大数据挖掘处理技术有哪些

　　越来越多的应用涉及大数据，这些大数据的属性，包括数量、速度、多样性等都引发了大数据不断增长的复杂性，所以，大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。

　　利用数据挖掘进行数据分析的常用方法主要有分类、回归分析、聚类、关联规则等，它们分别从不同的角度对数据进行挖掘。

　　1)分类

　　分类是找岀数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类。

　　其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等。

　　2)回归分析

　　回归分析方法反映的是事务数据库中属性值在时间上的特征。

　　该方法可产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测及数据间的相关关系等。

　　它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。

　　3)聚类

　　聚类是把一组数据按照相似性和差异性分为几个类别。

　　其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用于客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

　　4)关联规则

　　关联规则是描述数据库中数据项之间所存在的关系的规则。

　　即根据一个事务中某些项的出现可推导岀另一些项在同一事务中也会出现，即隐藏在数据间的关联或相互关系。

　　在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。