要对相关数据模型进行完善的构建，增大了操作难度和计算量。

3.4粗糙集法

利用相对简单的数据分析算法，对数据进行合理的简化，对数据进行直接的分析，不需要进行全面的比对，进而形成对数据规律的发掘。在实际运算中，不能形成连续性的数据分析结果，准确度也得不到保障，只能用于一定的推理论证环节。

3.5关联规则法

通过数据之间的关联性进行算法模型的建设，结合数据分析目标进行数据关联性的判断，得出最小支持度和可信度，进而实现对数据信息的深入挖掘。
4大数据时代下数据挖掘技术的应用

4.1在商业活动中的应用

随着互联网的广泛覆盖和智能设备的普及，在商业活动的各个环节产生了大量的数据，对商品交易信息进行深入的挖掘和分析，形成可靠的数据分析结果，对商业活动形成有效的支持。如在零售行业中，可以通过对顾客购物信息的分析，发掘出消费行为的规律，有些消费者在购物时会对其它的商品产生兴趣，管理者通过调整商品的摆放、制定促销活动等，提升销售额。^[3]

4.2在市场营销中的应用

在市场活动中，消费者的历史消费行为一定程度上会影响后续消费活动，对消费数据的收集、分析和处理，进行深入的挖掘，能够对市场营销行为提供科学的参考，对消费者的群体进行有效的分类，进行针对性营销手段的设计，在降低营销成本的同时，提升利润，推动企业的快速发展。数据挖掘技术的应用，对用户的消费信息进行全面的收集，结合商业活动的实际需求，进行数据的针对性整理，通过适当的信息处理算法，形成准确的数据分析结果。如在银行业务中，通过对用户账户交易信息的分析处理，对用户的消费过程和收入情况进行详细分析，可以对用户的信用额度进行调整，对其进行有效的风险评级。同时能够对用户的消费倾向进行准确的预测，与其它行业进行有效的合作，提供更加便捷的商业服务，推动社会经济的科学发展。

4.3在企业管理中的应用

信息技术在企业管理运行中的广泛应用，对企业的生产经营活动提供了极大的便利，对运行数据的深入分析，能够对企业的管理决策提供有效的数据参考。而随着市场环境的复杂变化，企业在发展中面临着严峻的竞争压力，对相对稳定的市场环境也会造成严重的影响。数据挖掘技术的应用，能够对市场信息和管理运行信息进行全面的收集和挖掘，能够及时发现相关的市场波动和安全隐患，对管理决策提供有效的支持，形成针对性的策略，保证企业的健康发展。数据挖掘技术在市场信息的挖掘中进行科学的利用，能够对网络信息进行有效的分析处理，对与企业发展相关的市场环境变化、供求信息、政策法规的制定等信息进行有效的挖掘，为企业管理决策的制定提供有效的外部信息保障，使企业能够准确掌握市场环境变化，进行针对性的生产经营活动调整，有效规避市场风险，促进企业的稳定发展。
5结语

数据挖掘技术是大数据时代的重要信息处理手段，能够为社会生产生活提供有效的数据支持，已经在很多行业中得到了广泛的应用。通过数据挖掘技术的科学使用，能够对大量数据信息进行深入的分析处理，对市场活动进行有效的预测，对社会活动提供科学的参考，推动社会的健康发展。

参考文献

[1] 于晶.大数据时代的数据挖掘及应用探究[J].科技与创新,2018(24):160-161.

[2] 文世敏.浅析大数据时代下数据挖掘技术的应用[J].企业科技与发展,2018(6):109-110.

[3] 张凯萍.大数据时代背景下数据挖掘技术的应用探讨[J].赤峰学院学报：自然科学版,2018(8):52-54.