1。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和數(shù)據(jù)庫技術(shù)的快速發(fā)展，業(yè)務(wù)得到了有效的促進(jìn)。電子商務(wù)它是利用計算機(jī)及網(wǎng)絡(luò)技術(shù)和遠(yuǎn)程通信技術(shù)，實現(xiàn)整個商務(wù)活動的電子化、數(shù)字化和網(wǎng)絡(luò)化?，F(xiàn)代企業(yè)積累了大量的數(shù)據(jù)。這些數(shù)據(jù)不僅能為企業(yè)帶來更多有用的信息，為客戶提供更多更好的服務(wù)，而且成為電子商務(wù)成敗的關(guān)鍵因素，這也為計算機(jī)web 數(shù)據(jù)提出了新的技術(shù)。

2.Web 數(shù)據(jù) 挖掘技術(shù)在電子商務(wù)中的應(yīng)用。1.尋找潛在客戶。電子商務(wù)在活動過程中，企業(yè)的銷售商可以利用分類技術(shù)在互聯(lián)網(wǎng)上尋找潛在客戶，通過挖掘Web日志記錄等信息資源對訪問者進(jìn)行分類，找到訪問客戶的共同特征和規(guī)律，然后從已有的分類中尋找潛在客戶。2.就是留住來訪客戶。

數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)數(shù)據(jù)庫技術(shù)、統(tǒng)計技術(shù)和人工智能技術(shù)發(fā)展的產(chǎn)物。從技術(shù)角度來看,數(shù)據(jù) 挖掘的主要方法有:(1)決策樹方法:用樹結(jié)構(gòu)表示決策集，通過對數(shù)據(jù)集進(jìn)行分類來生成規(guī)則。世界上影響最大、最早的決策樹方法是ID3方法，后來又發(fā)展了其他決策樹方法。(2)規(guī)則歸納方法:通過統(tǒng)計歸納，提取有價值的規(guī)則。

(3)神經(jīng)網(wǎng)絡(luò)方法:從結(jié)構(gòu)上模擬生物神經(jīng)網(wǎng)絡(luò)，基于模型和學(xué)習(xí)規(guī)則，建立前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)三種神經(jīng)網(wǎng)絡(luò)模型。該方法可以通過訓(xùn)練學(xué)習(xí)非線性預(yù)測模型，可以完成分類、聚類、特征等多項任務(wù)挖掘數(shù)據(jù)挖掘。(4)遺傳算法:模擬生物進(jìn)化過程的算法，由繁殖(選擇)、交叉(重組)、變異(突變)三種基本算子組成。為了應(yīng)用遺傳算法，需要將任務(wù)數(shù)據(jù) 挖掘表示為一個搜索問題，以充分發(fā)揮遺傳算法的優(yōu)化搜索能力。

數(shù)據(jù)挖掘客戶關(guān)系管理中技術(shù)的典型應(yīng)用客戶獲取客戶的傳統(tǒng)方式是通過大量的媒體廣告和傳單來吸引新客戶。這種方法涉及的方面太多，針對性不強(qiáng)，企業(yè)投入太大。數(shù)據(jù) 挖掘技術(shù)可以從以往的市場活動中有用數(shù)據(jù)(主要指潛在客戶反應(yīng)模式的分類)建立數(shù)據(jù) 挖掘模型。因此，企業(yè)可以了解真實潛在客戶的特征分類，從而在未來的市場活動中有的放矢，而不是傳統(tǒng)的經(jīng)驗猜測。

比如把數(shù)據(jù)按照不同年齡段整理存放在圖書館的簡單動作就是細(xì)分。細(xì)分讓用戶從更高的層面觀察數(shù)據(jù)在庫中，細(xì)分讓人們以不同的方式對待不同細(xì)分群體的客戶。數(shù)據(jù) 挖掘中的分類、聚類等技術(shù)，允許用戶根據(jù)企業(yè)感興趣的屬性，如品類、年齡、職業(yè)、住址、偏好等，對數(shù)據(jù)庫中數(shù)據(jù)的客戶進(jìn)行細(xì)分?？蛻艏?xì)分是企業(yè)確定產(chǎn)品和服務(wù)的基礎(chǔ)，也是建立對客戶一對一營銷的基礎(chǔ)。

隨著信息時代的急劇增加數(shù)據(jù)，深化物流管理最有效的方法就是將數(shù)據(jù) 挖掘技術(shù)引入其中，充分合理地利用數(shù)據(jù) -。介紹了數(shù)據(jù) 挖掘技術(shù)的概念和方法，闡述了數(shù)據(jù) 挖掘技術(shù)在物流企業(yè)中的具體應(yīng)用。1.引言物流需求的個性化、多樣化和集成化，要求物流服務(wù)企業(yè)不斷改進(jìn)和優(yōu)化其運作流程，開發(fā)有針對性的物流服務(wù)，以適應(yīng)物流市場發(fā)展的變化。

2.-3挖掘Technology-3挖掘又稱數(shù)據(jù)基于庫的知識發(fā)現(xiàn)是從大量不完整、模糊、隨機(jī)的知識中，不僅僅局限于對數(shù)據(jù)的查詢和訪問，主要在于找出數(shù)據(jù)之間的潛在聯(lián)系。從企業(yè)的角度來看，數(shù)據(jù) 挖掘是一種企業(yè)信息處理技術(shù)，其特點是對企業(yè)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行提取、轉(zhuǎn)換和分析，從中提取出數(shù)據(jù)的密鑰。

出版說明簡介第一章簡介1.1-3挖掘基本概念1.1.1啤酒和尿布1.1.2什么是-3挖掘1.1？-3/ 挖掘工藝1.2數(shù)據(jù)挖掘1 . 2 . 1數(shù)據(jù)制劑1.2.2的特點和作用。挖掘和模型評價1.3 數(shù)據(jù)倉庫和-3挖掘1 . 3 . 1數(shù)據(jù)倉庫的概念和特點1.3.2/，-3/倉庫與數(shù)據(jù)挖掘1.4 OLAP的基本概念與數(shù)據(jù)挖掘1 . 4 . 1 OLAP的操作1.4.2 .-3/挖掘1.5數(shù)據(jù)挖掘應(yīng)用領(lǐng)域1.6 數(shù)據(jù) 挖掘研究現(xiàn)狀1.6的關(guān)系。-0/算法1.7本章概述第二章-3挖掘常用技術(shù)2.1決策樹2.1.1決策樹的基本概念2.1.2決策樹的基本原理2.1.3決策樹的算法2.1.4決策樹的優(yōu)缺點2.2神經(jīng)網(wǎng)。