一、 数据挖掘概述

电子商务是以现代信息技术为手段，以经济效益为中心的现代化商业运转模式。其终目标是实现商务活动的网络化、自动化与智能化。因为Internet的迅速发展，电子商务的应用不断深入。在电子商务应用系统中，相关的用户数据日益增多，数据挖掘技术具有从大量复杂数据中发现特定规律的能力。

二、 数据挖掘的主要方法

数据挖掘融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。比较典型的数据挖掘方法有分类、关联规则分析、聚类分析和孤立点分析等。

1.分类

分类是找出一个类别的概念描述， 它代表了这类数据的整体信息，即该类的内涵描述，一般用规则或决策树模式表示。在金融领域， 管理者可以通过对客户偿还能力以及信用的分析，进行分类，评出等级，减少放贷的盲目性，提高资金的使用效率。

2.关联规则分析

关联规则分析用于发现关联规则。若两个或多个数据项的取值重复出现且概率很高时它就存在着某种关联，可以规则。一般用“支持度”和“置信度”两个阈值来淘汰那些无用的关联规则。

3.聚类分析

聚类分析的对象是一组未分类记录，并且这些记录应分成几类事先也不知道。聚类就是通过分析数据库中的记录数据，根据一定的分类规则，合理地划分记录集合，确定每个记录所在类别。

4.孤立点分析

数据库中的数据常有一些异常记录， 这些记录称为孤立点，常常包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测后来啊与模型预测值的偏差、量值随时间的变化等。孤立点分析基本方法是寻找观测后来啊与参照之间的差别。

三、 数据挖掘在电子商务中的应用

在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋势，改进服务质量，取得更好的顾客保持力和满意程度，提高货品销量比率，设计更好的货品运输与分销策略，减少商业成本。

通过对历史积累的大量数据的有效挖掘， 可以发现隐藏的规律或模式，为决策提供支持，而这些规律或模式是不能够依靠简单的数据查询得到，或者是不能在可接受的时间内得到。这些规律或模式可以进一步在专业人员的识别下成为知识，并可以应用到以客户为中心的企业决策分析和管理的各个不同领域和阶段。

四、 结束语

数据挖掘技术在电子商务中的应用越来越广泛，为商家提供了更加深入了解客户需求信息和购物行为特征的可能性。通过数据挖掘，商家可以更好地了解市场趋势，制定合理的营销策略，提高企业竞争力。